MÉTODOS CUALITATIVOS DEL PRONÓSTICO

Vista previa del material en texto

MÉTODOS CUALITATIVOS DEL PRONÓSTICO.
Son los que no requieren de una abierta manipulación de datos, sino que hacen uso del juicio de quien pronostica. Por su naturaleza estos suelen ser subjetivos y no utilizan modelos matemáticos. Las técnicas cualitativas se usan cuando no se tiene disponibilidad de información histórica o los datos son escasos, por ejemplo, cuando se introduce un producto nuevo al mercado. Usan el criterio de la persona y ciertas relaciones para transformar información cualitativa en estimados cuantitativos.  En los siguientes puntos se listan las características clave de los datos que provienen de pronósticos cualitativos:  Por lo general el pronóstico se basa en un juicio personal o en alguna información cualitativa externa.  El pronóstico tiende a ser subjetivo; toda vez que suele desarrollarse a partir de la experiencia de las personas involucradas, con frecuencia estará sesgado con base en la posición potencialmente optimista o pesimista de dichas personas.  Una ventaja de este método radica en que casi siempre permite obtener algunos resultados con bastante rapidez.  En ciertos casos, la proyección cualitativa es especialmente importante, ya que puede constituir el único método disponible. Estos métodos suelen utilizarse para productos individuales o familias de productos, y rara vez para mercados completos
Algunos de los métodos más comunes de pronóstico cualitativo son los siguientes:
 Investigación de Mercados
 Se usa para evaluar y probar hipótesis acerca de mercados reales. Suelen ser cuestionarios estructurados que se envían a los clientes potenciales del mercado solicitando en ellos opinión acerca de productos o productos potenciales e intentan muchas veces averiguar la probabilidad de que los consumidores demanden ciertos productos o servicios. 
 En resumen, una investigación de mercado consiste en los siguientes pasos: 
➢ Desarrollar cuestionario con preguntas que proporcionen información necesaria para el desarrollo del pronóstico, por ejemplo, edad o ingresos o con qué frecuencia se consumiría el producto. Si se aplica a distribuidor serían necesarios el tamaño de la tienda y la proyección del número de artículos que compraría. 
➢ Llevar a cabo la encuesta, ya sea por correo, fax, teléfono, postal para recortar en una revista, etc.
➢ Tabular y analizar los resultados e interpretarlos cuidadosamente La exactitud de este método puede ser excelente, dependiendo del cuidado que se haya puesto en el trabajo.
Método Delphi o consenso de panel
Se usa para pronósticos a largo plazo, pronósticos de ventas de productos nuevos y pronósticos tecnológicos. Llamado así en honor al Oráculo de Delphos, quien predijo eventos futuros. En ésta método un comité de expertos corresponde al Oráculo. Se utilizan paneles con estos expertos en el mercado específico y de diferentes campos, los cuales intentan transferir al análisis su conocimiento individual respecto de los factores que afectan la demanda, interactuando entre sí para tratar de llegar a un consenso en cuanto al pronóstico de la demanda. Este método permite que cada experto realice sus pronósticos individuales anónimamente, especificando las razones que lo llevaron a dicha proyección, después el conjunto de éstos se distribuye entre todos los expertos, lo cual permite que cada uno modifique sus proyecciones en base a la información de los demás. La idea es repetir esta serie de pasos hasta alcanzar un consenso.
Valoración o juicio informado
 Es uno de los métodos de pronósticos de mayor uso, sin embargo, también es de los menos confiables. Stephen Chapman nos proporciona un ejemplo sobre un ejecutivo de ventas y su equipo de vendedores, en éste, el ejecutivo solicita a cada vendedor que desarrolle una proyección de ventas para su área, tomando como marco temporal cierto periodo futuro. Luego, el ejecutivo combina las proyecciones individuales en un pronóstico de ventas global para la compañía. Las razones por las que este método suele ser poco fiables son variadas, entre ellas destacan las siguientes:
 -Los vendedores pueden utilizar dicho pronóstico como oportunidad para establecer metas optimistas.
 -Miedo por parte de los vendedores de que sus pronósticos se utilicen como una cuota de ventas, lo que los puede llevar a establecer una cifra menor de la que ellos creen poder vender.
 -Los acontecimientos recientes, por ejemplo, una buena o mala semana de ventas, bombardeo mediático acerca de una inminente debacle en la demanda de servicios o productos por la crisis económica, etc. pueden influenciar de tal manera que sus proyecciones serán muy pesimistas u optimistas.
ANALISIS DE SERIES DE TIEMPO.
Una serie de tiempo es una colección de datos obtenidos por mediciones de algún evento natural o inducido, los cuales son reunidos sobre la misma variable, bajo las mismas condiciones a lo largo del tiempo y con intervalos de la misma medida. Un propósito, del análisis de series de tiempo es modelar el mecanismo que da lugar a la serie observada, para pronosticar los valores de su comportamiento futuro, a partir de los cuales, sea posible llevar a cabo una planeación y toma de decisiones.
APLICACIÓN: 
Las series de tiempo tiene dos propósitos: comprender las fuerzas de influencia en los datos y descubrir la estructura que produjo los datos observados. Ajustar el modelo y proceder a realizar pronósticos, monitoreo, retroalimentación y control en avance. Algunos ejemplos donde se puede utilizar series temporales:
Pronósticos temporales.
Economía (presupuestos) y Marketing (Mercados económicos).
 Proyecciones del empleo y desempleo.
Evolución del índice de precios al consumidor IPP.
Beneficios netos mensuales de cierta entidad bancaria. 
Índices del precio del petróleo. 
Número de habitantes por año. 
Tasa de mortalidad infantil por año.
 Lluvia recogida diariamente en una localidad.
 Temperatura media mensual.
COMPONENTES
 TENDENCIA: Se puede definir como un cambio a largo plazo que se produce en la relación al nivel medio, o el cambio a largo plazo de la media. La tendencia se identifica con un movimiento suave de la serie a largo plazo
 ESTACIONALIDAD: Muchas series temporales presentan cierta periodicidad de forma anual. Por ejemplo, el consumo de energía en países con verano e invierno intensos, la venta de útiles escolares, etc. Estos efectos son fáciles de entender y se pueden medir explícitamente o incluso se pueden eliminar de la serie de datos, a este proceso se le llama desestacionalización de la serie
 FLUCTUACION CICLICA: Con frecuencia las series de tiempo presentan secuencias alternas de puntos abajo y arriba de la línea de tendencia. Un ejemplo de este tipo de variación son los ciclos comerciales cuyos períodos recurrentes dependen de la prosperidad, recesión, depresión y recuperación, las cuales no dependen de factores como el clima o las costumbres sociales.
ALEATORIO: Esta componente no responde a ningún patrón de comportamiento, sino que es el resultado de factores fortuitos o aleatorios que inciden de forma aislada en una serie de tiempo.
MODELO ADITIVO: Se usa cuando la magnitud de las fluctuaciones estacionales de la serie no varía al hacerlo la tendencia. 
MODELO MULTIPLICATIVO O MIXTO: Se usa cuando la magnitud de las fluctuaciones estacionales de la serie crece y /o decrece proporcionalmente con las variaciones de la tendencia.
VENTAJAS
 Solo se requiere conocer una cantidad limitada de datos para hacer pronóstico sin importar el horizonte de tiempo y es bastante simple. No requiere tener información de las variables exógenas que afectan la serie para su análisis, pero pueden ser univariadas o multivariadas. Las series de tiempo se estiman fácilmente en comparación con otros métodos de análisis de datos. Los pronósticos basados en series de tiempo son bastante efectivos en el corto plazo (1 a 2 años) en comparación con otros métodos.
DESVENTAJAS 
Existen modelos econométricos complejos que pueden ser más eficientes y precisos, y por tanto más útiles que lasseries de tiempo. Identifican un patrón con base a datos pasados, lo que implica que debe hacerse nuevas estimaciones con base a datos nuevos. No considera la interrelación con otras variables que tengan influencia en el fenómeno analizado. No es efectivo en el pronóstico de mediano y largo plazo debido a que solo se considera el comportamiento histórico de una variable.