EL PRONSTICO DEL CLIMA.

Cap. 2/o. F.A MET. CARLOS JESS HERNNDEZ MNDEZ. Desde los inicios de la vida, la especie humana se ha visto afectada por las precipitaciones, sequias, huracanes, inundaciones, tornados, huracanes y las variaciones extremas de temperatura, estos y otros fenmenos meteorolgicos condicionaron el desarrollo de las civilizaciones, influyendo en todos los rdenes de la vida, tanto intelectuales como materiales: la distribucin de los pueblos o grupos humanos, las creencias religiosas, las ciencias, la filosofa, el desarrollo tecnolgico, la agricultura, la arquitectura, la alimentacin, etc., obligando a la humanidad a adaptarse para sobrevivir y desarrollarse. En virtud de lo cual las sociedades modernas han buscado contar con informacin que permita tomar decisiones con miras de minimizar los daos que pudiera llegar a causar la afectacin de los fenmenos meteorolgicos constituyndose un pronstico meteorolgico como una importante herramienta en manos de los dirigentes de cada nacin, grupo o empresa.

El pronstico del tiempo, es la aplicacin de tecnologa y de ciencia para predecir el estado de la atmsfera para un perodo futuro y una localidad o regin dada. La historia del pronstico del tiempo es milenaria, aunque los paradigmas y las tcnicas usadas han cambiado significativamente. Los pronsticos se hacen colectando tantos datos como sea posible acerca del estado de la atmsfera (particularmente temperatura, humedad, viento) y usando conocidos procesos atmosfricos (a travs de la meteorologa) para determinar los patrones futuros atmosfricos. Sin embargo, la naturaleza catica de la atmsfera y el entendimiento incompleto de los procesos hacen que los pronsticos sean menos seguros al incrementarse el rango temporal del pronstico.

Las tcnicas de pronstico 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 pronstico. Quienes toman la decisin lo harn mejor si a partir de la comprensin de las tcnicas de pronstico, 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 informacin complementaria. En los ltimos aos, el papel del pronstico con base en el juicio ha cambiado. Antes de la llegada de las tcnicas modernas de pronstico y del poder de las computadoras, el juicio del administrador era la nica herramienta de pronstico disponible. No existe evidencia de que los pronsticos basados solo en juicios no sean tan precisos como aquellos que emplean la aplicacin de tcnicas cuantitativas. El ser humano posee un conocimiento nico e informacin interior que no estn disponibles en los mtodos cuantitativos. Sin embargo de manera sorprendente estudios empricos y experimentos de laboratorio han demostrado que sus pronsticos no son ms precisos que los de los mtodos cuantitativos. El ser humano tiende a ser optimista y subestimar la incertidumbre del futuro. Adems el costo del pronstico con mtodos de juicio es a menudo considerablemente ms alto que cuando se utilizan mtodos cuantitativos.

Debido a que siempre ha sido cambiante el mundo en el que operan las organizaciones, siempre ha existido la necesidad de hacer pronsticos. Sin embargo en los ltimos aos, se ha incrementado la confianza en las tcnicas que abarcan una compleja manipulacin de datos. Una nueva tecnologa y nuevas disciplinas aparecieron de la noche a la maana; la actividad gubernamental se intensifico en todos los nmbeles; la competencia se hizo mas cerrada en muchas reas; 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 tcnicas cuantitativas que hacen posible, se han vuelto ms 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 informacin sutil de estos datos. Las herramientas modernas de pronstico, junto con la capacidad de la computadora se han hecho indispensables para las organizaciones que operan en el mundo moderno. Quin requiere hacer pronsticos? Casi cualquier organizacin, grande y pequea, pblica y privada, utiliza el pronstico ya sea implcito o explicito, debido a que casi todas las organizaciones deben planear como enfrentar las condiciones futuras de las cuales tiene un conocimiento imperfecto. Adems, la necesidad de hacer pronsticos cruza todas las lneas funcionales lo mismo que todo tipo de organizaciones. Se requiere hacer pronsticos en las reas de finanzas, comercializacin, personal y de produccin, tanto en organizaciones gubernamentales y de bsqueda de ganancias, como en pequeos clubes sociales y en los partidos polticos nacionales. Tipos de pronsticos Cuando los gerentes de organizaciones se enfrentan con la necesidad de tomar decisiones en una atmsfera de incertidumbre, qu tipos de pronsticos tienen disponibles? En primer trmino, se deben clasificar los procedimientos de pronstico de largo o corto plazos. Los pronsticos a largo plazo son necesarios para establecer el curso general de la organizacin para un largo periodo; de ah que se conviertan en el enfoque particular de la alta direccin. Los pronsticos a corto plazo se utilizan para disear estrategias inmediatas y que usan los administradores de rango medio y de primera lnea para enfrentar las necesidades del futuro inmediato. Tambin se podra clasificar a los pronsticos en trminos de su posicin en el entorno micro macro, es decir, segn el grado en que intervienen pequeos detalles versus grandes valores resumidos. Por ejemplo, el gerente de una planta pudiera estar interesado en pronosticar el nmero de trabajadores que requerir en los prximos meses (un micro pronstico), mientras que el gobierno federal est pronosticando el nmero total de personas empleadas en toda la nacin (un macro pronstico). De nuevo, los diferentes niveles de administracin, en una organizacin, tienden a enfocar diferentes niveles del entorno micro macro. Por ejemplo, la alta direccin estara interesada en pronosticar las ventas de toda la compaa, en tanto que los vendedores individuales estaran mucho ms interesados en pronosticar su propio volumen de ventas. Los procedimientos de pronsticos pueden tambin clasificarse de acuerdo con su tendencia a ser ms cuantitativos o cualitativos. En uno de los extremos, una tcnica puramente cualitativa es aquella que no requiere de una abierta manipulacin de datos, slo se utiliza el juicio de quin pronostica. Desde luego, incluso aqu, el juicio del

pronosticador es en realidad el resultado de la manipulacin mental de datos histricos pasados. En el otro extremo, las tcnicas puramente cuantitativas no requieren de elementos de juicio; son procedimientos mecnicos que producen resultados cuantitativos. Por supuesto, ciertos procesos cuantitativos requieren de una manipulacin de datos mucho mas compleja que otros. Debemos enfatizar de nuevo que junto con los nuevos procedimientos mecnicos y de manipulacin de datos, se deben emplear elementos de juicio y sentido comn. Slo en esta forma se puede llevar a cabo un pronstico inteligente. Pronstico macroeconmico Por lo regular pensamos en los pronsticos en trminos de pronosticar variables importantes para una compaa individual o quiz para una parte de una compaa. Ejemplos de ello son las ventas mensuales de la empresa, las ventas unitarias de una de las tiendas de la compaa y las horas de ausencia por empleado y mes en una fbrica. En contraste, existe un creciente inters en el pronstico de importantes variables para la economa de una nacin. Se ha realizado un gran trabajo en la evaluacin de este tipo de pronstico econmico global, denominado pronstico macroeconmico. Ejemplos que interesan al gobierno federal de EUA son el ndice de desempleo, el producto nacional bruto y la tasa lder de inters. En parte, la poltica econmica se basa en proyecciones de importantes indicadores econmicos, como los tres mencionados anteriormente. Por este motivo, hay un gran inters en mejorar los mtodos de pronstico que enfocan tales mediciones globales del comportamiento econmico de un pas. En la actualidad, los mtodos de pronstico se pueden dividir en forma genrica de dos enfoques; 1) mtodos que usan los enfoques tradicionales de anlisis de series de tiempo y 2) mtodos menos estructurados que se enfocan en las propiedades estadsticas de las mediciones histricas. Una de las principales dificultades para el desarrollo de pronsticos de la actividad econmica global, consiste en cambios significativos en algn factor econmico clave. Entre tales factores se encuentran los cambios significativos en los precios del petrleo, variaciones sbitas de la inflacin, y los cambios de poltica global en el gobierno de otro pas que afectan la economa propia. La posibilidad de dichos cambios significativos en el escenario econmico ha generado una pregunta clave en el pronstico macroeconmico: deberan modificarse los pronsticos generados mediante el procedimiento de pronstico utilizando el juicio de quien los produce? Esta pregunta aparece a menudo en el trabajo que se realiza en la actualidad sobre la metodologa de pronstico. En materia de pronstico macroeconmico se sigue desarrollando un gran esfuerzo tanto terico como prctico. Considerando la importancia de un pronstico econmico preciso para la formulacin de la poltica nacional, se puede esperar una continua atencin sobre este tipo de pronstico en el futuro. Seleccin Del Mtodo De Pronstico La exposicin anterior sugiere varios factores a considerar en la seleccin de un mtodo de pronstico. Se debe contemplar el nivel de detalle. Se requiere de un pronstico de detalles especficos (un micro pronstico)? Se precisa el pronstico de algn punto en el futuro cercano (un pronstico a mediano plazo), o para un punto en el futuro distante (un pronstico a largo plazo)? Y, hasta que grado son apropiados los mtodos cualitativos (de juicio) y cuantitativos (de manipulacin de datos)? La consideracin que se impone en la seleccin de un mtodo de pronstico es la de que los resultados deben facilitar el proceso de toma de decisiones de los administradores de la organizacin. Por lo tanto, el requerimiento esencial no es que el mtodo de pronstico comprenda un proceso matemtico complicado o que sea lo ltimo en complejidad. En vez de ello, el mtodo elegido deber producir un pronstico que sea preciso y

comprensible para los administradores, de modo que pueda ayudar a producir mejores decisiones. Adems, la utilizacin del proceso de pronstico debe producir un beneficio que exceda al costo asociado con su uso. Pasos A Seguir En El Pronstico Todos los procedimientos formales de pronstico comprenden la extensin de las experiencias del pasado al futuro incierto. De ah la suposicin de que las condiciones que generaron los datos anteriores son indistinguibles de las condiciones futuras, con excepcin de aquellas variables reconocidas de manera explcita por el modelo de pronstico. Por ejemplo, si se esta pronosticando el ndice de desempeo de los empleados en el trabajo, usando slo como pronstico la calificacin del examen de admisin, se asume que el ndice de desempeo en el trabajo de cada persona se afecta slo por dicho examen. Considerando que la suposicin de pasado y futuro indistinguibles no se cumple, resultarn pronsticos imprecisos, a menos que se modifiquen a juicio de quien se pronostica. La aceptacin de que las tcnicas de pronsticos funcionan sobre datos generados en sucesos histricos pasados conduce a la identificacin de cuatro pasos en el proceso de pronstico: 1. Recopilacin de datos 2. Reduccin o condensacin de datos 3. Construccin del modelo 4. Extrapolacin 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 pronstico y el ms difcil de controlar, ya que los pasos siguientes se efectan sobre los datos, sean o no relevantes para el problema en cuestin. Siempre que se hace necesario obtener datos pertinentes en una organizacin, abundan los problemas de recopilacin y control de calidad. El paso 2, la reduccin de datos con frecuencia es necesaria ya que en proceso de pronstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser pertinentes al problema, por lo que reduciran la precisin del pronstico. Otros datos pueden ser los adecuados, pero slo en ciertos periodos histricos. Por ejemplo, en el pronstico de ventas de automviles compactos podra desearse emplear slo datos de ventas de automviles a partir del embargo petrolero de la dcada de 1970, en vez de datos de los ltimos 50 aos. El paso 3 , la construccin del modelo, implica ajustar los datos reunidos en un modelo de pronstico que sea el adecuado para minimizar el error del pronstico. Entre ms sencillo sea el modelo, ser mejor para lograr la aceptacin 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 pronstico complejo que ofrezca ligeramente ms precisin y un enfoque sencillo que sea fcil 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 seleccin. El paso 4 consiste en la extrapolacin en s del modelo de pronstico, lo cual ocurre una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se seleccion un modelo de pronstico apropiado. Es comn que quien realiz el pronstico revise la precisin del proceso mediante el pronstico de periodos recientes de los que se conocen los valores histricos reales. Es entonces cuando se observan los errores de pronstico y se resumen de algn modo. Ciertos procedimientos de pronsticos, suman los valores absolutos de los errores y pueden reportar esta suma, o dividirla entre el numero de intentos de pronstico para obtener el error de pronstico promedio. Otros procedimientos obtienen la suma de cuadrados de los errores, que se compara luego con cifras similares de mtodos de pronstico alternativos. Algunos procedimientos tambin rastrean y reportan la magnitud de los trminos de error sobre el periodo de pronstico. El examen de los patrones de error conduce con frecuencia al analista a la modificacin del procedimiento de pronstico, el cual genera despus pronsticos ms precisos.

3. Administracin del proceso de pronstico La explicacin de esta parte tiene como objeto subrayar nuestra creencia de que la capacidad administrativa y el sentido comn deben formar parte del proceso de pronstico. Se debe pensar en quien pronostica como en un asesor de la direccin, en vez del monitor de un dispositivo automtico de toma de decisiones. Por desgracia, este ltimo es el caso en la prctica, en especial en el entorno de la computadora. De nueva cuenta, las tcnicas en el proceso de pronstico deben ser vistas como lo que en realidad son, herramientas que utilizaran los administradores para llegar a mejores decisiones. Se puede mejorar la utilidad de los pronsticos si los administradores adoptan una actitud ms realista. No se debe ver al proceso como un sustito de la profeca, 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 pronstico e investigar las circunstancias que los generan. Dicho la anterior, si el proceso de pronstico se va a conducir de la manera adecuada, deben siempre surgir diversas preguntas clave. Por qu se requiere de los pronsticos? Quin utilizar los pronsticos y cuales son sus requerimientos especficos? Qu nivel de detalle o agregacin se requiere y cual es el horizonte adecuado en el tiempo? Qu datos hay disponibles? sern suficientes para generar el pronstico que se requiere? Cul ser el costo del pronstico? Qu tan preciso podemos esperar que sea el pronstico? Se har a tiempo el pronstico para ayudar al proceso de toma de decisiones? Quien pronostica, tiene un claro entendimiento de cmo se usar el pronstico en la organizacin? Hay disponible un proceso de retroalimentacin para evaluar el pronstico una vez hecho y ajustar el proceso de acuerdo con ello? Paquetes De Cmputo Para Pronstico En la dcada pasada el desarrollo que ha tenido el mayor impacto en el pronstico es el de los paquetes de programas de cmputo diseados especficamente para tratar en forma directa diferentes mtodos de pronstico. Hay dos tipos de paquetes de cmputo de inters para los pronosticadores: 1)paquetes estadsticos que incluyen anlisis de regresin y otras tcnicas que se utilizan con frecuencia en los pronsticos; y 2) paquetes de pronstico diseados especficamente para aplicaciones de este tipo. Se han desarrollado cientos de paquetes estadsticos y de pronstico 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 tcnicas de pronstico, ya no dependen de un equipo de trabajo para realizar sus pronsticos. Los administradores modernos estn aprovechando la ventaja de la facilidad y disponibilidad de mtodos complejos de pronstico que proporcionan las computadoras personales. En esta seccin, se mencionan algunos de los paquetes de cmputo estadsticos y de pronstico ms utilizados. Con frecuencia se utilizan paquetes estadsticos que funcionan en macrocomputadoras, e incluyen partes que tratan directamente varios mtodos de pronstico. Tres de los paquetes ms populares son: 1. Minitab: presenta mens y cuadros de dilogo, manteniendo el lenguaje de comandos para agregar velocidad y flexibilidad. 2. Statistical Package for the Social Sciences (SPSS): paquete estadstico para las ciencias sociales. 3. Statistical Anlisis System (SAS): sistema de anlisis estadstico.

En aos recientes, se desarrollo un nuevo tipo de paquetes de cmputo para macrocomputadoras, dirigido especficamente a las necesidades de los administradores. Algunos de los diversos paquetes especficamente diseados para funcionar en microcomputadoras, y que se comercializan en la actualidad son: Autobox 3.0 de Automatic Forecasting Systems, Inc. Business and economic forecasting: decision support system software de John Wiley. Easy forecaster plus 1 o 2 del Institute of Business Forecasting. 4 Cast de Scientific System, Inc. Micro BJ de Stratix Forecasting de Hewlett Packard MICCROFIT3 de Oxford University Press Forecast Pro de Business Forecast Systems, Inc. Componentes De Series De Tiempo Con frecuencia se realizan observaciones de datos a travs del tiempo. Cualquier variable que conste de datos reunidos, registrados u observados sobre incrementos sucesivos de tiempo se denomina serie de tiempo. En el anlisis de series de tiempo de datos, una tentacin inmediata consiste en intentar explicar o contabilizar el comportamiento de las series. La descomposicin clsica es un mtodo que se basa en la suposicin de que se pueden descomponer en componentes como tendencia, ciclo, estacionalidad e irregularidad. Una prediccin se hace mediante la combinacin de las proyecciones de cada componente individual. Muchas variables macroeconmicas, como el Producto Nacional Bruto (PNB), el empleo y la produccin industrial estn dominadas por una fuerte tendencia. La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o disminucin en la serie sobre un periodo amplio. Las fuerzas bsicas que ayudan a explicar la tendencia de una serie son el crecimiento de la poblacin, la inflacin de precios, el cambio tecnolgico y los incrementos en la productividad. El componente cclico es la fluctuacin en forma de onda alrededor de la tendencia, afecta por lo regular por las condiciones econmicas generales. Los patrones cclicos tienden a repetirse en los datos aproximadamente cada dos tres o ms aos. Es comn que las fluctuaciones cclicas estn influidas por cambios de expansin y contraccin econmicas, a los que comnmente se hace referencia como el ciclo de los negocios. El componente estacional se refiere a un patrn de cambio que se repite a si mismo ao tras ao. 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 estacinales, uno para cada trimestre. La variacin estacional puede reflejar condiciones de clima, das festivos o la longitud de los meses del calendario. El componente aleatorio mide la variabilidad de las series de tiempo despus de que se retiran los otros componentes. Contabiliza la variabilidad aleatoria en una serie de tiempo ocasionada por factores imprevistos y no ocurrentes. La mayora de los componentes irregulares se conforman de variabilidad aleatoria. Sin embargo ciertos sucesos a veces impredecibles como huelgas, cambios de clima (sequas, inundaciones o terremotos), elecciones, conflictos armados o la aprobacin de asuntos legislativos, pueden causar irregularidad en una variable. 4. Seleccin de una tcnica de pronstico A continuacin se presentan algunas preguntas que se deben considerar antes de decidir sobre la tcnica de pronstico mas adecuada para un problema en particular. Por qu se requiere un pronstico? Quin utilizara el pronstico? Cules son las caractersticas de los datos disponibles? Qu espacio de tiempo se pronosticara? Cules son los requerimientos mnimos de datos? Cul es la precisin deseada?

Cul

ser

el

costo

del

pronstico?

Para una buena seleccin de la tecnica de pronstico adecuada, el pronosticados deber poder hacer lo siguiente: Definir la naturaleza del problema de pronstico. Explicar la naturaleza de los datos bajo investigacin. Describir las capacidades y limitaciones de las tcnicas de pronstico potencialmente tiles. Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisin de la seleccin. Un factor principal que influye en la seleccin de una tecnica de pronstico consiste en la identificacin y comprensin de patrones histricos en los datos. Si se pueden reconocer patrones de tendencia, cclicos o estacionales, entonces se pueden seleccionar las tcnicas con la capacidad de utilizar eficazmente estos patrones. Tecnicas de pronstico para datos estacionarios Una serie estacionaria es aquella cuyo valor promedio no varia a travs del tiempo. Estas situaciones se presentan cuando los patrones de demanda que influyen sobre la serie son relativamente estables. El pronstico de series estacionarias comprende el uso de la historia disponible de las series para estimar su valor promedio, el cual se convierte despus en el pronstico de valores futuros. Las tcnicas mas sofisticadas comprenden la actualizacin de la estibacin, al haber nueva informacin. Las tcnicas de pronstico estacionarias se emplean siempre que: 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 lnea de ensamble que tiene una fase de produccin uniforme, las ventas unitarias de un producto o servicio en la etapa de maduracin de su ciclo de vida y el nmero de ventas resultantes de un nivel constante de esfuerzo. Se requiere un modelo muy sencillo debido a la falta de datos o para facilitar su explicacin o implementacin. Un ejemplo seria cuando un negocio u organizacin es nuevo y hay disponible muy poca informacin histrica. Se puede lograr la estabilidad haciendo correcciones sencillas a factores como crecimiento de la poblacin e inflacin. Ejemplos de esto son modificar el ingreso por el ingreso per capita, o las ventas en dlares por montos en dlares constantes. La serie se puede transformar en una serie estable. Como ejemplo, esta la transformacin de series mediante logaritmos, races cuadradas o diferencias. La serie es un conjunto de errores de pronstico que se considera adecuada. Tecnicas De Pronstico 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 declinacin de la serie a travs de un periodo amplio. Tiene una tendencia si su valor promedio vara a travs del tiempo, de modo que se espera que aumente o disminuya durante el periodo para el que desea pronstico. Es comn que las series econmicas contengan una tendencia. Las tcnicas de pronstico para series con tendencia se utilizan siempre que: Una productividad creciente y la nueva tecnologa conducen a cambios en el estilo de vida. Como ejemplos se pueden citar la demanda de componentes electrnicos, que se incremento con el advenimiento de la computadora; y el uso del ferrocarril que se disminuyo con la aparicin del avin. El incremento en la poblacin 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 energa elctrica y el uso de materias primas.

 El poder de compra del dlar afecta las variables econmicas por causa de la inflacin. Los ejemplos son los salarios, costos de produccin y precios. Aumenta la aceptacin en el mercado. Un ejemplo seria el periodo de crecimiento en el ciclo de vida de un nuevo producto. Tecnicas De Pronstico Para Datos Con Estacionalidad Una serie estacional como una serie de tiempo con un patrn de cambio que se repite a si mismo ao tras ao. Por lo regular, el desarrollo de una tcnica de pronostico estacional comprende la seleccin de un mtodo multiplicativo o uno de adicin y estimar despus ndices estacinales a partir de la historia de la serie. Estos ndices se usan posteriormente para incorporar la estacionalidad al pronostico para eliminar tales efectos de los valorares observados. Las tcnicas de pronstico para datos estacinales se usan siempre que: El clima influyente en la variable de inters. Como ejemplos estn el consumo de energa elctrica, las actividades de verano e invierno, el guardarropa y las estaciones de desarrollo agrcola. El ao calendario influye en la variable de inters. Ejemplos de ello son las ventas al menudeo influidas por dais festivos, fines de semana de tres das y los calendarios escolares. Tecnicas De Pronstico Para Series Ciclicas Es la fluctuacin en forma de onda alrededor de la tendencia. Los patrones cclicos tienden a repetirse en los datos cada dos, tres o mas aos. 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 tambin vara la magnitud de las fluctuaciones. Las tcnicas de pronstico para datos cclicos se utilizan siempre que: El ciclo del negocio influye sobre la variable de inters. Como ejemplos estn los factores econmicos de mercado y de la compendia. Se presentan cambios en el gusto popular. Ejemplos de ello son la moda, la msica y la alimentacin. Se presenta cambios en la poblacin. Podemos citar como ejemplos las guerras, escasez, epidemias y desastres naturales. Se presentan cambios en el ciclo de vida del producto. Ejemplo de ello son la introduccin, crecimiento, maduracin, saturacin y declinacin del mercado. Medicin Del Error En El Pronstico Ya que las tcnicas cuantitativas de pronsticos implican, por lo regular, series de tiempo de datos, se desarroll una notacin matemtica para hacer referencia a cada periodo especfico. Se emplear la letra y para denotar una variable de serie de tiempo, a menos que exista ms de una variable. El periodo asociado con una observacin se muestra como subndice. As, Yt se refiere al valor de la serie de tiempo en el periodo t. Tambin se desarroll una notacin matemtica para distinguir el valor real de una serie de tiempo y el valor de pronstico. Se emplear el smbolo ^ (acento circunflejo) sobre un valor, para indicar que se trata de un pronstico. El valor de pronstico para Yt es t . Con frecuencia se juzga la precisin de una tcnica de pronstico mediante la comparacin de la serie original Y1, Y2 ,.... con la serie de pronstico y1 , y2, .... La notacin Notacin Yt = valor t = et = Yt bsica de pronstico se Bsica de de una serie de tiempo en valor del pronstico t = residual o error resume como: Pronstico el periodo t para Yt del pronstico

Se han ideado diversos mtodos para resumir los errores generados por una tcnica particular de pronstico. La mayora de estas mediciones implican promediar alguna funcin de la diferencia entre el valor real y su valor de pronstico. A menudo se denominan residuales a estas diferencias entre valores observados y los valores de pronstico. Un residual es la diferencia entre un valor real y su valor de pronstico. Para calcular el error o residual de cada periodo de pronstico, se utilizar la siguiente ecuacin: et = Yt t = residual o error del pronstico En et Yt t donde periodo t periodo t periodo t

= = =

error valor valor

del del

pronstico real en pronstico

en el en

el el

Un mtodo para evaluar una tcnica de pronstico consiste en obtener la suma de los errores absolutos. La Desviacin Absoluta de la Media (DAM) mide la precisin de un pronstico mediante el promedio de la magnitud de los errores de pronstico (valores absolutos de cada error). La DAM resulta de gran utilidad cuando el analista desea medir el error de pronstico en las mismas unidades de la serie original. La siguiente ecuacin muestra como se calcula la DAM: DAM = Otra tcnica para evaluar una tcnica de pronstico es el Error Medio Cuadrado (EMC). Cada error o residual se eleva al cuadrado; luego estos valores se suman y se divide entre el nmero de observaciones. Este enfoque penaliza los errores mayores de pronsticos, ya que eleva cada uno al cuadrado. Esto es importante pues en ocasiones pudiera ser preferible una tcnica que produzca errores moderados a otra que por lo regular tenga errores pequeos , pero que ocasionalmente arroje algunos en extremo grandes. La ecuacin para el clculo del EMC, es la siguiente: EMC = En ocasiones, resulta mas til calcular los errores de pronstico en trminos de porcentaje y no de cantidades. El Porcentaje de Error Medio Absoluto (PEMA) se calcula encontrando el error absoluto en cada periodo, dividiendo ste entre el valor real observado, para ese periodo y despus promediando estos errores absolutos de porcentaje. Este enfoque es til cuando el tamao o magnitud de la variable de pronstico es importante en la evaluacin de la precisin del pronstico. El PEMA proporciona una indicacin de que tan grandes son los errores de pronstico comparados con los valores reales de la serie. Tambin se puede utilizar el PEMA para comparar la precisin de la misma u otra tcnica sobre dos series completamente diferentes. La siguiente ecuacin muestra el clculo del PEMA: PEMA = A veces resulta necesario determinar si un mtodo de pronstico est sesgado (pronstico 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 despus estos porcentajes de error. Si un enfoque de pronstico no est sesgado, la ecuacin del PME producir un porcentaje cercano a cero. Si el resultado es un porcentaje negativo grande, el mtodo de pronstico est sobrestimado de manera consistente. Si el resultado es un porcentaje positivo grande, el mtodo de pronstico esta subestimado de forma consistente. PME = Una parte de la decisin para utilizar una tcnica de pronstico en particular es la

determinacin de si la tcnica producir errores de prediccin que se juzguen como suficientemente pequeos. Es en este efecto realista esperar que una Es Es en efecto realista esperar que una tcnica produzca errores de pronstico relativamente bajos sobre una base consistente. Las cuatro mediciones de precisin de un pronstico que acabamos de describir se utilizan de la siguiente manera: La comparacin de la precisin de dos tcnicas diferentes. La medicin de la utilidad o confiabilidad de una tcnica. La bsqueda de una tcnica ptima. 5. Etapas El de la solucin de sistema problemas de relacionadas pronsticos pronsticos.

con

los

Identificacin Del Problema Los pronsticos proporcionan informacin para tomar mejores decisiones. El primer paso es identificar la decisin. Si la decisin no afecta se afecta por el pronstico, el pronstico es innecesario. La importancia de la decisin sugerir el esfuerzo que debe dedicarse a producir un pronstico. Una decisin de una sola vez requiere un pronstico, mientras que una solucin recurrente necesita un pronostico cada vez que se toma la decisin. En cualquier caso la decisin determina qu pronosticar, el nivel de detalle necesario y que con frecuencia se har el pronstico. Los pronsticos de ventas, calidad de materiales ingresos, gastos, uso de energa o los tiempos de llegada de los clientes son una necesidad comn en las empresas. Quien toma las decisiones es el dueo del problema. El analista es quien pronostica. La mayor parte de los pronsticos son separados por equipos que incluyen la administracin, la mercadotecnia, el analista y tal vez el procesamiento de datos. La identificacin del problema determina la misin o el propsito, que muestra como necesidad del pronstico. Comprensin Del Problema La base para entender los problemas de pronsticos es comprender el proceso; por ejemplo, el proceso que crea la demanda de un artculo. 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 pronsticos. Para hacer esto, se examina las caractersticas del problema y se analizan los datos , si existen. Tambin se establece una meta para el pronstico.

Caractersticas Del Problema Las principales caractersticas de un problema son los pronsticos son el marco de tiempo, el nivel de detalle, la exactitud necesaria y el nmero de aspectos a pronosticar. Las decisiones a largo plazo no requieren pronsticos exactos; la decisin de construir una nueva planta se basa en la tendencia de los pronsticos para varios aos sucesivos u no en una sola estimacin de la demanda. As los pronsticos muy precisos son innecesarios. Normalmente los pronsticos a largo plazo se hacen para una sola vez. Es comn que se usen mtodos causales y cuantitativos para obtenerlos. Una decisin 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 artculo individual, sino para grupos de artculos que comparten instalaciones de produccin. Las decisiones a mediano plazo normalmente requieren pronsticos para uno o dos artculos. Con frecuencia se usan mtodos cuantitativos, incluyendo los causales y las series de tiempo, para los pronsticos a mediano plazo. La decisin a corto plazo es cuntos productos de deben fabricar. En este caso se necesita el numero real de unidades de producto. Debido a que las decisiones de corto plazo estn basadas en estos pronsticos, necesitan ser razonablemente exactos. Los mtodos de series de tiempo son los que se usan con ms frecuencia para los

pronsticos a corto plazo, pero en algunas situaciones, tambin son tiles los mtodos causales y los cuantitativos. Datos: Examinar los datos cuando se tienen pueden proporcionar una gran visin. Los datos pueden venir de los registros de la empresa o fuentes comerciales o gubernamentales, los registros de la compaa incluyen informacin sobre compras y ventas. Si no existen datos, se deben recolectar o se puede usar un enfoque de pronsticos 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 estn fuera de nuestro control pero se puede influir en los factores internos. Entre los factores internos estn 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 patrn. La grafica muestra una demanda semanal de dentfrico durante los dos ltimos aos. Estos datos se usan para explicar el anlisis de datos de una serie de tiempo. El anlisis 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 grfica parece estar nivelada, en trminos burdos, con una pequea variacin que es caracterizada de un proceso constante. Cuando se grafican los datos, la eleccin de la escala es muy importante si se selecciona una escala equivocada, los datos de un proceso constante pueden parecer estacinales fluctuaciones aleatorias. Cuando las tendencia y la estacionalidad estn presentes, los datos deben descomponerse para ver los efectos de cada una. Los datos disparados deben eliminarse antes de analizarlos. El resultado del anlisis de datos es entender el proceso que causa la demanda. siempre habr una parte inexplicable la componente aleatoria -. Meta de pronstico: La meta de cualquier sistema de pronsticos es proporcionar eso pronsticos con la exactitud necesaria, a tiempo y a un costo razonable. Un pronstico oportuno est determinado por su utilizacin. El trueque bsico de los pronsticos 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 ms producto la siguiente semana. Si la demanda alta refleja un cambio en el patrn de demanda, debe aumentarse la produccin, pero si fue slo una fluctuacin aleatoria, no se aumenta. Un buen sistema de pronsticos reaccionar ante los cambios reales e ignorar las variaciones al azar. 6. Desarrollo de un modelo Una vez identificados los procesos, stos determinan la forma del modelo. Los pronsticos cualitativos no usan modelos sencillos de establecer. Los modelos causales dependen de la situacin 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 funcin 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 pronstico de la variable dependiente; si no hay este lapso, deber pronosticarse la variable independiente antes de obtener un pronostico para la variable dependiente. La relacin funcional entre d y x se representa por f y puede ser lineal, cuadrtica o alguna otra relacin matemtica. 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 stos. Matemticamente son: Dt Dt = = a + Dt a bt = + + act e ( + e ( constante) tendencia lineal ) ( 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. stos son los modelos ms comunes, aunque existen otros. Solucin Del Modelo El primer paso para resolver el modelo es elegir un mtodo. Si se tiene un modelo causal, el mtodo ser regresin. Para modelos de series de tiempo, existen varios mtodos disponibles, incluso para el mismo proceso. Por ejemplo existen muchos mtodos para pronosticar una series de tiempo constante. Dado el modelo si se consideran los coeficientes, simplemente se podra introducir los nmeros correctos y obtener el pronstico. Como los parmetros reales de la ecuacin del modelo no se conocen, deben estimarse. Interpretacin e implantacin de la solucin La interpretacin de la solucin es la tarea mas importante al operar un sistema de pronsticos. Conforme se obtienen los nuevos datos, se actualiza el pronostico. Adems, se compara el pronostico anterior con lo que realmente ocurri para obtener retroalimentacin sobre la calidad del procedimiento de pronsticos. 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 diseo; se requiere volver a estimar los parmetros del modelo actual, o bien, cambiar el modelo. Si el sistema de pronsticos esta bajo control, se hace un pronostico para un periodo futuro. Observaciones Existen dos hechos muy importantes que recordar; los pronsticos los pronsticos casi nunca dan una respuesta exacta y entre mas lejos al futuro se vea, menos preciso ser el pronstico. 7. Pronsticos Cualitativos Los mtodos cualitativos de pronsticos utilizan el juicio de los gerentes, su experiencia, los datos relevantes y un modelo matemtico implcito. Como el modelo es implcito, si dos gerentes distintos utilizan los mtodos cualitativos, es frecuente que lleguen a pronsticos con variaciones importantes. Los pronsticos 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 pronstico. Tambin debe utilizarse el pronstico cualitativo para la introduccin de nuevos productos cuando no se dispone de una base de los datos histricos. Los mtodos cualitativos casi siempre se utilizan para pronsticos a mediano y largo plazo que involucren situaciones como diseo del proceso o capacidad de las instalaciones. En el caso de estas decisiones, los datos del pasado casi nunca estn disponibles o, cuando as es, pueden indicar un patrn poco estable. Investigacin de marcado:

Una investigacin de mercado consiste en varios pasos. Primero es necesario desarrollar un cuestionario que deben contener preguntas cuyas respuestas proporcionen la informacin necesaria para determinar un pronstico. El siguiente paso para llevar a cabo la encuesta, la cual puede hacerse por correo, fax, correo electrnico, telfono, una postal para recortar una entrevista o en una persona. La manera en que se lleve a cabo la investigacin puede afectar tanto el nmero como la calidad de las respuestas. El nmero, localizacin y los clientes individuales que respondern deben planearse con cuidado junto con el propsito del estudio. Una vez que se realiza la investigacin, 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. Opinin de expertos y el mtodo Delphi: Una variacin formal de la opinin de expertos es el mtodo Delphi, llamado as en honor del orculo de Delfos ( del griego Delphi) de la metodologa griega, quien predijo eventos futuros. Un comit de expertos corresponde al orculo en esta tcnica, y el facilitador determina los participantes, escribe los cuestionarios y analiza los resultados. Los miembros del comit pueden ser expertos de diferentes campos. Por ejemplo uno puede tener orientacin 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 comit que entreguen pronsticos annimos de eventos especficos y, lo que es mas importante, sus razones para hacer este pronstico. Las preguntas deben ser ambiguas y simples. En lugar de pregunta si las ventas sern altas, debe preguntarse si estarn arriba de un valor dado. Las preguntas deben tener una sola respuesta, si se necesitan respuestas mltiples, debe hacerse una pregunta para cada una. Las respuestas se resumen, se modifica el cuestionario y se regresa a los miembros del comit, 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 estadsticas resumidas, es decir, la media , la mediana y el rango. El procedimiento continua hasta que los miembros del comit 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 decisin. El mtodo Delphi tiene varias ventajas, entre ellas esta el hecho de que se incluye la participacin 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 annimas permiten una expresin 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 mtodos electrnicos ( fax y correo electrnico) pueden acelerar el proceso. 8. Conclusiones Existen diversos tipos de pronsticos segn el periodo de tiempo que manejemos (a mediano y largo plazo) y de acuerdo a la manipulacin de los datos que hallamos hecho. Los pronsticos macroeconmicos se emplean para determinar la proyeccin de indicadores globales de un pas como lo son ndice de desempleo, el producto nacional bruto y la tasa lder de inters . Existen cuatro pasos establecidos, para la determinacin del proceso de pronstico: 1. Recopilacin de datos, 2. Reduccin o condensacin de datos, 3. Construccin del modelo, 4. Extrapolacin del modelo (modelo en s). El papel que juega el administrador en el proceso de pronstico es clave, pues depende en gran parte, de las condiciones y capacidades administrativas que el tenga, pues sin estas el pronstico simplemente sera un modelo matemtico sin aplicacin alguna.

 Existe dos tipos de paquetes de cmputo de ayuda para determinar el proceso de pronstico eficientemente: 1)paquetes estadsticos que incluyen anlisis de regresin y otras tcnicas que se utilizan con frecuencia en los pronsticos; y 2) paquetes de pronstico diseados especficamente para aplicaciones de este tipo. Los pronosticadores cuentan con cinco modelos estadsticos (residual o error del pronstico, DAM, EMC, PEMA, PME), que les ayudan a eliminar o a descartar todo posible error que se pueda presentar en el proceso de pronstico, para contar con informacin verdica. 9. Bibliografa PRONSTICOS EN LOS NEGOCIOS, Autor JOHN E. HANKE, ARTHUR G. REITSCH, Editorial PRENTICE HALL PLANEACIN Y CONTROL DE LA PRODUCCIN, Autor DANIEL SIPPER ROBERT L. BULFIN Jr, Editorial MC GRAW HILL. ADMINISTRACIN DE OPERACIONES, Autor SHCROEDER, ROGER, Editorial MC GRAW HILL. DIRECCIN DE OPERACIONES, Autor DOMIENGUEZ MACHUCA, JOSE ANTONIO, Editorial MC GRAW HILL 1995.