Archivo1 forecasting - Logistica y Supply Chain

Curso de Posgrado, Logística y Solución de Casos
Universidad de Buenos Aires
Facultad de Ingeniería
Departamento de Economía, Organización y Legal
Forecasting
… mas allá de lo Comercial
Grupo Nro: 1
Integrantes:
Álvarez, Hernán
Estrada, Martín
Prado, Alicia
Román, Lorena
Schmitz, Karine
Szutan, Walter
ÍNDICE
IINNTTRRO
ODDUUCCCCIIO
ONN .............................................................................................................................................................................. 22
11.. CCAAPPIITTUULLO
O II........................................................................................................................................................................................................ 33
1.1. EL FORECASTING EMPRESARIAL .................................................................................... 3
22.. CCAAPPIITTUULLO
O IIII............................................................................................................................................................................. 77
2.1. MÉTODOS DE PRONÓSTICOS......................................................................................... 7
2.1.1.
Métodos cualitativos .................................................................................................... 7
2.1.2.
Métodos de proyección histórica .................................................................................. 7
2.1.3.
Métodos cuantitativos (o casuales) .............................................................................. 8
2.2. RESUMEN DE TÉCNICAS DE PRONÓSTICOS .................................................................... 8
2.3. LA PLANEACIÓN Y EL PRONÓSTICO DE LA DEMANDA. ..................................................13
2.4. ¿CUÁL ES EL COSTO DE LOS MALOS PRONÓSTICOS? .....................................................13
2.5. FORECAST ACCURACY ..................................................................................................15
2.5.1.
Calculo de la Precisión del Forecast en SCM .............................................................. 16
2.5.2.
Error del Forecast........................................................................................................ 16
2.5.3.
¿Como definir la Precisión del Forecast? .................................................................... 17
2.6. IMPACTO DEL FORECAST ACCURACY EN PyMES Y GRANDES EMPRESAS
(MULTINACIONALES)...............................................................................................................18
2.7. CONSIDERACIONES FINALES DEL CAPÍTULO ..................................................................19
33.. CCAAPPÍÍTTUULLO
O IIIII.........................................................................................................................................................................2200
3.1. FORCASTING vs. PRESUPUESTOS ECONOMICOS ESTATALES........................................20
3.1.1.
Casos de análisis de budget económicos estatales. ................................................... 20
3.1.2.
Impacto de variables exógenas en modelos económicos de Argentina ..................... 22
3.2. CONSIDERACIONES FINALES DEL CAPITULO ..................................................................23
44.. CCAAPPIITTUULLO
O IIVV.........................................................................................................................................................................2244
4.1. FORECASTING EMPRESARIAL vs. PRONÓSTICO DEL TIEMPO .........................................24
4.2. MODELOS ....................................................................................................................25
4.2.1.
ETA .............................................................................................................................. 25
4.2.2.
Global.......................................................................................................................... 25
4.2.3.
Regional ...................................................................................................................... 26
4.2.4.
Oceánico ..................................................................................................................... 26
4.2.5.
Ensemble..................................................................................................................... 26
4.3. CLIMATIZANDO LA DEMANDA .....................................................................................27
4.4. CONSIDERACIONES FINALES DEL CAPITULO ..................................................................27
55.. CCAAPPIITTUULLO
O VV...........................................................................................................................................................................2299
5.1. ENCUESTAS ..................................................................................................................29
CCO
ONNCCLLUUSSIIO
ONNEESS..............................................................................................................................................................................4433
AANNEEXXO
O II................................................................................................................................................................................................4444
AANNEEXXO
O IIII........................................................................................................................................................................................................................4455
AANNEEXXO
O IIIIII............................................................................................................................................................................................5500
BBIIBBLLIIO
OGGRRAAFFIIAA.................................................................................................................................................................................5533
1
INTRODUCCION
“ En los negocios de la vida no es la fe lo que salva, sino la desconfianza."
Con esta breve frase, Napoleón Bonaparte, uno de los estrategas más importantes y reconocidos en
la historia universal, nos hace entender que la única manera de llevar adelante una empresa (cualquiera
fuese su naturaleza y finalidad) es realizando planes frente a la incertidumbre, aquello que no se conoce y lo
desconocido en cierta forma se teme…
El mundo de los negocios está impulsado por la demanda de los clientes. Lamentablemente, los
patrones de la demanda varían considerablemente de un período a otro. Esta es la razón por la que puede
ser tan difícil de desarrollar las previsiones precisas.
El presente trabajo tiene por finalidad, explicar qué es el forecasting y cuáles son sus aplicaciones,
para luego introducirse en una descripción de los métodos más utilizados en las empresas. Así como
también analizaremos que aportes o similitudes podría aplicarse respecto del Forecasting con los Modelos
Meteorológicos y por último y basándonos en un espíritu mas innovador nos permitiremos pensar en el
Forecasting y su factibilidad de Aplicación en un Modelo Económico Nacional.
Avanzando el trabajo, también se presentara un análisis de distintas empresas (de las que algunos
miembros del equipo de trabajo son parte), ya que en cierta manera este muestreo reflejará parte de la
cultura no solo organizacional de las mismas sino que también sus diferentes formas de ver una parte de la
problemática de la logística en el sector privado de la Argentina1.
También, en un capítulo especial, trataremos de explicar por analogía cuáles son las similitudes entre
el pronóstico meteorológico y el forecasting empresarial, tratando de equiparar alguno de los diferentes
métodos empleados por ambos.
1
Considerando que algunas empresas contempladas son multinacionales de origen extranjero.
2
1. CAPITULO I
1.1.
EL FORECASTING EMPRESARIAL
1.1.1. ¿A qué llamamos forecasting o pronóstico?
La explicación del término más acertada a nuestro juicio versa que es una “conjetura sobre lo que pueda
suceder”. No debe ser confundido con “predicción” dado que la misma es una estimación muy general.
1.1.2. El forecasting empresarial
Muchos autores y publicaciones referenciales tratan de definir al forecasting con diferente vocabulario
siendo este, en síntesis, variadas aproximaciones teóricas de lo mismo: un proceso analítico a través del
cual se trata de estimar la demanda a futuro para uno o varios productos o servicios utilizando diversos
métodos en la intención de arribar a resultados con un esperado nivel de precisión.
El pronóstico es un arte2 y ciencia porque conjuga la habilidad del pronosticador en poder determinar las
herramientas de análisis precisas con sus técnicas de aplicación, la información pertinente y requiere de
una gran evolución en su pensamiento creativo para poder configurar tantos escenarios como sea
posible y una eficiente estrategia para concluir en un forecast lo más preciso en una situación donde el
riesgo y la incertidumbre condicionan al ambiente.
En términos empresariales, las técnicas del forecasting son utilizadas comúnmente, entre otras, para 3:

Predecir las futuras demandas de un producto o servicio.

Predecir el efecto de la inversión o compra en el proceso de toma de decisiones.

Mantener un efectivo nivel de abastecimientos.

Reducir la incertidumbre y administrar el riesgo de alguna situación de negocios a futuro.
La disponibilidad de datos e información pertinente asociada es el factor más importante en la elección
del método y herramientas que serán empleadas. Cuando hacemos referencia a la pertinencia de la
información, nos basamos en el supuesto de que la misma ha sido adecuadamente elaborada y
procesada en concordancia al pronóstico al que se quiere arribar y al o los métodos que se van a utilizar
como herramientas para su consecución.
2
3
Practical Business Forecasting de Michael Evans, traducción de los autores.
University of Saskatchewan, Canada, en internet.
3
Entonces, podemos decir que el forecasting se utiliza cuando alguno o todos los parámetros de las
técnicas y la capacidad de solución tradicionales no están lo suficientemente definidos como para
permitir la utilización detallada en las estimaciones de los costos y de los procesos4, lo que va a requerir
ir más allá de una estimación general para acotar ese cono de incertidumbre que un escenario futuro
presentaría, proyectando los números, las características y tendencias en los mercados definidos como
objetivo.
El pronóstico es importante cuando se trata de desarrollar nuevos productos o nuevas líneas de
productos. Ayuda a la conducción empresarial a decidir si el producto o línea de productos será un éxito
e impide que la empresa gaste tiempo y dinero en el desarrollo, fabricación y comercialización de un
producto que va a fracasar.
Considerando “los beneficios que proporciona su correcta estimación y control”5, pasa a ser una parte
fundamental dentro de la organización impactando directamente en la logística y en los principales
procesos de la cadena de suministro.
A modo de síntesis, y apoyados en un análisis efectuado por PriceWaterhouseCoopers, podemos decir
que las bondades de un buen pronóstico repercuten de la siguiente manera en una empresa:
Disminución de ventas perdidas (gestión comercial y marketing),
Disminución del stock de seguridad (gestión de stocks)
Mejora de los términos de negociación con proveedores (gestión de aprovisionamiento)
Mejoras en la planificación (gestión de producción)
Optimización en la gestión de pedidos al controlar más la demanda (gestión de pedidos)
Mejora en el servicio al cliente (servicio al cliente)
Gestión económica controlada (control económico).
4
5
UK Ministry of Defence (MOD) Acquisition Operating Framework (AOF), traducción e interpretación de los autores.
Manual de Consulta Forecasting, publicación en la web de la consultora multinacional Price Waterhouse & Coopers en
la Argentina,
4
1.1.3. Compendio de métodos del forecasting
Al existir una variada gama de métodos y técnicas para efectuar un análisis de pronóstico, se distinguen
claramente aquellos autores que las identifican como cualitativas y cuantitativas y otros como Ballou6
que, además de éstas, incluye a los métodos de proyección histórica haciendo interactuar a los tres
métodos con diferentes técnicas a corto, mediano y largo plazo. De la interpretación efectuada de los
métodos, podemos decir, que en algún punto del tiempo de forecasting donde se realice la combinación
de las técnicas, la proyección histórica oficiaría como nexo o buffer zone (zona de amortiguación) como
muestra la siguiente figura:
6
BALLOU, Ronald H.: Logística, administración de la cadena de suministro.
5
En el siguiente cuadro hemos sintetizado el espectro de métodos y técnicas para facilitar su
comprensión:
6
2. CAPITULO II
2.1.
MÉTODOS DE PRONÓSTICOS
Se dispone de varios métodos de pronósticos estandarizados. Estos se han dispuesto en tres grupos
diferentes: cualitativos, de proyección histórica y cuantitativos (casuales). Cada grupo difiere en términos
de la precisión relativa del pronóstico sobre el largo plazo y el corto plazo, en el nivel de sofisticación
cuantitativa utilizada y en la base lógica (información histórica, opinión experta o encuestas) de la que
deriva el pronóstico.
2.1.1. Métodos cualitativos
Los métodos cualitativos utilizan el juicio, la intuición, las encuestas o técnicas comparativas para
generar estimados cuantitativos acerca del futuro. La información relacionada con los factores que
afectan el pronóstico por lo general es no cuantitativa, intangible y subjetiva. La información histórica
tal vez este disponible o quizás no sea muy relevante para el pronóstico. La naturaleza no científica
de los métodos los hace difíciles de estandarizar y de validar su precisión. Sin embargo, estos
métodos pueden ser los únicos disponibles cuando se intenta predecir el éxito de nuevos productos,
cambios de en las política gubernamental o el impacto de una nueva tecnología. Son métodos más
bien adecuados para pronósticos a corto plazo.
2.1.2. Métodos de proyección histórica
Cuando se dispone de una cantidad razonable de información histórica y de las variaciones de las
tendencias estaciónales en las series de tiempo son estables y bien definidas, la proyección de esta
información al futuro puede ser una forma efectiva de pronóstico para el corto plazo. La premisa
básica es que el patrón del tiempo futuro será una réplica del pasado al menos en una grana parte.
La naturaleza cuantitativa de las series de tiempo estimula el uso de los modelos matemáticos y
estadísticos como las principales herramientas de pronóstico. La precisión que puede lograrse para
períodos de pronósticos menores a seis meses por lo general es buena. Estos modelos trabajan en
forma adecuada simplemente debido a la estabilidad inherente de las series de tiempo en el corto
plazo. Los modelos de las series de tiempo son de naturaleza reactiva. Estos modelos rastrean los
cambios al ser actualizados a medida que se dispone de nueva información, característica que les
permite adaptarse a los cambios en los patrones de tendencia y estaciónales. Sin embargo, si el
cambio es rápido, los modelos no emiten señal de cambio, sino hasta que éste ha ocurrido. Debido a
esto, se dice que las proyecciones de estos modelos demoran los cambios fundamentales en las
series de tiempo, y que son débiles para señalar los puntos críticos antes de que se presenten. Esta
7
no es necesariamente un a limitación notable cuando los pronósticos se realizan sobre horizontes de
tiempos cortos, a menos que los cambios sean particularmente espectaculares
2.1.3. Métodos cuantitativos (o casuales)
La premisa básica sobre la que se construyen los métodos casuales para pronósticos es que el nivel
de la variable pronosticada se deriva del nivel de otras variables relacionas. Por ejemplo, si se sabes
que el servicio al cliente tiene un efecto positivo sobre las ventas entonces, entonces al conocer el
nivel proporcionado del servicio al cliente podrá proyectarse el nivel de ventas. Podríamos decir que
el servicio “causa” las ventas. En la medida que puedan describirse adecuadas relaciones de causa
y efecto, los modelos casuales pueden ser bastantes buenos para anticipar cambios mayores en las
series de tiempo y para pronosticar de manera precisa sobre un período de mediano plazo.
Los modelos casuales viene en una variedad de formas: estadísticos, en el caso de los modelos de
regresión y econométricos; y descriptivos, como en el caso de los modelos de entrada y salida, ciclo
de vida y simulación por computadora. Cada modelo deriva su validez a partir de los patrones de
información histórica que establecen la asociación entre las variables para predicción y la variable
que se pronosticará.
Un problema principal con esta categoría de modelos de pronóstico es que frecuentemente resulta
difícil encontrar verdaderas variables casuales. Cuando se encuentran, su asociación con la variable
que se pronosticará con frecuencia es preocupantemente baja. Las variables casuales que guían a
la variable de pronóstico en el tiempo son incluso más difíciles de encontrar. Con demasiada
frecuencia, el tiempo para adquirir la información para las variables conducentes consume todo el
tiempo o la mayor parte del período de uno a seis meses, en el que se encuentra que tales variables
dirigen al pronóstico. Los modelos basados en técnicas de regresión y económicas pueden
experimentar un error de pronóstico importante debidos a estos problemas.
2.2.

RESUMEN DE TÉCNICAS DE PRONÓSTICOS
Método Delphi: un panel de expertos es interrogado mediante una secuencia de cuestionarios en
los que las respuestas a un cuestionario se utilizan para producir el segundo cuestionario. De esta
forma, cualquier información disponible para unos expertos y no para otros, es transmitida a estos
últimos, lo que permite que todos los expertos tengan acceso a toda la información para el
pronóstico. Esta técnica elimina el efecto de tendencia moderna de la opinión mayoritaria.
Horizonte de tiempo de pronóstico: Medio- Largo

Investigación de mercado: procedimiento sistemático, formal y conciente de evolución y validación
de hipótesis sobre mercados reales.
8
Horizonte de tiempo pronóstico: Mediano- Largo

Consenso de panel: esta técnica se basa en la suposición de que muchos expertos pueden llegar a
un mejor pronóstico que una sola persona. No existen secretos y se fomenta la comunicación. Los
pronósticos en ocasiones son influidos por factores sociales y quizás no reflejen un verdadero
consenso. Las solicitudes de opiniones ejecutivas caen en esta categoría.
Horizonte de tiempo pronóstico: Mediano- Largo

Estimado de la fuerza de ventas: pueden recabarse las opiniones de la fuerza de ventas, ya que
los vendedores son los más cercanos a los clientes y se encuentran en buena posición para estimar
sus necesidades.
Horizonte de tiempo pronóstico: Corto – Mediano

Pronóstico visionario: profecía en que utilizan perspectivas personales, juicios y, en la medida de
los posible, hechos acerca de distintos escenarios futuros. Se caracteriza por conjeturas subjetivas e
imaginación; en general, los métodos utilizados no son científicos.
Horizonte de tiempo pronóstico: Mediano- Largo

Analogía histórica: este es un análisis comparativo de la introducción y crecimiento de nuevos
productos similares que basan el pronóstico en patrones de similitud.
Horizonte de tiempo pronóstico: Mediano- Largo

Promedios móviles: cada punto de un promedio móvil de una serie de tiempo es el promedio
aritmético o ponderado de un número de puntos consecutivos de la serie, donde el número de
puntos de información se seleccionará de manera que los efectos de estacionalidad o irregularidad
eliminen.
Horizonte de tiempo pronóstico: Corto

Ajuste o suavización exponencial: esta técnica es similar a la anterior, excepto que los puntos que
son más recientes reciben mayor ponderación... En forma descriptiva, el nuevo pronóstico será igual
al anterior más cierta parte del error de pronóstico pasado. La nivelación exponencial doble o triple
son versiones complejas del modelo básico que explican la variación de tendencia y de
estacionalidad en la serie de tiempo.
Horizonte de tiempo pronóstico: Corto
9

Box – Jenkins: complejo procedimiento iterativo basado en computadora que produce un modelo de
promedios móviles integrado y auto regresivo, que se ajusta para los factores de tendencia y
estacionales, estima los parámetros apropiados de ponderación, valida el modelo y repite el ciclo
según sea apropiado.
Horizonte de tiempo pronóstico: Corto – Mediano

Descomposición de series de tiempo: método para descomponer una serie de tiempo en
componentes estacionales, de tendencia y regularidad. Es bastante adecuado para identificar puntos
críticos y es una excelente herramienta de pronóstico para el período de tiempo mediano – largo, es
decir de tres a doce meses.
Horizonte de tiempo pronóstico: Corto – Mediano

Proyección tendencial: esta técnica ajusta una línea de tendencia utilizando una ecuación
matemática y luego proyectándola al futuro por medio de la ecuación. Existen muchas variaciones:
método de pendiente característica, de polinomios, logarítmica, etc.

Pronóstico objetivo: valida varias reglas simples de decisión para ver cual es la más precisa sobre
el período de los tres meses siguientes. Se utiliza simulación por computadora para validar las
distintas estrategias.
Horizonte de tiempo pronóstico: Mediano

Análisis espectral: el método intenta descomponer
una serie de tiempo en sus componentes
fundamentales, denominadas espectro. Estos componentes son representados mediante curvas
geométricas seno-coseno. Al volver a reunir estos componentes se genera una expresión
matemática que puede utilizarse para pronósticos.
Horizonte de tiempo pronóstico: Corto – Mediano

Modelo de regresión: relaciona la demanda con otras variables que causan o explican su nivel. Las
variables se seleccionan sobre la base de significancia estadística. La disponibilidad general de
programas de regresión por computadora más poderosos hacen de ésta una técnica particular.
Horizonte de tiempo pronóstico: Corto – Mediano
10

Modelo econométrico: un modelo econométrico: es un sistema de ecuaciones de regresión
interdependientes que describe las ventas de cierto sector económicos. Los parámetros de la
ecuación de regresión por lo general se estiman en forma simultánea. Como regla, estos modelos
son relativamente costosos de desarrollar, sin embargo, debido al sistema de ecuaciones inherente
en tales modelos, éstos expresarán mejor las cualidades involucradas de una ecuación de regresión
ordinaria, y por lo tanto predecirán en forma más precisa los puntos críticos.
Horizonte de tiempo pronóstico: Mediano

Encuestas de intención de compra y anticipación: estas encuestas del público: a) determinan la
intención de comprar ciertos artículos b) obtienen un índice que mide el sentimiento general sobre el
presente y el futuro, y estiman en que medida este sentimiento afectará los hábitos de compra. Estos
métodos para pronosticar son más útiles para el seguimiento y advertencia que para el pronóstico. El
problema básico al utilizarlos es que un punto crítico puede ser señalado en forma incorrecta.
Horizonte de tiempo pronóstico: Mediano.

Modelos de entrada – salida: método de análisis que se refiere al flujo de bienes o servicios ínter
industria o ínter departamental en la economía y los mercados. Muestra los flujos de entrada que
deben ocurrir para obtener ciertas salidas. Debe invertirse un esfuerzo considerable para utilizar
éstos métodos de manera adecuada, y debe obtenerse un detalle adicional, normalmente no
disponible, si se desea aplicar a negocios específicos.
Horizonte de tiempo pronóstico: Mediano

Indicadores líderes: pronóstico generados a partir de una o más variables precedentes que
sistemáticamente se encuentran relacionadas con la variable que se predecirá.
Horizonte de tiempo pronóstico: Corto –Mediano

Análisis del ciclo de vida: es un análisis y pronóstico del crecimiento de un nuevo producto con
base
en la curva S. Las fases de la aceptación de producto según distintos grupos como
innovadores, adoptante temprano, mayoría temprana, mayoría tardía y rezagados, son centrales
para el análisis.
Horizonte de tiempo pronóstico: Mediano – Largo

Filtro adaptativo: derivado de la combinación ponderada de los resultados reales y estimados,
alterados sistemáticamente para reflejar cambios de patrones de información.
11
Horizonte de tiempo pronóstico: Corto - Mediano

Simulación dinámica: este método utiliza la computadora para simular en el tiempo el efecto de las
ventas de producto final sobre los requerimientos en distintos puntos del canal de distribución y
suministros. Los requerimientos se indican mediante políticas de inventarios, programas de
producción y políticas de compras.
Horizonte de tiempo pronóstico: Mediano – Largo

Respuesta precisa: proceso simultáneo de mejora de pronósticos y rediseño de procesos de
planeación para minimizar el impacto de los pronósticos imprecisos. La respuesta precisa supone
averiguar lo que los responsables de los pronósticos pueden o no predecir bien, para luego hacer
rápida y flexible la cadena de suministros, de manera que los directivos puedan posponer las
decisiones sobre sus artículos menos predecibles hasta que ellos cuenten con señales de mercado,
como los resultados de las primeras ventas, para ayudarles a ajustar en forma adecuada la oferta
con la demanda.
Horizonte de tiempo pronóstico: Corto

Redes neuronales: modelos matemáticos de pronóstico inspirados en el funcionamiento de las
neuronas biológicas. Se caracterizan por su habilidad para aprender a medida que se cuenta con
mayor información. Le precisión del pronóstico parece ser mejor que con otros métodos de series de
tiempo cuando la serie de tiempo es discontinua.
Horizonte de tiempo pronóstico: Corto

Pronóstico de colaboración: los miembros del canal de suministros en forma conjunta mantienen y
actualizan un solo proceso de pronóstico para generar un pronóstico que sea más preciso que el
que pudiera generarse en forma individual. Los pronósticos de colaboración tienen mayor
probabilidad de ofrecer mejor resultados sobre los pronósticos generados por los miembros
individuales cuando cada miembro aporta algo único al proceso de pronóstico.
Horizonte de tiempo pronóstico: Corto

Pronóstico basado en reglas: este método utiliza un sistema experto para pronosticar. Mediante la
experiencia, se desarrollan reglas del tipo “si entonces”, que guían el manejo de la preparación de
cuestiones de información y del modelo de pronóstico. El pronóstico de experiencia, según lo
expresa la base de regla y conocimiento del dominio, se utiliza para generar pronósticos de acuerdo
con las características de información.
12
Horizonte de tiempo pronóstico: Corto – Largo
2.3.
LA PLANEACIÓN Y EL PRONÓSTICO DE LA DEMANDA.
El concepto de la estrategia de la demanda introduce al de planeación de la demanda. Dentro de
éste, los pronósticos son una parte. Pero el relacionamiento profundo con el cliente desempeña un papel
estratégico particular, como parte de la planeación de la demanda. Planear inventarios, ventas, y estimar
la demanda entre plantas son otras de las metodologías empleadas.
El concepto de pronóstico de de la demanda se refiere a los diversos aspectos de información que
abarca éste, es decir, la demanda no acotada del mercado, la mezcla de productos, las órdenes de los
clientes, los embarques y la producción. Los responsables de los pronósticos, aun con la participación
de todas las áreas funcionales, son los líderes del segmento, los líderes del negocio, un coordinador de
pronóstico, el representante de servicios a clientes, el personal de ventas y los clientes, estos últimos
como referentes inevitables del proceso.
Existe un principio general: el de tener un responsable principal de la función, pero también una
fuerte orientación hacia el trabajo en equipo, que procura reunir la mayor cantidad posible de información
para consolidar los pronósticos, a partir de la inteligencia de mercado que aportan diversos agentes.
Principios como el de sumir la inexactitud de los pronósticos, la necesidad tener tres números (fecha,
cantidad, y error) , la mayor precisión que da el agregado de diversos volúmenes o la no insustituibilidad
de una mejor información (debido a que es demanda dependiente o por la incorporación de mejor
información) están profundamente asumidos dentro de la filosofía de la compañía.
Se emplean dos niveles de
principios de para reducir la incertidumbre, por una parte el
estrictamente analítico, como el agrupamiento de productos, el uso de conocimiento de mercado, el
seguimiento de varianzas, definiendo causas raíz y de mejora, y el vínculo a clientes. Por la otra, las
técnicas de administración, como el aumento de flexibilidad en la manufactura, los stocks de seguridad,
la administración de retornos, la reprogramación, y la reducción de opciones de productos constituyen
opciones que pueden mitigar significativamente el efecto de la incertidumbre de los pronósticos.
2.4.
¿CUÁL ES EL COSTO DE LOS MALOS PRONÓSTICOS?
Tenemos garantía que los pronósticos no van a ser 100% exactos y que además la desviación de los
pronósticos tiene un costo implícito, ya sea que los pronósticos fueron altos o fueron bajos respecto a la
realidad.
13
El punto fundamental en los pronósticos es ser consistente y lograr la menor desviación respecto a los
objetivos:
I. Pronosticar por arriba de la demanda tiene entre sus consecuencias exceso de inventario,
obsolescencia, reducción de margen para promover su venta.
II. Pronosticar por debajo de la demanda tiene entre sus consecuencias comprar y producir más caro
algo que no estaba planeado, incluso pérdida de venta y margen si no reaccionamos a tiempo
El costo de la
desviación del
pronostico
Pronostico por arriba
de la demanda
Pronostico por
debajo de la
demanda
Costo por inventarios
(exceso)
Costos mas altos por
reaccionar
Costo de mantener el
inventario
Costo de perdida de
ventas
Costo por
obsolescencia
Costo de fortalecer la
competencia
Costo de
reasignacion
Costo de perdida de
ventas de productos
acompañantes
Reducción de
margen por
descuentos
Reducción de la
satisfacción del
cliente
14
2.5.
FORECAST ACCURACY
La predicción y el entendimiento de la demanda de los clientes son de vital importancia en las industrias
manufactureras y los distribuidores
para evitar “stock-out” y mantener el inventario en los niveles
adecuados. Si bien los Forecast nunca son exactos, son necesarios para estimar la demanda.
Con el fin de obtener inventarios óptimos y lograr una adecuada Administración de la Cadena de
Abastecimiento (SCM), la precisión con la que se calcula el Forecast y su resultado tienen un alto impacto en
los resultados globales de cualquier compañía.
Este indicador generalmente se mide a nivel de SKU (stock keeping units) y cada compañía define un nivel
de tolerancia. El análisis posterior es realmente importante para entender las razones de los desvíos que
hayan podido ocurrir y considerar en los futuros procesos de forecast dichas variables. En las figuras
siguientes se muestra un ejemplo del análisis de este indicador en una compañía alimenticia:
15
2.5.1. Calculo de la Precisión del Forecast en SCM
La Precisión del Forecast generalmente es medida utilizando MAPE (Mean Absolute Percent Error). Sin
embargo existen confusiones entre la definición estadística del MAPE y su aplicación entre los planificadores
de Supply. Estadísticamente el MAPE es definido como el promedio del error porcentual.
MAPE =
1 n At  Ft
 At
n t 1
2.5.2. Error del Forecast
Es la diferencia entre el valor Actual vs. el Pronosticado, para cada SKU´s. El denominador resulta un tema
de debate en la literatura especializada, dado que se pude utilizar tanto la “demanda actual” como la
“cantidad pronosticada”
Generalmente se utiliza el valor absoluto del error porque la magnitud del error es más importante que la
dirección del mismo.
16
ERROR ABSOLUTO =
At  Ft
At
ERROR PORCENTUAL (%) =
ACCURACY (%) =
At  Ft
100
At
1  Error(%)
2.5.3. ¿Como definir la Precisión del Forecast?
Los errores (desvíos) necesitan ser calculados con las cantidades actuales respecto de una base
previamente definida.
Existen otras alternativas para su medición tales como:
Mean Percent Error: En estadística el Error Porcentual medio es la diferencia entre el valor pronosticado y
el valor actual, sobre el valor actual.
MPE =
1 n Ft  At

n t 1 At
Root Mean Squared Error: Es la raíz del promedio de la sumatoria de los errores al cuadrado.
n
 F  A 
t
RMSE =
t
2
t 1
n
17
2.6.
IMPACTO DEL FORECAST ACCURACY EN PyMES Y GRANDES
EMPRESAS (MULTINACIONALES)
De acuerdo con el trabajo realizado, y basándonos en un análisis del Forecasting (en parte sustentado por
encuestas realizadas por la Cátedra en el año 2007) podemos concluir de manera macro, es decir tanto para
las Multinacionales (grandes empresas), Medianas y Pequeñas empresas, en los siguientes puntos:
Un aspecto fuertemente observado y que se había planteado como hipótesis en dicha encuesta fue observar
que el análisis de Forecasting se hace principalmente en las empresas de mayor estructura, es decir las
Empresas de Mediana Estructura y las grandes, como ser las Multinacionales. Lo cual fue acertado y
comprobado con los datos obtenidos, y el resultado de la misma fue que más del 80 % de las empresas
medianas y grandes encuestadas realizan Forecast
Hipótesis: cuánto más grande, mayor es la probabilidad. La hipótesis se comprueba. Los datos
contrastados muestran que más del 80 % de las empresas medianas y grandes encuestadas realizan
Forecast
Empresas que realizan Forecast
(por volúmen de facturación)
100%
%
80%
60%
40%
20%
0%
Total
Pequeña
Pyme
Mediana
Grande
Tipo de Empresa
Fuente: Año 2007 - Encuesta Realizada como parte de Monografía del Curso de Posgrado de Logística y
Solución de Casos - Facultad de Ingeniería U.B.A.
Otro punto analizado fue la Correlación existente entre 2 variables: certeza del forecast vs. ventas perdidas.
También se ha afirmado esta hipótesis ya que es real y se ha podido mediante muestreo comprobar que a
Mayor Certeza en el Forecast (mayor precisión), menor es la venta que se ha perdido, hablando de grandes
y medianas empresas, no así en las Pequeñas. Con estos datos relevados se indicaría que el Forecast es
una herramienta adecuada que ayudará a contribuir con un mejor servicio al cliente. Entonces decimos que
un mejor Forecast tiende a contribuir a un incremento en la facturación.
18
Ventas perdidas por empresas
medianas y grandes
Certeza del forecast
>95%
1.5%
entre 90 y 95%
5.1%
entre 70 y 89%
6.2%
entre un 50 y un 69%
7.8%
< 50%
10.0%
Correlación
-0.91
Fuente: Año 2007 - Encuesta Realizada como parte de Monografía del Curso de Posgrado de Logística y
distribución de Casos - Facultad de Ingeniería U.B.A.
Otro tema bajo análisis ha sido si existe relación alguna entre los niveles de stock vs. las ventas perdidas. Y
según los datos obtenidos, la hipótesis planteada no pudo comprobarse. No necesariamente un mayor nivel
de stock se traduce linealmente en mejor servicio al cliente. Esto ha sido comprobado y ha coincidido tanto
para las Pequeñas como para las medianas y Grandes empresas.
Ventas perdidas
Días de Stock
PYMES
Medianas
Grandes
0a3
5%
4%
6%
3 a 10
4%
5%
3%
10 a 20
7%
7%
20 a 30
5%
6%
2%
30 a 45
8%
9%
8%
> 45
4%
5%
2%
Correlación
0,19
0,44
-0,22
Fuente: Año 2007 - Encuesta Realizada como parte de Monografía del Curso de Posgrado de Logística y
Solución de Casos - Facultad de Ingeniería U.B.A.
2.7.
CONSIDERACIONES FINALES DEL CAPÍTULO
Podemos concluir que el Forecast para las Compañías hoy día, no es un tema menor, no solo el trabajar con
sus modelos, sino también que se suma el trabajar en equipo, para definir estimaciones a futuro.
En este trabajo de encuestas que se han realizado, podemos observar que principalmente en las Grandes y
Medianas empresas, ha tomado un lugar preponderante el comenzar a pensar y trabajar en equipo, como
compañía, no solo desde áreas correspondientes a Supply Chain, sino también áreas como Ventas y
Comercial, Finanzas, etc. Ya que como hemos observado la Precisión del Forecast beneficia a la compañía
en su totalidad: aumentando ventas, optimizando costos y administrando correctamente los inventarios.
Esto conducirá al fin que toda empresa con fines lucrativos persigue, que es maximizar su rentabilidad
acompañando de un crecimiento y posicionamiento sostenido con presencia en el Mercado.
19
3. CAPÍTULO III
3.1.
FORCASTING vs. PRESUPUESTOS ECONOMICOS ESTATALES
3.1.1. Casos de análisis de budget económicos estatales.
Cada organización pública o privada que realiza proyecciones o previsiones también evalúa sus resultados.
Las previsiones son evaluadas para mejorar los modelos en que se basan estas, y lograr una mejor
planificación de políticas y resultados.
Para los gobiernos de todo el mundo, la asignación de recursos es un acto de equilibrio (entre los programas
y políticas, así como entre los ingresos y gastos). Mientras los objetivos y las metas fiscales entran en estas
consideraciones, las previsiones de ingresos definen los parámetros en un proceso presupuestario.
En general, las previsiones presupuestarias siguen al proceso de conversión de las previsiones de las
variables económicas en variables de forecast fiscales. Además de las inexactitudes en las previsiones
económicas que se traducen en errores en las previsiones fiscales, el proceso de conversión se basa en
métodos estadísticos y de regresión en proyecciones de rendimiento dentro de ciertos márgenes de
tolerancia y bandas de error.
No debería sorprender que las previsiones no siempre sean exactas (que son fundamentalmente
predicciones del futuro con información incompleta). Sin embargo, las previsiones de imprecisión,
consistentes en la subestimación de los ingresos y los excedentes presupuestarios, generalmente derivan en
fuertes críticas. Estamos entonces frente a la problemática que las cuestiones políticas presentan al proceso
de estimaciones de los presupuestos.
La Commonwealth
Hemos tomado como ejemplo del proceso de pronóstico y sus formas de aplicarlo en el ámbito estatal a la
Commonwealth y al Departamento del Tesoro de Sydney, dado que estos producen pronósticos de las
variables económicas y fiscales que proporcionan la base para la asignación de recursos en el proceso
presupuestario anual.
El Tesoro también realiza revisiones de sus previsiones. Por ejemplo, el de Nueva Zelanda revisa
periódicamente el desempeño de sus forecasts. En Australia, el Departamento Occidental de Hacienda y
Finanzas elaboró una comparación de la previsión de rendimiento de todos los Estados excluyendo al
Territorio Norte de la misma.
20
El documento evalúa el rendimiento de la previsión de ingresos en el territorio de la capital australiana. El
objetivo de este estudio es ver si los errores de previsión de la Tesorería están dentro del límite razonable de
las expectativas o si estos errores son excesivamente grandes y requieren una mejora en los modelos estadísticos y el proceso de elaboración de estas previsiones.
También, analiza las diferencias en los ingresos de los resultados originales de las previsiones de todos los
Estados y del territorio de la capital. Los resultados muestran que el sector capitalino tiene un mejor
pronóstico de rendimiento que la mayoría de los Estados más pequeños.
Estas cuestiones no son exclusivas en Australia y de sus vecinos dado que las previsiones de precisión han
sido motivo de preocupación y objeto de estudios internacionales. En general, las causas de las
imprecisiones han sido bien analizadas, y se dividen en las siguientes categorías:
cuestiones técnicas, tales como la precisión de los datos, la previsión de la metodología, proceso y
estructuras;
efectos de los objetivos fiscales;
el ciclo económico.
Hay sin embargo límites aceptables de la inexactitud. El principal objetivo del estudio que se efectúa en
Australia es identificar si la previsión que se efectúa, se ajusta a los forecast realizados por los diferentes
Estados. Esto significa que el mismo Estado, mediante una o varias de sus agencias, efectúan el contralor
de sus propios procesos de estimaciones para reducir en cierta medida los márgenes de error que, en un
presupuesto anual, podrían significar varios miles de millones de dólares.
Proceso de Forecasting en el Tesoro
El Tesoro de la capital australiana a menudo utiliza de las variables económicas como forma de previsiones,
como el Índice de Precios al Consumidor, Índice de Precios de Salarios y el PBI. Para algunas variables
económicas utiliza sus propios modelos estadísticos.
Las previsiones de las variables fiscales se establecen a través de dos grupos, el Grupo de Predicción
Económica con sede en la División de Inversiones y Economía y la previsión de ingresos del Grupo, que
cuenta con representantes de las divisiones fundamentales en la Tesorería. El Economic Forecasting Group
provee las previsiones de las variables económicas, junto con una serie de información complementaria a la
previsión de ingresos del Grupo.
21
Estas previsiones son discutidas y examinadas en detalle por el Grupo de Previsión de Ingresos, que
comprende de los ejecutivos y expertos de diferentes partes de la Tesorería. El objetivo de este proceso es
eliminar cualquier sesgo personal o lógico que puedan incluirse en las previsiones.
La previsión de ingresos que elabora el Grupo también ayuda a solucionar las cuestiones que puedan surgir
durante el ciclo del proceso de previsión. Esto incluye la disposición de la última información y datos para el
trabajo del equipo.
¿Cómo lo hacen?
Existen varios métodos estadísticos disponibles para evaluar los resultados previstos. El siguiente cuadro
enumera las medidas de uso común. El “Cuadrado Medio de Error” es el más utilizado para medir sus
propiedades estadísticas.
TECNICA
Cuadrado Medio de
Error
Media de Error
Porcentaje Medio de
Error
Media de Error
Absoluto
Media Absoluta de
Porcentaje de Error
MIDE
El promedio de errores cuadráticos durante el período
de muestreo.
El promedio en dólares o el porcentaje de puntos por
los que difieren de las previsiones de resultados
El porcentaje promedio de errores por los que difieren
de las previsiones de resultados
El promedio de la cantidad absoluta o el porcentaje de
puntos por los que una previsión difiere de un resultado
El importe promedio de porcentaje absoluto en el que
difiere de las previsiones de resultados.
3.1.2. Impacto de variables exógenas en modelos económicos de Argentina
Otros factores que tienen impacto directo, aunque temporarios, en la demanda del consumidor son los
eventos exógenos. Muchos de estos eventos simplemente no se pueden predecir o no se tienen en cuenta o
son subestimados al momento de elaborar un forecast (por estar fuera del sistema financiero). Aparte de la
dificultad para predecir el impacto de eventos exógenos, hay otras razones para ignorarlos; los factores
endógenos parecen ser algo mucho más importante al momento de elaborar un forecast.
Un ejemplo de ello es el impacto que tuvo en los mercados el virus de la gripe porcina (Gripe A, N1H1).
Esta pandemia tuvo un impacto directo en la industria de la aviación como así también en la industria de la
diversión (cines, teatros, recitales y espectáculos en general). Tampoco estuvieron ajenos a esta situación
los centros comerciales u otros lugares de concurrencia masiva. Todos estos sectores fueron los más
vulnerables ante dicha situación y sufrieron los mayores porcentajes en la disminución de ventas.
22
En la industria también se pudo apreciar efecto y ello se debe a las medidas que se han tomado para
tratar de minimizar el contagio de la enfermedad:

Cierre total o parcial de actividades en organismos estatales

Licencia a mujeres embarazadas y/o con hijos menores de 14 años

Pacientes inmunodeprimidos
La primera medida tuvo un impacto directo sobre las exportaciones, ya que provoco un incremento en los
tiempos para realizar los trámites de exportación. Tanto la segunda como tercer medida, tuvieron como
consecuencia la disminución del personal en las distintas empresas con lo cual las mismas se vieron
forzadas a realizar una reorganización y asignación de actividades, todo esto ha provocado que los tiempos
previstos para realizar las distintas tareas se incrementen, obteniendo como resultado una caída en el nivel
de las ventas.
Otros factores endógenos a los cuales son sensibles las ventas y por lo general no son tenidos en cuenta
al momento de elaborar un forecast son los siguientes:

Piquetes

Paros

Cambio de Gobierno

Elecciones

Gestación de problemas entre el gobiernos y distintos sectores

Crisis financieras internas o externas

Nuevas regulaciones internas o externas

Exigencias de auditorias

Nuevos competidores

Fusiones y/o adquisiciones

Desastres Naturales
 Epidemias / Pandemias
3.2.
CONSIDERACIONES FINALES DEL CAPITULO
Al momento de comprar el Forecasting con los Modelos Económicos Estatales, y su impacto en las
distintas empresas, observamos que dichos modelos no contemplan la importancia de las variables
exógenas, no porque no les den importancia, sino porque la probabilidad de ocurrencia de dicho evento es
sumamente baja, pero su impacto puede desequilibrar la economía de varios sectores, no solo empresarial,
sino al mismo estado. A modo de ejemplo podemos citar lo ocurrido recientemente con el caso de la Gripe A
y el gasto no previsto en el que tuvo que incurrir el estado para poder responder ante esta pandemia.
23
4. CAPITULO IV
4.1.
FORECASTING EMPRESARIAL vs. PRONÓSTICO DEL TIEMPO
El pronóstico del tiempo es una aplicación de la ciencia y de la tecnología para prever el estado de la
atmósfera para un tiempo futuro de un lugar específico. El pronóstico de tiempo es una recopilación de
cierta cantidad de información del estado de la atmósfera actual, el cual se utiliza para el análisis científico
de los procesos atmosféricos y así poder proyectar la evolución de la misma.
Para pronosticar el tiempo son analizadas las actuales condiciones del tiempo y de la atmósfera en
modelos matemáticos donde se origina una previsión numérica del tiempo. Resulta compleja
la
administración de esta gran cantidad de información, además de su complejidad para los cálculos. Por lo
tanto se hace necesario para un buen pronóstico y de buena definición, trabajar con resultados eficientes.
Con esto queda expuesto que se requiere de una importante tecnología para su proceso y análisis.
Existen distintas formas de aplicación y uso del pronóstico del tiempo; por ejemplo, las alertas de tiempo,
que son importantes porque son utilizados para proteger la vida y daños materiales.
Los pronósticos basados en la temperatura y las precipitaciones son significativos tanto para los agricultores
como para los comerciantes en el mercado de comodities. En el día a día, las personas siguen la evolución
del pronóstico del tiempo, dado que funciona como ayuda para determinar que vestir y así poder planear las
actividades al aire libre que serian afectadas por la nieve, la lluvia o el viento fuerte.
A las personas les interesa saber como va a evolucionar el estado tiempo en el futuro. En la mayoría de
los países, los informes del servicio meteorológico son los programas mas populares ya sea en televisión,
radio o Internet. Las personas necesitan de dicha información para poder planificar sus actividades tanto
personales como laborales, ya sea plantar, cosechar, viajar, anticiparse a desastres climáticos, etc.
Desde hace años el hombre ha estado intentando predecir el tiempo de manera informal, con elementos
rudimentarios, pero no ha podido lograrlo sino recién hasta el siglo XIX.
Actualmente se han realizado grandes avances en la predicción del tiempo, soportados por herramientas
tecnológicas que van evolucionando y perfeccionándose año tras año.
A pesar de los avances tecnológicos, la participación del hombre es todavía necesaria para seleccionar
los mejores modelos de Forecasting, ya que se deben tener en cuenta la performance de los modelos, los
conocimientos teóricos sobre los que trabaja el modelo y las habilidades necesarias para la identificación de
las distintas variables.
24
Dada la naturaleza caótica de la atmósfera, la cantidad de ecuaciones necesarias para construir el
modelo y los errores involucrados en la medición inicial de las condiciones del tiempo, hacen realmente
complejo el análisis para llegar a una solución que se asemeje a la realidad o aquello que se esta buscando
predecir.
4.2.
MODELOS
Los pronosticadores utilizan “Modelos de pronostico de tiempo” como una guía para se establecer como se
comportara la atmósfera en el futuro cercano.
Los modelos pueden estar subestimando, sobrestimando o representando someramente las condiciones de
las variables meteorológicas inclusive de tiempo presente en sus condiciones iniciales.
El conocimiento de la performance de los modelos, conjuntamente con sus errores sistemáticos, es de
extrema importancia para que los meteorólogos puedan elaborar previsiones de tiempo más confiables.
4.2.1. ETA
El modelo ETA es un modelo atmosférico avanzado utilizado para la búsqueda y motivos operacionales. El
modelo es descendiente de un modelo antes conocido como HIBU (Hydrometeorological Institute and
Belgrade University), un modelo desarrollado en los ´70 en Yugoslavia. Con el pasar de los años, los
códigos de este modelo fueron revisados y actualizados. En sus distintas versiones este modelo es
ampliamente utilizado en diversos países así como Argelia, Argentina, Bélgica, Brasil, Camerún, China,
Costa Rica, Chipre, República Checa, Dinamarca, Egipto, Finlandia, Alemania, Grecia, Islandia, India, Israel,
Italia, Malta, Túnez, Turquía, Perú, Filipinas, Serbia y Montenegro, África del Sur, España, Suecia y USA.
4.2.2. Global
Este modelo esta basado en las leyes de conservación de masa y humedad, de energía y de momentum
angular. El conjunto completo de las ecuaciones de continuidad de masa para el aire seco y vapor del agua,
la primera ley de termodinámica y las ecuaciones de movimiento, son llamadas ecuaciones primitivas, donde
la ecuación para el componente vertical de la velocidad es simplificada por una relación de diagnostico en
las escalas de espacio, tiempo de interés y las fuerzas verticales que están cerca del equilibrio hidrostático.
El modelo es global y adecuado a un sistema con geometría esférica, donde la altitud es pequeña para que
la distancia al centro de la tierra sea constante.
Las variables pronosticadas son: el logaritmo de la presión en la superficie, la verticidad (componente
vertical de la rotación del viento), la distinción del viento horizontal, la temperatura virtual y la humedad
25
específica. Además hay algunas variables previstas en el modelo así como: temperatura de la superficie, del
interior del suelo, humedad del suelo etc.
En este modelo la validez de los resultados es relativamente baja y hay un cierto grado de incertidumbre en
escenarios futuros para predecir los cambios climáticos.
4.2.3. Regional
Este modelo se diferencia del global ya que se disponen de una mayor cantidad de detalles en la distribución
del clima y pueden ayudar en la identificación de condiciones climáticas extremas, que seguramente pueden
cambiar más radicalmente en el futuro.
Las variables analizadas son las mismas de las del Modelo Global.
4.2.4. Oceánico
Este Modelo fue Desarrollado en la Universidad Delft University of Technology. Hoy por hoy este modelo es
una actualización del modelo de mismo nombre creado en 1988.
Este modelo utiliza campos de vientos producidos por el modelo atmosférico global, por olas oceánicas en el
sistema de tercera generación llamado Wavewatch, donde se produce una previsión diaria en el horario 0hr
GMT.
El modelo actual se diferencia de sus precursores en muchos aspectos importantes tales como: las
ecuaciones manejadas en la estructura de los modelos, los métodos numéricos y los parámetros físicos.
Soluciona la ecuación de balance espectral de la densidad de la acción de la fase al azar para los espectros
de la wavenumber-dirección. En este modelo las características del medio (profundidad y corriente de agua)
así como el campo de la ola varían en las escalas de tiempo y espacio, que son mucho más grandes que
las escalas de la variación de una sola ola.
4.2.5. Ensemble
Las predicciones Ensemble ("por conjuntos") permiten informar sobre el nivel de significación del pronóstico
operacional. La precisión de una predicción no sólo depende del periodo del pronóstico, sino que también
está influenciado por la estabilidad en la situación atmosférica. La atmósfera es un sistema caótico, lo que
significa que variaciones muy pequeñas pueden traer grandes consecuencias. En una situación atmosférica
inestable, por ejemplo, unas décimas de grado de diferencia en la temperatura inicial sobre el Atlántico,
puede producir situaciones meteorológicas completamente diferentes en Europa Central en el tercer día del
pronóstico.
Este modelo se calcula provocando 50 perturbaciones muy pequeñas (en la escala temporal y espacial) en
las condiciones iniciales del modelo operacional. El resultado mostrará 50 curvas adicionales para cada
parámetro pronosticado. Un nivel de correlación alto entre los 50 pronósticos implica una situación
26
atmosférica estable y un pronóstico muy cercano a la realidad. Si los resultados presentan una alta
dispersión, podemos estar ante situaciones atmosféricas inestables y pronósticos de baja fiabilidad. Para la
banda del 80% (intervalo de confianza) los 5 resultados extremos (por arriba o por abajo) son eliminados. El
peso de los 40 resultados restantes nos darán idea de la posible situación atmosférica prevista.
4.3.
CLIMATIZANDO LA DEMANDA
Fabricantes y minoristas regularmente se esfuerzan para garantizar que los productos y partes correctas
están en el lugar correcto en el momento correcto. Alinear planificaciones de la demanda especulativas con
programas rígidos de producción no es una tarea fácil. Es por eso que algunas compañías están tentando
suerte para obtener una lectura más precisa sobre los consumidores volubles – es como si estuvieran
tratando de predecir el clima.
Si ha habido alguna vez una práctica más caprichosa que la captura de la demanda de los consumidores,
tratando de leer la mente de la Madre Naturaleza podría emerger en el radar Doppler. Sin embargo, hay
desarrollos que están en el negocio de proporcionar información meteorológica de inteligencia para las
empresas que necesitan comprender y optimizar el impacto de la meteorología en su negocio. Por ejemplo,
“Planalytics” utiliza una base de datos meteorológica financiera y de impactos volumétricos, tecnologías de
modelado de propiedad y experiencia específica del mercado para dar al cliente los datos que puede utilizar
para maximizar las oportunidades y minimizar los riesgos presentados por los cambios climáticos. A su vez,
las empresas de carga pueden utilizar previsiones tanto de corto como de largo plazo para mejorar la
planificación, producción, distribución, comercialización, compra, gestión de riesgos y toma de decisiones.
Por ejemplo, Campbell Soup Company, fabricante de productos enlatados no perecederos, productos que
pasan a ser un commodity para el momento de tormentas severas de invierno, utiliza este tipo de soluciones
para estudiar la correlación entre las pautas meteorológicas previstas y la demanda de los consumidores; lo
que le garantiza a la empresa que las tiendas tengan los inventarios necesarios para abastecer a los
consumidores.
Campbell aplica las lecciones aprendidas de estos análisis para proporcionar un la
publicidad en el momento oportuno y para la selección del mercado de manera tal de optimizar el forecast de
sopa cuando y donde la demanda será más alta.
4.4.
CONSIDERACIONES FINALES DEL CAPITULO
Una diferencia a destacar entre un modelo meteorológico con un modelo de forecasting empresario
radica fundamentalmente en que el modelo meteorológico no tiene limitaciones ni imposiciones, es decir
no se encuentra vulnerable a las limitaciones políticas o de negociación que si se hacen presente y
caracterizan a los modelos Empresariales. Aunque no sea una ciencia exacta, la confianza en las
27
previsiones es cada vez más grande y hoy por hoy el nivel de ambas previsiones es altísimo, tanto en el
forecast como en el pronóstico del tiempo.
Al tiempo que se cree cada vez más en el pronóstico
climático, también crece el valor del forecast en las empresas y esto se da por las nuevas tecnologías
que constantemente se van impulsando, al estudio y desarrollo de los modelos y procesos y también por
la capacitación de las personas, sus competencias analíticas y la toma de decisiones.
El grado de Accuracy de los meteorólogos aumenta cada vez más. En la década de 80 el nivel de acierto
no llegaba al 70% y hoy se puede decir que llega a 98%. Son muchas las variables que influyen sobre el
pronóstico del tiempo, por ejemplo, de acuerdo con especialistas la humedad y las altas temperaturas
hacen que las condiciones sean inestables en la primavera y en el verano, es por eso que en este
periodo el Accuracy cae al 85%. Lo mismo ocurre con el forecast de una empresa, hay diversas variables
que lo afectan y su resultado puede cambiar de acuerdo a las temporadas. Se podría citar el lanzamiento
de un nuevo producto que no se puede prever la aceptación real del mercado y la Accuracy de la
previsión de ventas puede caer significativamente.
28
5. CAPITULO V
5.1.
ENCUESTAS
RUBRO - HIGIENE Y CUIDADO PERSONAL
a) ¿Tienen algún software de soporte para el Análisis de Forecasting?
Actualmente la Compañía no emplea ningún tipo de software. Hoy día se están evaluando y analizando
las opciones que existen en el mercado de Software para forecasting.
Se espera en un mediano plazo poder estar preparados internamente y con información histórica
necesaria para poder implementar alguno de ellos. Para lo cual será necesario también tener una
disciplina diferente de trabajo a la actual, en la cual se deberá trabajar de manera intensa para poder
crear un cambio de conciencia que permita un crecimiento como compañía y marque un hito en su
desarrollo y planificación.
b) ¿La empresa utiliza algún modelo de forecasting; cuál?
El sistema actual que tiene la compañía para el calculo del Forecast mensual esta soportado por
planillas de Excel, las cuales contienen información histórica de ventas, facturación, pedidos de clientes,
cumplimientos medidos en valores y % y sus Forecast proyectados para los próximos 6 meses.
c) ¿Que áreas participan de la toma de decisiones? Quien define el Forecast y envía la
información a Planning?
El Forecast en esta compañía es armado y presentado en una primera instancia por el área de
Marketing, el cual previamente se reúne con el equipo de Ventas para validar números. Luego de esta
instancia, integrantes de Marketing se reúnen en un Comité de Forecast con el área de Planning.
d) ¿Cuál es la frecuencia de las reuniones y su metodología?
Las reuniones de Comité de Forecast se realiza con una frecuencia mensual, llevándose a cabo la ultima
semana del mes, donde allí se ajustan los proyectados de los meses anteriores y queda el numero en
firme con el cual el Área de Planning deberá trabajar el mes próximo para sus planes de producción de
las tras Plantas. Vale aclarar que existen distintas unidades de negocio de Marketing dentro de la
compañía, por lo tanto el Forecast para cada negocio se reúne de manera individual cada una de ellas
con sus líderes y comparten con el área de Planning (SCM) y se comparten las próximas tendencias. En
esta reunión también participa el Analista de Demanda y algunos representantes del equipo de Trading.
29
e) ¿De que manera envían los datos?
Todos los números y datos que se manejan que con los cuales se conforman y definen el Forecast se
manejan con Excel y los números finales son Cargados en SAP, para luego correr el proceso de S & OP
y DRP.
f)
¿Las empresas manejan de la misma forma el Forecasting en las distintas regiones y/o
países?
Esta compañía como Corporación no maneja modelos regionales. Los modelos son independientes
dentro de cada país. Se tiene pensado en un futuro cercano poder comenzar a realizar algunos
Benchmarking con las mejores practicas y observando los resultados alcanzados.
Se han realizado algunas pruebas pilotos mediante videoconferencias compartiendo los modos en los
que son calculados y analizados los Forecast. También se puede mencionar que no existen otras
regiones que operen con un soporte de Software para la confección de Forecast.
g) ¿Que indicadores (KPI´s) se manejan?
El principal indicador que se utiliza para medir el Forecast es el llamado “Forecast Accuracy” El cual
mide el grado en que se cumple en forecast. Donde se miden los porcentajes de desvío, en valores
absolutos. (El porcentaje de desvió que se maneja habitualmente es de un 20 %)
También se realiza mensualmente un Análisis de Clasificación de SKU´s, para ver la clasificación ABC y
determinar aquellos códigos de baja rotación y obsoletos. Y medir los valores que arroja este indicador y
así poder monitorear su evolución en el tiempo.
Se analiza además de manera particular, es decir clasificando los casos, aquellos códigos que han
arrojado “caídos” (stock out)
Y otros indicadores sobre los cuales se trabajan también son los llamados MAPE, HIT/NO HIT (pasa/ no
pasa), BIAS POSITIVO y NEGATIVO
h) ¿Como es percibido el Forecast Accuracy en su Compañía?
Como se respondió en las preguntas anteriores, aun queda mucho por trabajarse en este punto. Dado
que aun los números no logran ser el son el fiel reflejo de la realidad, y si se trabajaría con forecast mas
cercanos a la realidad, se lograrían mejores resultados. Pero desde ya esto no es un cambio que pueda
realizarse de un día a otro, sino que requiere de un cambio de cultura y de entendimiento por parte de
sus usuarios.
30
RUBRO - IMPRESORAS
a) ¿Tienen algún software de soporte para el Análisis de Forecasting?
En el momento la empresa no tiene un software para soporte para el análisis de forecasting.
b) ¿La empresa utiliza algún modelo de forecasting? ¿Cuál?
No, la empresa no utiliza ningún modelo de Forecasting. Todo el planeamiento de forecasting es hecho
por planillas de Excel con el histórico de datos de la empresa de meses anteriores y de acuerdo con la
previsión de ventas.
c) ¿Que áreas participan de la toma de decisiones? Quien define el Forecast y envía la
información a Planning?
El departamento comercial es el responsable por la toma de decisiones y este pasa la información de
estimativa de ventas para planning que hace la validación de datos de acuerdo con la viabilidad de
adquisición de productos.
Puede ocurrir que el comercial esta planeando la venta de un determinado producto que ya no va mas a
ser producido por la empresa.
d) ¿Cuál es la frecuencia de las reuniones y su metodología?
Las reuniones se realizan mensualmente donde se realiza el plan master de planeamiento de
forecasting, pero además se juntan a cada semana para averiguar el andamiento de la demanda versus
forecasting y si necesario tomar alguna acción.
e) ¿De que manera envían los datos?
Todo se maneja por planilla de Excel.
f)
¿Las empresas manejan de la misma forma el Forecasting en las distintas regiones y/o
países?
No hay una regla para manejar de la misma forma el forecasting en distintas regiones e/o países.
En Latino América se puede afirmar que todos los países trabajan de la misma forma.
g) ¿Que indicadores (KPI´s) se manejan?
31
Son manejados varios KPI´s, siendo los dos principales el de rotación de inventario y cobertura de stock,
siendo la rotación del inventario correspondiente a la frecuencia media de renovación de las existencias
consideradas, durante un tiempo dado y la cobertura de stock indicando el número de días de consumo
que las existencias pueden cubrir. Otro importante KPI manejado es el de previsión de ventas para
controlar de la fiabilidad de la previsión y también el KPI de nivel de fiabilidad del forecasting que analiza
el cumplimento del forecasting.
h) ¿Cómo es percibido el Forecast Accuracy en su Compañía?
No es un indicador que tenga relevancia
32
RUBRO - PERIODICO
a) ¿Tienen algún software de soporte para el Análisis de Forecasting?
No se utiliza ninguna herramienta de software para el Forecasting. Si se utiliza como soporte para los
procesos de S&OP y DRP el sistema SAP
b) ¿La empresa utiliza algún modelo de forecasting? ¿Cuál?
Solo se utilizan modelos históricos para las tiradas regulares así como también para los
sucesos
o
eventos extraordinarios (Súper clásicos, elecciones, suplementos especiales, etc.)
c) ¿Que áreas participan de la toma de decisiones? Quien define el Forecast y envía la
información a Planning?
Las decisiones son tomadas por el departamento de Circulación y ventas, junto con el equipo de Ventas,
Operaciones y Planeamiento y los respectivos Jefes de productos.
d) ¿Cuál es la frecuencia de las reuniones y su metodología?
Se realizan con una frecuencia diaria el seguimiento de Forecast, con una muestra diaria que es
recolectada con un software muy sencillo vía celular, dicha información es captada y utilizada para
analizar tendencias y a su vez permiten realizar ajustes prácticamente automáticos de corrección de
Forecast.
Este proceso diario es lleva a cabo por cada área de la empresa, las cuales estiman los números de
venta y definen en equipo un numero en común.
e) ¿De que manera envían los datos?
Los datos mencionados en el punto anterior, para la definición de Forecast son enviados vía celular y
luego cargados en SAP para uniformar los datos.
f)
¿Las empresas manejan de la misma forma el Forecasting en las distintas regiones y/o
países?
En este caso esta todo centralizado, dado que estamos hablando de una compañía nacional y se analiza
todo en las oficinas centrales. Esto aplica para el caso de las publicaciones existentes en el interior.
Donde existen convenios con diarios locales.
33
Pero el análisis de venta, forecasting y proyecciones es unificado en Buenos Aires.
g) ¿Que indicadores (KPI´s) se manejan?
Los indicadores que se utilizan son llamados de “Variación” y de “Comparación”, básicamente se miden,
analizan y comparan con productos similares del porfolio actual que posee la empresa en el mercado,
básicamente con la competencia y / o con el comportamiento de los mismos producto en periodos
anteriores.
h) ¿Como es percibido el Forecast Accuracy en su Compañía?
Es un indicador fundamental dado el tipo de negocio. Existe un departamento que se dedica a realizar el
análisis diario de este indicador.
34
RUBRO - COSMETICA
a) ¿Tienen algún software de soporte para el Análisis de Forecasting?
Si, se utiliza uno llamado OGS que es un desarrollo propio de la empresa. Luego se utiliza como soporte
para los procesos de S&OP y DRP el sistema SAP
b) ¿La empresa utiliza algún modelo de forecasting? ¿Cuál?
La empresa utiliza métodos históricos, proyecciones por campañas publicitarias, y dado algunos tipos de
productos se utiliza un método de espectros que divide a un mismo tipo de productos por sus diferentes
tonalidades. Las proyecciones son a 15 meses.
c) ¿Que áreas participan de la toma de decisiones? Quien define el Forecast y envía la
información a Planning?
Las decisiones son tomadas entre los departamentos de Ventas, Marketing y Aprovisionamiento.
Posteriormente valida Control de gestión.
d) ¿Cuál es la frecuencia de las reuniones y su metodología
Las reuniones son mensuales decidiendo proyecciones a 15 meses. En las reuniones se juntan
Marketing y Comercial y aprovisionamiento. Las previsiones se cargan en SAP y luego
Aprovisionamiento realiza nuevos ajustes. Finalmente quien valida y aprueba los datos es control de
gestión.
e) ¿De que manera envían los datos?
Primero SAP genera estructuras de información mediante el LIS (Logistic information system) y las
mismas se cargan en el sistema OGS. El sistema OGS realiza cálculo según ponderaciones y datos
cargados por la gente de Marketing y ventas. Luego el OGS genera un resultado que se valida con
Aprovisionamiento. Cuando todos están de acuerdo se carga la previsión directo a SAP y desde la
previsión se generan los planes de Compras. Aquí no hay fabricación dado que la empresa no Fábrica
en la Argentina.
f)
¿Las empresas manejan de la misma forma el Forecasting en las distintas regiones y/o
países?
Si a nivel metodología pero cada una puede usar sus propias herramientas.
35
g) ¿Que indicadores (KPI´s) se manejan?
El principal indicador que se utiliza para medir el Forecast es el llamado “Forecast Accuracy” El cual
mide el grado en que se cumple en forecast.
También se utiliza otros indicadores para medir las diferencias absolutas respecto del Forecast y se abre
dicha información según los negocios para ver si mas allá de llegar a un determinado target ideal
previamente definido se han respetado los mix de venta, lo cual es un punto sumamente relevante.
h) ¿Cómo es percibido el Forecast Accuracy en su Compañía?
Este indicador es tenido cuando se analizan los las distintas líneas de productos. El Accuracy es del 7585% en la mayoría de los productos
36
RUBRO - LABORATORIO
a) ¿Tienen algún software de soporte para el Análisis de Forecasting?
Actualmente la compañía no cuenta con ningún tipo de software para realizar el Forecasting. Tampoco
se prevé la adquisición de ningún programa, para llevar a cabo esta tarea, en el corto plazo
b) ¿La empresa utiliza algún modelo de forecasting; cuál?
Para realizar el forecast se convoca a todos los vendedores y en base a las ventas históricas y la
estacionalidad de los productos se define el plan comercial. El horizonte del análisis es de un año.
c) ¿Que áreas participan de la toma de decisiones? Quien define el Forecast y envía la
información a Planning?
Una vez que el área Comercial elabora el bosquejo del plan de ventas, él mismo es enviado, para su
revisión, al área de Control Presupuestario. Esta última realiza las correcciones que considere necesario
y lo vuelve a enviar al área Comercial. Con el visto bueno del área Comercial, el plan es elevado a la
Gerencia General para su posterior aprobación. Por último, Gerencia General es la encargada de
presentar el forecast ante los accionistas.
Una vez aprobado el forecast por Gerencia General, Control Presupuestario es el encargado de enviarlo
a la Gerencia de Planeamiento.
d) ¿Cuál es la frecuencia de las reuniones y su metodología?
La frecuencia de las reuniones es mensual. En las mismas participan las áreas Comercial, Operaciones,
Planeamiento y Control Presupuestario.
Planeamiento arma los informes en planillas de Excel, donde aparecen los datos de las ventas
acumuladas, el presupuesto de ventas acumulado, las ventas del mes, los stocks y las ventas
presupuestadas.
Con toda esta información se analiza cada uno de las líneas de productos y de ser necesario se va
ajustando el plan de ventas.
e) ¿De que manera envían los datos?
Los datos son enviados en Excel a Planeamiento y luego se cargan en el sistema de gestión (Infobroker)
modificando si fuese necesario el plan de ventas (y por ende el plan de producción)
37
f)
¿Las empresas manejan de la misma forma el Forecasting en las distintas regiones y/o
países?
No, en las filiales se maneja un Rolling Forecast que es enviado por cada Gerente Regional a la
Dirección General y luego esta última lo enviada a la Gerencia de Operaciones. Para el armando del
Rolling Forecast participan Dirección General junto con las Direcciones Regionales.
El Rolling Forecast es enviado a la Gerencia de Planeamiento y Comercio Exterior para cargar los datos
en el sistema y armar los planes de producción.
g) ¿Que indicadores (KPI´s) se manejan?
Se trabaja con una serie de indicadores, pero el principal es el indicador de exactitud de Forecast, en el
cual se medida la desviación respecto a lo presupuestado en unidades como en monto de facturación.
Después existen otros indicadores secundarios que valorizan los stocks, la rotación de productos, el
descarte por vencimiento como así también el índice de devoluciones o faltantes de productos.
h) ¿Cómo es percibido el Forecast Accuracy en su Compañía?
La percepción del forecast Accuracy es diferente para las distintas áreas. Dada su importancia, para el
área de planeamiento, dicho indicador es fundamental, para poder justificar los niveles de sobre stock o
faltantes de producto, como así también la evolución del inventario. Por otro lado, tenemos las áreas
comerciales, para las cuales dicho indicador no es factor preponderante, dado que dicha área tiene
como objetivo lograr un determinado monto de facturación independientemente del mix de productos.
38
RUBRO - ALIMENTICIA
a) ¿Tienen algún software de soporte para el Análisis de Forecasting?
En la compañía hay dos softwares dedicados para el cálculo de la base estadística de forecast y se
utiliza uno de los dos: Forecast Pro o Manugistics.
Estas herramientas realizan en base a datos
históricos una proyección de las ventas; sin embargo las variables externas como situación del
mercado, acciones de marketing, entorno económico y político, cambios de precio, entre otras; son
consideradas por el equipo encargado de realizar el análisis y sus impactos sobre el pronóstico se
calculan en base a la experiencia y a la historia de situaciones similares en el pasado.
b) ¿La empresa utiliza algún modelo de forecasting; cuál?
Cualquiera de las dos herramientas mencionadas en el punto anterior, tienen la capacidad de
seleccionar el algoritmo más apropiado para proyectar el negocio:

Suavizado Exponencial

Moving Average

Box Jenkins
Los softwares aprobados por la compañía a nivel internacional, tienen un número de algoritmos de los
cuales el mismo sistema es capaz de seleccionar y manejar el proceso automáticamente.
No es
necesario ser graduado en estadística para manejar este proceso efectivamente.
c) ¿Que áreas participan de la toma de decisiones? Quien define el Forecast y envía la
información a Planning?
El Forecast es elaborado por el área de Demand Planning, un departamento de la dirección de
Customer Service & Logistics (Supply Chain).
Este departamento es el encargado de realizar los
análisis, recopilar la información de las distintas áreas que influyen en el pronóstico de ventas.
d) ¿Cuál es la frecuencia de las reuniones y su metodología?
Se realizan reuniones mensuales y multidisciplinarias.
Participan representantes de las áreas de
Demand Planning, Marketing, Consumer Insights y Finanzas; otras áreas pueden agregarse si se
considera necesario por algún tema o situación puntual. El objetivo de estas reuniones es entender y
analizar la información recibida del equipo de ventas. Los temas que típicamente son revisados en
estas reuniones son: ventas versus forecast para el periodo actual y las implicaciones para el periodo
siguiente, niveles de inventario, volúmenes eventuales, dirección estratégica de las marcas, impacto de
las actividades de los competidores, desarrollo de nuevos productos, entre otros.
39
e) ¿De que manera envían los datos?
Los datos son tomados de AS400 y procesados en Forecast Pro o Manugistics. También se toman
datos de consultoras de consumo masivo.
f)
¿Las empresas manejan de la misma forma el Forecasting en las distintas regiones y/o
países?
La metodología fue definida de un proceso de mejores prácticas, desarrollada por un equipo cross
funcional que incluyó representantes de UK, Alemania, Francia, Italia, Austria, Nórdica, Bélgica y
Rumania; alineando terminología y asegurando que el proceso fuera consistente con los programas de
planificación de la demanda globales. Actualmente esta metodología y softwares son empleados por
todas las unidades de negocio de la compañía a nivel internacional.
g) ¿Qué indicadores (KPI´s) se manejan?
El principal indicador que se utiliza para medir el Forecast es el llamado “Forecast Accuracy”.
h) ¿Como es percibido el Forecast Accuracy en su Compañía?
El Forecast Accurency es un indicador al que se le hace bastante seguimiento y es muy considerado
tanto por el equipo que participa en el proceso de forecasting como dentro de los análisis de la
compañía.
40
A MODO DE
COMPARACION
Consideraciones finales del Capitulo:
De las encuestas realizadas, y las percepciones podemos concluir lo siguiente:
* Existencia de Forecast que son impuestos a las compañías, mas allá de sus posibles o reales alcances
de venta, nosotros lo llamamos “números topeados”, donde un techo es impuesto a un equipo de trabajo,
más allá de los alcances reales a los que se podría arribar si se apoyarían en los análisis reales de
capacidades y proyecciones de planeamiento.
* Forecast que se alejan de la realidad, de la expresión de deseo impulsada por un área de ventas o
Marketing, y perdiendo el foco de estudiar las factibilidades de venta y la demanda del mercado, para
convertirse en un numero que surge de negociaciones y acuerdos.
41
* Otro patrón común observado en las mismas ha sido el lema de “llegar al número”, tal vez no cubriendo
los mix óptimos de venta, impactando en los balances internos de la compañía a nivel planeamiento por
ejemplo y por ultimo y no menor en la rentabilidad, dado que cada negocio maneja distintas
rentabilidades. Y aquí es cuando comienza a perderse el concepto de Forecast.
* Modelos de Forecasting utilizados por las empresas, que se basan en modelos históricos. Por esto
puede darse que podríamos caer en un gran error si pensamos que en una proyección a futuro de una
Compañía, los números y las demandas continuaran comportándose en forma lineal. Pero también
afirmamos que esto se hace bajo un marco de seguridad y alcance mínimo esperado, es decir, sabemos
que vamos a estar dentro de ese rango o parámetro de números y con eso se esta satisfecho.
Trabajando con un método Lineal que ante la Incertidumbre es un Modelo usualmente aceptado.
42
CONCLUSIONES
A pesar de existir una gran cantidad de métodos cuantitativos y cualitativos, muchas empresas se basan
en datos históricos para el armado del forecast. En general las empresas que están un paso adelante con la
implementación y utilización de técnicas de forecasting son las de consumo masivo. Y justamente en éstas
últimas, los KPI´s relacionados con el forecast Accuracy son transcendentes para analizar la evolución del
negocio y lanzamientos de nuevos productos.
Relacionando este punto del Forecast Accuracy con los modelos meteorológicos, podemos decir que el
grado de Accuracy de los de los meteorólogos aumenta cada vez más, logrando una mayor exactitud. En la
década del 80 el nivel de acierto no llegaba al 70% y hoy se puede decir que llega a 98%. Son muchas las
variables que influyen sobre el pronóstico del tiempo, por ejemplo, la humedad y las altas temperaturas
hacen que las condiciones sean inestables en la primavera y en el verano, es por eso que en este periodo el
Accuracy cae al 85%. Lo mismo ocurre con el forecast de una empresa, donde hay diversas variables que lo
afectan y su resultado puede cambiar de acuerdo a las temporadas. Se podría citar el lanzamiento de un
nuevo producto donde no se puede prever la aceptación real del mercado y el Accuracy de la previsión de
ventas puede variar significativamente.
Analizando el escenario de las compañías Multinacionales, hemos observado que existen patrones
comunes respecto a los modelos y análisis de Forecasting que caracterizan a su desempeño diario. Como
conclusión del presente trabajo podemos decir que se hace evidente que existen intereses contrapuestos, ya
sean regionales o corporativas que no se corresponden con los resultados reales o esperados. Esto también
se ve influenciado por políticas internas de la cual ninguna empresa se encuentra exenta. Es así como
comienza a perderse el sentido del Forecast real, para convertirse en un acuerdo formal (números del
Forecast), que no deja ser el resultado de negociaciones y acuerdos realizados en los niveles de las altas
gerencias dentro de la compañía.
Por último, y no de menor importancia, es el impacto de las variables exógenas, ajenas al modelo del
Forecast. La incidencia de las mismas repercuten directamente sobre el desempeño y resultado de las
actividades de la compañía. Esto hará que las previsiones realizadas por dichos modelos, arrojen resultados
que difieren de las estimaciones. Este desvío no solo impacta en el Forecast Accuracy sino también dichos
efectos repercuten en el resto de las áreas.
43
ANEXO I
Ejemplos de cálculos
Cálculo del Forecast Accuracy
SKU A
Forecast
Ventas
Error
Error (%)
Accuracy (%)
50
45
5
11%
89%
SKU B
75
85
10
12%
88%
SKU C
45
25
20
80%
20%
SKU D
80
25
55
220%
0%
SKU E
50
50
0
0%
100%
TOTAL
300
230
70
30%
70%
44
ANEXO II
10 Steps Forecast Process
Systems
Maintenance
Post
Evaluation
Forecast
Send To
Replenishment
&
S&OP
Directors
Forecast
Sign-Off
Construct
Baseline
Category
Forecast
Sign-Off
Publish
Forecast
Bulletin
Business
Forecast
Build
Account
Manager
Forecasting
Forecast
Review
Meeting
1. Systems Maintenance

Update Period / Weekly Actual

Housekeeping:


Add new codes

Delete old codes

Hierarchy Maintenance

Amalgamate codes
Timing - Ongoing
2. Post Evaluation

Measurement of Forecast Accuracy

At SKU level all SKU’s Sold in Previous Forecast Period (+/- 25%)

Volume Coverage attained by “accurate” Sku’s

Account / Channel Forecasting Accuracy (+/- 25%)Truly understand your product range
using ABC/XYZ tools & Forecast accuracy within these groups

Update Promotional Evaluation Database

Review price activity / promotions / NPD after end of activity using all information available
(EPOS, Trade Stocks after promo, etc) and building it into a Promotional Evaluation
database for future learning’s
45

Capture detailed information regarding special issues/facts on the previous period for future
references – Forecast Accuracy “Reason Codes” to be applied

POST Forecast Surgery with Account Managers / Sales

(Recommend pruning SKU’s on a monthly basis - De-complexity) Out side of Forecast Process

Timing - week 1 (4 week Period)
3. Base-Line Construction & Maintenance

Data Cleanse History


Ongoing History Maintenance to help generate “best” Statistical Base-Line
Calculate systems generated base-line (statistical)

What would we sell to our Customer without price activity / promotions

At SKU / Channel Level by major customer – Aim is to construct at lowest level applicable

A Baseline should be based upon Shipments out.

Overlay Seasonality profiles

Supplied by Supply Chain /
Discussed & Agreed with Account Manager and other Business
Functions

Amend Statistical Baseline if deemed inaccurate, based upon Market intelligence or other
influencing factors not captured by statistical forecasting.

Timing – Total Review Twice a Year / Ongoing amendments through forecast process
4. Publish Forecast Bulletin

Document to communicate key Forecasting focus areas

Put together by Forecasting Manager

Using relevant information gained from Sales / Marketing / Finance / Supply Chain
Management etc.


Include in this bulletin:

Learning’s from post evaluation process

Communication of new codes / special packs

Timings of key occasions / events (e.g. Valentines day, Easter)

Availability timings of special packs

Review Repeat Offenders (SKU’s that consistently fail forecast accuracy)
Timing – Early Week 2
5. Account Manager Forecasting

Base line by SKU / customer supplied by Supply Chain

Account Mgr forecast incremental volumes due to price activity / promos

From initial buy-in to end of promotion
46


Collaborative Planning & Forecasting where possible


By week, minimum of 6 months out.
Incremental volume uplift agreed with retailer and based on historic information
Price Activities agreed with Forecasting & Planning Mgr (for volumes) and Promotional Control
Custodian (for spend) prior to gaining agreement with Retailer

New listings / de-lists communicated immediately to Forecasting & Planning manager re availability
of goods & new base line to be generated

“Finite Qty” / “Make To Order” volumes notified to Supply Chain in agreed time prior to shipment (no
base line needed)

Timing - week 2/3 (4 week Period)
6. Forecast Review Meeting

Forecast & Planning manager to review latest Account Manager forecast as preparation for the
Forecast review meeting


Meeting led by Forecasting & Planning Mgr with:

Customer Manager (brings the account forecast, timings/volumes/ brings trade stocks

Promotional Custodian (brings / agrees activity spend budget)

Brand Manager (brings details on NPD & Special Packs / Media Plans etc.)
Diarised meeting with All Named Attendees

Meeting not always possible due to location, so an agreement with Account Managers how
to review data

Objective of the meeting is an agreed Customer forecast. Topics to be reviewed:

Sales current period vs. prior month agreed forecast - Reason: understand deviations and
check implications

Discuss forward promotions / price activities (timings & volumes) and review Vs Promotional
Evaluation database (historic data). Reason: Challenge and understand volume call

Understand risks and opportunities

Review impact of high/low trade stocks (if available) on forecast (steal & volume
cannibalisation)

Review Impact of Competitor Activity

Review and agree forecast on NPD/Special packs

Agree expected uplifts due to media plans

Check launch/first availability timings are on track

Present/input strategic direction of brands

Focus On Outgoing 13 Weeks and / or Quarterly Forecast/ Major Milestones

Timing - end week 3 (4 week Period)
47
7. Business Forecast Build

Forecast should be built by Supply Chain - Forecast & Planning Manager based on gathered
information from Forecast Review Meetings

Forecast should be minimum of 52 weeks rolling forecast with particular focus on the weekly split for
the next 13 weeks

Forecast must be bottom up by SKU

Exercise should identify “Gap” between bottom forecast and last Major Forecast Revision

Timing - week 4 (4 week period)
8. Category Forecast Sign-off Meeting


Forecast Sign-off meetings should be by Category and with Senior representatives from:

Sales / Consumer Insight

Marketing

Finance

Customer Planning

Supply Chain (Chair)
Objective is to achieve business ‘buy-in’ to the ‘supply chain’ forecast which has been constructed
bottom up


Format should review Forecast Vs Major Revised Forecast for:

Current Period

Next Period

Quarter / s

Year End
Timing – End of Week, Last week of Period
9. Directors Forecast Sign-Off

The agreed business forecast should then be signed-off by the local Board of Management to ensure
total business ‘ buy-in ’

Chaired by Supply Chain with Attendees from Category Forecast Sign-Off Meeting

Gaps (NAA) Advised and Options to Secure Volume Discussed



Identifies to the Business where volume needs to be secured to meet targets
If financial overlays are required they should be:

Agreed and visible to everyone

Done using adjustment code, ensuring ‘supply chain’ forecast remains unchanged
Timing –To Fit Business Process
48
10. Forecast to Replenishment and S&OP

Forecast Send to Replenishment System


Forecast Sent to Business Reporting Systems


Sent at SKU level to BU Planning Table or Replenishment system used.
At SKU level for reporting purposes
Forecast Used as Basis for S&OP Discussions
49
ANEXO III
Modelamiento de Eventos (Building Blocks)
El modelamiento de eventos, es una metodología en la cual se definen seis variables que pueden impactar
en los volúmenes de venta pronosticados. Estas seis variables son estimadas mediante formulas y son
claramente identificadas en el forecast, de esta manera la evaluación de la precisión del forecast se puede
seguir de una manera más exacta. Las variables son las siguientes:
1. Publicidad
2. Promociones
3. Precio
4. NPD (New Product Development)
5. Distribución
6. Superposición
1. Publicidad
Que la venta aumenta debido a la publicidad es una consecuencia de las variaciones en los niveles de la
publicidad (comunicación en TV) que afectan a una marca.
50
Planned
Sell Out
Baseline
Sell Out
=
Volume
Coverage (%)
X
Advertising
Lift Factor
X
2. Promociones
Aumento de las ventas debido a la promoción es una consecuencia de las variaciones en la cantidad de
puntos de venta que afectan a las actividades de una marca
• T. Promo
Planned
Sell Out
=
Baseline
Sell Out
• Visibility
Planned
Sell Out
=
Number of POP
materials
X
Volume
Coverage (%)
X
X
Promotion
Lift Factor
Promotion
Lift Factor (kg)
3. Precio
La venta aumenta o disminuye debido a la fijación de precios por las variaciones en la norma Precio * (lista
de precios) que afecta a una marca / segmento para todos los canales de distribución
* No debe incluir acciones estratégicas sobre precios
Planned
Sell Out
=
Baseline
Sell Out
X
Price
Change (%)
Price
Elasticity
Index
X
4. NPD
La venta aumenta a causa de la introducción de nuevos productos que afectan una marca para todos los
canales de distribución involucrados.
Planned
Sell Out
=
∑(
Consumption
per N.D. point
of Reference
X
Numeric
Distribution
Planned
X
Volume
Coverage
(Nielsen - %)
)
51
5. Distribución
Cuando hablamos de distribución nos referimos a que la venta puede aumentar o disminuir debido a
variaciones en la cobertura de distribución (la presencia en el punto de venta)
Planned
Sell Out
∑(
=
Channel
Baseline
Sell Out
X
Numeric
Distribution
increase /
decrease
X
Volume
variation per
N.D. point (%)
)
7. Superposición
La venta aumenta o disminuye debido a la superposición de variables externas y es una consecuencia de
factores externos y estratégicos de la empresa que afectan el volumen total de la marca.
Total
Planned
Sell Out
=
(
Baseline
Sell Out
5 Drivers
accumulated
Total Sell Out
+
)
X
External /
Overlay index
(%)
Áreas responsables para cada variable:
Responsable
Consulta
Quién usa la información
Mercadeo
Planificación financiera
Planificación de ventas, Trademarketing
Trademarketing
Mercadeo y Planificación
financiera
Planificación de ventas
Mercadeo
-
Trademarketing, Planificación financiera
Trademarketing
-
Planificación financiera y Planificación de
Ventas
NPD
Mercadeo
Trademarketing
-
Superposición
Mercadeo
Directores
-
-
Precio
Promociones
Publicidad
Distribución
52
BIBLIOGRAFIA

EVANS, Michael K.: Practical Business Forecasting, Blackwell Publishing, Great Britain, 2002.

BALLOU, Ronald H.: Logística, administración de la cadena de suministro, quinta edición, Pearson
Educación, México, 2004.

DEPARTMENT OF COMPUTER SCIENCE, COLLEGE OF ARTS & SCIENCE, University of
Saskatchewan, Canada, 2008, en internet:
www.cs.usask.ca/content/resources/csconcepts/1999_6/Tutorial/Forecasting/forecasting_intro.html

ACQUISITION OPERATING FRAMEWORK, UK Ministry of Defence (MOD), 2008, en internet:
www.aof.mod.uk/aofcontent/tactical/engineering/content/fe_whatisforecastingandestimating.htm

MANUAL DE CONSULTA FORECASTING, PriceWaterhouseCoopers, en internet:
www.programaempresa.com/empresa/empresa.nsf/0/e88d210e51f9371ac125705b002c66c9/$FILE/forec
asting1y2.pdf

OWEN P. HALL, Jr.: Artificial Intelligence Techniques Enhance Business Forecasts, Graziadio
School of Business and Managment en internet. (http://gbr.pepperdine.edu/022/intelligence.html)

OCTAVIO CARRANZA, Logística: las mejores prácticas en América Latina, Editorial International
Thomson Editores – México DF, México

MONOGRAFÍA FORECASTING, Curso de postrado Logística y Solución de Casos año 2007
FIUBA.

ENTREVISTA REALIZADAS EN UNA EMPRESA DE HIGIENE Y CUIDADO PERSONAL:
Gerente de Planning, Gerente de Desarrollos Logísticos, Coordinadora de Proyectos y nuevos
desarrollos, Analista de Marketing, Gerente de Customer Care, Analista de Demanda

ENTREVISTA REALIZADAS EN UN LABORATORIO:
Gerente de Operaciones, Gerente de Marketing, Director Comercial, Gerente de Finanzas

ENTREVISTA REALIZADA EN GRUPO CLARÍN
Analista de Marketing

ENTREVISTA REALIZADA EN LEXMARK
Analista de Planning y Gerente de SCM

ENTREVISTA REALIZADA EN UNA COMPAÑÍA ALIMENTICIA:
Coordinador de Planificación de la Demanda, Analista de Demanda

ENTREVISTA REALIZADA EN L’ORÉAL ARGENTINA
Gerente de Aprovisionamiento

¿COMO INTERPRETAR LOS MODELOS DE PRONÒSTICO DEL ESTADO DEL TIEMPO?, José
Franklyn Ruiz Murcia, Profesional Especializado, Subdirección de Meteorología IDEAM, en Internet:
www.bart.ideam.gov.co/wrfideam

Avaliação da destreza dos modelos de previsão de tempo,- Global CPTEC/COLA e Regional ETA - para
a América do Sul, em internet:
www.mtc-m15.sid.inpe.br/col/cptec.inpe.br/walmeida/2004/09.27.13.57/doc/0000000585.doc

World Meteorological Organization (http://www.wmo.int/pages/index_en.htm)
53

Modelo Regional de Cambio Global del Clima: Modelo Eta/CPTEC

Efectos del cambio global del clima en los Ecosistemas Marinos y Terrestres en Brasil

Lima, abril 2006 Haroldo Machado Filho

Mike Wainwright, 10 Step Forecast Process. Centre of Excellence, April 2004
Modelo Eta/CPTEC

Efectos del cambio global del clima en los Ecosistemas Marinos y Terrestres en Brasil

Lima, abril 2006 Haroldo Machado Filho

Revista: Inbound Logistics, Julio 2009.
54