Introducción a los pronósticos

Tabla de contenidos

¿Qué es un pronóstico?

Pronosticar implica el uso de técnicas cuantitativas y cualitativas para analizar datos históricos, identificar patrones y hacer estimaciones sobre el futuro. A diferencia de una adivinanza, que es una suposición sin fundamento, un pronóstico se basa en métodos matemáticos o en el conocimiento de expertos.

La aplicación de los pronósticos incluye la previsión de la demanda para determinar cuánto producir, la predicción de las ventas en unidades monetarias con fines de presupuestación, la estimación de los clientes que visitarán un banco para la programación de personal, etc.

Otro aspecto importante es el desempeño del pronóstico, que depende de la calidad y cantidad de los datos disponibles, así como de la adecuación del modelo respecto al comportamiento que se desea predecir. Por esta razón, es muy importante la elección de modelos que se ajusten a la naturaleza del problema y su continuo refinamiento.

Dependiendo del horizonte de planeación, los pronósticos pueden ser a corto, mediano o largo plazo. De este modo, los pronósticos son útiles para la gestión operativa diaria; para establecer el plan de ventas y operaciones anual; y para planear la expansión de la capacidad de producción en los próximos años. El analista establece el horizonte de planeación considerando las circunstancias particulares.

Importancia de los pronósticos

Los pronósticos de la demanda ayudan a decidir cuántos productos fabricar en un periodo determinado, evitando tanto el exceso como la escasez de inventario. Tienen un impacto significativo en la gestión del inventario y en la eliminación del desperdicio asociado a una mala gestión.

Tanto la manufactura como los servicios ajustan sus niveles de mano de obra según la demanda esperada en los siguientes periodos de operación. Los departamentos de recursos humanos y de producción programan contrataciones para asegurar su disponibilidad en el momento necesario. Un buen pronóstico favorece la coordinación entre las diferentes funciones —compras, producción, distribución, etc.—.

El pronóstico también proporciona información valiosa para la elaboración de presupuestos. Las proyecciones de ingresos y egresos ayudan a la gestión del flujo de caja, la planeación de inversiones, la asignación de recursos de manera eficiente, etc.

La administración de la cartera de productos también se beneficia de un buen pronóstico. Si las ventas aumentan, es posible que se deba ampliar la capacidad de producción. Si las ventas disminuyen, se debe analizar si es momento de retirar el producto de la cartera de inversiones. Cuando se retiran productos del mercado, se debe pensar qué productos se pueden introducir para sustituirlos, o si es factible el relanzamiento.

En general, un pronóstico acertado reduce la incertidumbre que enfrentan los tomadores de decisiones.

Pronóstico de la demanda y su relación con los inventarios

Los pronósticos ayudan a gestionar los niveles de inventario, reduciendo el riesgo de producir más o menos de lo demandado. Los niveles de satisfacción del cliente son impactados positivamente cuando se asegura que los productos están disponibles en el momento en que se necesitan. Consecuentemente, se experimentará una mejora en la rentabilidad.

En contraste, un mal pronóstico se asocia con una mala gestión del inventario —exceso o escasez de inventario—, lo que se traduce en mayores costos de almacenamiento, obsolescencia del producto, ventas perdidas y disminución de la satisfacción del cliente. En algunos casos, un pésimo pronóstico dañará la reputación de la empresa, reduciendo su competitividad en el mercado.

Lo deseable es equilibrar oferta y demanda, que se produzcan suficientes unidades para satisfacer la demanda sin generar exceso de inventario. Desde la perspectiva de la planeación de la producción, el pronóstico tiene como propósito evitar la sobreproducción, los costos de almacenamiento que conlleva, y al mismo tiempo asegurar la disponibilidad del producto, lo que evita ventas perdidas y clientes insatisfechos.

La decisión de cuánto producir impacta varias funciones de la empresa. Por ejemplo:

Se contrata o reduce personal según las necesidades productivas, evitando sobrecarga de trabajo o tiempos muertos.
Se compran materias primas e insumos según la cantidad a producir, de este modo se evitan excedentes o faltantes.
Conocer la cantidad que se va a producir ayuda a determinar los recursos necesarios para su distribución.

El inventario inmoviliza capital que podría ser utilizado en otras áreas de la empresa. Grandes cantidades de inventario se traducen en grandes cantidades de dinero que no se puede usar hasta que el producto se vende. El capital inmovilizado podría ser utilizado para mejorar procesos, impulsar la innovación o invertir en otros proyectos.

El exceso de inventario oculta problemas en el proceso de producción. Demasiados productos en inventario ocultan ineficiencias, problemas de calidad o fallos en la planeación de la demanda. En general, se mejora al reducir el inventario, pues se revelan los problemas, y se trabaja en su solución en consecuencia.

Además, el inventario en exceso genera costos adicionales de almacenamiento: espacio físico, gestión, seguridad, deterioro, obsolescencia, etc. Al mismo tiempo, limita la flexibilidad de respuesta ante cambios en la demanda. Un gran inventario de productos terminados dificulta ajustar rápidamente la producción a las nuevas preferencias del cliente.

¿Qué es un buen pronóstico?

El pronóstico debe equilibrar exactitud, oportunidad y costo. De este modo, las decisiones serán informadas, oportunas y económicamente viables. En los párrafos anteriores, se ha señalado que la exactitud del pronóstico reduce los costos por exceso o escasez. Adicionalmente, los pronósticos deben estar disponibles oportunamente, ya que los pronósticos tardíos son inútiles. También, se debe considerar el balance entre la exactitud y el costo, cada mejora en la exactitud debe traducirse en un beneficio monetario que exceda los costos por el refinamiento del modelo.

Los pronósticos nunca dan una respuesta exacta, la razón es que están basados en datos históricos y suposiciones sobre el futuro, lo que se traduce en incertidumbre. Por ejemplo, la demanda de cualquier producto siempre está sujeta a cambios en el mercado, innovaciones tecnológicas, crisis económicas, etc.

Sin embargo, un buen pronóstico da una idea del número de unidades que se venderán, por lo tanto es mucho mejor que nada. Si el pronóstico es que se venderán 900 unidades la siguiente semana, lo más probable es que se venda una cantidad muy cercana a 900 unidades. De este modo, se puede planear la producción y los niveles de inventario.

Además, entre más a futuro sea el pronóstico, menos exactitud. Entre mayor sea el tiempo que transcurre desde el presente hasta el momento del futuro en el que sucede el evento que se quiere pronosticar, mayor será la incertidumbre.

Es importante tener en cuenta que ningún método de pronóstico es mejor que otro. La elección del método más adecuado depende del comportamiento de los datos, la disponibilidad de datos históricos, el horizonte de tiempo de planeación y el propósito específico del pronóstico. El analista debe probar varios métodos y evaluar su exactitud, además de los factores que ya se han mencionado.

Obtención de datos para el pronóstico

Existen varias fuentes, internas y externas, para obtener los datos para pronosticar. Por ejemplo, entre las fuentes internas se tiene el historial de ventas. El registro de las órdenes de producción pasadas proporciona información sobre la capacidad de producción.

Desde hace algunos años, los sistemas de planeación de recursos empresariales (ERP) —en inglés, Enterprise Resource Planning— se utilizan para integrar y registrar la información de diferentes áreas de la empresa, facilitando la consulta de los históricos de producción, inventarios y ventas.

Entre las fuentes externas se encuentran las bases de datos gestionadas por los gobiernos o por asociaciones no gubernamentales. En ellas se pueden encontrar estudios de mercado que revelan tendencias en el comportamiento del consumidor, estudios que evalúan la competencia en un determinado sector industrial, indicadores económicos que influyen en la demanda —producto interno bruto (PIB), inflación, tasa de empleo—, etc.

En la actualidad, las redes sociales proporcionan información en forma de opiniones, lo que facilita identificar tendencias emergentes analizando hashtags, menciones y conversaciones. Es posible inferir si la percepción de un producto o marca es positiva o negativa y prever su impacto en la demanda. Las redes sociales son un medio directo para que las empresas reciban retroalimentación en tiempo real, lo que permite identificar oportunidades de mejora. Adicionalmente, se realiza un seguimiento de la actividad de la competencia y la recepción por parte de los consumidores.

Para pronosticar las ventas, se recurre a la demanda histórica, que se puede expresar en diferentes escalas de tiempo, pues se refiere al número de unidades vendidas de un producto en un período dado, por ejemplo, la demanda semanal, la demanda mensual, la demanda trimestral, etc. Los datos para construir una serie de tiempo de la demanda se encuentran en los registros de ventas, con esta información se identifican los patrones de comportamiento. Por ejemplo, alta demanda durante ciertas estaciones o eventos específicos, lo que ayuda a ajustar la producción y los niveles de inventario.

La calidad de los datos de salida de un pronóstico es tan buena como la calidad de los datos de entrada. En inglés, se suele decir garbage in, garbage out, lo que quiere decir basura entra, basura sale. Si los datos para alimentar el modelo de pronóstico son inexactos, incompletos, desactualizados o irrelevantes, el pronóstico resultante será poco confiable. Una buena calidad de los datos de entrada aumenta la probabilidad de que el modelo de pronóstico se desempeñe satisfactoriamente. Si la información necesaria no existe o no se encuentra disponible, se debe recolectar, lo que puede ser muy costoso.

Métodos de pronóstico

Los métodos de pronóstico se clasifican en tres categorías principales: cualitativos, causales y de series de tiempo. Cada uno de estos métodos se adecua a diferentes situaciones y tipos de datos.

Series de tiempo

Una serie de tiempo es una lista de datos históricos ordenada cronológicamente y organizada en intervalos de tiempo uniformes: horas, días, semanas, quincenas, meses, trimestres, años, etc. Los métodos de series de tiempo proyectan la demanda histórica al futuro ignorando cualquier otra variable. La suposición es que los patrones observados en los datos históricos se repetirán, lo que implica, en el caso de la demanda, que el comportamiento histórico de las ventas continuará. Las unidades de tiempo deben ser consistentes, si se pronostican las ventas mensuales de motocicletas, se deben utilizar los datos históricos de ventas de motocicletas mensuales.

Se asume que las fuerzas subyacentes que influyen en el comportamiento de la demanda —comportamiento del consumidor, condiciones económicas, etapa del ciclo de vida del producto, etc.— persistirán en el tiempo.

El proceso comienza con la recolección y preparación de los datos históricos. Luego, se identifican y analizan los componentes de la serie de tiempo. A continuación, se selecciona el modelo apropiado. Finalmente, se evalúa el desempeño del modelo y se realizan ajustes si es necesario. Se pueden analizar series de tiempo de:

El número de computadoras vendidas anualmente.
La utilidad trimestral de una empresa transnacional.
La demanda semanal de baterías en una zona geográfica.
La cotización diaria del precio del barril de petróleo.
La cotización diaria del precio de la onza de oro.
La inflación mensual de la canasta básica.
El número de turistas que ingresan a un país mensualmente.
La temperatura media anual en una ciudad.

Métodos causales

Los métodos causales buscan establecer relaciones de causa y efecto entre las variables. En este caso, los modelos describen la manera en que una o más variables independientes (x₁, x₂, x₃,…,x_n) afectan el comportamiento de la variable dependiente (y), la cual se desea predecir. En otras palabras, los métodos causales ayudan a predecir el comportamiento de una variable dependiente basándose en la relación con una o más variables independientes. La regresión lineal simple modela la relación entre dos variables, una dependiente y una independiente, mediante una línea recta. Por su parte, la regresión múltiple extiende la regresión lineal simple al considerar que varias variables independientes pueden influir en el comportamiento de la variable dependiente.

Por ejemplo, la regresión lineal múltiple permite expresar la relación entre la demanda de un producto (variable dependiente) y variables como el precio, la publicidad y el nivel de ingreso de los compradores (variables independientes). Sin embargo, el análisis de regresión también se utiliza para predecir:

El salario considerando el nivel educativo como variable explicativa.
El precio de una casa considerando factores como su ubicación, su extensión, los metros cuadrados construidos, su estado de conservación, su antigüedad, etc.
El consumo de electricidad en función de la temperatura.
Los resultados académicos considerando el tiempo de estudio, el acceso a recursos educativos, etc.
El rendimiento de los cultivos considerando el tipo de fertilizante, la temperatura, la humedad, etc.
El tiempo de viaje considerando la hora del día, la distancia y el tráfico.

Métodos cualitativos

Los métodos cualitativos se basan en el juicio y la opinión de expertos para obtener el pronóstico. Son útiles cuando no se dispone de datos históricos —lanzamiento de un nuevo producto— o cuando se trata de eventos únicos —cambios radicales en el mercado—. Entre los métodos cualitativos más comunes se encuentran el método Delphi, consulta a vendedores y los estudios de mercado.

Etapas para realizar el pronóstico de la demanda

La primera etapa consiste en identificar el producto para el cual se desarrollará el modelo de pronóstico y en qué etapa del ciclo de vida se encuentra. Después, se elabora un diagrama de dispersión para identificar los componentes de la demanda. El ciclo de vida del producto y el diagrama de dispersión ayudarán a seleccionar un modelo de pronóstico adecuado. Si no existen datos disponibles o se trata de un producto nuevo se recurre a un modelo de consulta a expertos.

En la siguiente etapa, se valida el modelo de pronóstico, lo que implica probarlo con datos históricos para asegurarse que los resultados son confiables. En este punto se ajustan los parámetros del modelo, por ejemplo, el valor de las constantes de suavizamiento. El modelo se cambia si no tiene buen desempeño. Otra posibilidad es combinar varios modelos de pronóstico, por ejemplo, suavizado exponencial simple y consulta a vendedores.

En la tercera etapa, se realiza el pronóstico para el horizonte de tiempo definido previamente, el resultado se comunica a las áreas interesadas de la empresa. Como se ha comentado en los párrafos anteriores, producción utilizará el pronóstico para planear los niveles de inventario, finanzas lo hará con fines de presupuestación, producción y recursos humanos planearán los niveles de mano de obra, etc.

Ya que se ha implementado el pronóstico es importante que se supervise, cada periodo de tiempo se debe evaluar su desempeño. En caso de ser necesario, se realizarán ajustes pertinentes para que el pronóstico se mantenga confiable.

Existen muchos métodos para pronosticar, por ejemplo, sistemas simultáneos, simulación, métodos autorregresivos, métodos bayesianos y redes neuronales. Estos métodos se caracterizan por ser complejos, por lo tanto un poco más difíciles de entender. Algunos de ellos son costosos y requieren recopilar muchos datos.

En general, las personas prefieren métodos de pronóstico sencillos. La simplicidad facilita su comprensión y su aplicación. Los pronósticos sencillos son más relevantes en empresas donde los recursos son limitados, puesto que no requieren de software ni personal especializado, tampoco de la recolección de grandes cantidades de datos. Un método simple se implementará con menos recursos.

Adicionalmente, los métodos sencillos son más transparentes, pues todos los involucrados, incluidos aquellos sin formación técnica, saben cómo se generan las estimaciones de la demanda. Entre más complejo sea el método, más probabilidades de que sea percibido como un proceso opaco y difícil de entender.

Los métodos sencillos son más flexibles, se adaptan a diferentes situaciones, es más fácil y barato hacer ajustes a un método sencillo que a un software especializado. Las medidas de desempeño del pronóstico sirven para establecer qué pronóstico se ajusta mejor a los datos. En algunas empresas con decenas, cientos o miles de artículos, se puede recurrir al análisis ABC para concentrar los esfuerzos en los artículos más rentables. Siempre se debe tener en mente que ningún modelo de pronóstico servirá si el comportamiento del fenómeno que se desea predecir experimenta cambios radicales.

Índice pronósticos