GENERALIDADES

Historia de los pronsticos

Siempre ha existido en la mente de la humanidad la idea de presupuestar, los egipcios,
antes de Cristo, hacan estimaciones para pronosticar los resultados de sus cosechas de
trigo con el objeto de prevenir los aos de escasez; los romanos estimaban las
posibilidades

de

pago

de

los

pueblos

conquistados

para

exigirles

el

tributo

correspondiente. Sin embargo, fue hasta el siglo XVIII cuando el presupuesto comenz a
utilizarse como ayuda en la Administracin Pblica, al someter el Ministro de Finanzas de
Inglaterra a la consideracin del Parlamento, sus planes de Gastos para el periodo fiscal
del ao siguiente, incluyendo un resumen de gastos del ao anterior, y un programa de
impuestos y recomendaciones para su aplicacin.
Hoy por hoy Es una herramienta moderna para la planeacin y control de
actividades que reflejan el comportamiento de indicadores econmicos.
Qu es pronosticar?

Son predicciones de resultados futuros, dos de las predicciones

ms comunes son los ingresos futuros y los nuevos adelantos
tecnolgicos. Sin embargo cualquier componente del entorno
general y especfico de la organizacin puede ser sujeto a
pronsticos.
Es el arte y la ciencia de predecir los eventos futuros. Para esta labor de
predecir podemos involucrar el manejo de datos histricos para proyectarlos al
futuro, a travs de algn tipo de modelo matemtico.
TIPOS DE PRONOSTICOS
Estos pueden ser clasificados de acuerdo a tres criterios:
Segn el horizonte de tiempo. Pueden ser de largo plazo, mediano plazo o
corto plazo y su empleo va desde la elaboracin de los planes a nivel
estratgico hasta los de nivel operativo.
Segn el entorno econmico abarcado .Pueden ser de tipo micro o de tipo
macro y se definen de acuerdo al grado en que intervienen pequeos detalles
vs. Grandes valores resumidos.
Segn el procedimiento empleado. Pueden ser de tipo puramente cualitativo,
en aquellos casos en que no se requiere de una abierta manipulacin de datos
y solo se utiliza el juicio o la intuicin de quien pronostica o puramente
cuantitativos, cuando se utilizan procedimientos matemticos y estadsticos
que no requieren los elementos del juicio.

Las tcnicas de pronsticos disminuyen la incertidumbre sobre el futuro,

permitiendo estructurar planes y acciones congruentes con los objetivos de la
organizacin y permiten tambin tomar acciones correctivas apropiadas y a
tiempo cuando ocurren situaciones fuera de lo pronosticado.
PROCESO DE ELABORACIN DE PRONOSTICOS

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 , 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.
Todos los documentos que necesitas estn en www.Gestiopolis.com
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 nmero 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.

Las tcnicas de pronsticos caen dentro de dos rangos:

Cuantitativas: aplican un conjunto de reglas matemticas a una Serie de datos
anteriores para predecir datos futuros.
Cualitativas:

Utilizan el juicio y las opiniones de conocedores. Generalmente se usan cuando

los datos precisos son limitados o difciles de conseguir.

Tecnicas de pronostico

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.
PRONOSTICOS DE SERIES DE TIEMPO
Una serie de tiempo se basa en la secuencia de puntos de datos separados de
manera uniforme (semanal, mensual, trimestral y as sucesivamente). El
pronstico de serie de tiempo implica que los valores futuros se predicen
nicamente a partir de los valores pasados, y que cualquier otra variable se
ignore, no importa que tan valiosa sea.
El anlisis de las series de tiempo propone fraccionar los datos en
componentes para proyectarlos hacia el futuro: Una serie de tiempo tiene
cuatro componentes tpicos: tendencia, estacionalidad, ciclos y variacin al
azar.
a) Tendencia (T) es el movimiento gradual, ascendente o descendente, de los
datos a travs del tiempo.
b) Estacionalidad (E) es el patrn de datos que se repite a s mismo despus de
un perodo de das, semanas, meses o trimestres (de este ltimo surgi el
trmino estacionalidad, por las estaciones: invierno, primavera, otoo y
verano).
c) Ciclos (C) son patrones que ocurren en los datos cada varios aos.
Generalmente se encuentran ligados al ciclo del negocio y son de importancia
vital en el anlisis y planeacin de negocios a corto plazo.
d) Variaciones al azar (A) son seales en los datos causadas por oportunidades y
situaciones inusuales, no siguen un patrn predecible.
Pgina 106
4.5.4 Pronsticos de serie de Tiempo
4.5.4.1 Promedio Simplista
La manera ms fcil de pronosticar es asumir que la demanda del siguiente
perodo es exactamente igual a la demanda del perodo inmediatamente
anterior. En pocas palabras, si las ventas de un producto, por ejemplos
celulares, fueron de 150 unidades en el mes de julio, podemos pronosticar que
las ventas de agosto sern tambin de

150 unidades. Qu sentido tiene esto? Resulta que algunas lneas de

productos, seleccionan a este enfoque de pronstico simplista porque es el
modelo de pronstico ms eficiente en cuanto a costo y ms objetivo.
La objecin principal al uso de estos procedimientos para el pronstico a corto
plazo es que son tan simplistas que lo ms probable es que arrojen un error
sustancial de pronstico.
4.5.4. 2 Promedios Mviles
Los promedios mviles son tiles si se asume que las demandas del mercado
sern ms o menos constantes durante un perodo de tiempo.
Un promedio mvil de cuatro meses se toma sencillamente, como la suma de
la demanda durante los ltimos cuatro meses dividida entre 4.
Con cada mes que pasa, el dato del mes ms reciente se adiciona a la suma de
los datos de los tres meses previos, y el primer mes se suprime.
Esto tiende a suavizar las irregularidades a corto plazo en las series de datos.
Matemticamente, el promedio mvil simple (que sirve como estimacin de la
demanda del perodo siguiente) se expresa
como:

Donde n es el nmero de perodos en el promedio mvil, por ejemplo, cuatro,

cinco o seis meses, respectivamente, para un promedio mvil de cuatro, cinco
o seis perodos.
4.5.4.4 Suavizacin Exponencial
La suavizacin exponencial es un mtodo de pronstico fcil de usar y se
maneja en forma eficiente por medio de las computadoras. Aunque es un tipo
de tcnica de los promedios mviles, involucra poco respaldo de informacin
pasada: la frmula de la suavizacin exponencial bsica se muestra a
continuacin:
Pronstico nuevo = Pronstico del ltimo perodo +(Demanda real del ltimo
perodo - Pronstico del ltimo perodo)
Donde es un peso, o constante de suavizacin, que tiene un valor entre 0 y 1,
inclusive.
La ecuacin relacionada antes, tambin pude escribirse como:
Ft = Ft-1 + (At-1- Ft-1)
Donde:
Ft = el pronstico nuevo
Ft-1= el pronstico anterior
= constante de suavizacin (0 =1)
At-1= demanda real del perodo anterior