El concepto de buenas prácticas determina el desarrollo de un conjunto de

actividades y aptitudes (técnicas y de comunicación), las cuales permiten en la

administración de la demanda, entender los comportamientos individuales y
agregados de los materiales para extrapolarlos en el tiempo, así como
determinar las cantidades que se acerquen a la demanda real.
La asertividad en los pronósticos permite crear un balance entre el
abastecimiento y la demanda del mercado, además de anticiparse a
variaciones y nuevos patrones de comportamiento. Esto asegura el flujo de
operaciones en el almacenamiento y despacho, niveles de servicio y equilibrio
en los rangos de inventario. 
Para conseguir asertividad en los pronósticos se debe tener en cuenta las
siguientes consideraciones:
1. Considerar la demanda y no las ventas. Para el proceso de
pronóstico, resulta necesario contar con herramientas que permitan registrar la
demanda real de los artículos y no sólo las cantidades vendidas. De lo
contrario, podríamos arrastrar errores para cubrir los requerimientos de
mercancía.
2. Elegir la cantidad correcta de datos históricos y periodos a
pronosticar. Se puede encontrar diversas fuentes bibliográficas para
determinar la cantidad precisa de información a seleccionar; unas
recomiendan tomar el mayor número de datos para absorber las desviaciones
que se presentan en las variables sistemáticas del pronóstico, mientras que
algunos detractores resaltan la importancia de identificar la naturaleza de la
demanda del artículo, ya que condiciona el resultado del margen de error de
los métodos de pronóstico. 
Por lo tanto, cuando la demanda por un producto no es constante, arrastra en
su estructura distintos componentes aleatorios que no permiten determinar un
patrón de comportamiento en el tiempo, por lo que se tiene que considerar la
cantidad de datos más representativa sobre el periodo de pronóstico.
Respecto al periodo, se debe tener en cuenta que un pronóstico a largo plazo
se encuentra expuesto a un mayor margen de error, por lo que será necesario
establecer lapsos de medición y corrección. Con esto, estimar la demanda para
el día de mañana tendrá mayor asertividad respecto a un tiempo más amplio. 
3. Graficar los datos históricos. Para comprenderlos, es imprescindible
graficar la información para identificar si hay o no un patrón en la demanda
que muestre factores cíclicos, estacionales, aleatorios, horizontales o de
tendencia. 
Además, es necesario describir si existe una exposición o correlación a
variaciones de tipo cualitativo como consecuencia del dinamismo del
mercado, precios y promociones. Éstas se encuentran inmersas en las
tendencias que responden al proceso mecánico de división e identificación de
variables aleatorias (se manifiestan generalmente por medio del error de
pronóstico) y sistemáticas (representan la eficiencia del método de
pronóstico). 
4. Categorizar los artículos. Predecir la demanda resulta un trabajo
sencillo siempre que se agrupen los productos por categorías, lo cual facilita el
entendimiento de los patrones de comportamiento y cómo responden a
variaciones económicas, demográficas, ambientales y comerciales.
Cuando la empresa cuenta con una gran cantidad de mercancías, se debe
trabajar con una muestra representativa al considerar a las de mayor rotación,
margen o variabilidad en la demanda. 
5. Considerar dos o más procedimientos. Los métodos de pronóstico
habitualmente están estructurados sobre la base de factores irregulares y
parámetros para la elección de datos, los cuales suelen tener mejores
resultados al momento de desarrollar un trabajo complementario que permita
simplificar el proceso de selección de información.
Para predecir la demanda, se recomienda trabajar con dos o más
procedimientos que se complementen o compartan las características de
elección de datos y variables de comportamiento. Esto permitirá advertir y
condensar los supuestos que giran en torno a la demanda. 
6. Pronosticar la demanda de meses históricos. Para validar la
efectividad de los métodos elegidos, se sugiere pronosticar los meses
anteriores, de los cuales se conoce la demanda real y permitirán dimensionar
el error del pronóstico.
7. Definir el error de pronóstico. Por lo general, cuando las proyecciones
no reflejen la demanda real del mercado, estarán expuestas a cierto error de
pronóstico que se mide al emplear herramientas estadísticas como la
desviación estándar, varianza y desviación media absoluta (DMA). Estas
soluciones permiten entender cuán dispersa es la predicción respecto a la
demanda real, lo cual servirá en la práctica como instrumento de comparación
de métodos para elegir aquel que se acerque al requerimiento verdadero. 
Los errores de pronóstico pueden desencadenar efectos significativos en la
asignación de recursos financieros, de infraestructura, tecnológicos, de
personal y en el manejo de la información, al destinarse esfuerzos
innecesarios.
Muchas actividades de la empresa dependen de un pronóstico exhaustivo y
confiable, pues cumplen un rol preponderante en los resultados operativos y
no están ajenos a la presencia de riesgo en su estructura.
Hacia el establecimiento del área de planeación de la demanda
Por lo general, en muchas organizaciones el pronóstico responde a un
crecimiento porcentual esperado sobre las condiciones económicas del
mercado y toma como referencia la variación del Producto Interno Bruto
(PIB), lo que da como resultado un análisis frágil e inconsistente.
Actualmente, las empresas están optando por incluir dentro de sus estructuras
un área de planeación de demanda e inventarios, al asumir que evitará el
entusiasmo del área comercial o el afán conservador de compras al realizar
este proceso. Además, agregará un análisis estadístico estructurado de datos
que influyan sobre el resultado del periodo a pronosticar.

Clasificación de los modelos de pronósticos

Según el marco de tiempo al que atienden se clasifican en:

 De corto plazo. Se usan para diseñar estrategias inmediatas, son

empleados entre mandos medios y gerencias de primera línea.
 De mediano plazo. Conjunta al corto y al largo plazo, útil para
decisiones de todos los niveles.
 Pronósticos de largo plazo. Requeridos para establecer el rumbo
general de la organización, generalmente se hacen para que la alta
dirección los emplee en los procesos de planeación estratégica.

 Los métodos de elaboración de

pronósticos se clasifican como
cuantitativos o cualitativos.
  Los métodos cuantitativos se
utilizan cuando:
 se dispone de información pasada sobre
la variable que se pronosticará
 la información puede cuantificarse
 es razonable suponer que el patrón del
pasado seguirá ocurriendo en el futuro.
En estos casos puede elaborarse un
pronóstico con un método de series de
tiempo o un método causal.
 Si los datos históricos se restringen
a valores pasados de la variable que
tratamos de pronosticar, el
procedimiento de elaboración de
pronósticos se llama método de
serie de tiempo.

Con respeto a los métodos de los pronósticos de demanda, son los de corto

plazo los más precisos, puesto que los factores que influyen en la demanda
cambian constantemente y al agrandar la línea de tiempo del pronóstico, será
más probable que se presente alguna inexactitud.

 El objetivo de los métodos de serie

de tiempo es descubrir un patrón en
 los datos históricos y luego
extrapolarlo hacia el futuro; el
pronóstico se basa sólo en valores
pasados de la variable que tratamos
de pronosticar o en errores pasados.

 En este curso se explican tres

métodos de series de tiempo:
suavización (promedios móviles,
promedios móviles ponderados y
suavización exponencial),
proyección de tendencias y
proyección de tendencias ajustada
por influencia estacional.
 Los métodos de elaboración de
pronósticos causal se basan en el
supuesto de que la variable que
tratamos de pronosticar exhibe una
relación de causa y efecto con una o
más variables.
 En este curso se presenta el uso del
análisis de regresión como un
método de elaboración de
pronósticos causal. Por ejemplo, los
gastos de publicidad influyen en el
volumen de ventas de muchos
productos, de manera que el análisis
de regresión puede utilizarse para
desarrollar una ecuación que
muestre cómo se relacionan estas
dos variables.

 Utilizar un método de series de

tiempo para elaborar el pronóstico
en este ejemplo, implica que no se
considerarían los gastos de
publicidad; es decir, un método de
serie de tiempo basaría el pronóstico
sólo en las ventas pasadas.
 Los métodos cualitativos por lo
general involucran el uso del juicio
experto para elaborar pronósticos.
 Una ventaja de los procedimientos
cualitativos es que pueden aplicarse
cuando la información sobre la
variable que se está pronosticando
no puede cuantificarse o son
escasos.

 Método Delphi
 Juicio experto
 Redacción de escenarios
 Enfoques intuitivos
Métodos de pronóstico evaluados:

• Promedio móvil simple: Utiliza el promedio de una n cantidad de datos, al ser móvil,
el valor más antiguo va siendo reemplazado, el promedio se va desplazando conforme
haya un nuevo dato. Los órdenes utilizados en el presente trabajo son de tipo 2 y 6.

Imagen 3. Formula promedio móvil, Instituto Tecnológico y de Estudios Superiores de Monterrey, México, 2006

• Suavización exponencial: Utiliza un alpha para calcular el pronóstico, este alpha se

calculó utilizando la herramienta de solver para minimizar al máximo el EPAM (error
medio cuadrático).

Imagen 4, Formula suavisacion exponencial, Instituto Tecnológico y de Estudios Superiores de Monterrey,

México, 2006
• Método Holt-Winters: Utiliza un alpha, un beta y un gamma para calcular los
pronósticos, estos se calcularon con la herramienta de solver para minimizar el EPAM
(error medio cuadrático), cambiando los valores de alpha, beta y gamma.

Imagen 5, Formulas para usar el metodo winters, Universidad Jorge Tadeo Lozano, 2019

• Método prophet: Código de programación en google colaboratory, donde al

adjuntarse un archivo Excel de tipo csv con los datos de las demandas que se tienen, se
determinan los pronósticos para los próximos meses y años, el EPAM (error medio
cuadrático) se calcula manualmente, utilizando la misma fórmula con que se calculó
para los métodos anteriores.