Cómo Predecir el Futuro

Cómo Predecir El Futuro
Por: Julieta Sarralde y Santiago Arbeleche
El hombre siempre ha estado interesado en poder anticiparse a los hechos. Antiguamente, los
oráculos y adivinos monopolizaron esta habilidad. Hoy, la forma de confrontar el riesgo ha
permitido avanzar en diversas dimensiones. La capacidad de administrar el riesgo y la inclinación
hacia ellos potencian las decisiones que tendrán impacto en el futuro, esto impulsa los sistemas
económicos. Pero ¿qué es un pronóstico? Una forma de definirlo es como una estimación
cuantitativa o cualitativa de una o más variables que conforman la estructura de un evento futuro
basados en información actual o pasada.
En muchas ocasiones tendemos a menospreciar cualquier resultado que no sea obtenido a partir
de la manipulación cuantitativa de los datos; sin embargo, las técnicas de pronóstico cualitativas
tienden a ampliar el panorama y contribuyen a reducir el error de éste. En muchas ocasiones son
la única alternativa cuando no se cuenta con datos históricos. Entre las técnicas cualitativas
podemos mencionar al método Delphi, escenarios cualitativos, panel de expertos, entre otros.
Muchas de las técnicas de pronóstico cuantitativas que se utilizan actualmente, se desarrollaron
durante el siglo XIX; un ejemplo de ello son los análisis de regresión y las técnicas de series de
tiempo. Con el impulso de técnicas de pronóstico más complejas, junto con la proliferación del uso
de las computadoras, éstos recibieron más atención durante los últimos años, y cualquier persona
es capaz de manipular datos a partir de un software en una computadora de bolsillo y obtener
pronósticos.
Al crecer la preocupación por el proceso de pronóstico, se continúan desarrollando nuevas
técnicas que buscan hacer eficiente la manipulación de los datos y la precisión del pronóstico. Esta
atención se enfoca de manera particular en los errores, que son parte inherente de cualquier
procedimiento de pronóstico. Es casi imposible que éstos coincidan exactamente con el futuro; una
vez llegado éste, quienes pronostican sólo pueden intentar que los inevitables errores sean tan
pequeños como sea posible. Sin embargo, esta situación no nos debe desalentar para continuar
realizando pronósticos en la organización, ya que el futuro es incierto y en la medida que podamos
pronosticarlo minimizando el error, la toma de decisiones permitirá seguir el rumbo que la empresa
se ha planteado. Pero no debemos perder de vista que un pronóstico no puede ser más preciso
que la calidad y confiabilidad que los datos utilizados en el mismo (en inglés GIGO - garbage in
garbage out). Por otro lado, no se debe perder la balanza del costo beneficio, es decir, un
pronóstico debe ser oportuno, preciso y a un costo razonable.
1
Cuando se elabora un mal pronóstico, la planeación no funciona y todas las áreas de la empresa
se vuelven ineficientes, ocasionándole un bajo desempeño financiero y que se refleja en ventas no
realizadas, excesos en los inventarios de productos que no requieren los clientes, reducción de
márgenes, costos más altos, entre otros problemas. En general pensamos en términos de
pronosticar variables importantes para una compañía o para una parte de ella como son las ventas
de la empresa, las horas de ausencia por empleado, los costos operativos, las tasa de interés y
tipos de cambio del mercado, entre otros. Sin embargo, las variables macroeconómicas influyen en
las decisiones que tome la empresa para su futuro; y estas variables también se pueden
pronosticar, pero son susceptibles a cambios significativos en algún factor económico clave, como
variaciones en la inflación, cambios en los precios del petróleo, la política tributaria, por mencionar
algunos.
¿QUÉ TÉCNICA UTILIZAR?
Para seleccionar una técnica de pronóstico, debemos considerar los siguientes puntos:
1. Definir la naturaleza del problema de pronóstico.
2. Explicar la naturaleza de los datos bajo investigación.
3. Describir las capacidades y limitaciones de las técnicas de pronóstico potencialmente útiles.
4. Desarrollar algunos criterios predeterminados sobre los cuales se pueda tomar la decisión de
la selección, como son algunas medidas de error.
Un factor que influye en la selección de una técnica cuantitativa de pronóstico es la identificación y
comprensión de los patrones históricos en los datos disponibles, en muchas ocasiones la sola
gráfica de los datos en el tiempo no permite dicho análisis y se requiere de gráficos
complementarios como los correlogramas de los datos, para poder identificar su patrón o patrones
existentes. Actualmente, muchos softwares permiten el cálculo de los coeficientes de
autocorrelación, sus gráficos e interpretación. Si se pueden reconocer patrones de tendencia,
cíclicos o estacionales en los datos históricos entonces, se pueden seleccionar las técnicas más
adecuadas para dichos patrones. Por otro lado, el grupo de técnicas cuantitativas causales, como
los métodos de regresión requieren de una identificación causal a priori y análisis estadístico de las
variables independientes que servirán para pronosticar y tomar decisiones.
PRONOSTICANDO LA DEMANDA: UN EJEMPLO PRÁCTICO
Para mostrar una aplicación de pronósticos de negocios, hemos escogido una serie de tiempo
referente al porcentaje de ocupación hotelera en el estado de Quintana Roo para los meses
comprendidos entre enero 2004 y diciembre 2006 (Ver Gráfico 1). El método de extrapolación a
2
utilizar es el de descomposición de serie de tiempo. Como su nombre lo indica, este método separa
a los datos bajo estudio en sus diferentes componentes, los cuales se explican a continuación:
-
Tendencia (T): Es el componente en el largo plazo que representa el crecimiento o
decrecimiento de la variable durante un determinado lapso. La serie de ocupación hotelera
presenta una tendencia decreciente con una razón de cambio de periodo a periodo de
0.5329 (Ver Gráfico 2). Es decir, con la tendencia que marca la muestra empleada, cada
mes baja la ocupación hotelera en medio punto porcentual.
-
Ciclicidad (C): Se puede interpretar como la fluctuación circular alrededor de la tendencia
(Ver Gráfico 3).
-
Estacionalidad (S): Las variaciones estacionales se refieren a patrones de cambio que
ocurren regularmente a lo largo del tiempo. Este movimiento se completa a lo largo de un
año y se vuelve a repetir. En el caso de la serie observada durante el mes de febrero es el
que en promedio registra la mayor ocupación hotelera (un 19 por ciento más que el
promedio del año) y el mes de noviembre, la menor (un 32 por ciento por debajo del
promedio anual. Ver Gráfico 4).
-
Aleatoriedad (I): Es el componente aleatorio o irregular, se conforma de fluctuaciones que
son causadas por eventos no predecibles o no periódicos.
Una vez identificados estos componentes, se procede a calcular un estimado a partir del modelo
de descomposición multiplicativo del tipo T×C×S×I y se puede extrapolar más allá del tamaño de
muestra (Ver Gráfico 5), con esto se pueden tomar decisiones basadas en un pronóstico
cuantitativo que permite tomar en cuenta las fluctuaciones originales presentes en los datos.
CONCLUSIÓN
Día con día están aumentando las empresas que redefinen y formalizan sus procesos de
elaboración de pronósticos para llevar a cabo una mejor planeación y en consecuencia un mejor
desempeño financiero. No es nuevo para nadie que el reto sea lograr disponibilidad en cantidad
necesaria cuando lo que requiere el mercado. Para proporcionar un mejor nivel de servicios de
manera rentable las empresas requieren desarrollar una cultura de pronóstico y planeación.
Bibliografía

Bernstein, Peter L. (1998). Against the Gods, the remarkable story of risk. USA, John
Wiley.

Hanke, John E.; Wichern, Dean W. & Reitsch, Arthur G. (2001). Business Forecasting.
Seventh Edition. USA, New Jersey: Prentice Hall
3

Makridakis, Spyros. (1993). Pronósticos. Estrategia y Planificación para el siglo XXI.
Madrid, España: Ediciones Díaz de Santos, S.A.
4