Trabajo de Modelos y Pronosticos

PROGNOSIS
Juicio valorativo de costo/beneficio, respecto a la información aportada por un diagnostico o situación de problema concreto, para definir distintas alternativas futuras de acción.

PRONÓSTICOS: MODELO CUALITATIVO DE PRONÓSTICOS Y APLICACIONES MODELOS DE SERIES DE TIEMPO

Historia de los pronósticos:

Muchas de las técnicas de pronostico que se utilizan actualmente se desarrollaron en el siglo XIX; un ejemplo de ello son los análisis de regresión.

Con el desarrollo de técnicas de pronóstico más complejas, junto con el advenimiento de las computadoras, los pronósticos recibieron más atención durante los años recientes. Este desarrollo es en especial cierto desde la proliferación de la pequeña computadora personal. Ahora todos los administradores poseen la capacidad de utilizar técnicas de análisis de datos muy complejas para fines de pronóstico, y una comprensión de dichas técnicas es esencial hoy en día para los Administradores de Empresas.

Al crecer la preocupación de los Administradores por el proceso de pronóstico, se continúan desarrollando nuevas técnicas de pronóstico. Esta atención se enfoca de manera particular en los errores, que son parte inherente de cualquier procedimiento de pronóstico. Es raro que los pronósticos coincidan al pie de la letra con el futuro, una vez llegado este, quienes pronostican solo pueden intentar que los inevitables errores sean tan pequeños como sea posible.

La Necesidad de Pronosticar:

En vista de las imprecisiones inherentes al proceso, ¿Por qué es necesario pronosticar? La respuesta es que todas las organizaciones operan en una atmósfera de incertidumbre y que, a pesar de este hecho, se deben tomar decisiones que afecten el futuro de la organización.

Las técnicas de pronóstico que pueden emplearse para complementar el sentido y la capacidad administrativa de los que toman las decisiones son elementos de juicio en el proceso de pronóstico. Quienes toman la decisión lo harán mejor si a partir de la comprensión de las técnicas de pronóstico, tanto cualitativa como cuantitativa, las utilizan de manera adecuada, en vez de que se vean forzados a planear el futuro sin el beneficio de esta valiosa información complementaria.

En los últimos años, el papel del pronóstico con base en el juicio ha cambiado. Antes de la llegada de las técnicas modernas de pronóstico y del poder de las computadoras, el juicio del administrador era la única herramienta de pronostico disponible. No existe evidencia de que los pronósticos basados solo en juicios no sean tan precisos como aquellos que emplean la aplicación de técnicas cuantitativas.

El ser humano posee un conocimiento único e información interior que no están disponibles en los métodos cuantitativos. Sin embargo de manera sorprendente estudios empíricos y experimentos de laboratorio han demostrado que sus pronósticos no son más precisos que los de los métodos cuantitativos. El ser humano tiende a ser optimista y subestimar la incertidumbre del futuro. Además el costo del pronóstico con métodos de juicio es a menudo considerablemente más alto que cuando se utilizan métodos cuantitativos.

Debido a que siempre ha sido cambiante el mundo en el que operan las organizaciones, siempre ha existido la necesidad de hacer pronósticos. Sin embargo en los últimos años, se ha incrementado la confianza en las técnicas que abarcan una compleja manipulación de datos.

Una nueva tecnología y nuevas disciplinas aparecieron de la noche a la mañana; la actividad gubernamental se intensifico en todos los níveles; la competencia se hizo mas cerrada en muchas áreas; en casi todas las industrias se implanto el comercio internacional; crecieron y se crearon nuevas agencias de ayuda y servicios.

Las computadoras, junto con las técnicas cuantitativas que hacen posible, se han vuelto mas que recomendables en las organizaciones modernas: se han vuelto esenciales. Las dificultades antes expuestas generan una enorme cantidad de datos y una tremenda necesidad de extraer información sutil de estos datos. Las herramientas modernas de pronóstico, junto con la capacidad de la computadora se han hecho indispensables para las organizaciones que operan en el mundo moderno.

¿Quién requiere hacer pronósticos? Casi cualquier organización, grande y pequeña, publica y privada, utiliza el pronostico ya sea implícito o explicito, debido a que casi todas las organizaciones deben planear como enfrentar las condiciones futuras de las cuales tiene un conocimiento imperfecto.

Además, la necesidad de hacer pronósticos cruza todas las líneas funcionales lo mismo que todo tipo de organizaciones. Se requiere hacer pronósticos en las áreas de finanzas, comercialización, personal y de producción, tanto en organizaciones gubernamentales y de búsqueda de ganancias, como en pequeños clubes sociales y en los partidos políticos nacionales.

Tipos de pronósticos:

Cuando los gerentes de organizaciones se enfrentan con la necesidad de tomar decisiones en una atmósfera de incertidumbre, ¿qué tipos de pronósticos tienen disponibles? En primer término, se deben clasificar los procedimientos de pronóstico de largo o corto plazos. Los pronósticos a largo plazo son necesarios para establecer el curso general de la organización para un largo periodo; de ahí que se conviertan en el enfoque particular de la alta dirección.
Los pronósticos a corto plazo se utilizan para diseñar estrategias inmediatas y que usan los administradores de rango medio y de primera línea para enfrentar las necesidades del futuro inmediato.

También se podría clasificar a los pronósticos en términos de su posición en el entorno micro – macro, es decir, según el grado en que intervienen pequeños detalles versus grandes valores resumidos. Por ejemplo, el gerente de una planta pudiera estar interesado en pronosticar el número de trabajadores que requerirá en los próximos meses (un micro pronóstico), mientras que el gobierno federal está pronosticando el número total de personas empleadas en toda la nación (un macro pronóstico). De nuevo, los diferentes niveles de administración, en una organización, tienden a enfocar diferentes niveles del entorno micro – macro. Por ejemplo, la alta dirección estaría interesada en pronosticar las ventas de toda la compañía, en tanto que los vendedores individuales estarían mucho más interesados en pronosticar su propio volumen de ventas. Los procedimientos de pronósticos pueden también clasificarse de acuerdo con su tendencia a ser más cuantitativos o cualitativos. En uno de los extremos, una técnica puramente cualitativa es aquella que no requiere de una abierta manipulación de datos, sólo se utiliza el “juicio” de quién pronostica.

Desde luego, incluso aquí, el “juicio” del pronosticador es en realidad el resultado de la manipulación mental de datos históricos pasados. En el otro extremo, las técnicas puramente cuantitativas no requieren de elementos de juicio; son procedimientos mecánicos que producen resultados cuantitativos.

Por supuesto, ciertos procesos cuantitativos requieren de una manipulación de datos mucho mas compleja que otros. Debemos enfatizar de nuevo que junto con los nuevos procedimientos mecánicos y de manipulación de datos, se deben emplear elementos de juicio y sentido común. Sólo en esta forma se puede llevar a cabo un pronóstico inteligente.

Pronóstico macroeconómico:

Por lo regular pensamos en los pronósticos en términos de pronosticar variables importantes para una compañía individual o quizá para una parte de una compañía. Ejemplos de ello son las ventas mensuales de la empresa, las ventas unitarias de una de las tiendas de la compañía y las horas de ausencia por empleado y mes en una fábrica. En contraste, existe un creciente interés en el pronóstico de importantes variables para la economía de una nación. Se ha realizado un gran trabajo en la evaluación de este tipo de pronóstico económico global, denominado pronóstico macroeconómico. Ejemplos que interesan al gobierno federal de EUA son el índice de desempleo, el producto nacional bruto y la tasa líder de interés.

En parte, la política económica se basa en proyecciones de importantes indicadores económicos, como los tres mencionados anteriormente. Por este motivo, hay un gran interés en mejorar los métodos de pronóstico que enfocan tales mediciones globales del comportamiento económico de un país. En la actualidad, los métodos de pronóstico se pueden dividir en forma genérica de dos enfoques; 1) métodos que usan los enfoques tradicionales de análisis de series de tiempo y 2) métodos menos estructurados que se enfocan en las propiedades estadísticas de las mediciones históricas.

Una de las principales dificultades para el desarrollo de pronósticos de la actividad económica global, consiste en cambios significativos en algún factor económico clave. Entre tales factores se encuentran los cambios significativos en los precios del petróleo, variaciones súbitas de la inflación, y los cambios de política global en el gobierno de otro país que afectan la economía propia.

La posibilidad de dichos cambios significativos en el escenario económico ha generado una pregunta clave en el pronóstico macroeconómico: ¿deberían modificarse los pronósticos generados mediante el procedimiento de pronóstico utilizando el juicio de quien los produce? Esta pregunta aparece a menudo en el trabajo que se realiza en la actualidad sobre la metodología de pronóstico.

En materia de pronóstico macroeconómico se sigue desarrollando un gran esfuerzo tanto teórico como práctico. Considerando la importancia de un pronóstico económico preciso para la formulación de la política nacional, se puede esperar una continua atención sobre este tipo de pronóstico en el futuro.

Selección Del Método De Pronóstico:

La exposición anterior sugiere varios factores a considerar en la selección de un método de pronóstico. Se debe contemplar el nivel de detalle. ¿Se requiere de un pronóstico de detalles específicos (un micro pronóstico)? ¿Se precisa el pronóstico de algún punto en el futuro cercano (un pronóstico a mediano plazo), o para un punto en el futuro distante (un pronóstico a largo plazo)? Y, ¿hasta que grado son apropiados los métodos cualitativos (de juicio) y cuantitativos (de manipulación de datos)?

La consideración que se impone en la selección de un método de pronóstico es la de que los resultados deben facilitar el proceso de toma de decisiones de los administradores de la organización. Por lo tanto, el requerimiento esencial no es que el método de pronóstico comprenda un proceso matemático complicado o que sea lo último en complejidad. En vez de ello, el método elegido deberá producir un pronóstico que sea preciso y comprensible para los administradores, de modo que pueda ayudar a producir mejores decisiones.

Además, la utilización del proceso de pronóstico debe producir un beneficio que exceda al costo asociado con su uso.

Pasos a Seguir en el pronóstico:

Todos los procedimientos formales de pronóstico comprenden la extensión de las experiencias del pasado al futuro incierto. De ahí la suposición de que las condiciones que generaron los datos anteriores son indistinguibles de las condiciones futuras, con excepción de aquellas variables reconocidas de manera explícita por el modelo de pronóstico. Por ejemplo, si se esta pronosticando el índice de desempeño de los empleados en el trabajo, usando sólo como pronóstico la calificación del examen de admisión, se asume que el índice de desempeño en el trabajo de cada persona se afecta sólo por dicho examen. Considerando que la suposición de pasado y futuro indistinguibles no se cumple, resultarán pronósticos imprecisos, a menos que se modifiquen a juicio de quien se pronostica. La aceptación de que las técnicas de pronósticos funcionan sobre datos generados en sucesos históricos pasados conduce a la identificación de cuatro pasos en el proceso de pronóstico:

1. Recopilación de datos 2. Reducción o condensación de datos
3. Construcción del modelo 4. Extrapolación del modelo

• El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son correctos. Con frecuencia este paso es el mayor reto de todo el proceso de pronóstico y el más difícil de controlar, ya que los pasos siguientes se efectúan sobre los datos, sean o no relevantes para el problema en cuestión. Siempre que se hace necesario obtener datos pertinentes en una organización, abundan los problemas de recopilación y control de calidad.

• El paso 2, la reducción de datos con frecuencia es necesaria ya que en proceso de pronóstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que reducirían la precisión del pronóstico. Otros datos pueden ser los adecuados, pero sólo en ciertos periodos históricos. Por ejemplo, en el pronóstico de ventas de automóviles compactos podría desearse emplear sólo datos de ventas de automóviles a partir del embargo petrolero de la década de 1970, en vez de datos de los últimos 50 años.

• El paso 3 , la construcción del modelo, implica ajustar los datos reunidos en un modelo de pronóstico que sea el adecuado para minimizar el error del pronóstico. Entre más sencillo sea el modelo, será mejor para lograr la aceptación del proceso por parte de los administradores que toman las decisiones en la empresa. Con frecuencia se debe establecer un balance entre un enfoque de pronóstico complejo que ofrezca ligeramente más precisión y un enfoque sencillo que sea fácil de entender y ganar el apoyo de quienes toman las decisiones, de manera que lo utilicen efectivamente. Es obvio que los elementos de juicio forman parte de este proceso de selección.

• El paso 4 consiste en la extrapolación en sí del modelo de pronóstico, lo cual ocurre una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se seleccionó un modelo de pronóstico apropiado. Es común que quien realizó el pronóstico revise la precisión del proceso mediante el pronóstico de periodos recientes de los que se conocen los valores históricos reales. Es entonces cuando se observan los errores de pronóstico y se resumen de algún modo. Ciertos procedimientos de pronósticos, suman los valores absolutos de los errores y pueden reportar esta suma, o dividirla entre el numero de intentos de pronóstico para obtener el error de pronóstico promedio. Otros procedimientos obtienen la suma de cuadrados de los errores, que se compara luego con cifras similares de métodos de pronóstico alternativos. Algunos procedimientos también rastrean y reportan la magnitud de los términos de error sobre el periodo de pronóstico. El examen de los patrones de error conduce con frecuencia al analista a la modificación del procedimiento de pronóstico, el cual genera después pronósticos más precisos.

Administración del proceso de pronóstico:

La explicación de esta parte tiene como objeto subrayar nuestra creencia de que la capacidad administrativa y el sentido común deben formar parte del proceso de pronóstico. Se debe pensar en quien pronostica como en un asesor de la dirección, en vez del monitor de un dispositivo automático de toma de decisiones. Por desgracia, este último es el caso en la práctica, en especial en el entorno de la computadora. De nueva cuenta, las técnicas en el proceso de pronóstico deben ser vistas como lo que en realidad son, herramientas que utilizarían los administradores para llegar a mejores decisiones.

Se puede mejorar la utilidad de los pronósticos si los administradores adoptan una actitud más realista. No se debe ver al proceso como un sustito de la profecía, sino como la mejor forma de identificar y extrapolar patrones o relaciones establecidos con el fin de pronosticar. Si se admite tal actitud, se deben considerar inevitablemente los errores de pronóstico e investigar las circunstancias que los generan.

Dicho la anterior, si el proceso de pronóstico se va a conducir de la manera adecuada, deben siempre surgir diversas preguntas clave.

• ¿Por qué se requiere de los pronósticos?
• ¿Quién utilizará los pronósticos y cuales son sus requerimientos específicos?
• ¿Qué nivel de detalle o agregación se requiere y cual es el horizonte adecuado en el tiempo?
• ¿Qué datos hay disponibles? ¿serán suficientes para generar el pronóstico que se requiere?
• ¿Cuál será el costo del pronóstico?
• ¿Qué tan preciso podemos esperar que sea el pronóstico?
• ¿Se hará a tiempo el pronóstico para ayudar al proceso de toma de decisiones?
• Quien pronostica, ¿tiene un claro entendimiento de cómo se usará el pronóstico en la organización?
• ¿Hay disponible un proceso de retroalimentación para evaluar el pronóstico una vez hecho y ajustar el proceso de acuerdo con ello?

Paquetes de cómputo para pronóstico:

En la década pasada el desarrollo que ha tenido el mayor impacto en el pronóstico es el de los paquetes de programas de cómputo diseñados específicamente para tratar en forma directa diferentes métodos de pronóstico.





Hay dos tipos de paquetes de cómputo de interés para los pronosticadores:

1)paquetes estadísticos que incluyen análisis de regresión y otras técnicas que se utilizan con frecuencia en los pronósticos; y 2) paquetes de pronóstico diseñados específicamente para aplicaciones de este tipo.

Se han desarrollado cientos de paquetes estadísticos y de pronóstico tanto para macro como para microcomputadoras (o computadoras personales, a las que con frecuencia se les llama PCs). Los administradores con PCs sobre sus escritorios y el conocimiento de técnicas de pronóstico, ya no dependen de un equipo de trabajo para realizar sus pronósticos. Los administradores modernos están aprovechando la ventaja de la facilidad y disponibilidad de métodos complejos de pronóstico que proporcionan las computadoras personales.

Componentes de series de tiempo:

Con frecuencia se realizan observaciones de datos a través del tiempo. Cualquier variable que conste de datos reunidos, registrados u observados sobre incrementos sucesivos de tiempo se denomina serie de tiempo.

En el análisis de series de tiempo de datos, una tentación inmediata consiste en intentar explicar o contabilizar el comportamiento de las series. La descomposición clásica es un método que se basa en la suposición de que se pueden descomponer en componentes como tendencia, ciclo, estacionalidad e irregularidad. Una predicción se hace mediante la combinación de las proyecciones de cada componente individual. Muchas variables macroeconómicas, como el Producto Nacional Bruto (PNB), el empleo y la producción industrial están dominadas por una fuerte tendencia.

La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o disminución en la serie sobre un periodo amplio. Las fuerzas básicas que ayudan a explicar la tendencia de una serie son el crecimiento de la población, la inflación de precios, el cambio tecnológico y los incrementos en la productividad. El componente cíclico es la fluctuación en forma de onda alrededor de la tendencia, afecta por lo regular por las condiciones económicas generales. Los patrones cíclicos tienden a repetirse en los datos aproximadamente cada dos tres o más años. Es común que las fluctuaciones cíclicas estén influidas por cambios de expansión y contracción económicas, a los que comúnmente se hace referencia como el ciclo de los negocios. El componente estacional se refiere a un patrón de cambio que se repite a si mismo año tras año. En el caso de las series mensuales, el componente estacional mide la variabilidad de las series de enero, febrero, etc.

En las series trimestrales hay cuatro elementos estaciónales, uno para cada trimestre. La variación estacional puede reflejar condiciones de clima, días festivos o la longitud de los meses del calendario. El componente aleatorio mide la variabilidad de las series de tiempo después de que se retiran los otros componentes. Contabiliza la variabilidad aleatoria en una serie de tiempo ocasionada por factores imprevistos y no ocurrentes. La mayoría de los componentes irregulares se conforman de variabilidad aleatoria. Sin embargo ciertos sucesos a veces impredecibles como huelgas, cambios de clima (sequías, inundaciones o terremotos), elecciones, conflictos armados o la aprobación de asuntos legislativos, pueden causar irregularidad en una variable.

Selección de una técnica de pronóstico:

A continuación se presentan algunas preguntas que se deben considerar antes de decidir sobre la técnica de pronóstico mas adecuada para un problema en particular.

¿Por qué se requiere un pronóstico?
¿Quién utilizara el pronóstico?
¿Cuáles son las características de los datos disponibles?
¿Qué espacio de tiempo se pronosticara?
¿Cuáles son los requerimientos mínimos de datos?
¿Cuál es la precisión deseada?
¿Cuál será el costo del pronóstico?

Para una buena selección de la tecnica de pronóstico adecuada, el pronosticados deberá poder hacer lo siguiente:

Definir la naturaleza del problema de pronóstico.
Explicar la naturaleza de los datos bajo investigación.
Describir las capacidades y limitaciones de las técnicas de pronóstico potencialmente útiles.
Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisión de la selección.

Un factor principal que influye en la selección de una tecnica de pronóstico consiste en la identificación y comprensión de patrones históricos en los datos. Si se pueden reconocer patrones de tendencia, cíclicos o estacionales, entonces se pueden seleccionar las técnicas con la capacidad de utilizar eficazmente estos patrones.

Tecnicas de pronóstico para datos estacionarios:

Una serie estacionaria es aquella cuyo valor promedio no varia a través del tiempo. Estas situaciones se presentan cuando los patrones de demanda que influyen sobre la serie son relativamente estables. El pronóstico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor promedio, el cual se convierte después en el pronóstico de valores futuros. Las técnicas mas sofisticadas comprenden la actualización de la estibación, al haber nueva información. Las técnicas de pronóstico estacionarias se emplean siempre que:

1.- Las fuerzas que generen una serie se han estabilizado y el medio en el que existe la serie permanece relativamente sin cambios. Ejemplos de ello son las fallas por semana en una línea de ensamble que tiene una fase de producción uniforme, las ventas unitarias de un producto o servicio en la etapa de maduración de su ciclo de vida y el número de ventas resultantes de un nivel constante de esfuerzo.

2.- Se requiere un modelo muy sencillo debido a la falta de datos o para facilitar su explicación o implementación. Un ejemplo seria cuando un negocio u organización es nuevo y hay disponible muy poca información histórica.

3.- Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la población e inflación. Ejemplos de esto son modificar el ingreso por el ingreso per capita, o las ventas en dólares por montos en dólares constantes.

4.- La serie se puede transformar en una serie estable. Como ejemplo, esta la transformación de series mediante logaritmos, raíces cuadradas o diferencias.

5.- La serie es un conjunto de errores de pronóstico que se considera adecuada.

Tecnicas de pronóstico para datos con una tendencia:

Una serie con tendencia como una serie de tiempo que contiene un componente de largo plazo que representa el crecimiento o declinación de la serie a través de un periodo amplio. Tiene una tendencia si su valor promedio varía a través del tiempo, de modo que se espera que aumente o disminuya durante el periodo para el que desea pronóstico. Es común que las series económicas contengan una tendencia.

Las técnicas de pronóstico para series con tendencia se utilizan siempre que:

1.- Una productividad creciente y la nueva tecnología conducen a cambios en el estilo de vida. Como ejemplos se pueden citar la demanda de componentes electrónicos, que se incremento con el advenimiento de la computadora; y el uso del ferrocarril que se disminuyo con la aparición del avión.

2.- El incremento en la población provoca un incremento en la demanda de bienes y servicios. Ejemplo de estos son las utilidades por venta de bienes de consumo, la demanda en el consumo de energía eléctrica y el uso de materias primas.

3.- El poder de compra del dólar afecta las variables económicas por causa de la inflación. Los ejemplos son los salarios, costos de producción y precios.

4.- Aumenta la aceptación en el mercado. Un ejemplo seria el periodo de crecimiento en el ciclo de vida de un nuevo producto.

Tecnicas de pronóstico para datos con estacionalidad:

Una serie estacional como una serie de tiempo con un patrón de cambio que se repite a si mismo año tras año. Por lo regular, el desarrollo de una técnica de pronostico estacional comprende la selección de un método multiplicativo o uno de adición y estimar después índices estaciónales a partir de la historia de la serie. Estos índices se usan posteriormente para incorporar la estacionalidad al pronostico para eliminar tales efectos de los valorares observados.

Las técnicas de pronóstico para datos estaciónales se usan siempre que:

1.- El clima influyente en la variable de interés. Como ejemplos están el consumo de energía eléctrica, las actividades de verano e invierno, el guardarropa y las estaciones de desarrollo agrícola.

2.- El año calendario influye en la variable de interés. Ejemplos de ello son las ventas al menudeo influidas por dais festivos, fines de semana de tres días y los calendarios escolares.

Tecnicas de pronóstico para series ciclicas:

Es la fluctuación en forma de onda alrededor de la tendencia. Los patrones cíclicos tienden a repetirse en los datos cada dos, tres o mas años.
Las fluctuaciones en forma de onda hacia arriba y hacia abajo alrededor de la tendencia rara vez se repiten en intervalos fijos de tiempo y también varía la magnitud de las fluctuaciones.

Las técnicas de pronóstico para datos cíclicos se utilizan siempre que:

1.- El ciclo del negocio influye sobre la variable de interés. Como ejemplos están los factores económicos de mercado y de la compendia.

2.- Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la música y la alimentación.

3.- Se presenta cambios en la población. Podemos citar como ejemplos las guerras, escasez, epidemias y desastres naturales.

4.- Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la introducción, crecimiento, maduración, saturación y declinación del mercado.

Medición del error en el pronóstico:

Ya que las técnicas cuantitativas de pronósticos implican, por lo regular, series de tiempo de datos, se desarrolló una notación matemática para hacer referencia a cada periodo específico. Se empleará la letra y para denotar una variable de serie de tiempo, a menos que exista más de una variable. El periodo asociado con una observación se muestra como subíndice. Así, Yt se refiere al valor de la serie de tiempo en el periodo t. También se desarrolló una notación matemática para distinguir el valor real de una serie de tiempo y el valor de pronóstico. Se empleará el símbolo ^ (acento circunflejo) sobre un valor, para indicar que se trata de un pronóstico. El valor de pronóstico para Yt es Ýt . Con frecuencia se juzga la precisión de una técnica de pronóstico mediante la comparación de la serie original Y1, Y2 ,.... con la serie de pronóstico y1 , y2, ....

La notación básica de pronóstico se resume como:

Notación Básica de Pronóstico
Yt = valor de una serie de tiempo en el periodo t
Ýt = valor del pronóstico para Yt
et = Yt – Ýt = residual o error del pronóstico

Se han ideado diversos métodos para resumir los errores generados por una técnica particular de pronóstico. La mayoría de estas mediciones implican promediar alguna función de la diferencia entre el valor real y su valor de pronóstico. A menudo se denominan residuales a estas diferencias entre valores observados y los valores de pronóstico. Un residual es la diferencia entre un valor real y su valor de pronóstico. Para calcular el error o residual de cada periodo de pronóstico, se utilizará la siguiente ecuación:

et = Yt – Ýt = residual o error del pronóstico

En donde
et = error del pronóstico en el periodo t
Yt = valor real en el periodo t
Ýt = valor del pronóstico en el periodo t

Un método para evaluar una técnica de pronóstico consiste en obtener la suma de los errores absolutos. La Desviación Absoluta de la Media (DAM) mide la precisión de un pronóstico mediante el promedio de la magnitud de los errores de pronóstico (valores absolutos de cada error). La DAM resulta de gran utilidad cuando el analista desea medir el error de pronóstico en las mismas unidades de la serie original. La siguiente ecuación muestra como se calcula la DAM:
DAM =
Otra técnica para evaluar una técnica de pronóstico es el Error Medio Cuadrado (EMC). Cada error o residual se eleva al cuadrado; luego estos valores se suman y se divide entre el número de observaciones. Este enfoque penaliza los errores mayores de pronósticos, ya que eleva cada uno al cuadrado. Esto es importante pues en ocasiones pudiera ser preferible una técnica que produzca errores moderados a otra que por lo regular tenga errores pequeños , pero que ocasionalmente arroje algunos en extremo grandes. La ecuación para el cálculo del EMC, es la siguiente:
EMC =

En ocasiones, resulta mas útil calcular los errores de pronóstico en términos de porcentaje y no de cantidades. El Porcentaje de Error Medio Absoluto (PEMA) se calcula encontrando el error absoluto en cada periodo, dividiendo éste entre el valor real observado, para ese periodo y después promediando estos errores absolutos de porcentaje. Este enfoque es útil cuando el tamaño o magnitud de la variable de pronóstico es importante en la evaluación de la precisión del pronóstico. El PEMA proporciona una indicación de que tan grandes son los errores de pronóstico comparados con los valores reales de la serie. También se puede utilizar el PEMA para comparar la precisión de la misma u otra técnica sobre dos series completamente diferentes. La siguiente ecuación muestra el cálculo del PEMA:
PEMA =

A veces resulta necesario determinar si un método de pronóstico está sesgado (pronóstico consistentemente alto o bajo). En estos casos, se emplea el Porcentaje Medio de Error (PME), que se calcula encontrando el error en cada periodo, dividiendo esto entre el valor real de ese periodo y promediando después estos porcentajes de error. Si un enfoque de pronóstico no está sesgado, la ecuación del PME producirá un porcentaje cercano a cero. Si el resultado es un porcentaje negativo grande, el método de pronóstico está sobrestimado de manera consistente. Si el resultado es un porcentaje positivo grande, el método de pronóstico esta subestimado de forma consistente.
PME =

Una parte de la decisión para utilizar una técnica de pronóstico en particular es la determinación de si la técnica producirá errores de predicción que se juzguen como suficientemente pequeños. Es en este efecto realista esperar que una Es Es en efecto realista esperar que una técnica produzca errores de pronóstico relativamente bajos sobre una base consistente.
Las cuatro mediciones de precisión de un pronóstico que acabamos de describir se utilizan de la siguiente manera:
• La comparación de la precisión de dos técnicas diferentes.
• La medición de la utilidad o confiabilidad de una técnica.
• La búsqueda de una técnica óptima.

El sistema de pronósticos:

Etapas de la solución de problemas relacionadas con los pronósticos.

Identificación del problema

Los pronósticos proporcionan información para tomar mejores decisiones. El primer paso es identificar la decisión. Si la decisión no afecta se afecta por el pronóstico, el pronóstico es innecesario. La importancia de la decisión sugerirá el esfuerzo que debe dedicarse a producir un pronóstico. Una decisión de una sola vez requiere un pronóstico, mientras que una solución recurrente necesita un pronostico cada vez que se toma la decisión. En cualquier caso la decisión determina qué pronosticar, el nivel de detalle necesario y que con frecuencia se hará el pronóstico. Los pronósticos de ventas, calidad de materiales ingresos, gastos, uso de energía o los tiempos de llegada de los clientes son una necesidad común en las empresas. Quien toma las decisiones es el dueño del problema. El analista es quien pronostica. La mayor parte de los pronósticos son separados por equipos que incluyen la administración, la mercadotecnia, el analista y tal vez el procesamiento de datos. La identificación del problema determina la misión o el propósito, que muestra como necesidad del pronóstico.




Comprensión del problema:

La base para entender los problemas de pronósticos es comprender el proceso; por ejemplo, el proceso que crea la demanda de un artículo. Nunca se puede comprender por completo el proceso, por lo que solo se puede esperar conocerlo cada vez mejor y hacer las suposiciones necesarias para crear los pronósticos. Para hacer esto, se examina las características del problema y se analizan los datos , si existen. También se establece una meta para el pronóstico.

Características del problema:

Las principales características de un problema son los pronósticos son el marco de tiempo, el nivel de detalle, la exactitud necesaria y el número de aspectos a pronosticar. Las decisiones a largo plazo no requieren pronósticos exactos; la decisión de construir una nueva planta se basa en la tendencia de los pronósticos para varios años sucesivos u no en una sola estimación de la demanda. Así los pronósticos muy precisos son innecesarios. Normalmente los pronósticos a largo plazo se hacen para una sola vez. Es común que se usen métodos causales y cuantitativos para obtenerlos. Una decisión a mediano plazo puede ser asignar cierta capacidad de la planta a grupos de productos. De nuevo puede no ser necesario conocer la demanda para cada artículo individual, sino para grupos de artículos que comparten instalaciones de producción. Las decisiones a mediano plazo normalmente requieren pronósticos para uno o dos artículos. Con frecuencia se usan métodos cuantitativos, incluyendo los causales y las series de tiempo, para los pronósticos a mediano plazo.

La decisión a corto plazo es cuántos productos de deben fabricar. En este caso se necesita el numero real de unidades de producto. Debido a que las decisiones de corto plazo están basadas en estos pronósticos, necesitan ser razonablemente exactos. Los métodos de series de tiempo son los que se usan con más frecuencia para los pronósticos a corto plazo, pero en algunas situaciones, también son útiles los métodos causales y los cuantitativos.

Datos:

Examinar los datos cuando se tienen pueden proporcionar una gran visión. Los datos pueden venir de los registros de la empresa o fuentes comerciales o gubernamentales, los registros de la compañía incluyen información sobre compras y ventas. Si no existen datos, se deben recolectar o se puede usar un enfoque de pronósticos que no los requiera. Si no se dispone de datos o recolectarlos es demasiado costoso, se elige un enfoque cualitativo. Hay factores externos o internos que afectan a los datos. Los factores externos están fuera de nuestro control pero se puede influir en los factores internos. Entre los factores internos están la calidad y el precio del producto el tiempo de entrega publicidad y descuentos.

Si se disponen de datos, se grafican para observar si existe un patrón. La grafica muestra una demanda semanal de dentífrico durante los dos últimos años. Estos datos se usan para explicar el análisis de datos de una serie de tiempo. El análisis de datos causales de una serie de tiempos es similar pero en lugar de graficar, digamos, la demanda contra tiempo, se puede graficar la demanda contra variable causal. Cuando se examina la gráfica parece estar nivelada, en términos burdos, con una pequeña variación que es caracterizada de un proceso constante.

Cuando se grafican los datos, la elección de la escala es muy importante si se selecciona una escala equivocada, los datos de un proceso constante pueden parecer estaciónales fluctuaciones aleatorias. Cuando las tendencia y la estacionalidad están presentes, los datos deben descomponerse para ver los efectos de cada una. Los datos disparados deben eliminarse antes de analizarlos. El resultado del análisis de datos es entender el proceso que causa la demanda. siempre habrá una parte inexplicable – la componente aleatoria -.

Meta de pronóstico:

La meta de cualquier sistema de pronósticos es proporcionar eso pronósticos con la exactitud necesaria, a tiempo y a un costo razonable. Un pronóstico oportuno está determinado por su utilización. El trueque básico de los pronósticos se hace entre la respuesta al cambio y a la estabilidad, es decir, si se experimenta una demanda anormalmente alta una semana debe decidirse si se requiere más producto la siguiente semana. Si la demanda alta refleja un cambio en el patrón de demanda, debe aumentarse la producción, pero si fue sólo una fluctuación aleatoria, no se aumenta. Un buen sistema de pronósticos reaccionará ante los cambios reales e ignorará las variaciones al azar.

Desarrollo de un modelo:

Una vez identificados los procesos, éstos determinan la forma del modelo. Los pronósticos cualitativos no usan modelos sencillos de establecer. Los modelos causales dependen de la situación particular pero en general tienen la forma.

D1 = f ( x t-k) + e
Donde d representa la variable dependiente, como la demanda, x, la varianza independiente ( o factor causal ) y e, la componente del ruido del tiempo t. La variable dependiente en el tiempo t es idealmente una función de la variable independiente en el tiempo t – k, k> 1. el lapso del periodo k permite conocer el valor de la variable independiente antes de hacer el pronóstico de la variable dependiente; si no hay este lapso, deberá pronosticarse la variable independiente antes de obtener un pronostico para la variable dependiente. La relación funcional entre d y x se representa por f y puede ser lineal, cuadrática o alguna otra relación matemática. Puede haber mas de un factor causal.

Para los enfoques de las series de tiempo, los modelos comunes que se estudian son constantes, la tendencia lineal y estacional, o combinaciones de éstos. Matemáticamente son:

Dt = a + e ( constante)
Dt = a + bt + e ( tendencia lineal )
Dt = act + e ( estacional )

Donde a representa la parte constante, b la tendencia, c, el factor estacional para el periodo t y e, la componente aleatoria o de ruido. Éstos son los modelos más comunes, aunque existen otros.

Solución del modelo:

El primer paso para resolver el modelo es elegir un método. Si se tiene un modelo causal, el método será regresión. Para modelos de series de tiempo, existen varios métodos disponibles, incluso para el mismo proceso. Por ejemplo existen muchos métodos para pronosticar una series de tiempo constante. Dado el modelo si se consideran los coeficientes, simplemente se podría introducir los números correctos y obtener el pronóstico. Como los parámetros reales de la ecuación del modelo no se conocen, deben estimarse.

Interpretación e implantación de la solución:

La interpretación de la solución es la tarea mas importante al operar un sistema de pronósticos. Conforme se obtienen los nuevos datos, se actualiza el pronostico. Además, se compara el pronostico anterior con lo que realmente ocurrió para obtener retroalimentación sobre la calidad del procedimiento de pronósticos. Si la calidad es aceptable, se dice que el procedimiento esta bajo control. Si el procedimiento esta fuera de control, es necesario regresar a la etapa de diseño; se requiere volver a estimar los parámetros del modelo actual, o bien, cambiar el modelo. Si el sistema de pronósticos esta bajo control, se hace un pronostico para un periodo futuro.

Observaciones:

Existen dos hechos muy importantes que recordar; los pronósticos los pronósticos casi nunca dan una respuesta exacta y entre mas lejos al futuro se vea, menos preciso será el pronóstico.

Pronósticos Cualitativos:

Los métodos cualitativos de pronósticos utilizan el juicio de los gerentes, su experiencia, los datos relevantes y un modelo matemático implícito. Como el modelo es implícito, si dos gerentes distintos utilizan los métodos cualitativos, es frecuente que lleguen a pronósticos con variaciones importantes. Los pronósticos cualitativos deben utilizarse cuando los datos del pasado no resulten confiables como indicadores de las condiciones del futuro. Cuando ocurre lo anterior, los datos del pasado deben compensarse mediante un juicio antes de poder desarrollar un pronóstico. También debe utilizarse el pronóstico cualitativo para la introducción de nuevos productos cuando no se dispone de una base de los datos históricos.

Los métodos cualitativos casi siempre se utilizan para pronósticos a mediano y largo plazo que involucren situaciones como diseño del proceso o capacidad de las instalaciones. En el caso de estas decisiones, los datos del pasado casi nunca están disponibles o, cuando así es, pueden indicar un patrón poco estable.

Investigación de mercado:

Una investigación de mercado consiste en varios pasos. Primero es necesario desarrollar un cuestionario que deben contener preguntas cuyas respuestas proporcionen la información necesaria para determinar un pronóstico. El siguiente paso para llevar a cabo la encuesta, la cual puede hacerse por correo, fax, correo electrónico, teléfono, una postal para recortar una entrevista o en una persona. La manera en que se lleve a cabo la investigación puede afectar tanto el número como la calidad de las respuestas. El número, localización y los clientes individuales que responderán deben planearse con cuidado junto con el propósito del estudio.

Una vez que se realiza la investigación, deben tabularse y analizarse los resultados. Se debe tener cuidado al interpretar estos resultados. Las tasa de respuesta pueden ser bajas, las r5espuestas pueden ser incorrectas, o los factores no considerados en el cuestionario pueden afectar el resultado real de los eventos.

Opinión de expertos y el método Delphi:

Una variación formal de la opinión de expertos es el método Delphi, llamado así en honor del oráculo de Delfos ( del griego Delphi) de la metodología griega, quien predijo eventos futuros. Un comité de “ expertos” corresponde al oráculo en esta técnica, y el facilitador determina los participantes, escribe los cuestionarios y analiza los resultados. Los miembros del comité pueden ser expertos de diferentes campos. Por ejemplo uno puede tener orientación hacia las ventas y otro ser economista. Ellos ofrecen diversos puntos de vista y consideran muchos factores en el proceso. Se pide a los miembros del comité que entreguen pronósticos anónimos de eventos específicos y, lo que es mas importante, sus razones para hacer este pronóstico. Las preguntas deben ser ambiguas y simples. En lugar de pregunta si las ventas serán altas, debe preguntarse si estarán arriba de un valor dado. Las preguntas deben tener una sola respuesta, si se necesitan respuestas múltiples, debe hacerse una pregunta para cada una. Las respuestas se resumen, se modifica el cuestionario y se regresa a los miembros del comité, a quienes se pide que repitan el proceso. El resultado de cada ronda debe reflejar los resultados de la anterior; con el cuestionario actualizado se mandan las estadísticas resumidas, es decir, la media , la mediana y el rango.

El procedimiento continua hasta que los miembros del comité acuerdo razonable por lo general tres o cuatro rondas son suficientes para alcanzar con un consenso- y el resumen de resultados se informa a los participantes y se usa para tomar la decisión. El método Delphi tiene varias ventajas, entre ellas esta el hecho de que se incluye la participación de personas muy diferentes, incluso de distintas localidades, y elimina el dominio de personalidades fuertes, dando a todos la misma oportunidad de participar; las respuestas anónimas permiten una expresión mas libre de las ideas.
La mayor desventaja es el tiempo necesario para llevar a cabo el estudio Delphi, muchas veces mas de un mes; no obstante los métodos electrónicos ( fax y correo electrónico) pueden acelerar el proceso.

Conclusiones

• Existen diversos tipos de pronósticos según el periodo de tiempo que manejemos (a mediano y largo plazo) y de acuerdo a la manipulación de los datos que hallamos hecho.
• Los pronósticos macroeconómicos se emplean para determinar la proyección de indicadores globales de un país como lo son índice de desempleo, el producto nacional bruto y la tasa líder de interés .
• Existen cuatro pasos establecidos, para la determinación del proceso de pronóstico: 1. Recopilación de datos, 2. Reducción o condensación de datos, 3. Construcción del modelo, 4. Extrapolación del modelo (modelo en sí).
• El papel que juega el administrador en el proceso de pronóstico es clave, pues depende en gran parte, de las condiciones y capacidades administrativas que el tenga, pues sin estas el pronóstico simplemente sería un modelo matemático sin aplicación alguna.
• Existe dos tipos de paquetes de cómputo de ayuda para determinar el proceso de pronóstico eficientemente: 1)paquetes estadísticos que incluyen análisis de regresión y otras técnicas que se utilizan con frecuencia en los pronósticos; y 2) paquetes de pronóstico diseñados específicamente para aplicaciones de este tipo.
• Los pronosticadores cuentan con cinco modelos estadísticos (residual o error del pronóstico, DAM, EMC, PEMA, PME), que les ayudan a eliminar o a descartar todo posible error que se pueda presentar en el proceso de pronóstico, para contar con información verídica.