¿Qué es un pronóstico?

Características y métodos

Un pronóstico, en el plano empresarial, es la predicción de lo que sucederá con un

elemento determinado dentro del marco de un conjunto dado de condiciones. Se
diferencia del presupuesto porque este último es el resultado de decisiones encaminadas
a generar las condiciones que propiciarán un nivel deseado de dicho elemento.

¿Por qué se necesitan los pronósticos en la empresa?

El objetivo básico de un pronóstico consiste en reducir el rango de incertidumbre dentro

del cual se toman las decisiones que afectan el futuro del negocio y con él a todas las
partes involucradas. Aunque, el pronóstico no sustituye el juicio administrativo en la toma
de decisiones, simplemente es una ayuda en ese proceso.

Los pronósticos se emplean en el proceso de establecimiento de objetivos tanto de largo

como de corto plazo, constituyéndose así en bases para el desarrollo de planes, a nivel
general y en las distintas áreas o unidades. Los planes basados en dichos pronósticos, no
sólo atenderán a ellos sino que establecerán estrategias y acciones que los puedan
contrarrestar, corregir o impulsar.

Por ejemplo, si el pronóstico de ventas para el siguiente ejercicio fiscal muestra una
tendencia desfavorable, entonces el plan estratégico de ventas deberá encaminarse a
revertir dicha tendencia a través de acciones que impulsen el crecimiento o que no
permitan que las ventas decaigan o, en el peor de los casos, que simplemente se reduzcan
en un nivel mínimo.

Usos de los pronósticos en la empresa

Todas las organizaciones que planifican las condiciones de su futuro, el cual no conocen
a ciencia cierta, emplean pronósticos en sus diferentes áreas funcionales. Algunos casos
de uso de pronósticos en la empresa son:

 En el área de marketing se pronostica cómo va a crecer el mercado, cuál va a ser

la participación propia y de los competidores, cuál será la tendencia de precios,
cuáles serán los nuevos productos que sacudirán el mercado…
  En el área de producción se hacen pronósticos sobre el costo y la disponibilidad
de la materia prima, el costo y la disponibilidad de la mano de obra, cuándo se
requerirá mantenimiento para los equipos, cuál será la capacidad de planta
necesaria para atender la demanda…
 En el área financiera se pronostica cuál será la tasa de interés de referencia para
los créditos, cuál será el nivel de cuentas incobrables, cuánto capital se requerirá
para ampliar la capacidad propia…
 En recursos humanos se requieren pronósticos sobre el número de trabajadores, la
rotación de personal, las tendencias de ausentismo, las necesidades de
capacitación…
 En el plano estratégico se pronostica acerca de factores económicos, cambios de
precios, costos, crecimiento de líneas de productos…

Características del pronóstico empresarial

 Es consistente con las demás áreas del negocio. Si marketing pronosticó un

crecimiento del 25% de unidades vendidas entonces producción y recursos
humanos deben estar en capacidad de cumplir.
 Se basa en el conocimiento adecuado del pasado relevante. Aunque hay
excepciones, la regla es que comportamientos ocurridos en el pasado son fuente
de predicción del futuro.
 Tiene en cuenta el entorno político y económico. Un cambio en las condiciones
de estos factores puede traer consecuencias enormes en cualquier sector
económico.
 Es oportuno. Ya sea para ganar cuota de mercado introduciendo un nuevo
producto o para retirar otro y evitar una crisis, el más preciso de los pronósticos
pierde toda su utilidad si se ha dejado pasar la oportunidad correcta de aplicarlo
en la planeación.

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 use en los
procesos de planeación estratégica.

Según su atención al detalle se clasifican en:

 Micro pronósticos. Involucran pequeños detalles e interesan a los niveles medios

y de primera línea.
 Macro pronósticos. Se realizan a gran escala y son del interés de la alta dirección.

Según la intensidad del uso de datos se clasifican en:

 Pronósticos cualitativos. Se basan en el juicio de individuos o grupos de

individuos, se pueden presentar en forma numérica pero generalmente no están
basados en series de datos históricos.
 Pronósticos cuantitativos. Emplean cantidades significativas de datos previos
como base de predicción. Pueden ser:
o Simples (no formales): proyectan datos pasados hacia el futuro sin explicar las
tendencias futuras.
o Causales (explicativos): intentan explicar las relaciones funcionales entre la
variable a ser estimada (variable dependiente) y la variable o variables que
explican los cambios (variables independientes).

Métodos cualitativos

Las técnicas cualitativas se usan cuando los datos son escasos, por ejemplo cuando se
introduce un producto nuevo al mercado. Estas técnicas usan el criterio de la persona y
ciertas relaciones para transformar información cualitativa en estimados cuantitativos.
Algunos son:

 Jurado de opinión ejecutiva. Un grupo de ejecutivos corporativos se reúnen, sus

opiniones se promedian para generar el pronóstico.
 Composición de la fuerza de ventas. Combina estimaciones de los vendedores
sobre las compras esperadas de los clientes.
  Método Delphi. Empleada predominantemente en la predicción de tendencias y
cambios tecnológicos. Emplea un panel de expertos que no se reúnen sino que el
proceso se lleva a cabo mediante una serie secuencial de preguntas y respuestas
escritas.
 Encuestas de opinión. Permiten identificar cambios en las tendencias, se llevan
a cabo en muestras de la población.
 Investigación de mercado. Se usa para evaluar y probar hipótesis acerca de
mercados reales.
 Evaluación de clientes. Combina estimaciones de los clientes habituales.

Métodos cuantitativos

Se basan en procedimientos mecánicos o modelos matemáticos que se apoyan en datos

históricos o en variables causales para producir resultados cuantitativos. Algunos son:

 Análisis de series temporales. Establece una ecuación para una tendencia y la

proyecta al futuro
 Modelos de regresión. Pronostica una variable a partir de lo que se sabe o supone
de otras.
 Modelos econométricos. Simula con ecuaciones de regresión segmentos de la
economía.
 Indicadores económicos. Pronostica con uno o más indicadores el estado futuro
de la economía
 Efecto de sustitución. Predice con una fórmula matemática cómo, cuándo y en
qué circunstancias un nuevo producto o tecnología sustituirá al actual.

¿Cómo elegir el método de pronóstico adecuado?

La principal consideración para seleccionar un método de pronóstico es que sus resultados

deben orientar, de la mejor manera, la toma de decisiones administrativa, de lo contrario,
el uso cualquier método, por sofisticado que este sea, no será conveniente. Algunas de las
variables a considerar, al momento de seleccionar la técnica o método de pronóstico más
adecuada, son:

 El contexto del pronóstico

 La relevancia y disponibilidad de datos históricos
  El grado de exactitud deseado
 El periodo de tiempo que se va a pronosticar
 El análisis de costo-beneficio del pronóstico
 El punto del ciclo de vida en que se encuentra el producto.

Algunas de las preguntas que deben plantearse antes de decidir la técnica de pronósticos
más apropiada para un problema específico son las siguientes:

 ¿Por qué se necesita un pronóstico?

 ¿Quién utilizará el pronóstico?
 ¿Cuáles son las características de los datos disponibles?
 ¿Qué periodo debe pronosticarse?
 ¿Cuáles son los requisitos mínimos de datos?
 ¿Qué tanta precisión se desea?
 ¿Cuánto costará el pronóstico?

A fin de seleccionar adecuadamente la técnica conveniente de pronósticos, el

pronosticador debe ser capaz de:

 Definir la naturaleza del problema de pronóstico.

 Explicar la naturaleza de los datos que se investigan.
 Describir las capacidades y limitaciones de técnicas de pronósticos
potencialmente útiles.
 Desarrollar algunos criterios predeterminados sobre los que se pueda tomar la
decisión de selección.

Un factor importante que influye en la selección de una técnica de pronóstico es

identificar y entender los patrones históricos de los datos. Si se pueden reconocer patrones
de tendencia, cíclicos o estacionales, pueden seleccionarse técnicas capaces de
extrapolarlos de manera eficaz.

El proceso del pronóstico

Generalmente un pronóstico se elabora siguiendo los pasos que se indican a continuación:

 1. Formulación del problema y recolección de datos. Estos dos elementos se
tratan como un único paso porque el problema determina los datos adecuados. Si
no se dispone de los datos adecuados el problema tendría que redefinirse o se
tendría que acudir a un método puramente cualitativo.
2. Manipulación y limpieza de datos. Es posible tener muchos o pocos datos, datos
irrelevantes, datos desactualizados, etc., todos ellos requerirán de cierto
procesamiento para obtener los datos necesarios y adecuados.
3. Construcción y evaluación del modelo. Implica emplear los datos en un modelo
de pronósticos que sea adecuado en términos de minimización del error de
pronóstico.
4. Aplicación del modelo (el pronóstico real). Consiste en los pronósticos reales
del modelo que se generan una vez que se han recolectado y quizás reducido a
sólo los datos adecuados, tan pronto se ha elegido un modelo adecuado de
pronósticos.
5. Evaluación del pronóstico. Implica comparar los valores del pronóstico con los
valores históricos reales. Frecuentemente, el examen de los patrones de errores
lleva al analista a modificar el procedimiento de pronósticos.

¿Para qué calcular el error pronóstico?

¿Qué utilidad tiene calcular el error de pronóstico de demanda? Su cálculo nos permite
tomar decisiones frente a qué método de pronóstico es el mejor y logran detectar cuando
algo en nuestra previsión de la demanda no está marchando bien, con lo que conseguimos
cambiar el rumbo de nuestras decisiones a fin tomar las mejores elecciones.
¿Cuál es la causa del error de pronóstico?
Hay dos fuentes de error en pronósticos: Sesgados y aleatorios.
El primero, también llamado sistemático es ocasionado por un error constante, por
ejemplo una mala interpretación de la demanda, usar variables incorrectas o con
relaciones equivocadas. Este tipo de error se verá minimizado de acuerdo a la experticia
del administrador de operaciones.

El error aleatorio es aquel que no tiene explicación, es decir, es el error originado por
factores imprevisibles y por ende no se conoce qué es lo que lo causa.
Siempre va a haber error en el cálculo de un pronóstico de demanda. En la práctica, se
intenta minimizar ambos tipos de errores eligiendo el mejor método de pronóstico, y es
por eso que existe la medición del error en pronósticos de demanda.

Suma acumulada de errores de pronóstico (CFE)

Es la medida más básica de todas y es la que da origen a las demás. Es la suma acumulada
de los errores de pronóstico. Nos permite evaluar el sesgo del pronóstico. Por ejemplo, si
a través de los periodos el valor real de la demanda siempre resulta superior al valor de
pronóstico, la CFE será más grande, indicando la existencia de un error sistemático en el
cálculo de la demanda.

Desviación media absoluta (MAD)

Mide la dispersión del error de pronóstico o dicho de otra forma, la medición del tamaño
del error en unidades. Es el valor absoluto de la diferencia entre la demanda real y el

pronóstico, dividido sobre el número de periodos.

Error cuadrático medio (MSE)
Al igual que la DAM, el MSE es una medida de dispersión del error de pronóstico, sin
embargo esta medida maximiza el error al elevar al cuadrado, castigando aquellos
periodos donde la diferencia fue más alta a comparación de otros. En consecuencia, se

recomienda el uso del MSE para periodos con desviaciones pequeñas.

Error porcentual medio absoluto (MAPE)
El MAPE nos entrega la desviación en términos porcentuales y no en unidades como las
anteriores medidas. Es el promedio del error absoluto o diferencia entre la demanda real
y el pronóstico, expresado como un porcentaje de los valores reales.
Otros autores le llaman Porcentaje de error medio absoluto (PEMA) o lo manejan como
EPAM.

Error de pronóstico MAD/MEAN, GMRAE y SMAPE

Existen otras medidas de error de pronóstico menos comunes, generalmente variaciones
de MAPE y MAD. El MAD/MEAN actúa sobre datos intermitentes y de bajo volumen,
mientras el GMRAE es usado para evaluar el grado de error del pronóstico fuera de la
muestra.

Cómo calcular las medidas de error de pronóstico

En este ejemplo de errores de pronóstico, tomamos la empresa IngE que vende televisores
y su demanda a través del año fue la siguiente:

Igualmente a través del año la empresa pronosticó la demanda con el método de promedio
móvil simple. Estos fueron los resultados:
Para calcular cada una de las medidas de error mostradas hasta ahora:

 En una columna para cada periodo calculamos el error de pronóstico hallando la

resta entre la demanda real y el pronóstico.
 En otra columna restamos en valor absoluto la demanda real con el pronóstico para
cada periodo. Lo que en otras palabras vendría siendo el valor absoluto del error de
pronóstico. Esto lo hacemos para calcular el MAD.
 En otra columna elevamos al cuadrado el error de pronóstico de cada periodo. Esto
lo hacemos para calcular el MSE.
 En otra columna, dividimos la demanda real / mad.
 Hacemos la suma de los resultados que obtuvimos para cada periodo en cada
columna.
Lo descrito anteriormente en nuestro ejercicio sería algo como esto:
Los cálculos se realizan a partir del periodo 4, debido a que nuestro promedio móvil
simple tiene n=3, por ende en los tres primeros periodos no tenemos pronóstico de
demanda.

Hecho esto, ya estamos a un paso de obtener nuestras medidas de error.

Teniendo en cuenta que el número de periodos que pronosticamos es de 12:

 La suma acumulada de errores de pronóstico es 27. Ya la teníamos calculada al

hacer la sumatoria en la columna de error de pronóstico.
 La desviación absoluta media (MAD) la calculamos dividiendo 97 entre 12.
 El error cuadrático medio (MSE) lo calculamos dividiendo 1081 entre 12.
 Dividimos 182% entre 12 para calcular el error porcentual absoluto medio
(MAPE)
Esto es lo que obtenemos:

Cómo interpretar las medidas de error de pronóstico

Las medidas de error de pronóstico calculadas para un solo método en un solo período de
tiempo carecen de significado. Su utilidad radica cuando comparamos las medidas de
error con las medidas de otros métodos de pronóstico o con otros períodos de tiempo.
¿Cómo sería esto en nuestro ejemplo? Para nuestro siguiente ejemplo vamos a considerar
únicamente métodos de pronóstico cuantitativos: promedio móvil simple, promedio
ponderado, suavización exponencial simple y suavización exponencial doble. La
demanda la calculamos a partir del periodo 4 hasta el período 15.
La n a usar en el promedio simple es de 3. En el promedio ponderado usaremos pesos de
40%, 30% y 30% para el periodo más reciente, intermedio y más lejano respectivamente.
La constante de suavización alfa en el alisado exponencial será de 0,4. La constante de
suavización alfa y delta en el alisado exponencial doble ambas serán de 0,3.

Vale decir que no jugué mucho con estos datos y coloqué los primeros valores que se me
vinieron a la mente. Pues bien, los pronósticos calculados con cada método serían:

Con estos datos ya tenemos para determinar por medio de las medidas de error, cuál es el
mejor método durante los 12 periodos de medición:
Inicialmente analicemos la demanda.

La demanda presenta una tendencia creciente, decreciente y creciente para finalmente

bajar un poco al final. Se debe anotar además que la tendencia es suavizada, es decir, que
no sube y baja hacia una dirección.
Esto se ve reflejado en los métodos de promedio simple, promedio ponderado y
suavización exponencial que responden mejor a las medidas de MAD, MSE y MAPE
comparado con la suavización exponencial doble, cuya bondad es prever la tendencia con
anterioridad, pero al tener esta demanda comportamientos crecientes y decrecientes tan
marcados, ¿es necesario? Evidentemente no.
Es por eso que, si bien la suavización exponencial doble obtiene el mejor resultado en
CFE, termina siendo descartada por las demás medidas.
En el período 6, 9 y 14 es cuando cambia el comportamiento de la demanda. Aquí es
cuando el promedio simple queda debiendo (descartado) y el promedio ponderado y la
suavización exponencial salen victoriosos, pues consiguen prever este cambio de
dirección.
Quizá si le hubiera asignado al promedio ponderado un mayor peso para los datos más
recientes, se lograría obtener mejores medidas de MAPE, MSE y MAD, aun así sus
medidas son muy buenas.
¿Qué queda entonces? La suavización exponencial simple presenta los mejores resultados
en 3 de las 4 medidas. Por supuesto los suavizamientos son métodos susceptibles de ser
mejorados. La definición de las constantes de suavización por ensayo y error seguro nos
habría entregado mejores métricas.
Al observar el CFE inferimos que hay un grado de error de sistematización en la
suavización simple y es necesario cambiar las constantes de suavizamiento. Debido a esto
los promedios se ven mejor en esta medida (a excepción de la suavización doble).
Hecho esto y considerando la naturaleza de los datos a tener tendencias crecientes y
decrecientes que duran varios períodos, yo me quedaría con el método de suavización
exponencial simple.

Bibliografía

 Hanke, John E. y Wichern, Dean W. Pronósticos en los negocios. Pearson

Educación, 2006, pp. 1-13
 Keat, Paul G. y Young, Philip K. Y. Economía de empresa. Pearson Educación,
2004, pp. 221-269
 Robbins, Stephen P. Administración. Pearson Educación, 2005, p.209.