Curso de Posgrado, Logística y Solución de · PDF file5 1.1.3. Compendio de métodos del forecasting Al existir una variada gama de métodos y técnicas para efectuar un análisis

Forecasting

… mas allá de lo Comercial Grupo Nro: 1 Integrantes: Álvarez, Hernán Estrada, Martín Prado, Alicia Román, Lorena Schmitz, Karine Szutan, Walter

Curso de Posgrado, Logística y Solución de Casos Universidad de Buenos Aires

Facultad de Ingeniería

Departamento de Economía, Organización y Legal

1

ÍNDICE

IIINNNTTTRRROOODDDUUUCCCCCCIIIOOONNN ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 222

111... CCCAAAPPPIIITTTUUULLLOOO III ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 333

1.1. EL FORECASTING EMPRESARIAL .................................................................................... 3 222... CCCAAAPPPIIITTTUUULLLOOO III III ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 777

2.1. MÉTODOS DE PRONÓSTICOS ......................................................................................... 7 2.1.1. Métodos cualitativos .................................................................................................... 7 2.1.2. Métodos de proyección histórica .................................................................................. 7 2.1.3. Métodos cuantitativos (o casuales) .............................................................................. 8

2.2. RESUMEN DE TÉCNICAS DE PRONÓSTICOS .................................................................... 8 2.3. LA PLANEACIÓN Y EL PRONÓSTICO DE LA DEMANDA. ..................................................13 2.4. ¿CUÁL ES EL COSTO DE LOS MALOS PRONÓSTICOS? .....................................................13 2.5. FORECAST ACCURACY ..................................................................................................15

2.5.1. Calculo de la Precisión del Forecast en SCM .............................................................. 16 2.5.2. Error del Forecast ........................................................................................................ 16 2.5.3. ¿Como definir la Precisión del Forecast? .................................................................... 17

2.6. IMPACTO DEL FORECAST ACCURACY EN PyMES Y GRANDES EMPRESAS (MULTINACIONALES) ...............................................................................................................18 2.7. CONSIDERACIONES FINALES DEL CAPÍTULO ..................................................................19

333... CCCAAAPPPÍÍÍTTTUUULLLOOO III III III ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...222000

3.1. FORCASTING vs. PRESUPUESTOS ECONOMICOS ESTATALES ........................................20 3.1.1. Casos de análisis de budget económicos estatales. ................................................... 20 3.1.2. Impacto de variables exógenas en modelos económicos de Argentina ..................... 22

3.2. CONSIDERACIONES FINALES DEL CAPITULO ..................................................................23 444... CCCAAAPPPIIITTTUUULLLOOO IIIVVV ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...222444

4.1. FORECASTING EMPRESARIAL vs. PRONÓSTICO DEL TIEMPO .........................................24 4.2. MODELOS ....................................................................................................................25

4.2.1. ETA .............................................................................................................................. 25 4.2.2. Global .......................................................................................................................... 25 4.2.3. Regional ...................................................................................................................... 26 4.2.4. Oceánico ..................................................................................................................... 26 4.2.5. Ensemble ..................................................................................................................... 26

4.3. CLIMATIZANDO LA DEMANDA .....................................................................................27 4.4. CONSIDERACIONES FINALES DEL CAPITULO ..................................................................27

555... CCCAAAPPPIIITTTUUULLLOOO VVV ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...222999

5.1. ENCUESTAS ..................................................................................................................29 CCCOOONNNCCCLLLUUUSSSIIIOOONNNEEESSS ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...444333

AAANNNEEEXXXOOO III ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...444444

AAANNNEEEXXXOOO III III ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...444555

AAANNNEEEXXXOOO III III III ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...555000

BBBIIIBBBLLLIIIOOOGGGRRRAAAFFFIIIAAA ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...555333

2

INTRODUCCION

Con esta breve frase, Napoleón Bonaparte, uno de los estrategas más importantes y reconocidos en

la historia universal, nos hace entender que la única manera de llevar adelante una empresa (cualquiera

fuese su naturaleza y finalidad) es realizando planes frente a la incertidumbre, aquello que no se conoce y lo

desconocido en cierta forma se teme…

El mundo de los negocios está impulsado por la demanda de los clientes. Lamentablemente, los

patrones de la demanda varían considerablemente de un período a otro. Esta es la razón por la que puede

ser tan difícil de desarrollar las previsiones precisas.

El presente trabajo tiene por finalidad, explicar qué es el forecasting y cuáles son sus aplicaciones,

para luego introducirse en una descripción de los métodos más utilizados en las empresas. Así como

también analizaremos que aportes o similitudes podría aplicarse respecto del Forecasting con los Modelos

Meteorológicos y por último y basándonos en un espíritu mas innovador nos permitiremos pensar en el

Forecasting y su factibilidad de Aplicación en un Modelo Económico Nacional.

Avanzando el trabajo, también se presentara un análisis de distintas empresas (de las que algunos

miembros del equipo de trabajo son parte), ya que en cierta manera este muestreo reflejará parte de la

cultura no solo organizacional de las mismas sino que también sus diferentes formas de ver una parte de la

problemática de la logística en el sector privado de la Argentina1.

También, en un capítulo especial, trataremos de explicar por analogía cuáles son las similitudes entre

el pronóstico meteorológico y el forecasting empresarial, tratando de equiparar alguno de los diferentes

métodos empleados por ambos.

1 Considerando que algunas empresas contempladas son multinacionales de origen extranjero.

“ En los negocios de la vida no es la fe lo que salva, sino la desconfianza."

3

1. CAPITULO I

1.1. EL FORECASTING EMPRESARIAL

1.1.1. ¿A qué llamamos forecasting o pronóstico?

La explicación del término más acertada a nuestro juicio versa que es una “conjetura sobre lo que pueda

suceder”. No debe ser confundido con “predicción” dado que la misma es una estimación muy general.

1.1.2. El forecasting empresarial

Muchos autores y publicaciones referenciales tratan de definir al forecasting con diferente vocabulario

siendo este, en síntesis, variadas aproximaciones teóricas de lo mismo: un proceso analítico a través del

cual se trata de estimar la demanda a futuro para uno o varios productos o servicios utilizando diversos

métodos en la intención de arribar a resultados con un esperado nivel de precisión.

El pronóstico es un arte2 y ciencia porque conjuga la habilidad del pronosticador en poder determinar las

herramientas de análisis precisas con sus técnicas de aplicación, la información pertinente y requiere de

una gran evolución en su pensamiento creativo para poder configurar tantos escenarios como sea

posible y una eficiente estrategia para concluir en un forecast lo más preciso en una situación donde el

riesgo y la incertidumbre condicionan al ambiente.

En términos empresariales, las técnicas del forecasting son utilizadas comúnmente, entre otras, para3:

Predecir las futuras demandas de un producto o servicio.

Predecir el efecto de la inversión o compra en el proceso de toma de decisiones.

Mantener un efectivo nivel de abastecimientos.

Reducir la incertidumbre y administrar el riesgo de alguna situación de negocios a futuro.

La disponibilidad de datos e información pertinente asociada es el factor más importante en la elección

del método y herramientas que serán empleadas. Cuando hacemos referencia a la pertinencia de la

información, nos basamos en el supuesto de que la misma ha sido adecuadamente elaborada y

procesada en concordancia al pronóstico al que se quiere arribar y al o los métodos que se van a utilizar

como herramientas para su consecución.

2 Practical Business Forecasting de Michael Evans, traducción de los autores. 3 University of Saskatchewan, Canada, en internet.

4

Entonces, podemos decir que el forecasting se utiliza cuando alguno o todos los parámetros de las

técnicas y la capacidad de solución tradicionales no están lo suficientemente definidos como para

permitir la utilización detallada en las estimaciones de los costos y de los procesos4, lo que va a requerir

ir más allá de una estimación general para acotar ese cono de incertidumbre que un escenario futuro

presentaría, proyectando los números, las características y tendencias en los mercados definidos como

objetivo.

El pronóstico es importante cuando se trata de desarrollar nuevos productos o nuevas líneas de

productos. Ayuda a la conducción empresarial a decidir si el producto o línea de productos será un éxito

e impide que la empresa gaste tiempo y dinero en el desarrollo, fabricación y comercialización de un

producto que va a fracasar.

Considerando “los beneficios que proporciona su correcta estimación y control”5, pasa a ser una parte

fundamental dentro de la organización impactando directamente en la logística y en los principales

procesos de la cadena de suministro.

A modo de síntesis, y apoyados en un análisis efectuado por PriceWaterhouseCoopers, podemos decir

que las bondades de un buen pronóstico repercuten de la siguiente manera en una empresa:

Disminución de ventas perdidas (gestión comercial y marketing),

Disminución del stock de seguridad (gestión de stocks)

Mejora de los términos de negociación con proveedores (gestión de aprovisionamiento)

Mejoras en la planificación (gestión de producción)

Optimización en la gestión de pedidos al controlar más la demanda (gestión de pedidos)

Mejora en el servicio al cliente (servicio al cliente)

Gestión económica controlada (control económico).

4 UK Ministry of Defence (MOD) Acquisition Operating Framework (AOF), traducción e interpretación de los autores.

5 Manual de Consulta Forecasting, publicación en la web de la consultora multinacional Price Waterhouse & Coopers en

la Argentina,

5

1.1.3. Compendio de métodos del forecasting

Al existir una variada gama de métodos y técnicas para efectuar un análisis de pronóstico, se distinguen

claramente aquellos autores que las identifican como cualitativas y cuantitativas y otros como Ballou6

que, además de éstas, incluye a los métodos de proyección histórica haciendo interactuar a los tres

métodos con diferentes técnicas a corto, mediano y largo plazo. De la interpretación efectuada de los

métodos, podemos decir, que en algún punto del tiempo de forecasting donde se realice la combinación

de las técnicas, la proyección histórica oficiaría como nexo o buffer zone (zona de amortiguación) como

muestra la siguiente figura:

6 BALLOU, Ronald H.: Logística, administración de la cadena de suministro.

6

En el siguiente cuadro hemos sintetizado el espectro de métodos y técnicas para facilitar su

comprensión:

7

2. CAPITULO II

2.1. MÉTODOS DE PRONÓSTICOS

Se dispone de varios métodos de pronósticos estandarizados. Estos se han dispuesto en tres grupos

diferentes: cualitativos, de proyección histórica y cuantitativos (casuales). Cada grupo difiere en términos

de la precisión relativa del pronóstico sobre el largo plazo y el corto plazo, en el nivel de sofisticación

cuantitativa utilizada y en la base lógica (información histórica, opinión experta o encuestas) de la que

deriva el pronóstico.

2.1.1. Métodos cualitativos

Los métodos cualitativos utilizan el juicio, la intuición, las encuestas o técnicas comparativas para

generar estimados cuantitativos acerca del futuro. La información relacionada con los factores que

afectan el pronóstico por lo general es no cuantitativa, intangible y subjetiva. La información histórica

tal vez este disponible o quizás no sea muy relevante para el pronóstico. La naturaleza no científica

de los métodos los hace difíciles de estandarizar y de validar su precisión. Sin embargo, estos

métodos pueden ser los únicos disponibles cuando se intenta predecir el éxito de nuevos productos,

cambios de en las política gubernamental o el impacto de una nueva tecnología. Son métodos más

bien adecuados para pronósticos a corto plazo.

2.1.2. Métodos de proyección histórica

Cuando se dispone de una cantidad razonable de información histórica y de las variaciones de las

tendencias estaciónales en las series de tiempo son estables y bien definidas, la proyección de esta

información al futuro puede ser una forma efectiva de pronóstico para el corto plazo. La premisa

básica es que el patrón del tiempo futuro será una réplica del pasado al menos en una grana parte.

La naturaleza cuantitativa de las series de tiempo estimula el uso de los modelos matemáticos y

estadísticos como las principales herramientas de pronóstico. La precisión que puede lograrse para

períodos de pronósticos menores a seis meses por lo general es buena. Estos modelos trabajan en

forma adecuada simplemente debido a la estabilidad inherente de las series de tiempo en el corto

plazo. Los modelos de las series de tiempo son de naturaleza reactiva. Estos modelos rastrean los

cambios al ser actualizados a medida que se dispone de nueva información, característica que les

permite adaptarse a los cambios en los patrones de tendencia y estaciónales. Sin embargo, si el

cambio es rápido, los modelos no emiten señal de cambio, sino hasta que éste ha ocurrido. Debido a

esto, se dice que las proyecciones de estos modelos demoran los cambios fundamentales en las

series de tiempo, y que son débiles para señalar los puntos críticos antes de que se presenten. Esta

8

no es necesariamente un a limitación notable cuando los pronósticos se realizan sobre horizontes de

tiempos cortos, a menos que los cambios sean particularmente espectaculares

2.1.3. Métodos cuantitativos (o casuales)

La premisa básica sobre la que se construyen los métodos casuales para pronósticos es que el nivel

de la variable pronosticada se deriva del nivel de otras variables relacionas. Por ejemplo, si se sabes

que el servicio al cliente tiene un efecto positivo sobre las ventas entonces, entonces al conocer el

nivel proporcionado del servicio al cliente podrá proyectarse el nivel de ventas. Podríamos decir que

el servicio “causa” las ventas. En la medida que puedan describirse adecuadas relaciones de causa

y efecto, los modelos casuales pueden ser bastantes buenos para anticipar cambios mayores en las

series de tiempo y para pronosticar de manera precisa sobre un período de mediano plazo.

Los modelos casuales viene en una variedad de formas: estadísticos, en el caso de los modelos de

regresión y econométricos; y descriptivos, como en el caso de los modelos de entrada y salida, ciclo

de vida y simulación por computadora. Cada modelo deriva su validez a partir de los patrones de

información histórica que establecen la asociación entre las variables para predicción y la variable

que se pronosticará.

Un problema principal con esta categoría de modelos de pronóstico es que frecuentemente resulta

difícil encontrar verdaderas variables casuales. Cuando se encuentran, su asociación con la variable

que se pronosticará con frecuencia es preocupantemente baja. Las variables casuales que guían a

la variable de pronóstico en el tiempo son incluso más difíciles de encontrar. Con demasiada

frecuencia, el tiempo para adquirir la información para las variables conducentes consume todo el

tiempo o la mayor parte del período de uno a seis meses, en el que se encuentra que tales variables

dirigen al pronóstico. Los modelos basados en técnicas de regresión y económicas pueden

experimentar un error de pronóstico importante debidos a estos problemas.

2.2. RESUMEN DE TÉCNICAS DE PRONÓSTICOS

Método Delphi: un panel de expertos es interrogado mediante una secuencia de cuestionarios en

los que las respuestas a un cuestionario se utilizan para producir el segundo cuestionario. De esta

forma, cualquier información disponible para unos expertos y no para otros, es transmitida a estos

últimos, lo que permite que todos los expertos tengan acceso a toda la información para el

pronóstico. Esta técnica elimina el efecto de tendencia moderna de la opinión mayoritaria.

Horizonte de tiempo de pronóstico: Medio- Largo

Investigación de mercado: procedimiento sistemático, formal y conciente de evolución y validación

de hipótesis sobre mercados reales.

9

Horizonte de tiempo pronóstico: Mediano- Largo

Consenso de panel: esta técnica se basa en la suposición de que muchos expertos pueden llegar a

un mejor pronóstico que una sola persona. No existen secretos y se fomenta la comunicación. Los

pronósticos en ocasiones son influidos por factores sociales y quizás no reflejen un verdadero

consenso. Las solicitudes de opiniones ejecutivas caen en esta categoría.


Estimado de la fuerza de ventas: pueden recabarse las opiniones de la fuerza de ventas, ya que

los vendedores son los más cercanos a los clientes y se encuentran en buena posición para estimar

sus necesidades.

Horizonte de tiempo pronóstico: Corto – Mediano

Pronóstico visionario: profecía en que utilizan perspectivas personales, juicios y, en la medida de

los posible, hechos acerca de distintos escenarios futuros. Se caracteriza por conjeturas subjetivas e

imaginación; en general, los métodos utilizados no son científicos.


Analogía histórica: este es un análisis comparativo de la introducción y crecimiento de nuevos

productos similares que basan el pronóstico en patrones de similitud.


Promedios móviles: cada punto de un promedio móvil de una serie de tiempo es el promedio

aritmético o ponderado de un número de puntos consecutivos de la serie, donde el número de

puntos de información se seleccionará de manera que los efectos de estacionalidad o irregularidad

eliminen.

Horizonte de tiempo pronóstico: Corto

Ajuste o suavización exponencial: esta técnica es similar a la anterior, excepto que los puntos que

son más recientes reciben mayor ponderación... En forma descriptiva, el nuevo pronóstico será igual

al anterior más cierta parte del error de pronóstico pasado. La nivelación exponencial doble o triple

son versiones complejas del modelo básico que explican la variación de tendencia y de

estacionalidad en la serie de tiempo.


10

Box – Jenkins: complejo procedimiento iterativo basado en computadora que produce un modelo de

promedios móviles integrado y auto regresivo, que se ajusta para los factores de tendencia y

estacionales, estima los parámetros apropiados de ponderación, valida el modelo y repite el ciclo

según sea apropiado.


Descomposición de series de tiempo: método para descomponer una serie de tiempo en

componentes estacionales, de tendencia y regularidad. Es bastante adecuado para identificar puntos

críticos y es una excelente herramienta de pronóstico para el período de tiempo mediano – largo, es

decir de tres a doce meses.


Proyección tendencial: esta técnica ajusta una línea de tendencia utilizando una ecuación

matemática y luego proyectándola al futuro por medio de la ecuación. Existen muchas variaciones:

método de pendiente característica, de polinomios, logarítmica, etc.

Pronóstico objetivo: valida varias reglas simples de decisión para ver cual es la más precisa sobre

el período de los tres meses siguientes. Se utiliza simulación por computadora para validar las

distintas estrategias.

Horizonte de tiempo pronóstico: Mediano

Análisis espectral: el método intenta descomponer una serie de tiempo en sus componentes

fundamentales, denominadas espectro. Estos componentes son representados mediante curvas

geométricas seno-coseno. Al volver a reunir estos componentes se genera una expresión

matemática que puede utilizarse para pronósticos.


Modelo de regresión: relaciona la demanda con otras variables que causan o explican su nivel. Las

variables se seleccionan sobre la base de significancia estadística. La disponibilidad general de

programas de regresión por computadora más poderosos hacen de ésta una técnica particular.


11

Modelo econométrico: un modelo econométrico: es un sistema de ecuaciones de regresión

interdependientes que describe las ventas de cierto sector económicos. Los parámetros de la

ecuación de regresión por lo general se estiman en forma simultánea. Como regla, estos modelos

son relativamente costosos de desarrollar, sin embargo, debido al sistema de ecuaciones inherente

en tales modelos, éstos expresarán mejor las cualidades involucradas de una ecuación de regresión

ordinaria, y por lo tanto predecirán en forma más precisa los puntos críticos.


Encuestas de intención de compra y anticipación: estas encuestas del público: a) determinan la

intención de comprar ciertos artículos b) obtienen un índice que mide el sentimiento general sobre el

presente y el futuro, y estiman en que medida este sentimiento afectará los hábitos de compra. Estos

métodos para pronosticar son más útiles para el seguimiento y advertencia que para el pronóstico. El

problema básico al utilizarlos es que un punto crítico puede ser señalado en forma incorrecta.

Horizonte de tiempo pronóstico: Mediano.

Modelos de entrada – salida: método de análisis que se refiere al flujo de bienes o servicios ínter

industria o ínter departamental en la economía y los mercados. Muestra los flujos de entrada que

deben ocurrir para obtener ciertas salidas. Debe invertirse un esfuerzo considerable para utilizar

éstos métodos de manera adecuada, y debe obtenerse un detalle adicional, normalmente no

disponible, si se desea aplicar a negocios específicos.


Indicadores líderes: pronóstico generados a partir de una o más variables precedentes que

sistemáticamente se encuentran relacionadas con la variable que se predecirá.

Horizonte de tiempo pronóstico: Corto –Mediano

Análisis del ciclo de vida: es un análisis y pronóstico del crecimiento de un nuevo producto con

base en la curva S. Las fases de la aceptación de producto según distintos grupos como

innovadores, adoptante temprano, mayoría temprana, mayoría tardía y rezagados, son centrales

para el análisis.

Horizonte de tiempo pronóstico: Mediano – Largo

Filtro adaptativo: derivado de la combinación ponderada de los resultados reales y estimados,

alterados sistemáticamente para reflejar cambios de patrones de información.

12

Horizonte de tiempo pronóstico: Corto - Mediano

Simulación dinámica: este método utiliza la computadora para simular en el tiempo el efecto de las

ventas de producto final sobre los requerimientos en distintos puntos del canal de distribución y

suministros. Los requerimientos se indican mediante políticas de inventarios, programas de

producción y políticas de compras.

Horizonte de tiempo pronóstico: Mediano – Largo

Respuesta precisa: proceso simultáneo de mejora de pronósticos y rediseño de procesos de

planeación para minimizar el impacto de los pronósticos imprecisos. La respuesta precisa supone

averiguar lo que los responsables de los pronósticos pueden o no predecir bien, para luego hacer

rápida y flexible la cadena de suministros, de manera que los directivos puedan posponer las

decisiones sobre sus artículos menos predecibles hasta que ellos cuenten con señales de mercado,

como los resultados de las primeras ventas, para ayudarles a ajustar en forma adecuada la oferta

con la demanda.


Redes neuronales: modelos matemáticos de pronóstico inspirados en el funcionamiento de las

neuronas biológicas. Se caracterizan por su habilidad para aprender a medida que se cuenta con

mayor información. Le precisión del pronóstico parece ser mejor que con otros métodos de series de

tiempo cuando la serie de tiempo es discontinua.


Pronóstico de colaboración: los miembros del canal de suministros en forma conjunta mantienen y

actualizan un solo proceso de pronóstico para generar un pronóstico que sea más preciso que el

que pudiera generarse en forma individual. Los pronósticos de colaboración tienen mayor

probabilidad de ofrecer mejor resultados sobre los pronósticos generados por los miembros

individuales cuando cada miembro aporta algo único al proceso de pronóstico.


Pronóstico basado en reglas: este método utiliza un sistema experto para pronosticar. Mediante la

experiencia, se desarrollan reglas del tipo “si entonces”, que guían el manejo de la preparación de

cuestiones de información y del modelo de pronóstico. El pronóstico de experiencia, según lo

expresa la base de regla y conocimiento del dominio, se utiliza para generar pronósticos de acuerdo

con las características de información.

13

Horizonte de tiempo pronóstico: Corto – Largo

2.3. LA PLANEACIÓN Y EL PRONÓSTICO DE LA DEMANDA.

El concepto de la estrategia de la demanda introduce al de planeación de la demanda. Dentro de

éste, los pronósticos son una parte. Pero el relacionamiento profundo con el cliente desempeña un papel

estratégico particular, como parte de la planeación de la demanda. Planear inventarios, ventas, y estimar

la demanda entre plantas son otras de las metodologías empleadas.

El concepto de pronóstico de de la demanda se refiere a los diversos aspectos de información que

abarca éste, es decir, la demanda no acotada del mercado, la mezcla de productos, las órdenes de los

clientes, los embarques y la producción. Los responsables de los pronósticos, aun con la participación

de todas las áreas funcionales, son los líderes del segmento, los líderes del negocio, un coordinador de

pronóstico, el representante de servicios a clientes, el personal de ventas y los clientes, estos últimos

como referentes inevitables del proceso.

Existe un principio general: el de tener un responsable principal de la función, pero también una

fuerte orientación hacia el trabajo en equipo, que procura reunir la mayor cantidad posible de información

para consolidar los pronósticos, a partir de la inteligencia de mercado que aportan diversos agentes.

Principios como el de sumir la inexactitud de los pronósticos, la necesidad tener tres números (fecha,

cantidad, y error) , la mayor precisión que da el agregado de diversos volúmenes o la no insustituibilidad

de una mejor información (debido a que es demanda dependiente o por la incorporación de mejor

información) están profundamente asumidos dentro de la filosofía de la compañía.

Se emplean dos niveles de principios de para reducir la incertidumbre, por una parte el

estrictamente analítico, como el agrupamiento de productos, el uso de conocimiento de mercado, el

seguimiento de varianzas, definiendo causas raíz y de mejora, y el vínculo a clientes. Por la otra, las

técnicas de administración, como el aumento de flexibilidad en la manufactura, los stocks de seguridad,

la administración de retornos, la reprogramación, y la reducción de opciones de productos constituyen

opciones que pueden mitigar significativamente el efecto de la incertidumbre de los pronósticos.

2.4. ¿CUÁL ES EL COSTO DE LOS MALOS PRONÓSTICOS?

Tenemos garantía que los pronósticos no van a ser 100% exactos y que además la desviación de los

pronósticos tiene un costo implícito, ya sea que los pronósticos fueron altos o fueron bajos respecto a la

realidad.

14

El punto fundamental en los pronósticos es ser consistente y lograr la menor desviación respecto a los

objetivos:

I. Pronosticar por arriba de la demanda tiene entre sus consecuencias exceso de inventario,

obsolescencia, reducción de margen para promover su venta.

II. Pronosticar por debajo de la demanda tiene entre sus consecuencias comprar y producir más caro

algo que no estaba planeado, incluso pérdida de venta y margen si no reaccionamos a tiempo

El costo de la

desviación del

pronostico

Costo por inventarios

(exceso)

Pronostico por

debajo de la

demanda

Pronostico por arriba

de la demanda

Costo de mantener el

inventario

Costos mas altos por

reaccionar

Costo por

obsolescencia

Costo de

reasignacion

Reducción de

margen por

descuentos

Costo de perdida de

ventas

Costo de fortalecer la

competencia

Costo de perdida de

ventas de productos

acompañantes

Reducción de la

satisfacción del

cliente

15

2.5. FORECAST ACCURACY

La predicción y el entendimiento de la demanda de los clientes son de vital importancia en las industrias

manufactureras y los distribuidores para evitar “stock-out” y mantener el inventario en los niveles

adecuados. Si bien los Forecast nunca son exactos, son necesarios para estimar la demanda.

Con el fin de obtener inventarios óptimos y lograr una adecuada Administración de la Cadena de

Abastecimiento (SCM), la precisión con la que se calcula el Forecast y su resultado tienen un alto impacto en

los resultados globales de cualquier compañía.

Este indicador generalmente se mide a nivel de SKU (stock keeping units) y cada compañía define un nivel

de tolerancia. El análisis posterior es realmente importante para entender las razones de los desvíos que

hayan podido ocurrir y considerar en los futuros procesos de forecast dichas variables. En las figuras

siguientes se muestra un ejemplo del análisis de este indicador en una compañía alimenticia:

16

2.5.1. Calculo de la Precisión del Forecast en SCM

La Precisión del Forecast generalmente es medida utilizando MAPE (Mean Absolute Percent Error). Sin

embargo existen confusiones entre la definición estadística del MAPE y su aplicación entre los planificadores

de Supply. Estadísticamente el MAPE es definido como el promedio del error porcentual.

MAPE =

n

t At

FtAt

n 1

1

2.5.2. Error del Forecast

Es la diferencia entre el valor Actual vs. el Pronosticado, para cada SKU´s. El denominador resulta un tema

de debate en la literatura especializada, dado que se pude utilizar tanto la “demanda actual” como la

“cantidad pronosticada”

Generalmente se utiliza el valor absoluto del error porque la magnitud del error es más importante que la

dirección del mismo.

17

ERROR ABSOLUTO = t

tt

A

FA

ERROR PORCENTUAL (%) = 100

t

tt

A

FA

ACCURACY (%) = (%)1 Error

2.5.3. ¿Como definir la Precisión del Forecast?

Los errores (desvíos) necesitan ser calculados con las cantidades actuales respecto de una base

previamente definida.

Existen otras alternativas para su medición tales como:

Mean Percent Error: En estadística el Error Porcentual medio es la diferencia entre el valor pronosticado y

el valor actual, sobre el valor actual.

MPE =

n

t t

tt

A

AF

n 1

1

Root Mean Squared Error: Es la raíz del promedio de la sumatoria de los errores al cuadrado.

RMSE =

n

AFn

t

tt

1

2

18

2.6. IMPACTO DEL FORECAST ACCURACY EN PyMES Y GRANDES EMPRESAS (MULTINACIONALES)

De acuerdo con el trabajo realizado, y basándonos en un análisis del Forecasting (en parte sustentado por encuestas realizadas por la Cátedra en el año 2007) podemos concluir de manera macro, es decir tanto para las Multinacionales (grandes empresas), Medianas y Pequeñas empresas, en los siguientes puntos: Un aspecto fuertemente observado y que se había planteado como hipótesis en dicha encuesta fue observar que el análisis de Forecasting se hace principalmente en las empresas de mayor estructura, es decir las Empresas de Mediana Estructura y las grandes, como ser las Multinacionales. Lo cual fue acertado y comprobado con los datos obtenidos, y el resultado de la misma fue que más del 80 % de las empresas medianas y grandes encuestadas realizan Forecast Hipótesis: cuánto más grande, mayor es la probabilidad. La hipótesis se comprueba. Los datos contrastados muestran que más del 80 % de las empresas medianas y grandes encuestadas realizan Forecast

Fuente: Año 2007 - Encuesta Realizada como parte de Monografía del Curso de Posgrado de Logística y Solución de Casos - Facultad de Ingeniería U.B.A. Otro punto analizado fue la Correlación existente entre 2 variables: certeza del forecast vs. ventas perdidas. También se ha afirmado esta hipótesis ya que es real y se ha podido mediante muestreo comprobar que a Mayor Certeza en el Forecast (mayor precisión), menor es la venta que se ha perdido, hablando de grandes y medianas empresas, no así en las Pequeñas. Con estos datos relevados se indicaría que el Forecast es una herramienta adecuada que ayudará a contribuir con un mejor servicio al cliente. Entonces decimos que un mejor Forecast tiende a contribuir a un incremento en la facturación.

Empresas que realizan Forecast

(por volúmen de facturación)

0%

20%

40%

60%

80%

100%

Total Pyme Mediana Grande

Tipo de Empresa

%

Pequeña

19

Fuente: Año 2007 - Encuesta Realizada como parte de Monografía del Curso de Posgrado de Logística y distribución de Casos - Facultad de Ingeniería U.B.A. Otro tema bajo análisis ha sido si existe relación alguna entre los niveles de stock vs. las ventas perdidas. Y según los datos obtenidos, la hipótesis planteada no pudo comprobarse. No necesariamente un mayor nivel de stock se traduce linealmente en mejor servicio al cliente. Esto ha sido comprobado y ha coincidido tanto para las Pequeñas como para las medianas y Grandes empresas.

Fuente: Año 2007 - Encuesta Realizada como parte de Monografía del Curso de Posgrado de Logística y Solución de Casos - Facultad de Ingeniería U.B.A.

2.7. CONSIDERACIONES FINALES DEL CAPÍTULO

Podemos concluir que el Forecast para las Compañías hoy día, no es un tema menor, no solo el trabajar con sus modelos, sino también que se suma el trabajar en equipo, para definir estimaciones a futuro. En este trabajo de encuestas que se han realizado, podemos observar que principalmente en las Grandes y Medianas empresas, ha tomado un lugar preponderante el comenzar a pensar y trabajar en equipo, como compañía, no solo desde áreas correspondientes a Supply Chain, sino también áreas como Ventas y Comercial, Finanzas, etc. Ya que como hemos observado la Precisión del Forecast beneficia a la compañía en su totalidad: aumentando ventas, optimizando costos y administrando correctamente los inventarios. Esto conducirá al fin que toda empresa con fines lucrativos persigue, que es maximizar su rentabilidad acompañando de un crecimiento y posicionamiento sostenido con presencia en el Mercado.

>95% 1.5%

entre 90 y 95% 5.1%

entre 70 y 89% 6.2%

entre un 50 y un 69% 7.8%

< 50% 10.0%

Correlación -0.91

Certeza del forecast

Ventas perdidas por empresas

medianas y grandes

Días de Stock Ventas perdidas

PYMES Medianas Grandes

0 a 3 5% 4% 6%

3 a 10 4% 5% 3%

10 a 20 7% 7%

20 a 30 5% 6% 2%

30 a 45 8% 9% 8%

> 45 4% 5% 2%

Correlación 0,19 0,44 -0,22

20

3. CAPÍTULO III

3.1. FORCASTING vs. PRESUPUESTOS ECONOMICOS ESTATALES

3.1.1. Casos de análisis de budget económicos estatales.

Cada organización pública o privada que realiza proyecciones o previsiones también evalúa sus resultados.

Las previsiones son evaluadas para mejorar los modelos en que se basan estas, y lograr una mejor

planificación de políticas y resultados.

Para los gobiernos de todo el mundo, la asignación de recursos es un acto de equilibrio (entre los programas

y políticas, así como entre los ingresos y gastos). Mientras los objetivos y las metas fiscales entran en estas

consideraciones, las previsiones de ingresos definen los parámetros en un proceso presupuestario.

En general, las previsiones presupuestarias siguen al proceso de conversión de las previsiones de las

variables económicas en variables de forecast fiscales. Además de las inexactitudes en las previsiones

económicas que se traducen en errores en las previsiones fiscales, el proceso de conversión se basa en

métodos estadísticos y de regresión en proyecciones de rendimiento dentro de ciertos márgenes de

tolerancia y bandas de error.

No debería sorprender que las previsiones no siempre sean exactas (que son fundamentalmente

predicciones del futuro con información incompleta). Sin embargo, las previsiones de imprecisión,

consistentes en la subestimación de los ingresos y los excedentes presupuestarios, generalmente derivan en

fuertes críticas. Estamos entonces frente a la problemática que las cuestiones políticas presentan al proceso

de estimaciones de los presupuestos.

La Commonwealth

Hemos tomado como ejemplo del proceso de pronóstico y sus formas de aplicarlo en el ámbito estatal a la

Commonwealth y al Departamento del Tesoro de Sydney, dado que estos producen pronósticos de las

variables económicas y fiscales que proporcionan la base para la asignación de recursos en el proceso

presupuestario anual.

El Tesoro también realiza revisiones de sus previsiones. Por ejemplo, el de Nueva Zelanda revisa

periódicamente el desempeño de sus forecasts. En Australia, el Departamento Occidental de Hacienda y

Finanzas elaboró una comparación de la previsión de rendimiento de todos los Estados excluyendo al

Territorio Norte de la misma.

21

El documento evalúa el rendimiento de la previsión de ingresos en el territorio de la capital australiana. El

objetivo de este estudio es ver si los errores de previsión de la Tesorería están dentro del límite razonable de

las expectativas o si estos errores son excesivamente grandes y requieren una mejora en los modelos esta-

dísticos y el proceso de elaboración de estas previsiones.

También, analiza las diferencias en los ingresos de los resultados originales de las previsiones de todos los

Estados y del territorio de la capital. Los resultados muestran que el sector capitalino tiene un mejor

pronóstico de rendimiento que la mayoría de los Estados más pequeños.

Estas cuestiones no son exclusivas en Australia y de sus vecinos dado que las previsiones de precisión han

sido motivo de preocupación y objeto de estudios internacionales. En general, las causas de las

imprecisiones han sido bien analizadas, y se dividen en las siguientes categorías:

cuestiones técnicas, tales como la precisión de los datos, la previsión de la metodología, proceso y

estructuras;

efectos de los objetivos fiscales;

el ciclo económico.

Hay sin embargo límites aceptables de la inexactitud. El principal objetivo del estudio que se efectúa en

Australia es identificar si la previsión que se efectúa, se ajusta a los forecast realizados por los diferentes

Estados. Esto significa que el mismo Estado, mediante una o varias de sus agencias, efectúan el contralor

de sus propios procesos de estimaciones para reducir en cierta medida los márgenes de error que, en un

presupuesto anual, podrían significar varios miles de millones de dólares.

Proceso de Forecasting en el Tesoro

El Tesoro de la capital australiana a menudo utiliza de las variables económicas como forma de previsiones,

como el Índice de Precios al Consumidor, Índice de Precios de Salarios y el PBI. Para algunas variables

económicas utiliza sus propios modelos estadísticos.

Las previsiones de las variables fiscales se establecen a través de dos grupos, el Grupo de Predicción

Económica con sede en la División de Inversiones y Economía y la previsión de ingresos del Grupo, que

cuenta con representantes de las divisiones fundamentales en la Tesorería. El Economic Forecasting Group

provee las previsiones de las variables económicas, junto con una serie de información complementaria a la

previsión de ingresos del Grupo.

22

Estas previsiones son discutidas y examinadas en detalle por el Grupo de Previsión de Ingresos, que

comprende de los ejecutivos y expertos de diferentes partes de la Tesorería. El objetivo de este proceso es

eliminar cualquier sesgo personal o lógico que puedan incluirse en las previsiones.

La previsión de ingresos que elabora el Grupo también ayuda a solucionar las cuestiones que puedan surgir

durante el ciclo del proceso de previsión. Esto incluye la disposición de la última información y datos para el

trabajo del equipo.

¿Cómo lo hacen?

Existen varios métodos estadísticos disponibles para evaluar los resultados previstos. El siguiente cuadro

enumera las medidas de uso común. El “Cuadrado Medio de Error” es el más utilizado para medir sus

propiedades estadísticas.

3.1.2. Impacto de variables exógenas en modelos económicos de Argentina

Otros factores que tienen impacto directo, aunque temporarios, en la demanda del consumidor son los

eventos exógenos. Muchos de estos eventos simplemente no se pueden predecir o no se tienen en cuenta o

son subestimados al momento de elaborar un forecast (por estar fuera del sistema financiero). Aparte de la

dificultad para predecir el impacto de eventos exógenos, hay otras razones para ignorarlos; los factores

endógenos parecen ser algo mucho más importante al momento de elaborar un forecast.

Un ejemplo de ello es el impacto que tuvo en los mercados el virus de la gripe porcina (Gripe A, N1H1).

Esta pandemia tuvo un impacto directo en la industria de la aviación como así también en la industria de la

diversión (cines, teatros, recitales y espectáculos en general). Tampoco estuvieron ajenos a esta situación

los centros comerciales u otros lugares de concurrencia masiva. Todos estos sectores fueron los más

vulnerables ante dicha situación y sufrieron los mayores porcentajes en la disminución de ventas.

TECNICA MIDE

Cuadrado Medio de Error

El promedio de errores cuadráticos durante el período de muestreo.

Media de Error El promedio en dólares o el porcentaje de puntos por los que difieren de las previsiones de resultados

Porcentaje Medio de Error

El porcentaje promedio de errores por los que difieren de las previsiones de resultados

Media de Error Absoluto

El promedio de la cantidad absoluta o el porcentaje de puntos por los que una previsión difiere de un resultado

Media Absoluta de Porcentaje de Error

El importe promedio de porcentaje absoluto en el que difiere de las previsiones de resultados.

23

En la industria también se pudo apreciar efecto y ello se debe a las medidas que se han tomado para

tratar de minimizar el contagio de la enfermedad:

Cierre total o parcial de actividades en organismos estatales

Licencia a mujeres embarazadas y/o con hijos menores de 14 años

Pacientes inmunodeprimidos

La primera medida tuvo un impacto directo sobre las exportaciones, ya que provoco un incremento en los

tiempos para realizar los trámites de exportación. Tanto la segunda como tercer medida, tuvieron como

consecuencia la disminución del personal en las distintas empresas con lo cual las mismas se vieron

forzadas a realizar una reorganización y asignación de actividades, todo esto ha provocado que los tiempos

previstos para realizar las distintas tareas se incrementen, obteniendo como resultado una caída en el nivel

de las ventas.

Otros factores endógenos a los cuales son sensibles las ventas y por lo general no son tenidos en cuenta

al momento de elaborar un forecast son los siguientes:

Piquetes

Paros

Cambio de Gobierno

Elecciones

Gestación de problemas entre el gobiernos y distintos sectores

Crisis financieras internas o externas

Nuevas regulaciones internas o externas

Exigencias de auditorias

Nuevos competidores

Fusiones y/o adquisiciones

Desastres Naturales

Epidemias / Pandemias

3.2. CONSIDERACIONES FINALES DEL CAPITULO

Al momento de comprar el Forecasting con los Modelos Económicos Estatales, y su impacto en las

distintas empresas, observamos que dichos modelos no contemplan la importancia de las variables

exógenas, no porque no les den importancia, sino porque la probabilidad de ocurrencia de dicho evento es

sumamente baja, pero su impacto puede desequilibrar la economía de varios sectores, no solo empresarial,

sino al mismo estado. A modo de ejemplo podemos citar lo ocurrido recientemente con el caso de la Gripe A

y el gasto no previsto en el que tuvo que incurrir el estado para poder responder ante esta pandemia.

24

4. CAPITULO IV

4.1. FORECASTING EMPRESARIAL vs. PRONÓSTICO DEL TIEMPO

El pronóstico del tiempo es una aplicación de la ciencia y de la tecnología para prever el estado de la

atmósfera para un tiempo futuro de un lugar específico. El pronóstico de tiempo es una recopilación de

cierta cantidad de información del estado de la atmósfera actual, el cual se utiliza para el análisis científico

de los procesos atmosféricos y así poder proyectar la evolución de la misma.

Para pronosticar el tiempo son analizadas las actuales condiciones del tiempo y de la atmósfera en

modelos matemáticos donde se origina una previsión numérica del tiempo. Resulta compleja la

administración de esta gran cantidad de información, además de su complejidad para los cálculos. Por lo

tanto se hace necesario para un buen pronóstico y de buena definición, trabajar con resultados eficientes.

Con esto queda expuesto que se requiere de una importante tecnología para su proceso y análisis.

Existen distintas formas de aplicación y uso del pronóstico del tiempo; por ejemplo, las alertas de tiempo,

que son importantes porque son utilizados para proteger la vida y daños materiales.

Los pronósticos basados en la temperatura y las precipitaciones son significativos tanto para los agricultores

como para los comerciantes en el mercado de comodities. En el día a día, las personas siguen la evolución

del pronóstico del tiempo, dado que funciona como ayuda para determinar que vestir y así poder planear las

actividades al aire libre que serian afectadas por la nieve, la lluvia o el viento fuerte.

A las personas les interesa saber como va a evolucionar el estado tiempo en el futuro. En la mayoría de

los países, los informes del servicio meteorológico son los programas mas populares ya sea en televisión,

radio o Internet. Las personas necesitan de dicha información para poder planificar sus actividades tanto

personales como laborales, ya sea plantar, cosechar, viajar, anticiparse a desastres climáticos, etc.

Desde hace años el hombre ha estado intentando predecir el tiempo de manera informal, con elementos

rudimentarios, pero no ha podido lograrlo sino recién hasta el siglo XIX.

Actualmente se han realizado grandes avances en la predicción del tiempo, soportados por herramientas

tecnológicas que van evolucionando y perfeccionándose año tras año.

A pesar de los avances tecnológicos, la participación del hombre es todavía necesaria para seleccionar

los mejores modelos de Forecasting, ya que se deben tener en cuenta la performance de los modelos, los

conocimientos teóricos sobre los que trabaja el modelo y las habilidades necesarias para la identificación de

las distintas variables.

25

Dada la naturaleza caótica de la atmósfera, la cantidad de ecuaciones necesarias para construir el

modelo y los errores involucrados en la medición inicial de las condiciones del tiempo, hacen realmente

complejo el análisis para llegar a una solución que se asemeje a la realidad o aquello que se esta buscando

predecir.

4.2. MODELOS

Los pronosticadores utilizan “Modelos de pronostico de tiempo” como una guía para se establecer como se

comportara la atmósfera en el futuro cercano.

Los modelos pueden estar subestimando, sobrestimando o representando someramente las condiciones de

las variables meteorológicas inclusive de tiempo presente en sus condiciones iniciales.

El conocimiento de la performance de los modelos, conjuntamente con sus errores sistemáticos, es de

extrema importancia para que los meteorólogos puedan elaborar previsiones de tiempo más confiables.

4.2.1. ETA

El modelo ETA es un modelo atmosférico avanzado utilizado para la búsqueda y motivos operacionales. El

modelo es descendiente de un modelo antes conocido como HIBU (Hydrometeorological Institute and

Belgrade University), un modelo desarrollado en los ´70 en Yugoslavia. Con el pasar de los años, los

códigos de este modelo fueron revisados y actualizados. En sus distintas versiones este modelo es

ampliamente utilizado en diversos países así como Argelia, Argentina, Bélgica, Brasil, Camerún, China,

Costa Rica, Chipre, República Checa, Dinamarca, Egipto, Finlandia, Alemania, Grecia, Islandia, India, Israel,

Italia, Malta, Túnez, Turquía, Perú, Filipinas, Serbia y Montenegro, África del Sur, España, Suecia y USA.

4.2.2. Global

Este modelo esta basado en las leyes de conservación de masa y humedad, de energía y de momentum

angular. El conjunto completo de las ecuaciones de continuidad de masa para el aire seco y vapor del agua,

la primera ley de termodinámica y las ecuaciones de movimiento, son llamadas ecuaciones primitivas, donde

la ecuación para el componente vertical de la velocidad es simplificada por una relación de diagnostico en

las escalas de espacio, tiempo de interés y las fuerzas verticales que están cerca del equilibrio hidrostático.

El modelo es global y adecuado a un sistema con geometría esférica, donde la altitud es pequeña para que

la distancia al centro de la tierra sea constante.

Las variables pronosticadas son: el logaritmo de la presión en la superficie, la verticidad (componente

vertical de la rotación del viento), la distinción del viento horizontal, la temperatura virtual y la humedad

26

específica. Además hay algunas variables previstas en el modelo así como: temperatura de la superficie, del

interior del suelo, humedad del suelo etc.

En este modelo la validez de los resultados es relativamente baja y hay un cierto grado de incertidumbre en

escenarios futuros para predecir los cambios climáticos.

4.2.3. Regional

Este modelo se diferencia del global ya que se disponen de una mayor cantidad de detalles en la distribución

del clima y pueden ayudar en la identificación de condiciones climáticas extremas, que seguramente pueden

cambiar más radicalmente en el futuro.

Las variables analizadas son las mismas de las del Modelo Global.

4.2.4. Oceánico

Este Modelo fue Desarrollado en la Universidad Delft University of Technology. Hoy por hoy este modelo es

una actualización del modelo de mismo nombre creado en 1988.

Este modelo utiliza campos de vientos producidos por el modelo atmosférico global, por olas oceánicas en el

sistema de tercera generación llamado Wavewatch, donde se produce una previsión diaria en el horario 0hr

GMT.

El modelo actual se diferencia de sus precursores en muchos aspectos importantes tales como: las

ecuaciones manejadas en la estructura de los modelos, los métodos numéricos y los parámetros físicos.

Soluciona la ecuación de balance espectral de la densidad de la acción de la fase al azar para los espectros

de la wavenumber-dirección. En este modelo las características del medio (profundidad y corriente de agua)

así como el campo de la ola varían en las escalas de tiempo y espacio, que son mucho más grandes que

las escalas de la variación de una sola ola.

4.2.5. Ensemble

Las predicciones Ensemble ("por conjuntos") permiten informar sobre el nivel de significación del pronóstico

operacional. La precisión de una predicción no sólo depende del periodo del pronóstico, sino que también

está influenciado por la estabilidad en la situación atmosférica. La atmósfera es un sistema caótico, lo que

significa que variaciones muy pequeñas pueden traer grandes consecuencias. En una situación atmosférica

inestable, por ejemplo, unas décimas de grado de diferencia en la temperatura inicial sobre el Atlántico,

puede producir situaciones meteorológicas completamente diferentes en Europa Central en el tercer día del

pronóstico.

Este modelo se calcula provocando 50 perturbaciones muy pequeñas (en la escala temporal y espacial) en

las condiciones iniciales del modelo operacional. El resultado mostrará 50 curvas adicionales para cada

parámetro pronosticado. Un nivel de correlación alto entre los 50 pronósticos implica una situación

27

atmosférica estable y un pronóstico muy cercano a la realidad. Si los resultados presentan una alta

dispersión, podemos estar ante situaciones atmosféricas inestables y pronósticos de baja fiabilidad. Para la

banda del 80% (intervalo de confianza) los 5 resultados extremos (por arriba o por abajo) son eliminados. El

peso de los 40 resultados restantes nos darán idea de la posible situación atmosférica prevista.

4.3. CLIMATIZANDO LA DEMANDA

Fabricantes y minoristas regularmente se esfuerzan para garantizar que los productos y partes correctas

están en el lugar correcto en el momento correcto. Alinear planificaciones de la demanda especulativas con

programas rígidos de producción no es una tarea fácil. Es por eso que algunas compañías están tentando

suerte para obtener una lectura más precisa sobre los consumidores volubles – es como si estuvieran

tratando de predecir el clima.

Si ha habido alguna vez una práctica más caprichosa que la captura de la demanda de los consumidores,

tratando de leer la mente de la Madre Naturaleza podría emerger en el radar Doppler. Sin embargo, hay

desarrollos que están en el negocio de proporcionar información meteorológica de inteligencia para las

empresas que necesitan comprender y optimizar el impacto de la meteorología en su negocio. Por ejemplo,

“Planalytics” utiliza una base de datos meteorológica financiera y de impactos volumétricos, tecnologías de

modelado de propiedad y experiencia específica del mercado para dar al cliente los datos que puede utilizar

para maximizar las oportunidades y minimizar los riesgos presentados por los cambios climáticos. A su vez,

las empresas de carga pueden utilizar previsiones tanto de corto como de largo plazo para mejorar la

planificación, producción, distribución, comercialización, compra, gestión de riesgos y toma de decisiones.

Por ejemplo, Campbell Soup Company, fabricante de productos enlatados no perecederos, productos que

pasan a ser un commodity para el momento de tormentas severas de invierno, utiliza este tipo de soluciones

para estudiar la correlación entre las pautas meteorológicas previstas y la demanda de los consumidores; lo

que le garantiza a la empresa que las tiendas tengan los inventarios necesarios para abastecer a los

consumidores. Campbell aplica las lecciones aprendidas de estos análisis para proporcionar un la

publicidad en el momento oportuno y para la selección del mercado de manera tal de optimizar el forecast de

sopa cuando y donde la demanda será más alta.

4.4. CONSIDERACIONES FINALES DEL CAPITULO

Una diferencia a destacar entre un modelo meteorológico con un modelo de forecasting empresario

radica fundamentalmente en que el modelo meteorológico no tiene limitaciones ni imposiciones, es decir

no se encuentra vulnerable a las limitaciones políticas o de negociación que si se hacen presente y

caracterizan a los modelos Empresariales. Aunque no sea una ciencia exacta, la confianza en las

28

previsiones es cada vez más grande y hoy por hoy el nivel de ambas previsiones es altísimo, tanto en el

forecast como en el pronóstico del tiempo. Al tiempo que se cree cada vez más en el pronóstico

climático, también crece el valor del forecast en las empresas y esto se da por las nuevas tecnologías

que constantemente se van impulsando, al estudio y desarrollo de los modelos y procesos y también por

la capacitación de las personas, sus competencias analíticas y la toma de decisiones.

El grado de Accuracy de los meteorólogos aumenta cada vez más. En la década de 80 el nivel de acierto

no llegaba al 70% y hoy se puede decir que llega a 98%. Son muchas las variables que influyen sobre el

pronóstico del tiempo, por ejemplo, de acuerdo con especialistas la humedad y las altas temperaturas

hacen que las condiciones sean inestables en la primavera y en el verano, es por eso que en este

periodo el Accuracy cae al 85%. Lo mismo ocurre con el forecast de una empresa, hay diversas variables

que lo afectan y su resultado puede cambiar de acuerdo a las temporadas. Se podría citar el lanzamiento

de un nuevo producto que no se puede prever la aceptación real del mercado y la Accuracy de la

previsión de ventas puede caer significativamente.

29

5. CAPITULO V

5.1. ENCUESTAS

RUBRO - HIGIENE Y CUIDADO PERSONAL

a) ¿Tienen algún software de soporte para el Análisis de Forecasting?

Actualmente la Compañía no emplea ningún tipo de software. Hoy día se están evaluando y analizando

las opciones que existen en el mercado de Software para forecasting.

Se espera en un mediano plazo poder estar preparados internamente y con información histórica

necesaria para poder implementar alguno de ellos. Para lo cual será necesario también tener una

disciplina diferente de trabajo a la actual, en la cual se deberá trabajar de manera intensa para poder

crear un cambio de conciencia que permita un crecimiento como compañía y marque un hito en su

desarrollo y planificación.

b) ¿La empresa utiliza algún modelo de forecasting; cuál?

El sistema actual que tiene la compañía para el calculo del Forecast mensual esta soportado por

planillas de Excel, las cuales contienen información histórica de ventas, facturación, pedidos de clientes,

cumplimientos medidos en valores y % y sus Forecast proyectados para los próximos 6 meses.

c) ¿Que áreas participan de la toma de decisiones? Quien define el Forecast y envía la

información a Planning?

El Forecast en esta compañía es armado y presentado en una primera instancia por el área de

Marketing, el cual previamente se reúne con el equipo de Ventas para validar números. Luego de esta

instancia, integrantes de Marketing se reúnen en un Comité de Forecast con el área de Planning.

d) ¿Cuál es la frecuencia de las reuniones y su metodología?

Las reuniones de Comité de Forecast se realiza con una frecuencia mensual, llevándose a cabo la ultima

semana del mes, donde allí se ajustan los proyectados de los meses anteriores y queda el numero en

firme con el cual el Área de Planning deberá trabajar el mes próximo para sus planes de producción de

las tras Plantas. Vale aclarar que existen distintas unidades de negocio de Marketing dentro de la

compañía, por lo tanto el Forecast para cada negocio se reúne de manera individual cada una de ellas

con sus líderes y comparten con el área de Planning (SCM) y se comparten las próximas tendencias. En

esta reunión también participa el Analista de Demanda y algunos representantes del equipo de Trading.

30

e) ¿De que manera envían los datos?

Todos los números y datos que se manejan que con los cuales se conforman y definen el Forecast se

manejan con Excel y los números finales son Cargados en SAP, para luego correr el proceso de S & OP

y DRP.

f) ¿Las empresas manejan de la misma forma el Forecasting en las distintas regiones y/o

países?

Esta compañía como Corporación no maneja modelos regionales. Los modelos son independientes

dentro de cada país. Se tiene pensado en un futuro cercano poder comenzar a realizar algunos

Benchmarking con las mejores practicas y observando los resultados alcanzados.

Se han realizado algunas pruebas pilotos mediante videoconferencias compartiendo los modos en los

que son calculados y analizados los Forecast. También se puede mencionar que no existen otras

regiones que operen con un soporte de Software para la confección de Forecast.

g) ¿Que indicadores (KPI´s) se manejan?

El principal indicador que se utiliza para medir el Forecast es el llamado “Forecast Accuracy” El cual

mide el grado en que se cumple en forecast. Donde se miden los porcentajes de desvío, en valores

absolutos. (El porcentaje de desvió que se maneja habitualmente es de un 20 %)

También se realiza mensualmente un Análisis de Clasificación de SKU´s, para ver la clasificación ABC y

determinar aquellos códigos de baja rotación y obsoletos. Y medir los valores que arroja este indicador y

así poder monitorear su evolución en el tiempo.

Se analiza además de manera particular, es decir clasificando los casos, aquellos códigos que han

arrojado “caídos” (stock out)

Y otros indicadores sobre los cuales se trabajan también son los llamados MAPE, HIT/NO HIT (pasa/ no

pasa), BIAS POSITIVO y NEGATIVO

h) ¿Como es percibido el Forecast Accuracy en su Compañía?

Como se respondió en las preguntas anteriores, aun queda mucho por trabajarse en este punto. Dado

que aun los números no logran ser el son el fiel reflejo de la realidad, y si se trabajaría con forecast mas

cercanos a la realidad, se lograrían mejores resultados. Pero desde ya esto no es un cambio que pueda

realizarse de un día a otro, sino que requiere de un cambio de cultura y de entendimiento por parte de

sus usuarios.

31

RUBRO - IMPRESORAS


En el momento la empresa no tiene un software para soporte para el análisis de forecasting.

b) ¿La empresa utiliza algún modelo de forecasting? ¿Cuál?

No, la empresa no utiliza ningún modelo de Forecasting. Todo el planeamiento de forecasting es hecho

por planillas de Excel con el histórico de datos de la empresa de meses anteriores y de acuerdo con la

previsión de ventas.



El departamento comercial es el responsable por la toma de decisiones y este pasa la información de

estimativa de ventas para planning que hace la validación de datos de acuerdo con la viabilidad de

adquisición de productos.

Puede ocurrir que el comercial esta planeando la venta de un determinado producto que ya no va mas a

ser producido por la empresa.


Las reuniones se realizan mensualmente donde se realiza el plan master de planeamiento de

forecasting, pero además se juntan a cada semana para averiguar el andamiento de la demanda versus

forecasting y si necesario tomar alguna acción.


Todo se maneja por planilla de Excel.


países?

No hay una regla para manejar de la misma forma el forecasting en distintas regiones e/o países.

En Latino América se puede afirmar que todos los países trabajan de la misma forma.


32

Son manejados varios KPI´s, siendo los dos principales el de rotación de inventario y cobertura de stock,

siendo la rotación del inventario correspondiente a la frecuencia media de renovación de las existencias

consideradas, durante un tiempo dado y la cobertura de stock indicando el número de días de consumo

que las existencias pueden cubrir. Otro importante KPI manejado es el de previsión de ventas para

controlar de la fiabilidad de la previsión y también el KPI de nivel de fiabilidad del forecasting que analiza

el cumplimento del forecasting.

h) ¿Cómo es percibido el Forecast Accuracy en su Compañía?

No es un indicador que tenga relevancia

33

RUBRO - PERIODICO


No se utiliza ninguna herramienta de software para el Forecasting. Si se utiliza como soporte para los

procesos de S&OP y DRP el sistema SAP


Solo se utilizan modelos históricos para las tiradas regulares así como también para los sucesos o

eventos extraordinarios (Súper clásicos, elecciones, suplementos especiales, etc.)



Las decisiones son tomadas por el departamento de Circulación y ventas, junto con el equipo de Ventas,

Operaciones y Planeamiento y los respectivos Jefes de productos.


Se realizan con una frecuencia diaria el seguimiento de Forecast, con una muestra diaria que es

recolectada con un software muy sencillo vía celular, dicha información es captada y utilizada para

analizar tendencias y a su vez permiten realizar ajustes prácticamente automáticos de corrección de

Forecast.

Este proceso diario es lleva a cabo por cada área de la empresa, las cuales estiman los números de

venta y definen en equipo un numero en común.


Los datos mencionados en el punto anterior, para la definición de Forecast son enviados vía celular y

luego cargados en SAP para uniformar los datos.


países?

En este caso esta todo centralizado, dado que estamos hablando de una compañía nacional y se analiza

todo en las oficinas centrales. Esto aplica para el caso de las publicaciones existentes en el interior.

Donde existen convenios con diarios locales.

34

Pero el análisis de venta, forecasting y proyecciones es unificado en Buenos Aires.


Los indicadores que se utilizan son llamados de “Variación” y de “Comparación”, básicamente se miden,

analizan y comparan con productos similares del porfolio actual que posee la empresa en el mercado,

básicamente con la competencia y / o con el comportamiento de los mismos producto en periodos

anteriores.


Es un indicador fundamental dado el tipo de negocio. Existe un departamento que se dedica a realizar el

análisis diario de este indicador.

35

RUBRO - COSMETICA


Si, se utiliza uno llamado OGS que es un desarrollo propio de la empresa. Luego se utiliza como soporte

para los procesos de S&OP y DRP el sistema SAP


La empresa utiliza métodos históricos, proyecciones por campañas publicitarias, y dado algunos tipos de

productos se utiliza un método de espectros que divide a un mismo tipo de productos por sus diferentes

tonalidades. Las proyecciones son a 15 meses.



Las decisiones son tomadas entre los departamentos de Ventas, Marketing y Aprovisionamiento.

Posteriormente valida Control de gestión.

d) ¿Cuál es la frecuencia de las reuniones y su metodología

Las reuniones son mensuales decidiendo proyecciones a 15 meses. En las reuniones se juntan

Marketing y Comercial y aprovisionamiento. Las previsiones se cargan en SAP y luego

Aprovisionamiento realiza nuevos ajustes. Finalmente quien valida y aprueba los datos es control de

gestión.


Primero SAP genera estructuras de información mediante el LIS (Logistic information system) y las

mismas se cargan en el sistema OGS. El sistema OGS realiza cálculo según ponderaciones y datos

cargados por la gente de Marketing y ventas. Luego el OGS genera un resultado que se valida con

Aprovisionamiento. Cuando todos están de acuerdo se carga la previsión directo a SAP y desde la

previsión se generan los planes de Compras. Aquí no hay fabricación dado que la empresa no Fábrica

en la Argentina.


países?

Si a nivel metodología pero cada una puede usar sus propias herramientas.

36


El principal indicador que se utiliza para medir el Forecast es el llamado “Forecast Accuracy” El cual

mide el grado en que se cumple en forecast.

También se utiliza otros indicadores para medir las diferencias absolutas respecto del Forecast y se abre

dicha información según los negocios para ver si mas allá de llegar a un determinado target ideal

previamente definido se han respetado los mix de venta, lo cual es un punto sumamente relevante.


Este indicador es tenido cuando se analizan los las distintas líneas de productos. El Accuracy es del 75-85% en la mayoría de los productos

37

RUBRO - LABORATORIO


Actualmente la compañía no cuenta con ningún tipo de software para realizar el Forecasting. Tampoco

se prevé la adquisición de ningún programa, para llevar a cabo esta tarea, en el corto plazo


Para realizar el forecast se convoca a todos los vendedores y en base a las ventas históricas y la

estacionalidad de los productos se define el plan comercial. El horizonte del análisis es de un año.



Una vez que el área Comercial elabora el bosquejo del plan de ventas, él mismo es enviado, para su

revisión, al área de Control Presupuestario. Esta última realiza las correcciones que considere necesario

y lo vuelve a enviar al área Comercial. Con el visto bueno del área Comercial, el plan es elevado a la

Gerencia General para su posterior aprobación. Por último, Gerencia General es la encargada de

presentar el forecast ante los accionistas.

Una vez aprobado el forecast por Gerencia General, Control Presupuestario es el encargado de enviarlo

a la Gerencia de Planeamiento.


La frecuencia de las reuniones es mensual. En las mismas participan las áreas Comercial, Operaciones,

Planeamiento y Control Presupuestario.

Planeamiento arma los informes en planillas de Excel, donde aparecen los datos de las ventas

acumuladas, el presupuesto de ventas acumulado, las ventas del mes, los stocks y las ventas

presupuestadas.

Con toda esta información se analiza cada uno de las líneas de productos y de ser necesario se va

ajustando el plan de ventas.


Los datos son enviados en Excel a Planeamiento y luego se cargan en el sistema de gestión (Infobroker)

modificando si fuese necesario el plan de ventas (y por ende el plan de producción)

38


países?

No, en las filiales se maneja un Rolling Forecast que es enviado por cada Gerente Regional a la

Dirección General y luego esta última lo enviada a la Gerencia de Operaciones. Para el armando del

Rolling Forecast participan Dirección General junto con las Direcciones Regionales.

El Rolling Forecast es enviado a la Gerencia de Planeamiento y Comercio Exterior para cargar los datos

en el sistema y armar los planes de producción.


Se trabaja con una serie de indicadores, pero el principal es el indicador de exactitud de Forecast, en el

cual se medida la desviación respecto a lo presupuestado en unidades como en monto de facturación.

Después existen otros indicadores secundarios que valorizan los stocks, la rotación de productos, el

descarte por vencimiento como así también el índice de devoluciones o faltantes de productos.


La percepción del forecast Accuracy es diferente para las distintas áreas. Dada su importancia, para el

área de planeamiento, dicho indicador es fundamental, para poder justificar los niveles de sobre stock o

faltantes de producto, como así también la evolución del inventario. Por otro lado, tenemos las áreas

comerciales, para las cuales dicho indicador no es factor preponderante, dado que dicha área tiene

como objetivo lograr un determinado monto de facturación independientemente del mix de productos.

39

RUBRO - ALIMENTICIA


En la compañía hay dos softwares dedicados para el cálculo de la base estadística de forecast y se

utiliza uno de los dos: Forecast Pro o Manugistics. Estas herramientas realizan en base a datos

históricos una proyección de las ventas; sin embargo las variables externas como situación del

mercado, acciones de marketing, entorno económico y político, cambios de precio, entre otras; son

consideradas por el equipo encargado de realizar el análisis y sus impactos sobre el pronóstico se

calculan en base a la experiencia y a la historia de situaciones similares en el pasado.


Cualquiera de las dos herramientas mencionadas en el punto anterior, tienen la capacidad de

seleccionar el algoritmo más apropiado para proyectar el negocio:

Suavizado Exponencial

Moving Average

Box Jenkins

Los softwares aprobados por la compañía a nivel internacional, tienen un número de algoritmos de los

cuales el mismo sistema es capaz de seleccionar y manejar el proceso automáticamente. No es

necesario ser graduado en estadística para manejar este proceso efectivamente.



El Forecast es elaborado por el área de Demand Planning, un departamento de la dirección de

Customer Service & Logistics (Supply Chain). Este departamento es el encargado de realizar los

análisis, recopilar la información de las distintas áreas que influyen en el pronóstico de ventas.


Se realizan reuniones mensuales y multidisciplinarias. Participan representantes de las áreas de

Demand Planning, Marketing, Consumer Insights y Finanzas; otras áreas pueden agregarse si se

considera necesario por algún tema o situación puntual. El objetivo de estas reuniones es entender y

analizar la información recibida del equipo de ventas. Los temas que típicamente son revisados en

estas reuniones son: ventas versus forecast para el periodo actual y las implicaciones para el periodo

siguiente, niveles de inventario, volúmenes eventuales, dirección estratégica de las marcas, impacto de

las actividades de los competidores, desarrollo de nuevos productos, entre otros.

40


Los datos son tomados de AS400 y procesados en Forecast Pro o Manugistics. También se toman

datos de consultoras de consumo masivo.


países?

La metodología fue definida de un proceso de mejores prácticas, desarrollada por un equipo cross

funcional que incluyó representantes de UK, Alemania, Francia, Italia, Austria, Nórdica, Bélgica y

Rumania; alineando terminología y asegurando que el proceso fuera consistente con los programas de

planificación de la demanda globales. Actualmente esta metodología y softwares son empleados por

todas las unidades de negocio de la compañía a nivel internacional.

g) ¿Qué indicadores (KPI´s) se manejan?

El principal indicador que se utiliza para medir el Forecast es el llamado “Forecast Accuracy”.


El Forecast Accurency es un indicador al que se le hace bastante seguimiento y es muy considerado

tanto por el equipo que participa en el proceso de forecasting como dentro de los análisis de la

compañía.

41

A MODO DE COMPARACION

Consideraciones finales del Capitulo:

De las encuestas realizadas, y las percepciones podemos concluir lo siguiente:

* Existencia de Forecast que son impuestos a las compañías, mas allá de sus posibles o reales alcances

de venta, nosotros lo llamamos “números topeados”, donde un techo es impuesto a un equipo de trabajo,

más allá de los alcances reales a los que se podría arribar si se apoyarían en los análisis reales de

capacidades y proyecciones de planeamiento.

* Forecast que se alejan de la realidad, de la expresión de deseo impulsada por un área de ventas o

Marketing, y perdiendo el foco de estudiar las factibilidades de venta y la demanda del mercado, para

convertirse en un numero que surge de negociaciones y acuerdos.

42

* Otro patrón común observado en las mismas ha sido el lema de “llegar al número”, tal vez no cubriendo

los mix óptimos de venta, impactando en los balances internos de la compañía a nivel planeamiento por

ejemplo y por ultimo y no menor en la rentabilidad, dado que cada negocio maneja distintas

rentabilidades. Y aquí es cuando comienza a perderse el concepto de Forecast.

* Modelos de Forecasting utilizados por las empresas, que se basan en modelos históricos. Por esto

puede darse que podríamos caer en un gran error si pensamos que en una proyección a futuro de una

Compañía, los números y las demandas continuaran comportándose en forma lineal. Pero también

afirmamos que esto se hace bajo un marco de seguridad y alcance mínimo esperado, es decir, sabemos

que vamos a estar dentro de ese rango o parámetro de números y con eso se esta satisfecho.

Trabajando con un método Lineal que ante la Incertidumbre es un Modelo usualmente aceptado.

43

CONCLUSIONES

A pesar de existir una gran cantidad de métodos cuantitativos y cualitativos, muchas empresas se basan

en datos históricos para el armado del forecast. En general las empresas que están un paso adelante con la

implementación y utilización de técnicas de forecasting son las de consumo masivo. Y justamente en éstas

últimas, los KPI´s relacionados con el forecast Accuracy son transcendentes para analizar la evolución del

negocio y lanzamientos de nuevos productos.

Relacionando este punto del Forecast Accuracy con los modelos meteorológicos, podemos decir que el

grado de Accuracy de los de los meteorólogos aumenta cada vez más, logrando una mayor exactitud. En la

década del 80 el nivel de acierto no llegaba al 70% y hoy se puede decir que llega a 98%. Son muchas las

variables que influyen sobre el pronóstico del tiempo, por ejemplo, la humedad y las altas temperaturas

hacen que las condiciones sean inestables en la primavera y en el verano, es por eso que en este periodo el

Accuracy cae al 85%. Lo mismo ocurre con el forecast de una empresa, donde hay diversas variables que lo

afectan y su resultado puede cambiar de acuerdo a las temporadas. Se podría citar el lanzamiento de un

nuevo producto donde no se puede prever la aceptación real del mercado y el Accuracy de la previsión de

ventas puede variar significativamente.

Analizando el escenario de las compañías Multinacionales, hemos observado que existen patrones

comunes respecto a los modelos y análisis de Forecasting que caracterizan a su desempeño diario. Como

conclusión del presente trabajo podemos decir que se hace evidente que existen intereses contrapuestos, ya

sean regionales o corporativas que no se corresponden con los resultados reales o esperados. Esto también

se ve influenciado por políticas internas de la cual ninguna empresa se encuentra exenta. Es así como

comienza a perderse el sentido del Forecast real, para convertirse en un acuerdo formal (números del

Forecast), que no deja ser el resultado de negociaciones y acuerdos realizados en los niveles de las altas

gerencias dentro de la compañía.

Por último, y no de menor importancia, es el impacto de las variables exógenas, ajenas al modelo del

Forecast. La incidencia de las mismas repercuten directamente sobre el desempeño y resultado de las

actividades de la compañía. Esto hará que las previsiones realizadas por dichos modelos, arrojen resultados

que difieren de las estimaciones. Este desvío no solo impacta en el Forecast Accuracy sino también dichos

efectos repercuten en el resto de las áreas.

44

ANEXO I

Ejemplos de cálculos

Cálculo del Forecast Accuracy

SKU A SKU B SKU C SKU D SKU E TOTAL

Forecast 50 75 45 80 50 300

Ventas 45 85 25 25 50 230

Error 5 10 20 55 0 70

Error (%) 11% 12% 80% 220% 0% 30%

Accuracy (%) 89% 88% 20% 0% 100% 70%

45

ANEXO II

10 Steps Forecast Process

1. Systems Maintenance

Update Period / Weekly Actual

Housekeeping:

Add new codes

Delete old codes

Hierarchy Maintenance

Amalgamate codes

Timing - Ongoing

2. Post Evaluation

Measurement of Forecast Accuracy

At SKU level all SKU’s Sold in Previous Forecast Period (+/- 25%)

Volume Coverage attained by “accurate” Sku’s

Account / Channel Forecasting Accuracy (+/- 25%)Truly understand your product range

using ABC/XYZ tools & Forecast accuracy within these groups

Update Promotional Evaluation Database

Review price activity / promotions / NPD after end of activity using all information available

(EPOS, Trade Stocks after promo, etc) and building it into a Promotional Evaluation

database for future learning’s

Systems

Maintenance

Publish

Forecast

Bulletin

Construct

Baseline

Post

Evaluation

Account

Manager

Forecasting

Forecast

Review

Meeting

Business

Forecast

Build

Category

Forecast

Sign-Off

Directors

Forecast

Sign-Off

Forecast

Send To

Replenishment

&

S&OP

46

Capture detailed information regarding special issues/facts on the previous period for future

references – Forecast Accuracy “Reason Codes” to be applied

POST Forecast Surgery with Account Managers / Sales

(Recommend pruning SKU’s on a monthly basis - De-complexity) Out side of Forecast Process

Timing - week 1 (4 week Period)

3. Base-Line Construction & Maintenance

Data Cleanse History

Ongoing History Maintenance to help generate “best” Statistical Base-Line

Calculate systems generated base-line (statistical)

What would we sell to our Customer without price activity / promotions

At SKU / Channel Level by major customer – Aim is to construct at lowest level applicable

A Baseline should be based upon Shipments out.

Overlay Seasonality profiles

Supplied by Supply Chain / Discussed & Agreed with Account Manager and other Business

Functions

Amend Statistical Baseline if deemed inaccurate, based upon Market intelligence or other

influencing factors not captured by statistical forecasting.

Timing – Total Review Twice a Year / Ongoing amendments through forecast process

4. Publish Forecast Bulletin

Document to communicate key Forecasting focus areas

Put together by Forecasting Manager

Using relevant information gained from Sales / Marketing / Finance / Supply Chain

Management etc.

Include in this bulletin:

Learning’s from post evaluation process

Communication of new codes / special packs

Timings of key occasions / events (e.g. Valentines day, Easter)

Availability timings of special packs

Review Repeat Offenders (SKU’s that consistently fail forecast accuracy)

Timing – Early Week 2

5. Account Manager Forecasting

Base line by SKU / customer supplied by Supply Chain

Account Mgr forecast incremental volumes due to price activity / promos

From initial buy-in to end of promotion

47

By week, minimum of 6 months out.

Collaborative Planning & Forecasting where possible

Incremental volume uplift agreed with retailer and based on historic information

Price Activities agreed with Forecasting & Planning Mgr (for volumes) and Promotional Control

Custodian (for spend) prior to gaining agreement with Retailer

New listings / de-lists communicated immediately to Forecasting & Planning manager re availability

of goods & new base line to be generated

“Finite Qty” / “Make To Order” volumes notified to Supply Chain in agreed time prior to shipment (no

base line needed)

Timing - week 2/3 (4 week Period)

6. Forecast Review Meeting

Forecast & Planning manager to review latest Account Manager forecast as preparation for the

Forecast review meeting

Meeting led by Forecasting & Planning Mgr with:

Customer Manager (brings the account forecast, timings/volumes/ brings trade stocks

Promotional Custodian (brings / agrees activity spend budget)

Brand Manager (brings details on NPD & Special Packs / Media Plans etc.)

Diarised meeting with All Named Attendees

Meeting not always possible due to location, so an agreement with Account Managers how

to review data

Objective of the meeting is an agreed Customer forecast. Topics to be reviewed:

Sales current period vs. prior month agreed forecast - Reason: understand deviations and

check implications

Discuss forward promotions / price activities (timings & volumes) and review Vs Promotional

Evaluation database (historic data). Reason: Challenge and understand volume call

Understand risks and opportunities

Review impact of high/low trade stocks (if available) on forecast (steal & volume

cannibalisation)

Review Impact of Competitor Activity

Review and agree forecast on NPD/Special packs

Agree expected uplifts due to media plans

Check launch/first availability timings are on track

Present/input strategic direction of brands

Focus On Outgoing 13 Weeks and / or Quarterly Forecast/ Major Milestones

Timing - end week 3 (4 week Period)

48

7. Business Forecast Build

Forecast should be built by Supply Chain - Forecast & Planning Manager based on gathered

information from Forecast Review Meetings

Forecast should be minimum of 52 weeks rolling forecast with particular focus on the weekly split for

the next 13 weeks

Forecast must be bottom up by SKU

Exercise should identify “Gap” between bottom forecast and last Major Forecast Revision

Timing - week 4 (4 week period)

8. Category Forecast Sign-off Meeting

Forecast Sign-off meetings should be by Category and with Senior representatives from:

Sales / Consumer Insight

Marketing

Finance

Customer Planning

Supply Chain (Chair)

Objective is to achieve business ‘buy-in’ to the ‘supply chain’ forecast which has been constructed

bottom up

Format should review Forecast Vs Major Revised Forecast for:

Current Period

Next Period

Quarter / s

Year End

Timing – End of Week, Last week of Period

9. Directors Forecast Sign-Off

The agreed business forecast should then be signed-off by the local Board of Management to ensure

total business ‘ buy-in ’

Chaired by Supply Chain with Attendees from Category Forecast Sign-Off Meeting

Gaps (NAA) Advised and Options to Secure Volume Discussed

Identifies to the Business where volume needs to be secured to meet targets

If financial overlays are required they should be:

Agreed and visible to everyone

Done using adjustment code, ensuring ‘supply chain’ forecast remains unchanged

Timing –To Fit Business Process

49

10. Forecast to Replenishment and S&OP

Forecast Send to Replenishment System

Sent at SKU level to BU Planning Table or Replenishment system used.

Forecast Sent to Business Reporting Systems

At SKU level for reporting purposes

Forecast Used as Basis for S&OP Discussions

50

ANEXO III

Modelamiento de Eventos (Building Blocks)

El modelamiento de eventos, es una metodología en la cual se definen seis variables que pueden impactar

en los volúmenes de venta pronosticados. Estas seis variables son estimadas mediante formulas y son

claramente identificadas en el forecast, de esta manera la evaluación de la precisión del forecast se puede

seguir de una manera más exacta. Las variables son las siguientes:

1. Publicidad

2. Promociones

3. Precio

4. NPD (New Product Development)

5. Distribución

6. Superposición

1. Publicidad

Que la venta aumenta debido a la publicidad es una consecuencia de las variaciones en los niveles de la publicidad (comunicación en TV) que afectan a una marca.

51

2. Promociones

Aumento de las ventas debido a la promoción es una consecuencia de las variaciones en la cantidad de

puntos de venta que afectan a las actividades de una marca

3. Precio

La venta aumenta o disminuye debido a la fijación de precios por las variaciones en la norma Precio * (lista

de precios) que afecta a una marca / segmento para todos los canales de distribución

* No debe incluir acciones estratégicas sobre precios

4. NPD

La venta aumenta a causa de la introducción de nuevos productos que afectan una marca para todos los

canales de distribución involucrados.

Planned Sell Out =

Baseline Sell Out X

Volume Coverage (%)

Advertising Lift Factor X

Planned Sell Out =

Baseline Sell Out X

Volume Coverage (%)

Promotion Lift Factor X

Planned Sell Out =

Number of POP materials

Promotion Lift Factor (kg) X

• T. Promo

• Visibility

Planned Sell Out =

Baseline Sell Out X

Price Change (%)

Price Elasticity

Index X

∑ ( ) Planned Sell Out =

Consumption per N.D. point of Reference X

Numeric Distribution

Planned

Volume Coverage

(Nielsen - %) X

52

5. Distribución

Cuando hablamos de distribución nos referimos a que la venta puede aumentar o disminuir debido a

variaciones en la cobertura de distribución (la presencia en el punto de venta)

7. Superposición

La venta aumenta o disminuye debido a la superposición de variables externas y es una consecuencia de

factores externos y estratégicos de la empresa que afectan el volumen total de la marca.

Áreas responsables para cada variable:

Responsable Consulta Quién usa la información

Precio Mercadeo Planificación financiera Planificación de ventas, Trademarketing

Promociones Trademarketing Mercadeo y Planificación

financiera Planificación de ventas

Publicidad Mercadeo - Trademarketing, Planificación financiera

Distribución Trademarketing - Planificación financiera y Planificación de

Ventas

NPD Mercadeo Trademarketing -

Superposición Mercadeo Directores - -

Planned Sell Out =

Channel Baseline Sell Out X

Numeric Distribution increase / decrease

Volume variation per

N.D. point (%) X ∑ ( )

Total Planned Sell Out

= 5 Drivers

accumulated Total Sell Out

X External /

Overlay index (%)

Baseline Sell Out + ( )

53

BIBLIOGRAFIA

EVANS, Michael K.: Practical Business Forecasting, Blackwell Publishing, Great Britain, 2002. BALLOU, Ronald H.: Logística, administración de la cadena de suministro, quinta edición, Pearson

Educación, México, 2004. DEPARTMENT OF COMPUTER SCIENCE, COLLEGE OF ARTS & SCIENCE, University of

Saskatchewan, Canada, 2008, en internet: www.cs.usask.ca/content/resources/csconcepts/1999_6/Tutorial/Forecasting/forecasting_intro.html

ACQUISITION OPERATING FRAMEWORK, UK Ministry of Defence (MOD), 2008, en internet:

www.aof.mod.uk/aofcontent/tactical/engineering/content/fe_whatisforecastingandestimating.htm MANUAL DE CONSULTA FORECASTING, PriceWaterhouseCoopers, en internet:

www.programaempresa.com/empresa/empresa.nsf/0/e88d210e51f9371ac125705b002c66c9/$FILE/forecasting1y2.pdf

OWEN P. HALL, Jr.: Artificial Intelligence Techniques Enhance Business Forecasts, Graziadio

School of Business and Managment en internet. (http://gbr.pepperdine.edu/022/intelligence.html) OCTAVIO CARRANZA, Logística: las mejores prácticas en América Latina, Editorial International

Thomson Editores – México DF, México MONOGRAFÍA FORECASTING, Curso de postrado Logística y Solución de Casos año 2007

FIUBA. ENTREVISTA REALIZADAS EN UNA EMPRESA DE HIGIENE Y CUIDADO PERSONAL:

Gerente de Planning, Gerente de Desarrollos Logísticos, Coordinadora de Proyectos y nuevos desarrollos, Analista de Marketing, Gerente de Customer Care, Analista de Demanda

ENTREVISTA REALIZADAS EN UN LABORATORIO:

Gerente de Operaciones, Gerente de Marketing, Director Comercial, Gerente de Finanzas ENTREVISTA REALIZADA EN GRUPO CLARÍN

Analista de Marketing

ENTREVISTA REALIZADA EN LEXMARK Analista de Planning y Gerente de SCM

ENTREVISTA REALIZADA EN UNA COMPAÑÍA ALIMENTICIA:

Coordinador de Planificación de la Demanda, Analista de Demanda ENTREVISTA REALIZADA EN L’ORÉAL ARGENTINA

Gerente de Aprovisionamiento ¿COMO INTERPRETAR LOS MODELOS DE PRONÒSTICO DEL ESTADO DEL TIEMPO?, José

Franklyn Ruiz Murcia, Profesional Especializado, Subdirección de Meteorología IDEAM, en Internet: www.bart.ideam.gov.co/wrfideam

Avaliação da destreza dos modelos de previsão de tempo,- Global CPTEC/COLA e Regional ETA - para

a América do Sul, em internet: www.mtc-m15.sid.inpe.br/col/cptec.inpe.br/walmeida/2004/09.27.13.57/doc/0000000585.doc

World Meteorological Organization (http://www.wmo.int/pages/index_en.htm)

http://www.cs.usask.ca/content/resources/csconcepts/1999_6/Tutorial/Forecasting/forecasting_intro.html

http://www.aof.mod.uk/aofcontent/tactical/engineering/content/fe_whatisforecastingandestimating.htm

http://www.programaempresa.com/empresa/empresa.nsf/0/e88d210e51f9371ac125705b002c66c9/$FILE/forecasting1y2.pdf

http://www.programaempresa.com/empresa/empresa.nsf/0/e88d210e51f9371ac125705b002c66c9/$FILE/forecasting1y2.pdf

http://gbr.pepperdine.edu/022/intelligence.html

http://www.bart.ideam.gov.co/wrfideam

http://www.mtc-m15.sid.inpe.br/col/cptec.inpe.br/walmeida/2004/09.27.13.57/doc/0000000585.doc

54

Modelo Regional de Cambio Global del Clima: Modelo Eta/CPTEC Efectos del cambio global del clima en los Ecosistemas Marinos y Terrestres en Brasil Lima, abril 2006 Haroldo Machado Filho Mike Wainwright, 10 Step Forecast Process. Centre of Excellence, April 2004

Modelo Eta/CPTEC Efectos del cambio global del clima en los Ecosistemas Marinos y Terrestres en Brasil Lima, abril 2006 Haroldo Machado Filho Revista: Inbound Logistics, Julio 2009.

Documents

Curso de Posgrado, Logística y Solución de · PDF file5 1.1.3. Compendio de métodos del forecasting Al existir una variada gama de métodos y técnicas para efectuar un análisis