3mtodosparapronosticarlasventas-130408142214-phpapp01

Instructor: Ing. Toms Glvez Martnez, MBA y CPhD

Webinar 3 mtodos prcticos para pronsticos de ventas

CPD Certificado en

Pronsticos y Planeacin de Demanda

Centro Ejecutivo de Logstica S. C. www.celogis.com Av. Ricardo Margin 575 Parque Corporativo Santa Engracia San Pedro Garza Garca, N. L. Tel (81) 8000 7227

Presentacin Celogis y John Galt

Quin es CELOGIS

Centro internacional de capacitacin y consultora, con sede en Monterrey, N. L. Fortalecer el desempeo de las organizaciones en la Planeacin de la Cadena de Suministro. Desde hace ms de 15 aos contribuimos con el crecimiento y la actualizacin de la

comunidades empresariales, organizaciones pblicas y privadas. Nuestros ms de 2,000 clientes y nuestro amplio abanico de expertos, nos han permitido

desarrollar proyectos de investigacin y consultora a nivel estratgico, estructural, de procesos y tctico.

Quin es John Galt

Es una empresa, con sede en Chicago, USA, que ofrece soluciones en Planeacin de la Demanda y en Gestin de Inventarios de la Cadena de Suministro.

Es propietario de Forecast Wizard y Atlas Planning Suite , un sistema que ofrece una amplia gama de soluciones.

Tiene ms de 5,000 clientes incluidos fabricantes, distribuidores, minoristas y proveedores de en una amplia gama de industrias: ropa, automviles, bienes de consumo, alimentos y bebidas, energa, alta tecnologa, productos farmacuticos y de telecomunicaciones.

Con estas soluciones, los lderes de la industria han mejorado sus resultados a travs de mayores ingresos y reduccin en sus costos de inventario.

Webinar | 3 Mtodos de Pronstico

Algunos de nuestros clientes


1. Principales mtodos para Pronosticar. 2. Revisin de estadstica bsica 3. Estadstica bsica vs Pronsticos 4. Tres mtodos de pronstico para datos:

a. Sin tendencia u horizontales b. Con tendencia c. Con tendencia y estacionalidad

5. Conclusiones 6. Prximos seminarios


Agenda del Webinar

Enfoque Mtodo Ventajas Desventajas

Sub

jeti

vo

Individuales Barato, flexible y puede pronosticar cualquier cosa. Cualquiera lo puede hacer.

Precisin dudosa. Se encuentra sujeto a todos los problemas de criterio humano.

Comit / Encuestas

Adems de lo anterior, relaciona diferentes perspectivas al problema.

Dominar la voz del jefe. Es ms caro que el individual. Una encuesta puede decir ms acerca de las actividades actuales de las personas y de sus expectativas que las actividades futuras.

Delphi Igual que el anterior, pero por medio del anonimato se intenta eliminar los efectos de la autoridad y dominacin del grupo.

Complicado. Existe presin por lograr el consenso a medida que transcurren las sesiones. No existe convergencia hacia un pronstico.

Fuente: Robert Fildes Manchester Business School


Principales mtodos para pronosticar


Extr

apo

lati

vo

(b

ase

his

tri

ca)

Atenuacin exponencial

Fcil de aplicar con computadora para un gran nmero de productos. Muy barato para operar y fcil de establecer sistemas de control.

Sin bases tericas, pierde los puntos crticos. Es impreciso en el largo plazo.

Descomposicin Son de utilidad como mtodos de identificacin de tendencia, estacionalidad, y ciclos.

No tienen explicacin estadstica y propicia el descuido a largo plazo.

Box-Jenkins (ARIMA)

Permiten la identificacin de otros patrones o comportamientos que los anteriores no lo hicieron.

Complicado y difcil de entender. Promete ms de lo que proporciona.





Cau

sal y

est

ruct

ura

l (b

sq

ued

a d

e va

riab

les)

Modelos de regresin de una sola ecuacin

Modelos confiables. Pueden responder a cmo influye la compaa en las ventas?

Los modelos son difciles de desarrollar, requieren de personal con experiencia y gran cantidad de datos que a menudo no estn disponibles.

Modelos de sistemas simultneos

Se pueden generar correlaciones entre otros modelos y variables macroeconmicas.

Difciles de entender, grandes cantidades de datos, estadsticamente complicados.

Modelos de simulacin

Si se aplican adecuadamente, pueden ser de gran ayuda.

Caros, grandes cantidades de datos, no hay una explicacin clara acerca de su construccin.

Anlisis de impacto cruzado

Se pueden tratar eventos improbables que pueden ocasionar gran impacto.

Las probabilidades se estiman mediante diversos mtodos subjetivos. Es crucial la eleccin de cules eventos elegir




Gua para seleccionar la ms apropiada

Mtodo de proyeccin

Cantidad de datos histricos

Comportamiento de los datos

Horizonte de proyeccin

Tiempo de preparacin

Nivel de sofisticacin

Atenuacin exponencial simple (AES)

5 a 10 observaciones para fijar la ponderacin

Datos estacionarios (sin tendencia y estacionalidad

Corto Corto Poca

Atenuacin exponencial doble (AED)

10 a 15 observaciones para fijar las ponderaciones

Tendencia pero no estacionalidad

Corto a mediano

Corto Ligera

Winters (AET) Por lo menos tres estaciones

Tendencia y estacionalidad

Corto a mediano

Corto Moderada



Gua para seleccionar la ms apropiada

Mtodo de proyeccin

Cantidad de datos histricos

Comportamiento de los datos

Horizonte de proyeccin

Tiempo de preparacin

Nivel de sofisticacin

Regresin Por lo menos 10 observaciones por variable

Puede manejar patrones complejos

Corto, mediano y largo

Largo en el desarrollo.

Considerable

Descomposicin de series de Tiempo

Los necesarios para ver dos picos y valles

Cclicos y estacionales. Identifica los puntos crticos

Corto a mediano

Corto Poca

Box-Jenkins 50 o ms Estacionarios o transformarlos

Corto, mediano y largo

Largo Alta



Qu espacio de tiempo pronosticar?

Descripcin Caractersticas Problemtica Largo plazo Dos aos o ms Tpicamente inexactos

Grandes sesgos en los porcentajes No se puede especificar el mtodo fcilmente Difcil estimar la magnitud de los errores

Mediano plazo De tres meses a dos aos

Los puntos cruciales del ciclo comercial son difciles de pronosticar.

Ocurren recesiones imprevistas que no se pueden pronosticar.

Se tiende a seleccionar el que ms se ajuste sus ideas preconcebidas y preferencias personales

Corto plazo Menos de tres meses

Son parte integral de las operaciones esenciales de las empresas

Su precisin es aceptable Se pueden combinar pronsticos cualitativos y

cuantitativos



Estable

Inestable

Incompleta Completa

Census X-11

Box-Jenkins

Winters

Regresin Simple

Regresin Mltiple

Promedios Mviles Simples

Comit

Juicio Independiente

Regresin Robusta

Informacin Fuerza de Ventas

Cul es la ms apropiada? Copyrigth 1997 Charles W. Chase Jr

Coca Cola Co..

Fuente:

Institute of Business Forecasting (IBF)

Junio 25,1999 Orlando,Fl


Tcnicas de pronsticos


El mejor mtodo

Revisin de Estadstica Bsica Medidas de Tendencia Central y Dispersin


Poblacin Muestra

Revisin de estadstica


Media

Varianza

Desviacin estndar

Coeficiente de variacin

Poblacin Muestra



Media

Varianza

Desviacin estndar

Coeficiente de variacin

Indicador de la Variabilidad de la

Demanda

Un ejemplo:



Perodo Ventas Xi

1 16 (16 7.8) (16 7.8)^2 2 8 (8 7.8) (8 7.8)^2 3 6 -1.8 3.24 4 4 -3.8 14.44 5 5 -2.8 7.84 S 39 0 92.8

Un ejemplo:



Perodo Ventas Xi

1 16 (16 7.8) (16 7.8)^2 2 8 (8 7.8) (8 7.8)^2 3 6 -1.8 3.24 4 4 -3.8 14.44 5 5 -2.8 7.84 S 39 0 92.8

Promedio = (39/5) = 7.8

Varianza = [92.8/(5-1)] = 23.2

Desviacin Std. = (23.2)^0.5 = 4.816638

Coef. Variacin = (4.81/7.8)*100 = 61.75%

n

XX

1

)( 22

n

xx

1

)(

2

n

xx

100

.. x

VC

..

2

VC

x

Un ejemplo:



Qu alternativas existen para

reducir la variabilidad de la

Demanda?

Vuelos a disposicin Regin Marina Suroeste

0

20

40

60

80

100

120

140

Nov-04 Feb-05 May-05 Sep-05 Dic-05 Mar-06 Jul-06 Oct-06

Mes y ao

No

. d

e v

ue

los

RMSO

Mtrica Observacin

Promedio 88

Desv. Std. 18

C. V. 21 %

Tcnica Pronstico Error

AES 76 16.79 %

Brown. 73 17.08 %

Holt 70 14.62 %

Winters 74 13.85 %

Pronstico Sep 06 = 74

Reduccin del 51% del error en el pronstico

Diferencia de 14 vuelos


Estadstica bsica vs. pronstico

Mtrica Observacin

Promedio 264, 280

Desv. Std. 36, 966.86

C. V. 14 %

Movimiento de pasajeros - Monterrey

0

50,000

100,000

150,000

200,000

250,000

300,000

350,000

400,000

Ener

o

Mar

zo

May

oJu

lio

Sept

iem

bre

Nov

iem

bre

Ener

o

Mar

zo

May

oJu

lio

Sept

iem

bre

Nov

iem

bre

Ener

o

Mar

zo

May

oJu

lio

Sept

iem

bre

Nov

iem

bre

No

. d

e p

as

aje

ros

Pasajeros

Tcnica Pronstico Error

AES 284, 624 7.8 %

Brown. 289, 364 7.9 %

Holt 299, 076 9.3 %

Winters 269,746 1.7 %

Pronstico Ene 06 = 269, 746

Reduccin del 723% del error en el

pronstico. Diferencia de + 5000 pasajeros





700

800

900

1,000

1,100

1,200

1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11 1 3 5 7 9 11

Ao 1 Ao 2 Ao 3 Ao 4

Datos Originales

Sistema Experto

Winters Multiplicativo

Winters Aditivo

Regresin

El Sistema experto fue el que mejor pronostic las ventas del Ao 4, teniendo un MSE de 1,777 y un MAPE de 3.2 %. Mejora de ms

del 40% en la precisin



43

1%

40

2%

34

3%

24

2%

15

8%

Objetivo: Mejorar el pronstico de contactos en cada una de las divisiones del Call Center del Banco para mejorar la precisin, as como el mtodo que se utiliza para su clculo



METODO ARTICULO 1 ARTICULO 2 ARTICULO 3 ARTICULO 4

WINTERS (ADITIVO)

MAPE 6.2% 8.3% 12.5% 18.1%

FORECAST 5,869.34 3,379.23 6,732.14 1,912.52

Inversin recuperada

Resultados Slo se adquirieron 45 das de Inventario de los 4 artculos equivalentes a $1.6 mdd Previniendo prdidas por

ms de $ 0.5 millones de dlares

3 Mtodos de Pronsticos para ventas Mtodo Comportamiento histrico

Atenuacin Exponencial Simple (AES)

Horizontal

Atenuacin Exponencial Doble (AED Brown y Holt)

Tendencia

Atenuacin Exponencial Triple (AET Winters)

Estacionalidad


Principales Caractersticas

Captura el tipo de tendencia.

Captura estacionalidad.

Determina parmetros que reflejan el nfasis relativo dado al pasado reciente vs. el pasado distante.

Pueden incorporar eventos especiales tales como fechas de das festivos o promociones.

Sin embargo, ignora el ciclo y no permite la introduccin de variables explicativas.


Mtodos de Pronsticos

Usos y aplicaciones


Mtodos de Pronstico

Mtodo Comportamiento histrico de las

ventas

Parmetros de atenuacin o ponderacin

Aplicaciones


Horizontal o estacionaria

a Son relativamente simples de entender y explicar porque modelan componentes tangibles de la serie como tendencia y estacionalidad.

Pueden ser completamente automatizados para sistemas de control de inventarios

Son frecuentemente tan exactos como los mtodos ms complejos, como ha sido documentado en los resultados de las competencias de pronsticos.

Puede ser implantado para ventas semanales, mensuales, trimestrales o anuales.

Atenuacin Exponencial Doble (AED Brown)

Tendencia a

Atenuacin Exponencial Doble (AED Holt)

Tendencia a y b

Atenuacin Exponencial Triple (AET Winters)

Estacionalidad a, b y g

Los Horizontales (sin tendencia y estacionalidad)


ttt eYY )( 1 a

Pronstico para el siguiente perodo

Pronstico en el perodo t

Error en el perodo t

Factor de ponderacin o peso del error t


Mtodos de Pronstico

Un ejemplo para datos histricos sin tendencia ni estacionalidad (AES)

t Venta

Yt

Pronstico Error

Et

1 4

2 3 4 = (3-4) = -1

3 ? = 4 + (0.1)*(-1)

= 3.9


Mtodos de Pronstico

tY

Puntos importantes para el clculo del pronstico: 1. Tome como pronstico del

mes 2 la informacin de valor real del mes 1.

2. Defina un peso o porcentaje para el valor de a. Recuerde que a asigna un peso al error. Entre mayor sea este valor el error tendr una mayor importancia. En este clculo a tiene un valor de 0.1

9.3)1(*)1.0(4)1.0( 2212 eYY

t Venta

Yt

Pronstico Error

Et

Error2

Et2

Error Abs.

(EAt)

EAt/Yt (EAt/Yt)*Yt

Et/Yt

1 4

2 3 4 -1 =(-1)^2 = 1 = | -1 | =1 1/3 1 -1/3

3.9


Mtodos de Pronstico

tY

MSE MAPE WMAPE MPE

Un ejemplo para datos histricos sin tendencia ni estacionalidad (AES) Tabla de clculo de errores

t Venta

Yt

Pronstico Error

Et

Error2

Et2

Error Abs.

(EAt)

EAt/Yt (EAt/Yt)*Yt Et/Yt

1 4

2 3 4 -1 1 1 0.33 1.00 -0.33

3 5 3.9 1.1 1.21 1.1 0.22 1.10 0.22

4 4 4.01 -0.01 0.0001 0.01 0.0025 0.01 0.00

5 6 4.009 1.991 3.9641 1.991 0.33 1.99 0.33

6 4.2081


Mtodos de Atenuacin

tY

MSE MAPE WMAPE MPE

Un ejemplo para datos histricos sin tendencia ni estacionalidad (AES) Tabla de clculo de errores y pronsticos

Pronstico del periodo 6

t Venta

Yt

Pronstico Error

Et

Error2

Et2

Error Abs.

(EAt)

EAt/Yt EAt*Yt

Et/Yt

1 4

2 3 4 -1 1 1 0.33 1.00 -0.33

3 5 3.9 1.1 1.21 1.1 0.22 1.10 0.22

4 4 4.01 -0.01 0.0001 0.01 0.00 0.01 0.00

5 6 4.009 1.991 3.9641 1.991 0.33 1.99 0.33

6 4.2081

Solucin...(AES: alfa=0.10)


Mtodos de Atenuacin

Alfa (a) le asigna un peso a los errores y actualiza el pronstico de acuerdo al

tamao del error tY

Cmo determinar si ste valor es el pronstico que tiene el mnimo error?


Mtodos de Atenuacin

Clculo de errores promedio Con alfa = 0.1

MSE = 1.54 RMSE = 1.021 MAPE = 22.0% WMAPE = 18.6% MPE = 5.5%

Nota: Para las frmulas del clculo de los errores consulte los apoyos del Webinar Cmo medir la precisin de los pronsticos que la puede descargar en: http://es.slideshare.net/tomgalvez/mtodos-para-medir-la-precisin

Preguntas comunes: 1. Cul es el objetivo del clculo de

estas medidas de error? R. El objetivo es que cada una de ellas sea lo menor posible para tener un mtodo de pronstico confiable. 2. Las cinco frmulas tiene el

mismo uso? R. El MSE y el RMSE se utilizan para seleccionar el mejor modelo de pronstico y el resto para interpretar el resultado. 3. Es necesario cambiar el valor de

alfa? R. El valor de alfa puede variar desde cero hasta uno sin incluirlos. El objetivo es encontrar aqul que minimice el MSE o el RMSE

Atenuacin Exponencial Doble (Holt)

Los de Tendencia...

)(

)1()(

))(1(

11

11

pbaY

baab

baYa

ttpt

tttt

tttt

bb

aa


Mtodos de Atenuacin

Alfa para medir las variaciones en el tiempo

Beta para medir la tendencia en el tiempo

P = nmero de periodos a pronosticar

Ejemplo de tendencia (Holt)...

t Venta

Yt

Intercepto

at

Pendiente

bt

Pronstico

1 3 3 0

2 4 3.4 0.32

3 7

4 8

5 10

6


Mtodos de Atenuacin

tY

Este valor se pondera con el valor de a

El valor de la ecuacin se pondera con el valor de (1 a)

Suponemos un valor de alfa = 0.4 y de beta = 0.8. Recuerde que es necesario encontrar aquella combinacin que minimice el MSE.

= (0.4)*4 + (1 - 0.4)*(3 + 0)

Ejemplo de tendencia (Holt)...

t Venta

Yt

Intercepto

at

Pendiente

bt

Pronstico

1 3 3 0

2 4 3.4 0.32

3 7

4 8

5 10

6


Mtodos de Atenuacin

tY

Suponemos un valor de alfa = 0.4 y de beta = 0.8. Recuerde que es necesario encontrar aquella combinacin que minimice el MSE.

= (0.8)*(3 - 3.4) + (1 - 0.8)*(0)

El cambio en el intercepto de pondera con b

El valor anterior de la pendiente se pondera con (1 b)

Otro ejemplo (Holt)...

t Venta

Yt

Intercepto

at

Pendiente

bt

Pronstico

1 3 3 0

2 4 3.4 0.32

3 7 3.72

4 8

5 10

6


Mtodos de Atenuacin

tY

Solucin (Holt: Alfa=0.40 y Beta=0.80)

t Venta

Yt

Intercepto

at

Pendiente

bt

Pronstico

Yt

1 3 3 0

2 4 3.4 0.32

3 7 5.032 1.3696 3.72

4 8 7.0409 1.8810 6.4016

5 10 9.3532 2.2260 8.9220

6 11.5792


Mtodos de Atenuacin

Cmo determinar si ste valor es el pronstico que tiene el mnimo error? Se pueden calcular ms periodos?

Valores de la ecuacin final del pronstico

Clculo del pronstico para los meses 6, 7 y 8

t Venta

Yt

Intercepto

at

Pendiente

bt

Pronstico

Yt

4 8 7.0409 1.8810 6.4016

5 10 9.3532 2.2260 8.9220

6 11.57

7 13.80

8 16.03


Mtodos de Atenuacin

Mes 6 = 9.35 + 2.22*(1) = 11.57 Mes 7 = 9.35 + 2.22*(2) = 13.80 Mes 8 = 9.35 + 2.22*(3) = 16.03

Winters (Mtodo para datos con tendencia y estacionalidad)


Mtodos de Atenuacin

pLtttpt SpbaY )]([

L = Ancho de la estacionalidad

a = Pesa la variacin

b= Pesa la tendencia

g = Pesa la estacionalidad

Atenuacin Exponencial triple (Winters)

Las frmulas...

Lt

t

tt

tttt

tt

Lt

tt

Sa

YS

baab

baS

Ya

)1(

)1()(

))(1(

11

11

gg

bb

aa


Mtodos de Atenuacin

t

Venta

Yt

Intercepto

at

Pendiente

bt

Indice

St

Pronstico

1 3 3 0 1

2 2 2.9 -0.02 0.906

3 6 3.19 0.0424 1.263 2.88

4 8 3.23

5 4

6 3

7 7

8 10

El ltimo ejemplo (alfa=0.1, beta=0.2 y gama=0.3


Mtodos de Atenuacin

tY

))(1( 11

ttLt

tt ba

S

Ya aa

11 )1()( tttt baab bb

Lt

t

tt S

a

YS )1( gg

pLtttpt SpbaY )]([

t

Venta

Yt

Intercepto

at

Pendiente

bt

Indice

St

Pronstico

1 3 3 0 1

2 2 2.9 -0.02 0.906 3

3 6 3.192 0.0424 1.263 2.88

4 8 3.7109 0.1377 1.346 3.2344

5 4 3.8638 0.1407 1.010 3.8486

6 3 3.9348 0.1268 0.863 3.63170

7 7 4.2093 0.1563 1.383 5.1336

8 10 4.6716 0.2175 1.584 5.8794

9 4.94090

10 4.40992

11 7.36679

12 8.78310

Clculo del pronsticos para los meses 9, 10, 11 y 12


Mtodos de Atenuacin

tY

Mes 9 = [4.67 + 0.21*(1)]*1.01 = 4.94 Mes 10 = [4.67 + 0.21*(2)]*0.86 = 4.40 Mes 11 = [4.67 + 0.21*(3)]*1.38 = 7.36 Mes 12 = [4.67 + 0.21*(4)]*1.58 = 8.73

Qu intenta pronosticar? Capacidad, mercado, potencial,? Este debera ser el principio de su proceso de generacin del pronstico: Determinar el objeto del pronstico de ventas. Existen ms de 5 clasificaciones de objetos que las puede encontrar en:

http://www.celogis.com/files/163/Necesidad_Pronostico_de_ventas.pdf Antes de realizar cualquier clculo de pronstico, grafique su informacin. Puede ser

que el promedio le genere buenos resultados y no haya necesidad de tal cantidad de clculos. Revise el coeficiente de variacin y otros factores o variables ajenos al comportamiento histrico antes de iniciarse en esta travesa.

Conozca el comportamiento de las ventas de sus productos, puede haber patrones

estacionales generados por otros factores que no son inherentes al producto. Realice simulaciones en papel antes de tomar una decisin sobre sus pronsticos. Es

mejor equivocarse en el papel que quedarse con inventario sin vender o con faltantes que generen prdidas de ventas.


Conclusiones y recomendaciones


Lugar Fecha Horario Precio Mxico, DF 12 y 13 de abril. Viernes de 8:30 a

18:00 horas y sbado de 8:30 a 14:00 horas.

$850 dlares Guadalajara, Jal. 17 y 18 de mayo

CPD Certificado en



Mdulo (Nivel) Monterrey, N. L. Len, Gto Guatemala Introduccin al Pronstico y Planeacin de Demanda

26 y 27 de abril. 2 y 3 de mayo 22, 23 y 24 de abril

Mtodos Economtricos con aplicaciones Gerenciales

3 y 4 de mayo 9 y 10 de mayo 12, 13 y 14 de mayo

Sales & Operations Planning (S&OP)

10 y 11 de mayo 16 y 17 de mayo 10, 11 y 12 de junio

Modalidad presencial:

Inversin $ 1, 340 dlares

CPD On-line Certificado en



Descripcin del curso Fecha Inversin

M1. Fundamentos de Planeacin de Demanda 29 de abril

$ 175 por mdulo o $1,050 dlares por la Certificacin

completa de 7 mdulos.

M2. Cmo hacer un pronstico de ventas 30 de abril

M3. Mtodos de pronsticos para datos histricos 17 de mayo

M4. Mtodos de pronsticos causa-efecto 18 de mayo

M5. Mtodos avanzados de pronsticos 24 de mayo

M6. Mtodos para pronosticar nuevos productos 25 de mayo

M7. Sales & Operations Planning Advanced 31 de mayo

En La Certificacin On-line se cursan 7 mdulos por da

Sesin de preguntas


Ing. Toms Glvez Martnez Presidente y Director General

Centro Ejecutivo de Logstica S. C.

www.celogis.com Oficina Matriz Av. Ricardo Margin 575 Parque Corporativo Santa Engracia San Pedro Garza Garca, N. L. Mxico Tel (81) 8000 7227

3mtodosparapronosticarlasventas-130408142214-phpapp01

Documents

Transcript of 3mtodosparapronosticarlasventas-130408142214-phpapp01