Crystal Ball 11.1.2.3 - Facultad de Ciencias Económicas

Crystal Ball
Ricardo Campos Morales1
agosto de 2015
Resumen:
A través del tiempo las organizaciones se han desarrollado con los avances tecnológicos que
indudablemente han cambiado la visión del mundo; a nivel empresarial son muchas las técnicas que se
han implementado para la optimización de procesos y procedimientos al interior de una organización.
Excel ha sido una herramienta vital para el análisis financiero y estadístico en diversos campos de la
economía, razón por la cual Crystal Ball se incorpora a dicha herramienta, permitiendo la generación de
escenarios más eficaces para la toma de decisiones en un ambiente dinámico con eventos sucesivos;
que de una u otra forma permiten consolidar y hacer viables las oportunidades que se presentan en un
mercado competitivo.
Por otro lado, las herramientas de simulación, ya sean orientadas a entidades tales como promodel o
basadas en hojas de cálculo como Crystal Ball, permiten al decisor evaluar los posibles cursos de acción
sujetos a los efectos de la incertidumbre; usualmente se utilizan criterios de decisión como la ganancia,
el costo, riesgo, entre otros
Palabras Clave:
Crystal Ball, optimización, análisis financiero y estadístico, escenarios, toma de decisiones,
incertidumbre.
JEL:
El sistema de clasificación JEL fue desarrollado para el uso en el Journal of Economic Literature y
es un método de clasificación de literatura académica en el campo de la economía.
1
Estudiante de Administración de Empresas de la Facultad de Ciencias Económicas de la Universidad
Nacional de Colombia, y monitor junior del grupo gestión de la Unidad de Informática y Comunicaciones de
la Facultad de Ciencias Económicas durante ... Correo Electrónico: [email protected]
Crystal Ball
Abstract:
Through the time the organizations have developed on a par with the technological advances that have
changed the vision of the world; at enterprise level the techniques are many that have implemented
for the processes’ optimization and procedures to the interior of an organization.
Excel has been a vital tool for the financial and statistical analysis in diverse fields of the economy,
reason for which Crystal ball is gotten up to this tool, allowing the generation of more effective scenes
for the decision making in a dynamic stage of successive events; that of one or another form allows to
consolidate and to make the opportunities viable that appear in a competitive market.
Within the managemental frame he is indispensable to create "preforms" or scenes guides who are
aware to the decisor of the best alternatives at the time of making decisions, it rescues the use of
diverse resources and implements new codes for the dynamic surroundings in which the businesses are
developed.
Keywords:
Crystall Ball, optimization, financial and statistical analysis, scenarios, decision making, uncertainty.
Estudiantes Auxiliares:
Director Unidad Informática:
Beatriz Helena Díaz Pinzón
Tutor Investigación:
Mario Andrés Rubiano
Coordinadores:
Andrés Felipe Hurtado Casas
Mario Andrés Rubiano Rojas
Coordinador Servicios Web:
John Jairo Vargas
Analista de Infraestructura y Comunicaciones:
Diego Alejandro Jiménez Arévalo
Analista de Sistemas de Información:
Diego Armando Poveda Zamora
Alejandro Díaz Melo
Andrea Milena Novoa Ospina
Andrés Felipe Acevedo Trujillo
Angie Yamile Mayorga Coy
Daniel Fernando Eslava Ursuga
Daniel Mauricio Sánchez Prado
Deisy Julieth Roa Riveros
Edwar Leonardo Esteban Pérez
Fredy Esteban Ahumada Avendaño
Heidi Castro López
Ingrid Nayarit Ríos García
Javier Santiago Rodríguez Cajamarca
Jeisson Daniel Mariño Ustacara
Katherine Maldonado Romero
Lasly Yulieth Vega Santamaría
Néstor Santiago Castro Triviño
Oscar Darío Parra Jiménez
Ricardo Campos Morales
Sergio Enrique Pulido Morales
Wilman Ricardo Acero Garzon
Este documento es resultado de un trabajo conjunto
y coordinado de los integrantes de la Unidad de
Informática y Comunicaciones de la Facultad de
Ciencias Económicas de la Universidad Nacional de
Colombia.
Esta obra está bajo una licencia reconocimiento no comercial 2.5 Colombia de
Creative Commons. Para ver una copia de esta licencia, visite
http://creativecommons.org/licenses/by/2.5/co/ o envíe una carta a Creative
Commons, 171second street, suite 30 San Francisco, California 94105, USA.
Crystal Ball
Contenido
Crystal Ball .................................................................................................................................................. 1
Introducción ................................................................................................................................................ 8
Objetivos ..................................................................................................................................................... 8
Objetivo General ..................................................................................................................................... 8
Objetivos Específicos .............................................................................................................................. 8
Justificación ................................................................................................................................................. 8
Alcance del paquete ................................................................................................................................... 9
Conceptos básicos....................................................................................................................................... 9
¿Qué es riego? ........................................................................................................................................ 9
¿Qué es un modelo? ............................................................................................................................... 9
¿Qué es una simulación Monte Carlo? ................................................................................................. 10
¿Qué sucede durante una simulación?................................................................................................. 10
¿De dónde obtiene la simulación de Monte Carlo su nombre? ........................................................... 11
¿Cómo analizar los resultados de una simulación? .............................................................................. 11
¿Qué es la certeza o certidumbre? ....................................................................................................... 12
¿Cuáles son los beneficios de realizar un análisis de riesgo con Crystal Ball? ...................................... 12
¿Qué es optimización? .......................................................................................................................... 13
¿Qué son pronósticos de series de tiempo? ......................................................................................... 13
Versiones .................................................................................................................................................. 13
Requerimientos de hardware ................................................................................................................... 14
Requerimientos de software .................................................................................................................... 14
¿Cómo usar Crystal Ball?........................................................................................................................... 15
¿Qué hace Crystal Ball?......................................................................................................................... 15
¿Cómo abrir el programa? .................................................................................................................... 15
¿Cómo Crystal Ball mejora Excel? ......................................................................................................... 16
¿Qué es un supuesto?........................................................................................................................... 17
¿Cómo definir un supuesto? ................................................................................................................. 17
¿Cómo definir un pronóstico? .............................................................................................................. 21
¿Cómo correr una simulación? ............................................................................................................. 22
¿Cómo analizar los resultados arrojados por el cuadro de pronósticos? ............................................. 24
¿Cómo usar el cuadro de sensibilidad? ................................................................................................ 26
¿Cómo generar un reporte? ................................................................................................................. 29
Ajustar distribución ............................................................................................................................... 31
Definir correlaciones ............................................................................................................................. 32
Control de precisión .............................................................................................................................. 33
Gráficos de superposición..................................................................................................................... 34
Gráficos de tendencia ........................................................................................................................... 37
Ejemplos modelo .................................................................................................................................. 40
Ejemplos de aplicación de modelos .......................................................................................................... 40
Primer ejemplo “Futura Aparments” .................................................................................................... 40
Correr la simulación .......................................................................................................................... 41
Determinar el beneficio .................................................................................................................... 42
Cómo usa Crystal Ball la simulación de Monte Carlo............................................................................ 43
Segundo ejemplo “Vision Research” .................................................................................................... 44
Definir supuestos .............................................................................................................................. 45
La distribución uniforme ................................................................................................................... 45
Distribución triangular ...................................................................................................................... 48
La distribución binomial .................................................................................................................... 50
Tasa de crecimiento: la distribución personalizada .......................................................................... 52
Definir penetración en el mercado: La distribución normal ............................................................. 55
Definir pronósticos............................................................................................................................ 57
Herramientas de Crystal Ball..................................................................................................................... 64
Ajuste por lotes ..................................................................................................................................... 65
Análisis de remuestreo ......................................................................................................................... 65
Análisis de datos ................................................................................................................................... 65
Tabla de decisión .................................................................................................................................. 65
Análisis de escenarios ........................................................................................................................... 65
Análisis de tornado ............................................................................................................................... 65
Simulación en 2-D ................................................................................................................................. 65
Ejecución de las herramientas de Crystal Ball .......................................................................................... 66
Ejemplo Ajuste por lotes ....................................................................................................................... 66
Ejemplo Análisis de remuestreo ........................................................................................................... 73
El método de la simulación ............................................................................................................... 74
Ejemplo Análisis de datos ..................................................................................................................... 77
Ejemplo Tabla de Decisión .................................................................................................................... 81
Ejemplo Análisis de escenarios ............................................................................................................. 86
Ejemplo Análisis de tornado ................................................................................................................. 91
Ejemplo Simulación en 2D .................................................................................................................... 96
Conclusiones ................................................................................................ ¡Error! Marcador no definido.
Referencias ............................................................................................................................................. 105
Introducción
Considerando la importancia que tiene la toma de decisiones al interior de las organizaciones y
teniendo en cuenta los diferentes factores que la afectan directa o indirectamente, han surgido nuevos
sistemas de análisis que permiten al tomador de decisiones generar campos de acción que disminuyan
el riesgo y la incertidumbre, lo que a su vez implica una mayor probabilidad de éxito, beneficio o
alguna forma de ganancia para los empresarios.
Es por ello que herramientas de informática que hoy encontramos en el mercado, resultan ideales
para desarrollar estudios tanto en las Ciencias Económicas como en otras áreas que puedan requerir
del análisis de riesgos.
Por su facilidad de instalación como complemento de Microsoft Excel®, por su sencillo manejo y fácil
interacción con el usuario, consideramos al software Crystal Ball, como una herramienta viable al
interior de la Unidad de Informática para la generación de un nuevo conocimiento en la Facultad de
Ciencias Económicas, que permita a sus estudiantes su aprovechamiento al máximo en la creación de
pronósticos de riesgos, y su adaptación a una situación que se acerque a la realidad del gremio
empresarial del país.
Objetivos
Objetivo General
Conocer y manejar las diferentes herramientas que el software Crystal Ball ofrece, de modo que
permita generar modelos a partir de situaciones que sean aplicables a las Ciencias Económicas y nos
lleven a obtener un resultado concreto que pueda servir de guía para la implementación de un curso
libre dentro de la UIFCE.
Objetivos Específicos
o Conocer y manejar las herramientas de Crystal Ball que permitan la elaboración de un manual de
fácil entendimiento para todos los usuarios que quieran acceder a este.
o Diseñar la programación de un curso libre basado en el análisis de riesgo utilizando el software
Crystal Ball.
o Crear un modelo que permita utilizar la herramienta Crystal Ball en la solución de un problema
aplicado a las Ciencias Económicas.
Justificación
La presente investigación se propone dar a conocer los principales aspectos a tener en cuenta para
realizar una breve simulación de riesgo financiero. Lo anterior implica actividades destinadas a la
comprensión de elementos básicos del software; con ello se busca familiarizar al público interesado en
conocer la aplicación avanzada de técnicas propias de Crystal Ball.
Crystal Ball es un software que permite al usuario la creación de escenarios para la predicción del
riesgo al interior de las empresas, agilizando la toma de decisiones a partir de un análisis de resultados
previo, haciendo uso de recursos escasos para la organización.
Es ideal para desarrollar aplicaciones a las ciencias económicas, ya que permite minimizar costos y
maximizar utilidades, reduciendo los riesgos de la actividad financiera de la organización; además de
aminorar la incertidumbre del mercado en un entorno dinámico.
Para fines académicos, Crystal Ball está diseñado para la simulación de escenarios que convergen a la
formación de mejores decisores en la ejecución de proyectos, permitiendo la generación de ciertas
habilidades necesarias para un profesional relacionado con las Ciencias Económicas.
Alcance del paquete
El programa permite realizar cálculos de predicción, permitiendo el uso de herramientas que permitan
optimizar la operación del sistema, posibilita el uso de equipos en red para la solución de un escenario.
Es especial se busca que el usuario del paquete conozca las herramientas básicas y se familiarice con
ellas, ya que su operación correcta implica que él logre comunicarle al programa que variables
específicas desea pronosticar, a partir de un determinado conjunto de elementos probabilísticos
descritos mediante distribuciones de densidad.
Crystal Ball agiliza la operación de pronósticos, permite prever situaciones de riesgo en las cuales
incurriría la empresa en la toma de decisiones. No se trata de tomar las decisiones por quien analiza el
problema, sino de servir de soporte para el procesamiento y análisis de datos para convertirlos en
información útil en la toma de decisiones.
Conceptos básicos
¿Qué es riego?
Condición en la cual una empresa se expone a situaciones no deseables, que pueden ser consideradas
como pérdida o no éxito, e implican factores como la incertidumbre y asimetría de información. De
esta manera se puede afirmar que el riesgo está presente en la mayoría de las decisiones a las que
deben tomar las organizaciones.
Una vez identificados los riesgos, es posible generar un modelo que permita cuantificar las posibles
consecuencias, permitiendo al decisor determinar si vale la pena o no asumir el riesgo, reduciendo así
los costos que implicaría una inadecuada toma de decisiones.
¿Qué es un modelo?
Un modelo representa un proceso con combinaciones de datos, fórmulas y funciones, el cual
dependiendo la información que se introduzca en la hoja de cálculo puede ser generado por Crystal
Ball.
Para lograr un modelo apropiado se deben reconocer previamente los riesgos a analizar, los cuales a su
vez serán identificados con un conocimiento enfático de los valores particulares que infieren en él, así
como su variabilidad.
A diferencia de Crystal Ball que nos permite definir varias variables para su análisis, así como la
definición de los rangos para cada una, dentro de los modelos tradicionales se puede encontrar que los
pronósticos
obtenidos pueden verse limitados ya que su eficacia no arroja resultados lo
suficientemente óptimos para su aplicación, debido a la restricción o dispersión de sus datos.
Ilustración 1 Ejemplo de Crystal Ball en Excel
Crystal Ball resulta entonces mucho más eficaz en la realización de análisis al incluir rangos de variables
mucho más específicas y poco dispersas que permiten mantener el panorama general del modelo
siempre a la vista, lo que significa que todas las variables establecidas, harán parte del análisis del
modelo, sin riesgo a ser excluidas.
¿Qué es una simulación Monte Carlo?
Simulación se refiere a cualquier método analítico con el objetivo de caracterizar simplificadamente la
realidad de un proceso económico en un modelo. El modelo se emplea para tratar de evidenciar
relaciones de causa efecto y realizar predicciones.
¿Qué sucede durante una simulación?
Una simulación calcula múltiples escenarios de un modelo de manera repetitiva ejemplificando valores
tomados desde las distribuciones de probabilidad para variables inciertas y así usar estos valores en las
celdas. Las simulaciones de Crystal Ballpueden realizar tantos ensayos (o escenarios) como se quieran.
Durante un solo ensayo, Crystal Ball selecciona aleatoriamente un valor de las posibilidades definidas
(rango y forma de la distribución) para cada variable incierta y después recalcula la hoja de trabajo,
obteniendo así un posible valor para ese escenario.
El tipo de distribución se selecciona basado en las condiciones que rodean esa variable. Los tipos de
distribución más importantes que se incluyen entre un total de 22 son:
Ilustración 2 Tipos de distribución en Crystal Ball
¿De dónde obtiene la simulación de Monte Carlo su nombre?
La Simulación de Monte Carlo fue nombrado en Monte Carlo, Mónaco, donde las atracciones
principales son los casinos y sus juegos de azar; tales como ruedas de la fortuna, dados, máquinas de
monedas.
Este comportamiento al azar es similar a como la Simulación de Monte Carlo selecciona los valores de
las variables de manera aleatoria, para simular el modelo. Por ejemplo, al lanzar un dado se sabe que el
número obtenido será 1, 2, 3, 4, 5 o 6 pero no se sabe cuál para cada lanzamiento en particular. Es
igual cuando dentro de un modelo se conoce el rango de valores pero se desconoce en particular para
cada evento o escenario (p.e. tipos de interés, precios, inventario, llamadas telefónicas por minuto,
etc.)
¿Cómo analizar los resultados de una simulación?
Para cada modelo de la hoja de cálculo se tiene un sistema de salidas importantes, tales como totales
de beneficios netos, o costos, que se deseen simular y analizar. Crystal Ball permite definir esas celdas
como pronósticos2. Se pueden definir tantos pronósticos como se necesiten, Crystal se encarga de
recordar los valores de cada pronóstico para cada ensayo.
Durante la simulación se puede observar un histograma de resultados, referido al cuadro de
probabilidades, desarrollados para cada pronóstico. Mientras corre la simulación, se puede ver como
los pronósticos se estabilizan hacia una distribución de frecuencia normal. Después de varios ensayos
se pueden observar las estadísticas de resultados y la certeza de cualquier resultado.
2 Un pronóstico es una fórmula o salida de la celda que se desea simular y analizar.
Ilustración 3 Cuadro de diálogo definir suposición
¿Qué es la certeza o certidumbre?
Certidumbre se define como el porcentaje de ocurrencia de que un pronóstico en particular caiga
dentro de un rango determinado. Por ende, las los resultados de las predicciones no solo muestran los
valores de las predicciones, sino también permiten saber la probabilidad de cada valor. En Crystal Ball
existen otros tipos de gráficas con más aplicaciones. Entre ellas destacan:
o Gráfica de sensibilidad: Permite analizar la contribución de los supuestos (variables inciertas) en la
predicción, mostrando todas aquellas de mayor impacto. Permite responder pregunta como ¿Qué
factor incide más en la incertidumbre de la utilidad neta? El análisis de sensibilidad permite
concentrarse en las variables más relevantes.
o Gráfica de sobreposición: Esta permite mostrar múltiples predicciones en el mismo eje, aunque los
modelos estén en diferentes hojas de cálculo. Esto con el fin de seleccionar las mejores alternativas.
Esta herramienta permite saber ¿Cuál de los proyectos tiene mayor retorno con menor variabilidad
(Un menor rango de valores)?.
o Gráfica de tendencia: Permite acumular pronósticos de tal forma que se puedan examinar
tendencias y cambios en las series. ¿Cómo cambia el riesgo en el tiempo?
¿Cuáles son los beneficios de realizar un análisis de riesgo con Crystal
Ball?
Cero conjeturas: Como ya se había mencionado anteriormente, los riesgos ocultos o no planteados
dentro de un modelo conducen a menudo a errores que implican grandes costos para las empresas.
Crystal Ball al ofrecer diferentes formas para calcular los riesgos, permite una comprensión más rica de
los riesgos inherentes al modelo.
No existen limitaciones con la hoja de cálculo de Excel: Mediante la Simulación de Monte Carlo se
pueden analizar múltiples escenarios sin necesidad de crear varias hojas de cálculo o estimar una sola
variable, como sería si no se contara con la herramienta de Crystal Ball.
Con el análisis de sensibilidad de Crystal Ball conocer los factores que realmente conducen a
resultados.
Con Crystal Ball los esfuerzos van encaminados a la realización y planteamiento del modelo, ya que su
análisis es una herramienta que se genera por si sola.
¿Qué es optimización?
La optimización es un proceso que encuentra la mejor o más óptima solución para un modelo. No
todos los modelos de una hoja de cálculo necesitan de optimización; sin embargo la técnica es muy
importante cuando se tienen variables dentro del modelo que se puedan controlar (P.Ej. Gastos) y se
quieren alcanzar metas máximas o mínimas que permitan confiar en esas variables.
Por ejemplo, un director de proyectos con restricción de presupuestos necesita saber con cual
combinación de siete portafolios posibles se obtendrá un mayor beneficio.
Con los modelos tradicionales de las hojas de cálculo, se pueden realizar optimizaciones simples
mediante programas como Solver en Excel. Sin embargo estas situaciones simples no se presentan muy
a menudo en la realidad. Con OptQuest, el optimizador de Cristal Ball, se pueden realizar
optimizaciones lineales y no lineales a diferencia de las realizadas habitualmente por Excel, y pueden
ser realizadas bajo situaciones de incertidumbre. De este modo, con OptQuest se pueden encontrar
variables óptimas cuando las variables son inciertas y cambian con el tiempo.
¿Qué son pronósticos de series de tiempo?
Los pronósticos de series de tiempo es un método de pronósticos que usa un conjunto de valores
históricos para predecir un egreso. Estos valores históricos a menudo se refieren a “series de tiempo”.
Versiones
El paquete de instalación de productos de Crystal Ball incluye los siguientes productos, que pueden ser
descargados directamente de la página Web, teniendo las licencias apropiadas o bien desde el CD de
Crystal Ball.
Se tienen cinco ediciones de Crystal Ball en la actualidad:
o Edición estándar
o
o
o Edición académica la cual nace a partir de la necesidad de reducir el costo del software para
usuarios académicos y para proporcionar materiales de enseñanza para docentes. Este programa no
tiene una tarifa o costo de entrada, y es pensado para facilitar la manera en que profesores e
instructores introducen a sus estudiantes en el uso de herramientas analíticas basadas en hojas de
cálculo tales como Crystal Ball
o También se ofrece la versión de prueba disponible en el sitio Web. Se trata de una versión de
evaluación gratuita, que está habilitada por 15 días después de la instalación. Para ello es necesario
registrarse en la página Web y a continuación se obtiene vía correo electrónico el vínculo específico
para descargar el archivo instalador, el nombre de usuario y la contraseña.
o Para poder instalar este software, es necesario estar conectado a Internet, pues verifica el idhardware de la máquina en la cual se vaya a instalar y lo relaciona con el nombre de usuario y
contraseña. Lo anterior implica que no se puede actualizar la licencia para un mismo equipo,
aunque se tenga más de un nombre de usuario o contraseña.
o Las herramientas específicas presentes en para las diferentes ediciones y versiones del programa
son:
o CB Predictor para el pronóstico del series de tiempo (incluido con las versiones Profesional y
Premium o como producto independiente.)
o OptQuest, para el control de variables de simulación (Incluido con las versiones Profesional y
Premium)
o CB Turbo, para un rápido procesamiento distribuido en los equipos de una red (Incluido con la
versión Premium)
o Crystal Ball Tutorial, Herramienta de aprendizaje electrónico de Crystal Ball
o Análisis del riesgo usando Crystal Ball (versión demo): La documentación está presente en formato
de archivo .pdf, tanto en la instalación típica como la instalación personalizada.
Requerimientos de hardware
o
o
o
o
Procesador Pentium o equivalente con 800 MHz o mayor)
Al menos 512 MB en RAM
Al menos 160 MB de espacio libre en Disco duro
Tarjeta de video y monitor con al menos 1024x768 píxeles de resolución
Requerimientos de software
Para ejecutar Crystal Ball correctamente, debe tenerse instalado el siguiente Software en el equipo.
Para un nivel de 32 bits respectivamente:
o Sistema operativo Microsoft Windows XP Professional con Service Pack 3, Microsoft Windows
Server 2003 con Service Pack 3, Microsoft Windows Vista con Service Pack 2, Microsoft Windows
Server 2008 con Service Pack 2, Microsoft Windows 7 o Microsoft Windows 8
o Microsoft Excel Microsoft Excel 2003 con Service Pack 3, Microsoft Excel 2007 con Service Pack 3,
versión de 32 bits de Microsoft Excel 2010 con Service Pack 1 o Microsoft Excel 2013
o Preferiblemente Microsoft Internet Explorer 7.0 o posterior. (Ayuda en línea)
Para un nivel de 64 bits respectivamente:
o Sistema operativo Microsoft Windows Vista con Service Pack 2, Microsoft Windows Server 2008 con
Service Pack 2, Microsoft Windows 7 o Microsoft Windows 8
o Microsoft Excel Microsoft Excel versión de 64 bits de Microsoft Excel 2010 o Microsoft Excel 2013
o Preferiblemente Microsoft Internet Explorer 7.0 o posterior. (Ayuda en línea)
¿Cómo usar Crystal Ball?
¿Qué hace Crystal Ball?
Crystal Ball extiende la capacidad de pronosticar modelos sobre la hoja de cálculo de Excel y provee la
información necesaria para que el usuario del software pueda llegar a ser un mejor y más eficiente
tomador de decisiones. Como usuario de Microsoft Excel, se conocen dos grandes limitaciones:
o Se puede cambiar solo una celda al tiempo. Como resultado, al explorar el rango entero de los datos
ingresados, realmente no se puede determinar el riesgo que ha de generar impacto sobre estos.
o El análisis “What-If” siempre resulta un punto sencillo de estimación que no indica la probabilidad
de alcanzar ningún valor en particular.
Crystal Ball supera estas dos limitaciones de la siguiente manera:
o Permite describir un rango de posibles valores para cada celda de incertidumbre dentro de la hoja
de cálculo. De modo, que todos los supuestos que se ingresen al modelo son expresados al mismo
tiempo.
o Usando un proceso llamado Simulación de Monte Carlo, Crystal Ball arroja resultados en un cuadro
de pronósticos que muestra el rango entero de posibles valores y la probabilidad de alcanzar
cualquiera de ellos.
¿Cómo abrir el programa?
Crystal Ball como software solucionador para organizaciones y negocios, con herramientas de
predicciones de riesgo, trabaja sobre la hoja de cálculo de la plataforma de Microsoft Excel ®. Entonces
para recibir todos los beneficios es necesario usar Excel y Crystal Ball, con el modelo a trabajar.
Para comprender el funcionamiento de Crystal y sus herramientas básicas para la ejecución de un
modelo, se trabajará sobre el ejemplo de Cell Phone. Para abrir los ejemplos de diferentes modelos
creados en Crystal, se puede hacer desde el menú Inicio. Haga clic en el menú Inicio para ver donde
está ubicada la aplicación de Crystal Ball y allí haga clic sobre la carpeta Ejemplos.
Después de abierta la aplicación, si Crystal Ball está corriendo se podrá observar en el menú de Excel;
si este no se observa, probablemente no se ha especificado la iniciación del programa
automáticamente con Excel (proceso que se hace en el momento de la instalación del software).
Ilustración 4 Excel ejecutando Crystal Ball
De ser así es necesario abrir Crystal Ball directamente desde el menú Inicio.
Ilustración 5 Ubicación Crystal Ball en el menú de Inicio
CellPhone.xls, es uno de los modelos que se encuentran dentro de los ejemplos de Crystal. Este modelo
describe una situación simple: Se debe decidir entre dos planes mensuales diferentes para llamadas de
teléfono celular.
Para leer los detalles del problema que este modelo trata de resolver, haga clic en la etiqueta
Descripción del libro de trabajo. Desde la etiqueta Modelo, Crystal Ball permitirá entonces simular y
analizar este modelo, ayudando a tomar mejores decisiones.
¿Cómo Crystal Ball mejora Excel?
Las hojas de cálculo de Excel son excelentes herramientas para el análisis, pero en su aplicación original
tienen muchas limitaciones. La mayor limitación de Excel es que esta, solo permite asignar un valor
simple a cada celda; de modo que para crear escenarios se debe cambiar manualmente el valor de
cada una.
Crystal Ball mejora el rendimiento de Excel y permite establecer valores inciertos para diferentes
celdas, así como calcular su efecto en cada variable. Para esto Crystal Ball adiciona una nueva barra de
herramientas a Excel y un nuevo menú.
Ilustración 6 Barra de herramientas de Crystal Ball
Como se puede observar la barra de herramientas sigue paso a paso el proceso de modelado de
izquierda a derecha. Los primeros nueve botones en la sección Definir permiten crear un modelo
nuevo o mejorar uno existente a partir de Crystal Ball. Los siete siguientes controlan la simulación. Los
tres que se encuentran en la sección Analizar se encargan de generar los reportes y tablas; por último
se encuentran los tres botones de herramientas en donde se encuentra la herramienta Opt Quest y
otro tipo de herramientas generales y los vínculos con ayuda online.
El nuevo menú generado a diferencia de versiones anteriores, ya contiene todas las herramientas que
utiliza el software.
Ilustración 7 Barra Crystal Ball 2000
El menú Crystal Ball actual es más compacto lo que genera una mayor comodidad a la hora de trabajar.
Ilustración 8 Barra Crystal Ball actual
¿Qué es un supuesto?
En cualquier modelo dentro de una hoja de cálculo existen factores o variables que pueden ser
inciertas. Debido a las limitaciones de Excel para usar valores sencillos en cada celda, es necesario usar
un promedio o valor estimado para cada variable incierta.
En lugar de estimar valores, Crystal Ball crea distribuciones de probabilidad o “supuestos” que
representan el rango y la probabilidad de los valores posibles para cada variable. Estas distribuciones
de probabilidad ofrecen una opción simple y gráfica de describir la incertidumbre alrededor de un valor
en un modelo. Cada distribución tiene su propia forma y parámetros.
En este ejemplo en particular (Cell Phone), se trabajarán dos de las más sencillas distribuciones, la
triangular y la normal (también conocida como Campana de Gauss).
En la siguiente sección se identificarán y definirán dos supuestos para variables inciertas dentro de un
modelo.
¿Cómo definir un supuesto?
El primer paso para definir un supuesto es determinar cuáles de las variables del modelo son inciertas,
es decir, establecer que tan confiable es el valor de cada entrada.
Por ejemplo en el modelo Cell Phone, el porcentaje de larga distancia es una variable incierta porque
no se puede estar seguro sobre cuantos minutos se usarán mensualmente.
Ilustración 9 Hoja de cálculo ejercicio Cell Phone
Para empezar a crear la primera distribución, seleccione la celda (D11) y haga clic sobre el botón
“Definir Supuesto” (Define Assumption)
. Seleccione la distribución triangular. Inmediatamente
aparece el cuadro de dialogo emergente de Crystal Ball, que tomará el nombre del supuesto que se
está evaluando (Celda D11).
Ilustración 10 Cuadro de diálogo Galería de distribución
Ilustración 11 Distribución triangular
Nota. Al definir los supuestos es necesario estar seguro de que estos tienen nombres únicos de
modo que se puedan trabajar por aparte durante el análisis.
Inmediatamente podrán definirse los parámetros, mínimo, máximo, y el más probable. Estos
parámetros definirán la incertidumbre de las llamadas a larga distancia que se evalúan dentro del
modelo, en el ejemplo Cell Phone. La nueva celda-supuesto estará ahora sombreada de verde. Para ver
un supuesto haga clic en el botón de “Definir Supuesto” (Define Assumption).
Ilustración 12 Celda supuesto %Long Distance (LD)
Una segunda variable incierta será entonces la de Minutos Actuales de Consumo (D11). Seleccione la
celda y haga clic sobre el botón de “Definir Supuesto” (Define Assumption). Ahora seleccione la
distribución Normal.
Se sabe que el promedio de tiempo gastado hablado es de 40 minutos, y que esta puede variar entre
340 y 460. Se puede modelar esta variación, estableciendo una desviación estándar de 20.
Ilustración 13 Distribución normal
Ahora se observa dos supuestos (celdas) en verde. En Crystal Ball se pueden definir cuantos supuestos
requiera el modelo.
Ilustración 14 Celda supuesto Actual Minutes
El siguiente paso es encontrar el valor de salida o pronóstico de Crystal Ball.
¿Cómo definir un pronóstico?
Ahora se le debe indicar a Crystal Ball las celdas a monitorear. Esta salida o pronóstico, son celdas que
contienen fórmulas que son afectadas por las celdas-supuestos. Un pronóstico es una variable de
interés, que se intenta calcular; tales como Ganancias Netas, Valor presente Neto, Capacidad de Pago o
Reservas.
Se pueden definir tantos pronósticos como se quiera. Cuando Crystal Ball corre una simulación, este
almacena todos los valores de pronóstico. Al finalizar se pueden analizar estos valores para encontrar
el nivel de riesgo que maneja el modelo.
Esto es el equivalente a oprimir el botón F9, guardando los valores correspondientes para cada
momento, para luego utilizar métodos estadísticos sobre estos datos, en una plataforma habitual de
Excel.
Los Costos Ahorrados en el Plan (Cost Savings) corresponden a la celda pronóstico (D15). Seleccione
esta celda y haga clic sobre el botón “Definir Previsión” (Define Forecast)
Herramientas.
en la Barra de
Para el cuadro emergente (Cell D15: Define Forecast) escriba Cost Savings en el campo Forecast Name
y en el campo Units el signo de pesos ($)
Ilustración 15 Cuadro de diálogo Definir previsión
Los Costos Ahorrados (Cost Savings) son ahora una celda sombreada en azul, lo que indica que es un
pronóstico generado por Crystal Ball.
Ilustración 16 Celda pronóstico B14
Ahora es tiempo de correr la simulación.
¿Cómo correr una simulación?
Crystal Ball usa la simulación de Monte Carlo3 para generar dinámicamente escenarios alternativos
dentro de los modelos de la hoja de cálculo. Esto es lo que se conoce como Análisis “What-If” y se
crean a partir de varios ensayos, iteraciones o pruebas individuales.
Para ver los efectos de un ensayo simple, ubique el cursor sobre la celda-pronóstico Cost Savings y
haga clic en el botón “Paso” (Single Step)
de la barra de Herramientas.
Al solicitar un paso (Single Step) Crystal Ball selecciona e introduce un nuevo valor para cada supuesto.
Minutos Actuales es ahora de 390 y el Porcentaje de Llamadas de larga distancia es de 33%.
Ilustración 17 Nuevos valores para el modelo al correr la simulación
Excel entonces recalcula la hoja de cálculo y genera un nuevo valor de pronóstico de $2.38. En este
ensayo los Costos Ahorrados son menores a $4.61.
Al hacer un clic en el botón de “Paso” (Single Step) se observará como la hoja de cálculo inserta
automáticamente los supuestos y genera los pronósticos cambiándolos en varios ensayos. De esta
manera se pueden observar los diferentes valores que toma la celda-pronóstico respecto a los
supuestos después de varias iteraciones.
Para restablecer los valores originales de la simulación (Minutos Actuales y % de Larga Distancia), que
son 400 y 30% respectivamente para este caso, haga clic en el botón “Restablecer”
Herramientas.
3
http://www.decisioneering.com/models/beginner.html
en la barra de
Por otra parte, si se quieren ejecutar varios ensayos con un solo paso, en el cuadro de dialogo de
Preferencias de Ejecución”
se puede configurar la ejecución de cientos o miles
de ensayos, lo que establecerá entonces el número de escenarios que se desean simular.
Ilustración 18 Cuadro de dialogo Preferencias de ejecución
Nota: El número máximo de ensayos es 10000
Al hacer clic inmediatamente en el botón “Iniciar”
(Run) se simulan automáticamente cada uno de
los escenarios (o ensayos establecidos previamente en el cuadro de dialogo emergente al principio de
Ejecución).
Observe como el cuadro de pronósticos –histograma de valores pronosticados- se construye con cada
nuevo ensayo.
Ilustración 19 Gráfica de pronósticos para la celda Cost Savings
¿Cómo analizar los resultados arrojados por el cuadro de pronósticos?
Una vez finalizada la simulación se puede usar el cuadro de pronósticos arrojado, para analizar los
resultados.
En el cuadro de pronósticos en la parte inferior izquierda pueden cambiarse los valores pronosticados
para cada uno de los planes del modelo, para poder observar como estos valores influyen en la
certidumbre para cada pronóstico.
Sin embargo en el cuadro de pronósticos en la opción “vista” se selecciona la opción Estadísticas
(Statistics) donde se puede observar los resultados arrojados por la simulación de una manera más
detallada y que facilite su análisis, así como rangos máximos y mínimos que establecen el rango de
ganancia y perdida para un plan de teléfono celular, como el planteado en CellPhone.
Ilustración 20 Cuadro de estadísticas
En la opción Percentiles se puede observar cuál es el costo ahorrado en cada porcentaje de ensayos
realizados. Por ejemplo en este cuadro se puede observar que en el 80% de los ensayos los costos
ahorrados son más de $3.95.
Ilustración 21 Cuadro de percentiles
¿Cómo usar el cuadro de sensibilidad?
Los supuestos establecidos previamente contribuyen a comprender los cambios en el rango de
entradas, pero es necesario conocer que impacto tiene en cada una.
Para examinar el efecto de los supuestos sobre los pronósticos se puede usar la herramienta de
Análisis de Sensibilidad de Crystal Ball. Para activarla, haga clic en el botón de “Cuadro de Sensibilidad”
(Sensitivity Chart) de la Barra de Herramientas.
La ventana emergente le mostrará el efecto de los supuestos medidos por el rango de correlación. Al
hacer clic sobre el botón Chart Pref… (Cuadro de Preferencias), se desplegará la ventana Sensitivity
Preferences (Preferencias de Sensibilidad), habilite la opción Contribute to Variance, y observe que la
celda supuesto Actual Minutes (Minutos Actuales) contribuye en cerca del 74.3 % en los Costos
Ahorrados.
Este resultado es menor que el $4.61 que se había predicho y los resultados obtenidos muestran que la
perdida es bastante cuando no se tienen costos ahorrados dentro del plan.
Ahora para poder observar cómo Crystal maneja la incertidumbre es necesario analizar el Cuadro de
Sensibilidad (Sensitivity Chart).
Ilustración 22 Cuadro de sensibilidad medida por el rango de correlación
La ventana emergente le mostrará el efecto de los supuestos medidos por el rango de correlación. Al
hacer clic sobre el botón Chart Pref… (Cuadro de Preferencias), se desplegará la ventana Sensitivity
Preferences (Preferencias de Sensibilidad), habilite la opción Contribute to Variance, y observe que la
celda supuesto Actual Minutes (Minutos Actuales) contribuye en cerca del 74.3 % en los Costos
Ahorrados.
Ilustración 23 Cuadro de sensibilidad medida por la contribución a la varianza
Observe que los Minutos Actuales y los Costos Ahorrados tienen una relación negativa, lo que quiere
decir que la mayoría de minutos hasta entonces hablados, son el menor ahorro que se tiene. Para el
Porcentaje de Larga Distancia la relación es positiva, ya que como el porcentaje de las llamadas a larga
distancia incrementa, eso se ve reflejado en los Costos Ahorrados.
Nota: Crystal Ball al permitir incrementar el número y clases de supuestos dentro del modelo, el
Análisis de Sensibilidad es una herramienta útil que incrementara paulatinamente con los supuestos.
Bajo el análisis de cualquier supuesto que se haya generado previamente, se pueden obtener pasos a
seguir dentro de la toma de decisiones respecto al modelo. Para este caso por ejemplo, debido a que la
reducción de minutos usados tiene un gran impacto en los Costos Ahorrados, es necesario estar
pendiente del tiempo de las llamadas y no desperdiciar minutos; de lo contrario, los costos
incrementarán.
¿Cómo generar un reporte?
Para crear un reporte desde una simulación de Crystal Ball es muy fácil. Para esto haga clic sobre el
botón de “Crear reporte” (Create Report)
de la Barra de herramientas de Crystal Ball.
Ilustración 24 Cuadro de diálogo Preferencias de creación de informe
Desde el cuadro emergente se puede escoger uno de los informes, para comodidad se seleccionará la
opción informe personalizado.
Ilustración 25 Creación de informes personalizados
El cuadro emergente, nos permitirá seleccionar las secciones de las que dispondrá el informe.
Ilustración 26 Cuadro Informe personalizado
El reporte final que genera Crystal, contiene toda la información que se le haya solicitado en el cuadro
emergente anterior (Ilustración 27). Si durante el ejercicio de simulación se abrieron algún tipo de
aplicaciones, como por ejemplo cuadro de sensibilidad, todos estos aparecerán en el reporte con las
modificaciones que se hallan hecho sobre ellos y con los resultados que finalmente se arrojaron.
Nota: Este tutorial tan solo cubre los aspectos básicos de una simulación. Crystal Ball tiene
muchas más aplicaciones que las explicadas en este tutorial, para poder tomar decisiones acerca de un
modelo en especial.
Ajustar distribución
Si se tienen datos históricos y se quieren usar para crear supuestos, se puede usar la opción Ajustar
Distribución disponible en el botón “Ajustar” en el cuadro de dialogo “Galeria de distribución”.
Ilustración 27 Galería de distribuciones
Ilustración 28 Cuadro de diálogo ajustar distribución
Definir correlaciones
Muchas variables de supuesto, tales como la inflación y los costos, tienen una relación directa que se
puede definir usando un coeficiente de correlación. Esta herramienta hará muchos más real el modelo
de la hoja de trabajo de Excel.
El botón de Coeficiente de correlación se puede encontrar en cualquier cuadro de dialogo de supuestos.
Ilustración 29 Cuadro de diálogo Definir correlaciones
Control de precisión
El Control de Precisión de Crystal Ball permite al usuario que corre un modelo asegurarse de que el
número de ensayos ejecutados sea el preciso para un resultado óptimo. Esta opción se encuentra al
Definir una Previsión
Ilustración 30 Cuadro de diálogo Definir previsión
En el cuadro de diálogo “Definir previsión” podemos hacer clic en el siguiente ícono en donde se
desplegarán las siguientes opciones.
Ilustración 31 Cuadro de dialogo Definición de precisión
Gráficos de superposición
Si se quieren comparar varios pronósticos relacionados, “Overlay chart” permite mostrar múltiples
pronósticos y curvas de distribución en un cuadro. Esta herramienta está disponible en la opción “Ver
gráficos”
Nota: Para crear gráficos de superposición, la simulación debe tener más de una previsión.
Al hacer clic en la opción se desplegarán unas opciones en las que se encuentra
hacer clic se desplegará el siguiente cuadro.
, al
Ilustración 32 Cuadro de diálogo Gráficos de superposición
En el cuadro de diálogo “Gráficos de superposición”, hacemos clic en nuevo y en donde encontraremos
el cuadro de diálogo que nos permitirá seleccionar las previsiones que deseamos.
Ilustración 33 Cuadro de diálogo Elegir previsiones
Al seleccionar la previsiones que deseamos, y dar clic en Aceptar, el siguiente será el resultado.
Ilustración 34 Gráfico de superposición
Gráficos de tendencia
“Gráficos de tendencia” crea múltiples líneas relacionadas con pronósticos, para mostrar cómo cambia
la incertidumbre con el tiempo o sobre secuencias de eventos consecutivos. Esta herramienta está
disponible en “Ver gráficos”
, al desplegar las opciones, encontraremos
.
Ilustración 35 Gráficos de tendencia
En el cuadro de diálogo “Gráficos de tendencia”, hacemos clic en “Nuevo”.
Ilustración 36 Elegir previsiones Gráficos de tendencia
Ilustración 37 Gráficos de tendencia
Ejemplos modelo
Crystal Ball ofrece muchos más ejemplos de modelos que se pueden trabajar para aplicar las diferentes
herramientas de la aplicación y se pueden encontrar a través del menú Inicio.
Ejemplos de aplicación de modelos
Primer ejemplo “Futura Aparments”
En este ejemplo, el usuario es un potencial inversionista del complejo Futura Apartments. La situación
es la que se presenta en la Ilustración 30 y es el modelo sobre el cual trabajara para tomar una
adecuada decisión.
Ilustración 38 Hoja de cálculo Futura Aparments
Como inversionista su trabajo lo lleva a hacer los siguientes supuestos:
o
o
o
$500 por mes será la renta por unidad
El número de unidades rentadas durante cualquier mes será entre 30 y 40
Los costos de operación están promediados alrededor de $15.000 por mes para un
complejo entero, pero puede variar mes a mes
Basado en estos supuestos, se quiere saber qué tan rentable resulta el complejo para diferentes
combinaciones de unidades rentadas y costos de operación. Esto resultaría complicado si se hiciera
desde una hoja de cálculo habitual (sin Crystal Ball), ya que a pesar de su utilidad los dos supuestos no
se pueden reducir a uno solo como lo requiere el formato tradicional de Excel.
Igualmente, si se intentarán todas las combinaciones con la hoja de cálculo habitual tomaría mucho
tiempo trabajar a través de escenarios “What-If “, ya que es necesario ingresar valor por valor y
guardar los resultados de cada ensayo. Y lo que finalmente se obtendría sería una cantidad de datos en
vez de cuadros organizados que faciliten la decisión. Con Crystal Ball esta clase de análisis es bastante
sencillo.
Correr la simulación
Para correr una simulación se deben seguir los siguientes pasos:
o Run
o Mediante este icono de ejecución Crystal Ball corre la simulación para la situación expuesta en el
ejemplo de “Futura Apartments” y muestra un cuadro de pronósticos, el cual después de haber
ejecutado el máximo de ensayos pedidos (500 para este caso), esta será mostrada en la barra de
estado.
El cuadro de pronósticos después de correr el número máximo de ensayos, tendrá la siguiente
apariencia.
Ilustración 39 Pronósticos de Ganancia/Pérdida para Futura Aparments
o Stop
para detener la ejecución
o El cuadro de pronósticos revela el rango de los datos para pérdida y ganancia predichos para la
situación del Futura Apartments. Cada barra en el cuadro representa la posibilidad o probabilidad
de ganar un ingreso dado. El grupo de columnas cercana al centro indica el nivel de ingreso más
probable, el cual para este caso se encuentra entre $250y $4750 por mes. Crystal Ball también
predice el peor de los casos, que para este modelo se trata de una pérdida de $2000 y el mejor de
los casos que es cercano a una ganancia de $7000.
Determinar el beneficio
Ahora puede usar Crystal Ball para determinar la probabilidad estadística de alcanzar un beneficio, así
como determinar el rango más probable. Para determinar la probabilidad estadística, se deben seguir
los siguientes pasos ubicado sobre el cuadro de pronósticos arrojado:
o Seleccione el campo de la esquina inferior izquierda del cuadro de pronósticos
o Escriba 0 (cero) en el campo
o Presione Enter
o
Ilustración 40 probabilidad de ganancia para Futura Aparments
El valor en el campo certidumbre (Certainty) cambia para reflejar la probabilidad de un nivel de
ingresos para un rango desde $0 positivo hasta infinito positivo, lo que hace un análisis mucho más
realista. Con esta información, el analista se encuentra en una mejor posición para tomar la decisión
acerca de si invertir o no en Futura Apartments. Tal como se muestra en la Ilustración 3, la oportunidad
de lograr un beneficio (Ganancia mayor o igual a $0) es de aproximadamente 93%. Note también que el
riesgo de perder tanto como $2000, tal como lo mostraba el intento anterior, es mucho menor.
Cómo usa Crystal Ball la simulación de Monte Carlo
En la vida real los problemas incluyen elementos de incertidumbre que son mucho más complejos que
resolverlos de manera analítica. Existen muchas combinaciones de valores de entrada para calcular
posibles resultados. La simulación de Montearlo es una técnica eficiente que requiere únicamente una
tabla de números aleatorios o un generador de números aleatorios en una computadora.
Este es un proceso iterativo que continúa de manera indefinida hasta que:
o La simulación alcanza un criterio máximo
o El analista o usuario detiene la simulación manualmente
o El cuadro de pronósticos final refleja la incertidumbre combinada de la celda-supuesto en el modelo
establecido. Recuerde que la simulación de Monte Carlo solo puede aproximarse a una situación del
mundo real. Cuando el analista construye y simula su propio modelo en la hoja de cálculo, debe ser
cuidadoso al examinar la naturaleza del problema y continuamente perfeccionar el modelo hasta
que los datos allí contenidos se aproximen lo más cerca posible.
o Crystal Ball también provee estadísticas que describen los resultados del pronóstico arrojado.
o Para cerrar el primer ejemplo:
o Seleccione Run > Reset
o Un cuadro de diálogo aparecerá confirmando el proceso de reestablecer los valores iniciales del
modelo.
o Haga clic en Aceptar
o La simulación reestablecerá los valores y el cuadro de pronósticos desaparecerá.
o Cierre la hoja de cálculo del ejemplo Futura Apartments
Segundo ejemplo “Vision Research”
Este ejemplo muestra una situación mucho más realista que permite examinar y conocer las
herramientas de Crystal Ball de una manera mucho más amplia y profunda.
El ejemplo que muestra Vision Research4 modela la situación de un negocio lleno de incertidumbre. La
empresa Vision Research ha desarrollado de manera preliminar una nueva droga, denominada ClearView, que corrige la miopía. Este revolucionario producto puede ser desarrollado completamente y
probado en un tiempo, para ser lanzado al mercado el próximo año si la FDA aprueba el producto.
Aunque la droga trabaja muy bien para algunos pacientes, la tasa de éxito en general es marginal e
incierta sea que la FDA apruebe el producto o no.
Vision Research puede usar Crystal Ball de modo que le ayude a decidir si abandona el proyecto o
continua desarrollando y mercadeando esta nueva droga, posiblemente lucrativa. El proyecto de Clear
View es un proyecto multimillonariamente riesgoso. Crystal Ball es un poderoso programa de soporte y
decisión, diseñado para tomar decisiones trascendentes como estas.
Para observar cómo trabaja Crystal Ball en una decisión típica de negocio:
o Abra la hoja de cálculo de Vision Research desde la carpeta de ejemplos de Crystal Ball, desde el
menú Inicio > Programas > Crystal Ball > Examples
o La hoja de cálculo de la empresa Vision Research para el proyecto Clear View aparece, como en la
Ilustración 23.
4
http://www.crystalball.com/models/pharma.html
o
Ilustración 41 Hoja de cálculo Vision research
Esta hoja de cálculo modela el problema que Vision Research está tratando de resolver.
Definir supuestos
En Crystal Ball, se puede definir un supuesto para cada celda-valor escogiendo una distribución de
probabilidad que describa la incertidumbre del dato que se encuentra en la celda. Para realizar esto, se
debe hacer desde los 22 diferentes tipos de distribución que encontramos en la Galería de
distribuciones, Gallery Distribution a la cual accede desde la barra de herramientas de Crystal Ball,
dando clic sobre la opción Define Assumption
(ver Ilustración 36).
¿Cómo se sabe qué tipo de distribución utilizar? Esta parte del tutorial le permitirá entender como
selecciona el tipo de distribución basado en la respuesta que se espera obtener. En los siguientes
ejemplos, seleccione las celdas-supuesto en la hoja de cálculo de Vision Research y escoja las
distribuciones de probabilidad que exactamente describan las incertidumbres del proyecto Clear View.
La distribución uniforme
Este ejemplo, explica las razones para escoger una distribución en particular para cada supuesto.
Definir Testing Costs. La Distribución Uniforme
Hasta ahora, Vision Research ha gastado $10.000.000 desarrollando Clear View y espera gastar una
suma adicional entre $3.000.000 y $ 5.000.000 para probarlo, basado en los costos de ensayos o
pruebas anteriores. Para esta variable, “Testing costs”, Vision Research cree que cualquier valor entre
$3.000.000 y $ 5.000.000 tiene la misma probabilidad de ser el costo actual de ensayar.
Usando Crystal Ball, Vision Research escogió la distribución uniforme para describir los “Testing Costs”
o costos de prueba. La distribución uniforme describe una situación donde todos los valores entre los
valores mínimo y máximo tienen exactamente la misma probabilidad de que ocurran, entonces esta
distribución es la que mejor describe la mejor suposición de la compañía para los Costos de Prueba del
proyecto.
Una vez escogida el correcto tipo de distribución, se está listo para definir la celda-supuesto. Para
definir la celda supuesto para Testing Costs:
o Seleccione la celda C5 y en el menú, haga clic sobre la opción Definir suposición
dialogo de “Distribución Gallery” aparecerá
o
Ilustración 42 Galería de Distribución Vision Research
o Haga clic sobre la distribución Uniforme
o Haga clic en Aceptar
o El cuadro de dialogo de la “Distribución Uniforme” aparece
, el cuadro de
o
Ilustración 43 Distribución uniforme
Desde que la celda C5 ya tenga un nombre referenciado sobre la hoja de cálculo, este nombre
aparecerá en el campo de “Assumption Name” o nombre del supuesto. Use este nombre
preferiblemente, en vez de escribir uno nuevo. Igualmente, note que Crystal Ball asigna valores por
defecto a cada distribución.
La distribución uniforme tiene dos parámetros, uno mínimo y uno máximo. Vision Research espera
gastar en las pruebas como mínimo $3.000.000 y como máximo $5.000.000. Use estos valores en lugar
de los que aparecen allí por defecto para especificar los parámetros de la distribución uniforme en
Crystal Ball, así:
o Escriba 3 en el campo Min (recuerde que los números en las hojas de cálculo representan millones
de dólares).
o Este valor representa $3.000.000, la cantidad mínima que Vision Research estima para los costos de
prueba (Testing Costs).
o Presione Tab, o en su defecto diríjase al campo Max
o Escriba 5 en el campo Max
o Este valor representa $5.000.000, el máximo estimado para los costos de prueba (Testing Costs).
Haga clic en Enter.
La distribución cambia para reflejar los cambios que se han hecho en los valores, tal como se muestra
en la Ilustración 26
Ilustración 44 Distribución uniforme para la celda C5
Al realizar de manera correcta los pasos descritos anteriormente, la distribución se observará tal como
aparece en la Ilustración 26. De no ser así, repita los pasos. Después, en el momento de correr la
simulación, Crystal Ball genera valores aleatorios para la celda C5 que eventualmente están entre 3 y 5
millones de dólares.
o Clic en Introducir para retornar a la hoja de cálculo.
Distribución triangular
Vision Research planea gastar una considerable suma en el marketing de ClearView, en caso de ser
aprobado por la FDA. Ellos esperan contratar una amplia fuerza de ventas y dar paso a una masiva
campaña publicitaria para ilustrar al público a cerca de este maravilloso producto nuevo. Incluyendo
comisiones de ventas y costos de publicidad, Vision Research espera gastar entre $12.000.000 y
$18.000.000, donde $16.000.000 es el más probable.
Vision Research escogió la distribución triangular para describir los Costos de Marketing, ya que la
distribución describe una situación donde se pueden estimar los valores máximo, mínimo y el más
probable de ocurrir.
Para definir la celda-supuesto para los Costos de Marketing (Marketing Costs):
o
Haga clic en la celda C6
o
Haga clic sobre la opción Define Assumption
, igualmente puede hacerlo desde la barra
de herramientas de Crystal. El cuadro de dialogo de “Distribución Gallery” aparecerá.
o
o
Haga clic sobre la “Distribución Triangular”
Haga clic en OK
El cuadro de dialogo de la “Distribución Triangular” aparecerá
Ilustración 45 Distribución triangular
Ahora especifique los parámetros para la distribución triangular. Como se puede observar en la
Ilustración 46, los parámetros para la distribución triangular son diferentes de los especificados para la
distribución anterior.
o Escriba 12 en el campo Min
o Este valor representa $12.000.000, la cantidad mínima que Vision Research estima para los Costos
de Marketing
o En el campo Más probable introduzca el valor 16.
o Este valor representa $16.000.000, la cantidad más probable para los Costos de Marketing
o Escriba 18 en el campo Max
o Este valor representa $18.000.000, la cantidad máxima estimada para los Costos de Marketing
o Haga clic en Enter
o La distribución cambiará para reflejar los valores ingresados.
o
Ilustración 46 Distribución triangular para celda C6
Al correr la simulación, Crystal Ball genera valores aleatorios que están alrededor de 16 con menos
valores cercanos a 12 y 18.
o Haga clic en Aceptar para volver a la hoja de cálculo
La distribución binomial
o Antes de que la FDA apruebe ClearView, Vision Research debe realizar una prueba controlada sobre
una muestra de 100 pacientes durante un año. Vision Research espera que la FDA apruebe el
producto si ClearView corrige completamente la miopía de 20 o más pacientes, sin que esto
signifique algún efecto secundario. En otras palabras, 20% o más de los pacientes evaluados debe
mostrar una correcta visión después de tomar ClearView por un año. Vision Research se encuentra
animada, después de realizar algunas pruebas preliminares que muestran un porcentaje de éxito
cercano al 25%.
o Para esta variable, “pacientes curados”, Vision Research solo conoce los resultados de las pruebas
preliminares, que muestran un éxito del 25%. ¿Vision Research es apto para los estándares de la
FDA? Usando Crystal Ball, Vision Research escogió la distribución binomial para describir las
incertidumbres que presentan esta situación; ya que la distribución binomial describe el número de
casos exitosos (25) en un número de ensayos permanente (100).
o Para definir la celda-supuesto para “Pacientes curados”, siga los pasos:
o
o
Haga clic en la celda C10
Haga clic sobre la opción Definir suposición
La galería de distribuciones aparece
o
o
o
Seleccione la Distribución Binomial
Haga clic en Aceptar
El cuadro de dialogo de la “Distribución Binomial” aparece. (Fíjese que el valor por
defecto para el parámetro de probabilidad es 0.5 o 50%).
o
Ilustración 47 Distribución Binomial
o La distribución binomial tiene dos parámetros: Probabilidad (Prob.) y ensayos (Trials). Se sabe que
Vision Research alcanzo un porcentaje exitoso del 25% en las pruebas preliminares que se
realizaron, entonces 0.25 será el valor para el parámetro de probabilidad para mostrar la posibilidad
de que suceda o casos exitosos.
o Nota. Se pueden expresar las probabilidades como fracciones decimales entre 0 y 1, tal como
0.03, o como números seguidos del signo porcentaje, como 3%.
o Igualmente se sabe que la FDA espera que Vision Research realice pruebas a 100 personas,
entonces 100 será el valor para expresar el número de ensayos dentro de la distribución binomial.
Para esto realice los siguientes pasos:
o
o
o
o
o
o
Escriba 0.25 en el campo Probabilidad
Este valor representa el 25% de probabilidad de corregir satisfactoriamente la
miopía
Si el campo Pruebas no contiene el valor 100
Escriba 100 en el campo Trials
Este valor representa los 100 pacientes que van a ser evaluados por la FDA.
haga clic en Introducir
o La distribución cambia para reflejar los valores ingresados
o
Ilustración 48 Distribución binomial para la celda C10
Al correr la simulación, Cristal Ball genera números aleatorios entre 0 y 100, simulando el número de
pacientes que podrían ser curados en el test de la FDA.
o Haga clic en Aceptar para volver a la hoja de cálculo
Tasa de crecimiento: la distribución personalizada
Vision Research ha determinado que la miopía afecta aproximadamente a 40.000.000 de personas en
Estados Unidos y un porcentaje adicional entre 0% y 5% de estas personas desarrolla esta condición
durante el año en que ClearView está siendo probado.
Sin embargo, el departamento de marketing se ha dado cuenta que existe una posibilidad de 25% de
que un producto competidor salga al mercado pronto. Este producto disminuiría el mercado potencial
de ClearView de un 5% a un 15%.
Esta variable “Tasa de crecimiento de miopía” no puede ser descrita por ninguna distribución de
probabilidad estándar. Por lo que las incertidumbres en este caso requieren un único acercamiento,
Vision Research toma la distribución personalizada de Crystal Ball para definir la tasa de crecimiento.
Para la mayoría de los casos, la distribución personalizada es usada para describir las situaciones que
otras tipos de distribución no pueden.
El método para especificar los parámetros en la distribución personalizada es un poco diferente a las
demás distribuciones, entonces se debe ser muy cuidadoso siguiendo los pasos. Si se llega a cometer
un error, haga clic en la Galería para volver a la galería de distribuciones, para empezar nuevamente en
el paso 3.
Use la distribución personalizada para diagramar el incremento y disminución del mercado potencial
de ClearView. Para definir la celda-supuesto para la tasa de crecimiento de miopía:
o
Haga clic en la celda C15
o
o
o
Haga clic sobre la opción Definir suposición
Seleccione la Distribución Personalizada
Haga clic en Aceptar
El cuadro de dialogo de Distribución Personalizada aparecerá. Nótese que en la Ilustración 49 que los
campos de los valores se encuentran en blanco, de modo que el usuario ingrese los valores como mejor
se ajuste al modelo.
Ilustración 49 Distribución personalizada
Para ingresar el primer rango de valores:
o
o
o
Diríjase a parámetros
Seleccione la opción rangos continuos
Escriba 0% en el campo Valor y presione Introducir
Este valor representa un 0% de incremento en el mercado potencial
o
Escriba 5% en el campo Valor y presione Introducir
Este valor representa un 5% de incremento en el mercado potencial
o
Presione introducir
Este valor representa la probabilidad de que el competidor de Vision Research no entre al mercado y
reduzca la porción de participación en el mercado de Vision Research.
Una distribución uniforme con un rango entre 0% y 5% aparece.
Ilustración 50 Distribución personalizada para C15
Para ingresar un segundo rango de valores:
o Diríjase a parámetros
o Seleccione la opción datos continuos
o Escriba -15% en el campo Valor 1
Este valor representa el 15% de disminución en el mercado potencial
o
o
o
o
Escriba -5% en el campo Value2
Este valor representa un 5% de disminución en el mercado potencial
Escriba 25% en el campo Probabilidad
Este representa el 25% de posibilidad de que el competidor de Vision Research entre al mercado y
disminuya su porción de participación en el mercado entre 5% y 15%
o Haga clic en Aceptar
o Una distribución uniforme para un rango entre 15% y -5% aparezca. Ambos rangos aparecen ahora
en el cuadro de dialogo “Distribución Personalizada”.
o
Ilustración 51 Distribución personalizada para C15 (2 Supuesto)
Puede usarse el botón Data para traer números desde una celda especifica en la hoja de cálculo en vez
de escribirlos directamente en los campos vacíos del cuadro de dialogo. En el momento de correr la
simulación Crystal Ball genera rangos de valores diferentes a los que se especificaron en los pasos
anteriores.
Definir penetración en el mercado: La distribución normal
El departamento de marketing estima que la eventual porción de participación en el mercado total
para Vision Research estará normalmente distribuida alrededor de una media de 8% con una
desviación estándar de 2%. “Normalmente distribuida” significa que Vision Research espera observar
una curva con forma de campana con un 68% cercano de todos los posibles valores para una
penetración de mercado cayendo entre una desviación estándar por debajo del valor de la media y una
desviación estándar por encima del valor de la media, o entre 6% y 10%.
El menor valor de la media, 8%, es un estimado conservador que toma en cuenta los efectos
secundarios de la droga, los cuales fueron notados durante la prueba preliminar. Además el
departamento de marketing estima un mercado mínimo de 5%, dado por el interés mostrado en el
producto durante el ensayo preliminar.
Vision Research escogió la distribución normal para describir la variable “Market Penetration”. Para
determinar la celda-supuesto para la penetración en el mercado:
o
Haga clic en la celda C19
o
Seleccione la opción Definir suposición
o
o
Haga clic en la distribución Normal
Haga clic en Introducir
El cuadro de dialogo de la “Distribución normal” aparece
Ilustración 52 Cuadro de diálogo Distribución normal
Ahora especifique los parámetros para la distribución normal: la media y la desviación estándar
o
o
Si el campo Media no contiene el valor 8.00%, escriba 8% en este campo Este representa un
promedio estimado de 8% para la penetración en el mercado.
Escriba 2% en el campo Desv est.
Este representa un estimado del 2% para la desviación de la media.
o
o
Haga clic en Aceptar
La distribución normal se inclina para ajustar el área del cuadro, de modo que la forma de la
distribución no cambia, sin embargo el percentil en la parte inferior del cuadro no cambia.
o
o
o
o
o
Haga clic en
Escriba 5% en el campo de la parte izquierda sin inscripción de campo
Este valor representa el 5% que corresponde al mercado mínimo del producto.
Haga clic en Aceptar
La distribución cambia para reflejar los valores ingresados.
o
Ilustración 53 Distribución normal para la celda C19
Al correr la simulación, Crystal Ball genera valores aleatorios que siguen una distribución normal
alrededor del valor de la media que es 8% y los valores no generados por debajo del 5% que es límite
inferior.
Haga clic en Aceptar para volver a la hoja de cálculo.
Definir pronósticos
Después de definidas las celdas-supuesto en el modelo, el paso a seguir es definir las celdaspronósticos. Estas contienen que se refieren a una o más celdas-supuesto.
Al presidente de Vision Research le gustaría conocer la probabilidad de lograr un beneficio con el
producto, así como conocer el más probable de los beneficios a alcanzar, independientemente del
costo. Estos pronósticos aparecen en el beneficio total (C21) y el beneficio neto (C23) pata el proyecto
de ClearView.
Calcular el beneficio final
Crystal Ball puede generar más de un pronóstico durante una simulación. En este caso, se pueden
definir las fórmulas para ambos beneficios el total y el neto como celdas-pronostico. Primero se
analizaran los contenidos de la celda para el beneficio total.
o Haga clic en la celda C21
o El contenido de la celda aparece en la barra de fórmulas en la parte superior de la hoja de cálculo.
Los contenidos son C16*C19*C20. Crystal Ball usa esta fórmula para calcular el beneficio total
multiplicando el número de personas con miopía después de un año (C16) por la penetración en el
mercado (C19) y el beneficio por cliente (C20).
o Después de entender como está compuesta la fórmula del beneficio total, se puede definir la
fórmula de la celda-pronóstico para el beneficio total. Para definirla:
o En el menú Celda haga clic sobre la opción Definir previsión
o El cuadro de dialogo “Define Forecast” aparece. En este cuadro se puede ingresar un nombre para el
pronóstico. Sin embargo, desde que la celda pronóstico tenga un nombre referenciado en la hoja de
cálculo, este nombre aparecerá en el cuadro por defecto. Preferiblemente utilice este nombre en
vez de escribir uno nuevo.
o
Ilustración 54 Definir pronóstico para C21
o Escriba “Millones” en el campo Unidades, el cual especifica la unidad de valor que se maneja en el
modelo
o Haga clic en Aceptar para volver a la hoja de cálculo
Calcular el beneficio neto
Antes de definir la fórmula de la celda-pronóstico para el beneficio neto, observe el contenido de la
celda para el beneficio neto:
o Haga clic en la celda C23
o El contenido aparece en la barra de fórmulas en la parte superior de la hoja de cálculo. El contenido
es =SI(C11;C21-C7;-C4-C5)
La fórmula se traduce como sigue:
Si la FDA aprueba el medicamento (C11 es Verdadero), entonces calcule el beneficio neto restando los
costos totales (C7) del beneficio total (C21). Sin embargo, si la FDA no aprueba el medicamento (C11 es
Falso), entonces calcule el beneficio Neto restando los costos de Desarrollo (C4) y Costos de Ensayo
(C5) que incurren hasta la fecha.
Para definir la celda-pronóstico para el beneficio neto:
o En el menú Celda haga clic sobre la opción Definir previsión
Ilustración 55 Definir pronóstico para C23
Nuevamente utilice el nombre del pronostico que aparece por default en el cuadro de dialogo y
especifique Millones de dólares en el campo Unidades tal como lo indica el modelo.
o Escriba “Millones” en el campo Unidades
o Haga clic en Aceptar para volver a la hoja de cálculo
De esta manera, se han definido las celdas supuesto y pronóstico para el modelo de Vision Research,
las cuales sobre la hoja de cálculo quedan sombreadas de color verde y azul respectivamente; y es el
momento de correr la simulación.
Correr la simulación
Cuando se está corriendo una simulación en Crystal Ball, se tiene la libertad de detener y continuar la
simulación en cualquier momento. Los comandos Incoar, Detener y Restablecer aparecen en el menú.
Por ejemplo, cuando se está corriendo una simulación el comando Stop aparece en la parte superior
del menú. Si se detiene la simulación, el comando Continuar tomara su lugar.
Antes de empezar la simulación, especifique el número de ensayos y el valor inicial semilla, de modo
que la simulación se ejecute como los cuadros de pronósticos de este tutorial.
Para especificar el número de ensayos y el valor inicial semilla:
o
o
o
o
o
o
o
Seleccione la opción “Prefs Ejecución”
El cuadro de dialogo “Prefs ejecución” aparece.
En el campo Número de pruebas para ejecutar, escriba 500
Haga clic en Muestreo
Haga clic en la opción “Usar misma secuencia de números aleatorios”
En el campo Valor de elemento inicial escriba 999
Haga clic en Aceptar
Ver los cuadros de pronósticos
Se debe tener en cuenta que dos cuadros de pronósticos no se pueden observar al mismo tiempo. Sin
embargo, existen varias formas de traer de manera individual las ventanas de pronóstico al frente. El
camino más fácil es hacer clic en la ventana de pronóstico si esta se encuentra visible.
Haga clic en Iniciar
El cuadro de beneficio total (Gross Profit) aparece, como en la Ilustración 57
Ilustración 56 Cuadro de pronóstico para Net Profit
Seleccione la opción
Mientras la simulación está corriendo, una distribución de frecuencias para cada pronóstico aparece
para reflejar los cambios en los valores de la celda-pronostico. La distribución de frecuencia aparece
como se observa en las columnas
Una distribución de frecuencias muestra el número o frecuencia de calores ocurridos en un grupo de
intervalos dados. En la Ilustración 38, la distribución de frecuencias en el cuadro de pronósticos del
Beneficio Neto muestra una frecuencia de 16 para el grupo de intervalos que contiene la mayoría de
valores. Esto significa que 16 valores ocurrieron en el grupo de intervalos.
Recuerde que las gráficas de los cuadros de pronósticos concluyen y muestran como los valores
pronostico son distribuidos. Al mismo tiempo que la simulación progresa, Crystal Ball continúa
actualizando la distribución de frecuencias para cada celda-pronóstico de modo que los resultados
arrojados sean cada vez más exactos.
Interpretar los resultados
Entender el cuadro de pronóstico
Crystal Ball pronostica el tango entero de resultados para el proyecto de Vision Research. Sin embargo,
el cuadro de pronósticos muestra únicamente el rango expuesto, que generalmente corresponde a un
conjunto que excluye los valores extremos o atípicos.
En la Ilustración 38, el rango mostrado incluye valores desde el mínimo $14.7 hasta $34.4, como lo
muestra el cuadro de pronósticos del Beneficio Neto.
El cuadro de pronósticos muestra también el rango de certidumbre para el pronóstico. Por default, el
rango de certidumbre incluye todos los valores desde infinito negativo hasta infinito positivo.
Crystal Ball compara el número de valores en el rango de certidumbre con el número de valores en el
rango entero, para calcular el nivel de certidumbre. El ejemplo dicho muestra un nivel de certidumbre
de 100%, ya que el rango inicial de certidumbre incluye todos los valores posibles. Recuerde que el
nivel de certidumbre es una aproximación, ya que el modelo de la hoja de cálculo solo puede
aproximarse a los elementos del mundo real.
En la esquina superior izquierda, Crystal Ball muestra el número total de ensayos que fueron
ejecutados para este pronóstico. En la parte superior derecha, el número de ensayos por fuera del
rango mostrado. Debido a que este rango excluye los valores atípicos, el número de valores extremos
o atípicos es usualmente más grande que cero en el momento de detener la simulación.
Determinar el nivel de certidumbre
Ahora el presidente de Vision Research quiere saber qué tan cierto puede ser el lograr un beneficio y
cuál es la posibilidad de tener pérdidas. Para determinar el nivel de certidumbre de un rango de
valores específico:
o En el cuadro de pronósticos Net Profit escriba 0 en el campo Minimum
o Presione Enter
Crystal Ball mueve el indicador de certidumbre ubicado en la parte izquierda, para empezar desde el
valor de $0.0 y recalcular el nivel de certidumbre.
Analizando el cuadro de pronostico “Net Profit”, se puede observar que el rango de valores entre los
indicadores de certidumbre muestra un nivel de certidumbre del 79.80%. Esto significa que Vision
Research tiene un 79.80% de posibilidades de alcanzar un beneficio neto. De manera recíproca se
puede decir que existe la posibilidad de 20.2% de sufrir pérdidas netas (100% menos 79.80%).
Ahora el presidente de Vision Research quisiera conocer la certidumbre de alcanzar un beneficio
mínimo de $2.000.000. Con Crystal Ball se puede responder fácilmente a esta pregunta.
Ilustración 57 Cuadro Pronóstico para Net Profit con valores positivos
o Escriba 2 en el campo Mínimo
o Presione Enter
Como muestra la Ilustración 39, Crystal Ball muestra el movimiento del indicador de certidumbre a $2.0
y recalcula el nivel de certidumbre.
Ilustración 58 Pronóstico para Net Profit
Vision Research puede tener una certidumbre de 73.60% para alcanzar un beneficio neto mínimo de
$2.000.000.
De esta manera Vision Research se encuentra bastante animado por los resultados del pronóstico.
Ahora el presidente desea saber que tan posible es alcanzar un mínimo de beneficio neto de
$4.000.000. Si Crystal Ball muestra que Vision Research puede alcanzar al menos dos tercios de
certidumbre de $4.000.000 de beneficio neto, el presidente se encuentra dispuesto a dar paso a la
aplicación del proyecto. De igual forma, Crystal Ball puede responder esta pregunta fácilmente.
o Escriba 4 en el campo Mínimo
o Presione Enter
Crystal Ball mueve el indicador de certidumbre a $4.0 y recalcula el nivel de certidumbre
Ilustración 59 Pronóstico para Net Profit 2
El cuadro de pronósticos “Net Profit” en la Ilustración 41 muestra un nivel de certidumbre de 66%. Con
dos tercios de certidumbre para un mínimo de beneficio neto de $4.000.000. Vision Research llevar a
cabo el proyecto de ClearView y proceder a desarrollar y mercadear este revolucionario producto.
Herramientas de Crystal Ball
Las herramientas de Crystal Ball son programas de Visual Basic que amplían la funcionalidad del
sistema. Para la administración y otras ciencias afines estas herramientas generan una gama de
alternativas para la optimización de escenarios, análisis de situaciones de riesgo e inversión, que
permitan minimizar asimetría de información y controlar la incertidumbre que se genera en el mercado
y en la toma de decisiones de una empresa.
Entre las herramientas que Crystal Ball coloca a disposición de los usuarios se encuentran:
Ajuste por lotes
Análisis de remuestreo
Análisis de datos
Tabla de decisión
Análisis de escenarios
Análisis de tornado
Simulación en 2-D
A continuación se dará una pequeña explicación de cada una de las herramientas, para después pasar a
realizar un ejemplo donde se evidencie su funcionamiento5:
Ajuste por lotes
Ayuda a definir suposiciones y calcular correlaciones cuando existen datos históricos para una o más
variables. Selecciona automáticamente la mejor probabilidad de serie de ajuste para un lote de datos
que se ve limitado únicamente por la capacidad de la hoja de Excel, además suministra los parámetros
para usar en el modelo. El resultado se encuentra en una tabla de estadísticas de bondad del ajuste y
un informe de las suposiciones.
Análisis de remuestreo
Esta herramienta permite calcular la precisión y fiabilidad de las estadísticas. Es importante cuando una
distribución de muestreo de una estadística no se distribuye de forma normal o no es fácil de
encontrar.
Analiza las estadísticas de muestra realizando muestreos de los datos y crea distribuciones de las
estadísticas de cada muestreo.
Análisis de datos
Permite cargar datos directamente de la hoja de cálculo a los gráficos de previsión. Permite observar
gráficos de frecuencia, analizar estadísticas entre otros tipos de análisis.
Tabla de decisión
Esta herramienta permite ejecutar varias simulaciones en donde una o dos variables de decisión que se
pueden controlar como ¿Cuál será el valor de un producto? O ¿Qué cantidad de materia comprar? para
simular el cambio que efecto que puede tener el cambio de una variable de decisión en la toma de
decisiones. Para su análisis, esta herramienta utiliza gráficos de previsión, tendencia y superposición.
Análisis de escenarios
Muestra los resultados que se pueden obtener a partir del ingreso de ciertas entradas, lo que permite
combinar diferentes supuestos y crear diversas preformas que indican al decisor por cual optar.
Análisis de tornado
Resulta importante para analizar las variables que tiene un mayor impacto en la ejecución del modelo.
Con esta herramienta, las decisiones podrán estar en base a las variables que afectan ampliamente el
modelo y omitir aquellas que no tienen gran relevancia.
Simulación en 2-D
Esta herramienta permite hacer un análisis entre dos fuentes de variación de los modelos: la
incertidumbre y la variabilidad6. La simulación en 2-D permite hacer una caracterización del modelo,
utilizando un gráfico de superposición que representa unas distribuciones para dos bucles. Uno de los
5
6
La descripción de cada herramienta se encuentra en la primera ventana al ejecutar un procedimiento.
La definición precisa de estos dos conceptos se encuentra al ejecutar la herramienta.
bucles (externo) que simula los valores de las variables de incertidumbre y un bucle (interno) para
simular las variables de los valores de variabilidad.
Ejecución de las herramientas de Crystal Ball
Las herramientas permiten al usuario realizar varias pruebas para constatar la eficacia del conjunto de
opciones y alternativas que rodean la toma de decisiones. A continuación ejemplificaremos los tipos de
herramientas, para entrar en detalle y especificar cuáles deben ser los pasos y sugerencias a seguir al
ensayar la creación de diversos escenarios. Para conocer con más detalle cada una de las funciones de
estas herramientas, Crystal Ball nos brinda esta información simplemente haciendo clic en esta.
Ejemplo Ajuste por lotes
Ilustración 60 Asistente de ajuste por lotes
Ejemplo
En este caso utilizaremos el ejemplo Magazine Sales disponible en los ejemplos de Crystal Ball.
Para ejecutar Ajuste por lotes:
El primer paso a seguir es abrir el archivo en Excel, en la barra de Crystal Ball, y en Herramientas se
selecciona Ajuste por lotes.
Allí se despliega el asistente de Batch Fit, primero en la pestaña Bienvenido se recomienda leer el texto
para comprender mejor el proceso y a continuación dar clic en Siguiente, lo que nos llevará a la
pestaña Datos de entrada, donde deberemos seleccionar la ubicación de la serie de datos.
Ilustración 61 Ubicación de la serie de datos
Cuando ya se hayan seleccionado los datos, damos clic en Aceptar para volver a la ventana asistente
de Ajuste por lotes. Aquí seleccionaremos la opción cabeceras que más se acomode con nuestro
ejemplo.
Ilustración 62 Selección de cabeceras datos de entrada
Haga clic en Aceptar para pasar a la pestaña Opciones de ajuste.
Ilustración 63 Opciones de ajuste Ajuste por lotes
Y en la pestaña Opciones por lotes haremos lo siguiente.
Ilustración 64 Opciones de salida ajustes por lotes
En esta opción damos clic en Ejecutar.
Ilustración 65 Suposiciones ajustes por lotes
La herramienta Ajuste por lotes simula el mejor escenario para el modelo, para este caso para la venta
de acciones, realizando iteraciones entre los datos y las opciones de los supuestos. Por otro lado la
herramienta muestra un cuadro correspondiente a las estadísticas, para eso podremos seleccionar en
la pestaña Informes.
Ilustración 66 Pestaña Informes
Ahora podemos encontrar otra pestaña en donde se encontrarán los estadísticos.
Ilustración 67 Informe de suposiciones y estadísticos Ajuste por lotes
Si los datos históricos utilizados para realizar el modelo mostraran un comportamiento de
estacionalidad, es mejor utilizar CB Predictor, la cual por medio de estimaciones permite la precisión de
la mejor opción.
Cuando la herramienta “Ajuste por lotes” se está ejecutando, esta asigna una columna de datos para
cada distribución, y la mejor distribución se designa para el diseño del modelo, de acuerdo con los
requerimientos del usuario.
Ejemplo Análisis de remuestreo
Ilustración 68 Análisis de remuestreo
Es una técnica de secuencia de arranque que estima la exactitud de la proyección de las estadísticas o
de otros datos de la muestra; a su vez esta herramienta asume que la distribución de una muestra
estadística se aproxima a una normal, realizando cálculos estadísticos con respecto al error estándar o
al intervalo de confianza.
Dicho método es eficaz en distribuciones normales, pero en los casos en que no tengan ese tipo de
distribución su uso es deficiente, al no permitir calcular la proyección.
Caso que es resuelto por el bootstrap, capaz de examinar las estadísticas de la muestra, realizando
diferentes prueba de análisis sobre los datos, y permite la asignación de distribuciones estadísticas
diferentes a la normal, eliminando las limitantes presentadas por métodos manuales.
La creación de nuevas asignaciones de distribución ha permitido a las organizaciones actuales
minimizar aún más las situaciones de incertidumbre y realizar pruebas más acertadas sobre la realidad
de un mercado.
Existen dos métodos de Bootstrap:
El método repruebas no paramétricas o de simulación única
Esta ensaya con los datos originales una sola vez, y sucesivamente realizando repeticiones sobre la
muestra de aquéllos ensayos de simulación, es decir los valores de la muestra original. La asignación
de distribuciones estadísticas la realiza para cada uno de los valores.
El inconveniente que presenta esta técnica es su imposibilidad para asumir los datos originales de la
simulación y mostrar exactamente cuál es la proyección de distribución más favorable para el modelo,
si la muestra es grande bastante; además el método de multisimulación es más preciso que este,
aunque su tiempo de ejecución de la simulación sea mucho menor que la técnica de multisimulación.
El método de la simulación
Crea varios escenarios para el mismo modelo, y asigna a cada uno de estos una distribución estadística,
permitiendo el análisis más completo de una situación determinada para la toma de decisiones en
políticas de inversión empresarial, redistribución de dividendos o reinversión de las utilidades (en el
caso de organizaciones). Para este tipo de simulación se puede emplear la opción del Hipercubo latino
para realizar estandarizaciones al modelo de regresión.
El método de la multisimulación es más efectivo que las pruebas no paramétricas, las cuales emplean
métodos como rachas, pruebas de Wilcoxon, Mann-Whitney, entre otras; las cuales permiten resolver
problemas de autocorrelación en los modelos que presenten dichas deficiencias; sin embargo algunas
veces no pueden ser corregidos por limitaciones de distribución.
En cambio el Bootstrap permite estimar distribuciones no normales, para minimizar o maximizar
supuestos del modelo, realizando análisis de modelos econométricos y estadísticos complejos, que
necesitaban de múltiples pruebas manuales para ser corregidos o estandarizados a los parámetros
planteados.
Ilustración 69 Comparación única simulación vs Multisimulación Fuente: Tools tutorial
Para este caso se empleará el ejemplo Futura Aparments.
Es necesario cerciorarse de que no hayan abiertas otras ventanas que utilicen al mismo tiempo la
herramienta de Crystal Ball; lo primero es abrir Excel y buscar el archivo correspondiente al ejemplo
planteado, siempre hay que tener presente activar la barra de Crystal Ball para ejecutar cualquier
proyección de un modelo.
Ilustración 70 Hoja de cálculo Futura Aparments
Se selecciona Herramientas, y luego se escoge la opción de Análisis de remuestreo.
En la primera pestaña Previsión objetivo, debemos pasar a seleccionar la previsión, esta debe estar
previamente definida.
En la pestaña Método, seleccionaremos el método de análisis de remuestreo que se utilizará en este
caso utilizaremos la opción Ejecutar una simulación y realizar un nuevo muestro de los datos y
analizaremos los datos por medio de estadísticos y damos siguientes.
En la pestaña Opciones, especificamos el número de muestras de análisis de remuestreo que en este
caso será de 200 y Número de pruebas por muestra 500 y ejecutamos el análisis.
El análisis de remuestreo permite la visualización de las distribuciones pertenecientes a la muestra de
los datos para la media, mediana, desviación estándar, varianza, asimetría de los datos, la curtosis y el
coeficiente de variación; además se presenta un cuadro de dialogo para especificar el rango mínimo y
máximo, y de anchura.
Ilustración 71 Previsión para la variable Media
Cuando la desviación estándar (el error estándar de la estadística) o el coeficiente de variación es muy
grande, la prueba no tiene un nivel estadístico confiable y puede requerir que se realicen más ensayos.
En los resultados existe una matriz de la correlación que muestra las correlaciones entre las
estadísticas; así es posible diferenciar una correlación alta entre determinadas estadísticas, como en el
caso de la media y la desviación estándar, la cual usualmente indica un buen sesgó de distribución.
Para comprender mejor el tema, es necesario exponer cuales son las distribuciones para estas
estadísticas, como se señalan a continuación:
Ilustración 72 Matriz de correlación
Ejemplo Análisis de datos
Para analizar la herramienta Análisis de datos de Crystal Ball, utilizaremos el ejemplo “Magazine Sales”,
Ilustración 73 Hoja de cálculo Magazine Sales
Para este ejemplo ya debemos tener definido una previsión. Como primer paso, iremos al menú de
herramientas y abriremos la herramienta opción de datos.
Ilustración 74 Cuadro de diálogo Análisis de datos
Pasaremos a la opción Datos de entrada y seleccionaremos la ubicación y las especificaciones de los
datos en la hoja de cálculo.
Ilustración 75 Selección de datos para Análisis de datos
Al tener definidos los datos, pasaremos a seleccionar las preferencias de ejecución y visualización de la
herramienta como la opción de establecer una correlación entre cada revista, gráficos de previsión,
además de la producción de otro tipo de gráficos en una hoja de cálculo diferente que es generada por
la herramienta.
Ilustración 76 Opciones de visualización y ejecución para Análisis de datos
Pasaremos a ejecutar la herramienta y como resultado obtendremos una serie de gráficos de previsión
además de una nueva hoja de cálculo que contiene una serie de botones y una matriz de correlación en
donde se puede observar la relación de cada previsión con las otras.
Ilustración 77 Hoja de cálculo DataAnalisysOutput
Ejemplo Tabla de Decisión
Ilustración 78 Asistente para la Tabla de Decisión
Las variables de decisión son valores que pueden ser controlados, como en caso en el que se cobra por
un producto, o al intentar conocer cuántas zanjas se deben cavar para realizar un puente. No obstante
en situaciones de incertidumbre, no siempre es obvio el efecto que genere una variable de decisión
sobre los resultados de predicción.
Esta herramienta es bastante usada para investigar cómo cambian los valores de cómo una variable de
decisión afecta los resultados de una predicción.
Para modelos que contienen más de una gama de variables de decisión, o quizás donde se está
intentando perfeccionar la predicción de los resultados, es aconsejable utilizar OptQuest de Crystal
Ball.
No obstante es necesario definir OptQuest, con el fin de familiarizar al quien utilice la herramienta con
su uso; sin más preámbulos “OptQuest” es un programa “mágico” que refuerza la labor de Crystal Ball
al intentar hallar soluciones óptimas para los modelos simulación, las cuales se obtienen
automáticamente.
Para dar un ejemplo de esta herramienta ejecutaremos el ejercicio “Oil Field Development” en donde
se quiere establecer la mejor forma de crear un campo petrolero, seleccionando el número ideal de
perforaciones, la cantidad de petróleo a producir y seleccionar el tamaño de la refinería.
Primero debemos definir la previsión objetivo en este caso será la celda NPV.
Ilustración 79 Selección previsión objetivo
Damos clic en Siguiente para pasar a la pestaña Variables de decisión y seleccionamos las variables de
decisión Facility Size y Wells ti drill.
Ilustración 80 Selección variables de decisión Tabla de Decisión
Daremos siguiente para pasar a la pestaña Opciones y aquí colocaremos 500 como el número máximo
de pruebas por simulación.
Ilustración 81 Opciones de ejecución de la herramienta Tabla de decisión
Ilustración 82 Resultados de la Tabla de decisión
La herramienta ejecuta una simulación por cada combinación que se realice con las variables de
decisión, y agrupa en una tabla los índices de los resultados para la predicción.
Implementar dentro del análisis para la toma de una decisión óptima un “árbol de decisión”, como el
siguiente cuadro, que muestra posibles entradas y salidas, de acuerdo con la información que se le
suministro en un principio, y que de acuerdo a los resultados arrojados las decisiones pueden cambiar.
Mayores costos en un lugar apartado, menor tasa de impuesto, no
perturba directamente a la población
Instalar la planta en una zona
cercana a la población
Satisfacer la
demanda
de energía
La
compañía
puede
optar por:
¿Eficiente?
Instalar
plantas más
pequeñas en
diferentes
sitios
Menores costos,
distribución eficaz, no se
satisface a la población
Existe un alto nivel de
incertidumbre, opción
ambiental, mayores
costos
Mayor cobertura,
pero… ¿mejor
servicio?
Se incurre en el
problema inicial de
instalar una planta
Concertar con la población y
grupos ambientalistas-legislación
Brindar un V.A. a la
población emergente
Se cumple con las
expectativas del
cliente
Mayores costos y
pleitos legales
¿La demanda cubrirá
los sobrecostos? ,
¿Serán suficientes las
utilidades?
Mayores costos, menor
riesgo
Capacitación del
personal e incentivos
Vincularlos con las
políticas de eficacia
en la prestación de
servicio de energía
Satisfacer al
cliente
Mayor eficiencia,
calidad en el servicio
y cobertura
Menores costos
y disminución
del riesgo
La tabla de decisión realizó 42 simulaciones, una para cada combinación de las regalías y la margen de
utilidad que espera obtener, de tal forma que la simulación refleja el mejor nivel de significancia para el
montaje de la planta, cuya mejor combinación fue de y su factibilidad es de 150.
Ejemplo Análisis de escenarios
Ilustración 83 Asistente para análisis de escenarios
El análisis de escenario permite optimizar la toma de decisiones a partir de la creación de una serie de
escenarios, de tal forma que Crystal Ball emplea la simulación basado en las celdas de predicción,
utilizando percentiles para un nivel de significancia, donde el primer percentil (1%) que representa el
nivel más alto y el percentil 99 representa el nivel más bajo (1%.)
Por otro lado clasifica y ordena todos los valores generados de una predicción, que contienen a los
supuestos, lo que permite hallar qué valores de los supuestos generan un buen rendimiento.
Utilizaremos el ejercicio “Toxic Waste Site”, en donde se desea conocer el riesgo de que la población
cercana a unas instalaciones de una planta de residuos tóxicos contraiga cáncer.
Ilustración 84 Hoja de cálculo Toxic Waste Site
El primer paso es abrir el archivo “Toxic Waste Site” en Excel, y seleccionar la herramienta Análisis de
escenario en el menú de herramientas, de Crystal Ball; lo siguiente es especificar en la pestaña
Previsión objetivo la celda de previsión objetivo.
Ilustración 85 Selección previsión objetivo Análisis de escenario
Damos clic en Siguiente, En la sección de rango de resultados de previsión de resultados, se especifica
un rango para el percentil que en este caso será entre de 95% hasta 100%.
Ilustración 86 Selección opciones Análisis escenario
Al momento de ejecutar la sección, seleccione solo previsión objetivo. Para controlar la simulación se
debe coloque 1000 como el número máximo de ensayos.
Al final se crea una tabla donde se reúnen todas las predicciones de acuerdo a cada ensayo.
Ilustración 87 tabla valores de previsión Análisis escenario
Retomando el ejemplo que estamos trabajando para facilitar la comprensión del uso de la herramienta,
se realizaron 1000 ensayos para la proyección; ya que los percentiles se definieron entre 95 y 100, y
por tal motivo se genera una tabla con todos los 51 valores de la predicción, presentando desde el
menor riesgo hasta el más grande; adicionalmente se deben colocar los valores de los supuestos que
Crystal Ball generó para cada ensayo.
La forma más indicada para analizar los resultados que arroja el “Análisis del Escenario” consiste en
identificar el valor de una predicción y observar cuales fueron los supuestos que dieron origen a dicha
predicción; sin embargo existe otro medio para analizar esta prueba, consiste en determinar cuál es la
tendencia global desde el percentil del 0 hasta el 100.
Para analizar uno de los percentiles:
Seleccionamos el percentil 98% y luego se selecciona la opción Pegar escenario seleccionado:
Ilustración 88 Selección del percentil a analizar
Dentro de las opciones de herramientas se selecciona la proyección de línea y hacemos clic en
siguiente.
Si observamos la hoja de cálculo del ejercicio original, los datos han cambiado.
Ilustración 89 Análisis de escenario seleccionado (98%)
Ejemplo Análisis de tornado
Ilustración 90 Asistente Análisis de tornado
Esta herramienta mide el impacto de cada una de las variables del modelo, y se diferencia del método
de correlación, en que esta herramienta prueba cada supuesto, la decisión optima que se obtiene, la
variable, celdas predecesoras o independientes; además mientras analiza una de las variables, las otras
variables permanecen constantes.
Lo anterior permite medir el efecto que tiene cada variable sobre la celda de predicción; mientras quita
el efecto de las demás variables, dicho método se le conoce también con el nombre de “perturbación
del tiempo” o “Análisis paramétrico”.
El Tornado chart presenta dos mecanismos para la obtención de los resultados:
o Tornado Chart
o Spider Chart
Una limitante que presenta Crystal Ball es que admite solo 250 variables para realizar el tornado chart y
el Spider chart.
Tornado Chart
Esta herramienta prueba el rango de cada variable de acuerdo con los percentiles especificados, y
calcula el valor de la predicción en cada punto, señala el punto óptimo entre los valores máximos y
mínimos de la predicción para cada variable, en forma descendente, de acuerdo con el efecto que
tengan sobre la predicción
El tornado chart se utiliza para reducir la sensibilidad de las variables definidas en Crystal Ball,
mantiene constantes las variables del modelo mientras ejecuta alguna de las variables, con el fin de
hallar las variables de decisión.
Los colores de la barra indican la dirección en que se relacionan las variables y la predicción; para las
variables que tienen un efecto positivo en la predicción se encuentra señalada en azul y la variable que
influye negativamente se muestra en rojo.
Existen casos en los cuales la proyección tiene problemas de monotonicidad, si no existe un aumento o
disminución de la variable a través del tiempo. Si los valores mínimos o máximos del rango de
predicción no se generan al final del periodo para la variable, la variable tiene una relación de nomonotonicidad con relacionada con los valores de la predicción.
Spider Chart
Señala las diferencias existentes entre los valores mínimos y máximos de la predicción por medio de la
curva que se crea a través de todos los valores de las variables probadas. Cuando la curva tiene una
pendiente recta, sea positiva o negativa, significa que esas variables influyen bastante sobre la
proyección; mientras que las curvas con rectas casi horizontales tienen un efecto muy pequeño sobre
la proyección.
Para conocer el funcionamiento de esta herramienta, utilizaremos uno de los ejemplos por defecto de
Crystal Ball: Reliability.
Ilustración 91 Ejercicio ejemplo Reliability
En este ejemplo, se crea una situación en la que se debe elegir entre tres materiales el mejor, para
realizar un resorte helicoidal. Como podemos ver en la Ilustración 71, previamente han sido definidos
ocho supuestos y tres previsiones, tema que ya hemos analizado y que es útil para la ejecución del
ejercicio.
Para ejecutar la herramienta Análisis de tornado, lo primer qué debemos hacer es abrir la herramienta
hasta que despliegue el cuadro de diálogo, al dar siguiente estaremos en la pestaña “Previsión
objetivo”, donde seleccionaremos el Material 1.
Ilustración 92 Previsión objetivo herramienta Análisis de tornado
A continuación, en la pestaña “Variables de entrada” seleccionamos todos los supuestos exceptuando:
Material 2 Strengh y Material 2 Strengh.
Ilustración 93 Variables de entrada herramienta Análisis de tornado
Al dar clic en siguiente, nos disponemos a llenar la pestaña “Opciones” para configurar las preferencias
al ejecutar el modelo.
Ilustración 94 Opciones herramienta análisis de tornado
Por último hacemos en clic en ejecutar y el programa creará dos nuevas pestañas en donde
encontraremos el spider chart y el tornado chart.
Ilustración 95 Gráfico Tornado Chart
Ilustración 96 Gráfico Spider Chart
Ejemplo Simulación en 2D
Ilustración 97 Asistente Simulación en 2D
Los analistas de riesgo deben considerar a menudo dos fuentes de variación en sus modelos:
Incertidumbre:
Los supuestos de incertidumbre tienen poca probabilidad de que sucedan porque nunca se obtiene
información completa sobre la veracidad de un valor.
En la práctica no se cumple que se pueda eliminar la incertidumbre al reunir mayor cantidad de
información. Es muy costoso recoger mayor información sobre un escenario determinado o puede
resultar no muy veraz al no ser recolectada por el analista mismo.
Variabilidad:
Es el factor determinante de incertidumbre en un sistema, en el mercado, las organizaciones y los
gerentes de las compañías buscan minimizar la variabilidad de los factores que determinan el grado de
éxito que tendrán sus productos en un mercado; razón por la cual formulan modelos que permitan
controlar medianamente la situación, aunque no se pueda eliminar la incertidumbre se intenta
recolectar la mayor cantidad de información posible.
La variabilidad puede cambiar al describir una población al asignarles diferentes valores, y usualmente
se utilizan distribuciones continuas para mostrar la tendencia.
Para muchos tipos de riesgo, es importante distinguir entre la incertidumbre y variabilidad7, intentar
disgregar estos conceptos en una simulación permite descubrir la variación en una predicción por
falencias de conocimiento y por causa de la variabilidad en una población.
Esta herramienta funciona bajo la misma dinámica de la simulación unidimensional, en la cual se
estima un solo punto para mostrar la verdadera probabilidad de riesgo; mientras una simulación
bidimensional es mejor que una simulación unidimensional para determinar el riesgo.
El riesgo se puede asociar a la generación de distribuciones de frecuencias acumuladas, lo que se
interpreta como el rango de posibles curvas de riesgo asociado a una población.
Siempre hay que tener en cuenta que se deben cerrar todas las ventanas que Crystal Ball este
ejecutando, para que el programa no tome los datos de otras hojas de cálculo para ejecutar alguna
herramienta.
Este modelo utilizará el ejemplo anterior; para colocar en marcha la herramienta de Simulación 2-D,
ingresando a Excel y abriendo el archivo de “Toxic Waste Site”, se deben seguir los siguientes pasos:
Se hace clic en Prefs ejecución y luego especificar la generación de números aleatorios y un valor Inicial
de 999, y en la pestaña Muestreo seleccionamos la simulación Monte Carlo.
7
Hoffman, F. O. and J. S. Hammonds. “Propagación de la incertidumbre en situaciones de riesgo: La
necesidad de distinguir entre incertidumbre debida a la falta de conocimiento y la incertidumbre ocasionada
por la variabilidad” Análisis de Riesgo, vol. 14, no. 5. pp 707-712, 1994.
Ilustración 98 Preferencias de ejecución
En las herramientas se escoge la última opción de las herramientas de análisis Simulación en 2-D,
indicando cual va a ser la previsión objetivo.
Se determinan cuáles son los tipos de variables de suposición, en este caso seleccionaremos “Body
Weight” y “Volume of Water per Day”, le damos siguiente y en la pestaña Opciones, hacemos lo
siguiente:
o Ejecutar simulación externa (incertidumbre) para 100 pruebas
o Ejecutar simulación interna (variabilidad) para 1000 pruebas
o Mantenemos los demás valores predeterminados
Ilustración 99 Elegir opciones en simulación 2D
Al hacer clic en comenzar la herramienta prueba la simulación con el fin de generar una nueva gama de
valores para los supuestos de incertidumbre.
La herramienta recupera automáticamente la información de la predicción luego de realizar cada
ensayo sobre la predicción.
Los resultados de la simulación también se muestran en gráfico de superposición y un gráfico de
tendencia. El gráfico de superposición puede ser utilizado ajustando sus preferencias, podemos
presionar las teclas control+t para ver el tipo de gráfico como línea.
Ilustración 100 Gráfico de línea
Después presionamos las teclas control+d para la vista frecuencia acumulada.
[Escriba texto]
Ilustración 101 Vista frecuencia acumulada
También la herramienta ejecuta un gráfico de tendencia, el cual muestra las bandas para los
percentiles de las curvas de riesgo.
Ilustración 102 Bandas de certeza del gráfico de tendencia
Crystal Ball/2015-I
Se pueden analizar las estadísticas y el gráfico de previsión de un percentil con la opción de “Ver
gráficos”, por ejemplo en la Ilustración 100 se selecciona el percentil 95.
Ilustración 103 Selección percentil gráfico de previsión
[Escriba texto]
Ilustración 104 Gráfico de previsión percentil 95%
Lo importante es comparar entre cada uno de los escenarios que arroja la herramienta con el fin de
tomar la mejor decisión, al visualizar todas los tipos de graficas que arroja este método y los
mencionados que pertenecen a las herramientas de Crystal Ball, permitan realizar mejores análisis,
facilitar el trabajo del analista y llevar al éxito a la organización aunque la incertidumbre influya sobre
todos los posibles escenarios creados.
Crystal Ball/2015-I
Referencias
o EVANS, James R LAGUNA Manuel; “OptQuest User Manual”; 1988-2004, Decisioneering, Inc.; Págs.
1-204
o TAHA Hamdy “Operations Research. An Introduction”; 6th Edition; Ed. Prentice Hall; 1997; Págs. 167
o MUN, Johnathan; “Applied Risk Analysis. Moving Beyond Uncertainty in Business”, Ed. John Wiley
2003. CD ROM.