UNIDAD 2

PRONÓSTICOS
 Pronóstico
“Es una estimación cuantitativa o cualitativa de uno
o varios factores (variables) que conforman un
evento futuro, con base en información actual o del
pasado”.
 Las organizaciones utilizan los pronósticos de manera explícita o implícita, ya que por lo
general la actividad de planeación les exige hacer estimaciones de las variables relevantes en un
ambiente cada vez más incierto, en donde sin duda la experiencia del tomador de decisiones juega un
papel importante que puede y, sobre todo, debe complementarse con bases cuantitativas sólidas
proporcionadas por los modelos matemáticos para pronosticar.

El horizonte de tiempo en la planeación es de suma importancia, por tal motivo hay pronósticos de
corto, mediano y largo plazo.

• Corto plazo (máximo 3 meses): son más precisos que los de mediano y largo plazo, se utilizan en
las empresas para tomar decisiones en el área de producción como compras, mano de obra y
niveles de producción.
• Mediano plazo (de 3 meses a 3 años): se utilizan en la planeación para elaborar presupuestos
estimando las ventas y los flujos de efectivo.
• Largo plazo (más de 3 años): se utilizan para predecir las ventas de nuevos productos, las
ganancias de la introducción de nuevas tecnologías, o bien los beneficios de la expansión a nuevos
mercados.
 Conceptos básicos
Cuando se trata de entender el concepto de pronóstico, se puede pensar en diferentes
términos o características que lo definen; sin embargo, existen sólo tres que se consideran
características inherentes o propias de todo pronóstico:

» Futuro. Un pronóstico es la estimación del valor futuro de una variable, de otra manera no
sería un pronóstico, dado que ya se conocería su valor.

» Incertidumbre. Salvo raras excepciones, todo pronóstico tiene implícito un margen de error.
Lo que debe buscar el pronosticador es que este error sea el mínimo.

» Juicio personal. El pronóstico depende en gran medida de la persona que lo realiza. Con su
juicio y experiencia, el pronosticador podrá decidir qué datos y métodos utilizar, así como
interpretar los resultados obtenidos.
DEFINICIÓN MÁS ACERTADA DE PRONÓSTICO:
Es la estimación del valor futuro de una variable mediante la aplicación de
métodos y procedimientos que contribuyan a reducir el margen de error,
haciendo uso además del buen juicio y experiencia del responsable de realizar
dicha estimación.

Es preciso resaltar que no se menciona que el pronóstico debe calcularse

mediante la utilización de información histórica (datos), debido a que, como se
verá más adelante, pueden existir casos en los que no se cuente con ella y, aun
así, sea posible generar pronósticos.
 Clasificación de los métodos de pronósticos
Como antes se mencionó, para hacer la estimación futura de una variable, existen diferentes
métodos o técnicas, las cuales se dividen en dos tipos básicos: métodos cualitativos y
métodos cuantitativos.

Se dice que el pronosticador que pueda lograr una combinación tanto de técnicas cualitativas
como cuantitativas será más eficiente que aquél que no lo hace.

En general, se recomienda evitar los extremos: quien basa sus estimaciones sólo en
consideraciones de juicio, o quien emplea sólo técnicas cuantitativas, el resultado obtenido
significaría un pronóstico poco confiable o poco realista.
 Métodos cualitativos
Por lo general, en un método cualitativo se usa la opinión de expertos, quienes establecen
de forma subjetiva un pronóstico de acuerdo a su juicio, experiencia y otros factores no
numéricos que le dan sustento a sus predicciones.

El uso de un método cualitativo se justifica cuando no hay disponibilidad de datos o si

éstos son muy escasos; cuando los datos no son confiables, o bien, cuando existen datos
pero su obtención o acceso a ellos resulta demasiado difícil o costoso. El empleo de uno o
más métodos cualitativos se recomienda también para enriquecer los resultados obtenidos a
partir de un método cuantitativo.

Algunos de los métodos cualitativos más conocidos se describen a continuación:

 Consenso de un panel.
Este método consiste en reunir físicamente a un grupo de expertos para analizar una situación
que involucre una o más variables de interés, y discutir sobre el comportamiento futuro de la
misma, de tal forma que en la búsqueda del consenso de los expertos se determine el o los
pronósticos requeridos.
El panel debe guiarse o facilitarse por una persona, quien se encarga de moderar el proceso y
conducir la dinámica del grupo hacia el logro del objetivo deseado. La principal ventaja de
este método estriba en que se trata de combinar juicios y experiencias de gerentes y
ejecutivos (los expertos) que tienen diferentes visiones del negocio, debido a su formación o
actividad preponderante; por ejemplo, se podría incluir gente del área de finanzas,
producción y mercadotecnia.
Sin embargo, una de las desventajas que puede presentarse en la aplicación de esta técnica es
que si uno de los expertos tiene una personalidad dominante sobre los demás integrantes del
grupo, podría ser que el resultado final no fuera en realidad un consenso.
 Método Delphi.
Este método creado por la RAND Corporation, busca rescatar la ventaja del consenso de un panel,
pero trata de disminuir el sesgo en el resultado final, al establecer la mecánica de que los expertos
elegidos para analizar las variables, sean anónimos y no interactúen; es decir, los expertos nunca se
reúnen para discutir sus opiniones. Este método tiene
tres características distintivas:
1. Anonimato entre los expertos participantes
2. Retroalimentación controlada por un facilitador
3. Resúmenes estadísticos de las respuestas del grupo

El procedimiento consiste en lo siguiente: una vez que se seleccionaron los expertos, se distribuye
entre ellos un cuestionario en el que se solicita expresen su opinión sobre las variables a pronosticar.
Una persona que funge como facilitador del proceso se encarga de reunir la información y resumirla a
través de técnicas estadísticas descriptivas. Posterior a ello, se envían estos resultados a los expertos
para su revisión, quienes pueden comparar sus propias estimaciones contra las del grupo, y hacer los
ajustes necesarios y justificar sus opiniones. Luego regresan sus observaciones al facilitador y se
repite el proceso, hasta que no existan diferencias significativas en los resultados (ver figura 1.1).
COMO SE OBSERVA, SE ELIMINA AQUÍ EL PROBLEMA DE LA PREDOMINANCIA DE ALGUNOS DE LOS
PARTICIPANTES; SIN EMBARGO, LA GRAN DESVENTAJA DE LA TÉCNICA ES EL TIEMPO QUE SE
CONSUME EN REALIZAR LAS ITERACIONES O REPETICIONES NECESARIAS PARA LLEGAR A UN
CONSENSO, A PESAR DE LAS HERRAMIENTAS TECNOLÓGICAS QUE SE UTILICEN DURANTE EL
PROCESO. ADEMÁS, PODRÍA OCURRIR QUE NO SE LLEGUE A UN CONSENSO, O BIEN, QUE EL
FACILITADOR NO SEA IMPARCIAL AL MOMENTO DE CONDUCIR LA TÉCNICA.
 Analogía histórica.
Este método se emplea cuando se pronostica la demanda de un nuevo producto o servicio, en
cuyo caso se carece totalmente de información previa y existe mucha incertidumbre sobre su
desempeño futuro. El fundamento de este método supone que el pronóstico de un nuevo
producto o servicio será análogo al de algún producto o servicio similar ya existente, y del
cual sí se tenga información. Entonces, por analogía, se estima la demanda futura para el
producto o servicio en cuestión.

Investigación de mercados.
Muchas de las actividades de la mercadotecnia enfocadas a la investigación de posibles
mercados para un nuevo producto o servicio son útiles para hacer pronósticos cualitativos.
Encuestas a clientes potenciales, encuestas de intención de compra y mercadeo de prueba,
son algunas de las técnicas mediante las cuales la investigación de mercados anticipa la
demanda de un nuevo producto o servicio y ayudan a determinar los comportamientos de
compra esperados por el mercado potencial .
 Pronóstico visionario.
Quizá este sea el más subjetivo y el menos preciso de los métodos cualitativos. Su característica es que genera
pronósticos a largo plazo y por lo general es un juicio emitido por una persona, cuya experiencia en una
determinada área le permite expresar una visión a largo plazo acerca de lo que se espera de una o más variables
de interés. Se trata pues de construir un escenario futuro a largo plazo (una visión), basado en el buen juicio, la
experiencia y la intuición personal.

La ventaja general de estos y otros métodos cualitativos de pronósticos radica en que no requieren, por lo
menos de forma específica, ninguna preparación matemática para su utilización.
A medida que el pronosticador adquiere experiencia, se van afinando sus estimaciones y muchas veces pueden
llegar a ser, incluso, más precisas que las emitidas mediante algún método cuantitativo. De hecho, puede
decirse que el pronosticador cualitativo, de forma implícita hace uso de razonamientos cuantitativos en sus
juicios. Sin embargo, una desventaja para lograr tales resultados, es que toma mucho tiempo para que la
persona aprenda cómo traducir su experiencia e intuición en buenos pronósticos.
 Métodos cuantitativos
A diferencia de los métodos cualitativos, es deseable emplear un método cuantitativo cuando
sí se dispone de información histórica confiable (datos). Estas técnicas requieren el estudio de
dicha información para predecir el valor futuro de la variable de interés. Además, no es
indispensable que la persona tenga experiencia, ya que en este caso no se necesita emitir un
juicio basado en su intuición. Sin embargo, es muy recomendable complementar los
resultados obtenidos mediante un método cuantitativo con la interpretación y el análisis
subjetivo que proporciona cualquiera de las técnicas cualitativas, para dar más confiabilidad y
precisión a los pronósticos.
Existen diversos métodos cuantitativos de pronóstico que se pueden clasificar en dos grandes
grupos, de acuerdo al tipo de información con la que se cuente: métodos para pronosticar
series de tiempo y modelos causales.
 Métodos de pronóstico para series de tiempo. (univariados y suavizados)
Como se verá más adelante, una serie de tiempo es una sucesión periódica de datos
históricos. El fundamento básico de estos métodos consiste en suponer que el
comportamiento histórico de la variable seguirá teniendo el mismo patrón, por lo que se trata
de proyectar hacia el futuro dicho comportamiento subyacente de la serie de tiempo. Un
modelo de este tipo podría no ser del todo útil, si de antemano se sabe que el
comportamiento histórico no será el mismo en el futuro, como por ejemplo, si se espera una
nueva estrategia en la organización, un proyecto inusual de mercadotecnia, apertura de
nuevas sucursales, introducción de nuevas líneas de producto, etc., en cuyo caso la
utilización de alguna técnica cualitativa ayudaría a dar más confiabilidad al pronóstico
cuantitativo.
Este tipo de métodos se clasifican en: métodos de suavización y métodos de
descomposición.
Los métodos de pronóstico para series de tiempo incluidos en este libro son:
» Métodos de suavización
• Series de tiempo estacionarias
» Promedio móvil simple
» Promedio móvil ponderado
» Suavización exponencial simple
• Series de tiempo con tendencia
» Promedio móvil lineal
» Suavización exponencial lineal de un parámetro (método de Brown)
» Suavización exponencial lineal de dos parámetros (método de Holt)
• Series de tiempo estacionales
» Suavización exponencial lineal de tres parámetros (método de Winters)
» Métodos de descomposición
» Descomposición multiplicativa
» Descomposición aditiva
 Modelos causales. (multivariados)
Estos modelos se utilizan cuando los datos recopilados no toman en cuenta la variable tiempo, o bien, cuando se
consideran como datos tomados aproximadamente en el mismo punto del tiempo (datos transversales). Se requiere
identificar otras variables que de alguna manera estén relacionadas con la variable de interés, y que por este hecho,
su ocurrencia determine en alguna medida el comportamiento de la variable que se desea pronosticar.
Se denominan causales debido a que por lo general se trata de variables que tienen una relación de causa-efecto, es
decir, el comportamiento de una o más variables (la causa), determina en alguna medida el comportamiento de otra
variable (el efecto). Por ejemplo, la variable ventas puede depender en gran medida de lo que ocurra con la
variable gastos en publicidad; o la variable número de defectos puede estar influenciada por las variables
antigüedad en el trabajo y horas de capacitación.
Entonces, este tipo de relaciones se pueden expresar mediante modelos matemáticos que estimarán el
comportamiento de las variables de interés.
Dentro de esta clasificación, se encuentran principalmente modelos de regresión.
» Modelos de regresión:
• Regresión lineal simple
• Regresión lineal múltiple
 Tipos de datos
Los datos son hechos, informaciones y cifras recopiladas para una o más variables con el propósito de describir y/o hacer
inferencias sobre dicha(s) variable(s). En otras palabras, los datos son un conjunto de observaciones obtenidas para una variable
de interés.
En estadística se reconocen dos tipos generales de datos:
» Datos cualitativos que expresan una cualidad, categoría o característica de la variable o elemento de interés. Los datos
cualitativos por lo general se expresan con medidas no numéricas, como “M” y “F” para la variable género. Los datos
cualitativos también se pueden expresar mediante números, por ejemplo, si se asignara el número 1 al sexo masculino y el
número 2 al femenino; sin embargo, establecer cualquier operación aritmética entre estos números carecería de significado. Los
datos recopilados para las variables color, estado civil y marca de automóvil
serían ejemplos de datos cualitativos.
» Datos cuantitativos que expresan cantidades, las cuales representan una medida o valor numérico para una variable. Las
variables cuantitativas, invariablemente se expresan en números y pueden caer en alguna de las siguientes categorías:
» Datos discretos, son aquéllos que se pueden contar; por ejemplo, las variables número de hijos, cantidad de piezas defectuosas,
número de sucursales, cantidad de empleados, y número de piezas, darían origen a un conjunto de datos cuantitativos discretos.
» Datos continuos, son aquéllos que se pueden medir; es decir, sus valores corresponden a una escala de medición, por ejemplo,
las variables temperatura, volumen, ingresos, gastos, peso, área, etc., darían como resultado un conjunto de datos cuantitativos
continuos.
Para propósitos estadísticos y en particular para el tema de pronósticos, es necesario dividir los datos (cuantitativos) en dos tipos:
series de tiempo y datos transversales.
 Patrones de una serie de tiempo
Una serie de tiempo es una sucesión periódica de datos históricos. Una característica importante es que la periodicidad de
dicha información debe ser uniforme; por ejemplo, si se desea reunir información sobre las ventas de una empresa, ésta
puede ser semanal, mensual o anual, pero el periodo de tiempo entre una observación y otra debe ser el mismo para toda la
serie de datos.
Es importante saber identificar los diferentes patrones de comportamiento que pueden presentar los datos, debido a que el
método de pronóstico que se utilizará, dependerá precisamente de ello. Una serie de tiempo puede ser:
Patrón de horizontal (estacionario)
Cuando los valores de una variable oscilan a través del tiempo alrededor de un nivel constante o medio, existe un
patrón horizontal (estacionario). Un ejemplo de una variable con este comportamiento son las ventas de sal, que
demuestran un comportamiento estable, y no incrementan o disminuyen consistentemente a través del tiempo.

Ventas de sal

Tiempo
Patrón de tendencia
Otro de los patrones existentes es el de tendencia, el cual existe cuando las series crecen o decrecen
consistentemente sobre un largo periodo de tiempo. Las series que muestran tendencia están
influenciadas por la actividad económica, un ejemplo de estas series es el Producto Interno Bruto,
PIB, que mide la producción de bienes y servicios de un país.

PIB trimestral de
México a precios de 1993

Tiempo
Patrón estacional
Cuando una serie se ve influenciada por factores que se repiten en la misma temporada del año, se
dice que tiene un patrón estacional. Ejemplos de variables con patrón estacional son las ventas de
trajes de baño (con un incremento marcado en cada verano), las ventas de artículos navideños (con
un incremento marcado cada diciembre), las monedas y billetes en poder del público, etc. El patrón
estacional sólo puede existir en series que se miden con una frecuencia mensual, bimestral,
trimestral, etc., pero no anual, y mide la variación que hay en una serie cada enero, febrero, marzo,
etc.

Monedas y billetes
en poder del público
al mes

Tiempo
Patrón cíclico
Cuando una serie tiene tendencia, se puede observar un patrón adicional, un crecimiento o
decrecimiento constante cada cierto tiempo (tres años o más); este patrón es el comportamiento
cíclico. En México marcadamente cada cambio de sexenio (cada seis años) se observaba una caída
en el comportamiento del PIB, haciendo visible un patrón cíclico.

PIB trimestral a precios

de 1993

Tiempo
Variación Irregular
La variación irregular (aleatoria) está presente en los patrones horizontales, de tendencia y
estacionalidad; son cambios en la serie de corto plazo que por su aleatoriedad son difíciles modelarlos
matemáticamente y por consecuencia no se proyectan al futuro para realizar pronósticos. Un ejemplo
son las variaciones observadas en la serie histórica del tipo de cambio (pesos por dólar), atribuidas a
especulaciones debido a movimientos sociales, acontecimientos políticos, desastres, etc. que influyen
en las decisiones de los inversionistas.
 Datos transversales
Los datos transversales son aquellos que se recopilan en el mismo o aproximadamente el mismo punto del
tiempo; por ejemplo, las ventas durante la semana 47 para cada una de las 20 sucursales de una empresa, o las
ventas promedio de un artículo correspondientes a cada una de las diferentes cantidades invertidas en publicidad
durante el año anterior.
Muchas veces los datos transversales recopilados toman la forma de relaciones causa-efecto entre una variable
independiente (o más) y una variable dependiente, de tal forma que es posible la aplicación de los modelos
causales para hacer estimaciones e inferencias. Se parte aquí del supuesto de que los valores que tome una o más
variables independientes o predictoras (la causa) puede determinar en cierta medida el valor de una variable
dependiente (el “efecto”).
Derivado de lo anterior, el modelo matemático trata de identificar el comportamiento subyacente de los datos
para poder hacer estimaciones de la variable dependiente, a partir de los diferentes valores que tomen las
variables independientes o predictoras.
Ejemplo
Una compañía de tiendas de abarrotes podría dar seguimiento a través del tiempo a las ventas mensuales agregadas de sus
20 sucursales; estas mediciones formarían parte de un conjunto de datos de series de tiempo; sin embargo, si en un mes
cualquiera desagregara las ventas por sucursales, este conjunto de 20 observaciones formaría parte de datos de corte
transversal.
MUCHO OJO CON LA APLICACIÓN DE LA INFLACION EN CUALQUIER SERIE DE TIEMPO
 Aplicaciones de los pronósticos
La aplicación de los pronósticos es muy diversa y muchas de las variables relevantes en las organizaciones
pueden estimarse.
Por lo regular, a este tipo de pronósticos se les denomina micropronósticos, por tratarse de variables que impactan
en específico a una empresa o entidad.

Ejemplos de estos pronósticos se encuentran en las áreas de:

» Mercadotecnia. Es probable que el uso más común de los pronósticos en los negocios sea la
estimación de la demanda para planear las estrategias de ventas, además de la participación del
mercado y el posicionamiento de una marca, entre otras.

» Producción. Es necesario hacer estimaciones de las variables operativas de una empresa, tales
como: productividad, mermas, niveles de inventario, defectos de producción (control de calidad),
cantidades de materia prima, etc.
» Finanzas. Todas las variables que tienen que ver con las finanzas de una empresa necesitan estimarse también,
entre ellas: costos y gastos, rotación de activos y pasivos, tasas de interés, tasas financieras y utilidades.

» Recursos humanos. Sin duda el factor humano es el que mueve a las organizaciones, y no menos importante es
establecer estimaciones sobre los niveles de ausentismo, accidentes de trabajo, rotación de personal,
enfermedades, índices de desempeño, etc.

» Planeación estratégica. Una estrategia requerirá estimados de las condiciones económicas en general, precios,
tasas de cambio, crecimiento de los mercados, inflación, etc., que ayudarán a una planeación adecuada para la
supervivencia y crecimiento de la empresa.

Cuando se trata de la estimación de las variables a nivel macro, como el índice de desempleo de un país, la
inflación y el producto interno bruto, entre otras, el pronóstico se denomina macropronóstico, debido a que su
impacto es de relevancia general para un Estado, país o región. Cabe mencionar también que existen otras
aplicaciones de los pronósticos que no necesariamente involucran aspectos de negocios, tales como el clima y los
deportes, pero que también se obtienen mediante la aplicación de los métodos de pronósticos que se tratarán más
adelante.
 Fuentes de información
Fuentes de información son aquellos elementos de los cuales se puede obtener información necesaria para la toma
de decisiones de la empresa.
En cada nivel de la empresa, se suele requerir diferentes tipos de información:
° En el nivel superior (conformado por directivos, gerentes, etc.) se podría requerir información necesaria para el diseño de
estrategias que determinen el rumbo de la empresa, o que permitan su expansión (se suele requerir información específica y
puntual).
° En el nivel medio (conformado por jefes, administradores, etc.) se podría requerir información necesaria para el diseño de
estrategias comerciales (se suele requerir información más detallada que en el nivel anterior).
° En el nivel operativo (conformado por operarios, vendedores, etc.) se podría requerir información necesaria para la
ejecución de tareas (se suele requerir información más detallada que en el nivel anterior).
Y para obtener la información requerida se recurre a las fuentes de información, las cuales se pueden dividir en fuentes
internas y externa:
Fuentes internas
Ejemplos de fuentes internas pueden ser las bases de datos internas (que, por ejemplo, permiten obtener información referente
a los clientes), los estados financieros (que, por ejemplo, permiten obtener información referente a la situación financiera de la
empresa), los registros de inventarios, registros de ventas, registros de costos, el personal de la empresa, etc.
Fuentes externas
Ejemplos de fuentes externas pueden ser Internet (páginas web de organismos gubernamentales, páginas web de la
competencia, etc.), oficinas de gobierno, locales de la competencia, proveedores, distribuidores, clientes, diarios, revistas,
publicaciones, etc.; en donde se puede obtener información referente a estadísticas, tendencias, preferencias, etc.
 Fuentes de datos: primarias y secundarias
Las fuentes de información primaria y secundaria representan el origen de los principales datos de una
investigación.

Fuentes de información primarias:

Son materiales que se crearon durante el período de tiempo estudiado o que un participante creó en una fecha
posterior en los eventos que se estudian, como por ejemplo, una memoria de la infancia. Son documentos
originales [es decir, no se trata de otro documento o cuenta] y reflejan el punto de vista individual de un
participante u observador. Las fuentes primarias representan registros directos, no interpretados, del tema de su
estudio de investigación.

Características y ventajas de la las fuentes de información primaria.

Las fuentes primarias le permiten acercarse lo más posible a la comprensión de las experiencias vividas de otros y
descubrir lo que realmente sucedió durante un evento. Sin embargo, lo que constituye una fuente primaria o
secundaria depende del contexto en el que se está utilizando.
Fuentes de información secundarias:
En las ciencias sociales, una fuente secundaria suele ser un libro académico, un artículo de revista o un documento
digital o impreso creado por alguien que no experimentó o participó directamente en los eventos o condiciones bajo
investigación. Las fuentes secundarias no son evidencia per se, sino que proporcionan una interpretación, análisis o
comentario derivado del contenido de materiales de fuentes primarias y / u otras fuentes secundarias.

Características y ventajas de las fuentes secundarias:

Para investigar, debes citar la investigación.
Las fuentes primarias no representan la investigación per se, sino solo los artefactos de los que se deriva la mayor
parte de la investigación.
Por lo tanto, la mayoría de las fuentes en una revisión de la literatura son fuentes secundarias que presentan los
resultados de la investigación, el análisis y la evaluación de los trabajos de otros investigadores.
La revisión del material fuente secundario puede ser valioso para mejorar su trabajo de investigación general porque
las fuentes secundarias facilitan la comunicación de lo que se sabe sobre un tema.
En cambio, representan varias opiniones, interpretaciones y argumentos sobre el problema de investigación que está
investigando: opiniones, interpretaciones y argumentos con los que puede estar de acuerdo o en desacuerdo como
parte de su propio análisis de la literatura.