Técnicas de Proyección o Pronósticos del Mercado
-
Upload
universidad-de-oriente-nucleo-monagas -
Category
Documents
-
view
923 -
download
2
description
Transcript of Técnicas de Proyección o Pronósticos del Mercado
Universidad de OrienteNúcleo de Monagas
Departamento de Ingeniería de Sistemas
Preparación, Evaluación y Control de Proyectos (071-4153)
Profesor: Ing. Jesús Chaparro
Grupo: ArgentinaFernando López
Marianela CastañedaEsmarys
Valdiviezo
Técnicas de proyección del Mercado
Estudio de Mercado
Estudio de Mercado
Iniciativa empresarial
Viabilidad comercial
Recolección Análisis
Datos e Información
Plan de
negoci
os
Estudio de Mercado
ProyecciónEs una fase importante en el estudio de mercado, que
tiene la finalidad de determinar la situación conveniente del mercado al que se quiere ingresar con determinado
bien o servicio.
Es el área dentro de la cual los vendedores y los compradores de una mercancía mantienen estrechas relaciones comerciales, y llevan a cabo abundantes
transacciones de tal manera que los distintos precios a que éstas se realizan tienden a unificarse.
Mercado
Técnicas de proyección del Mercado
Métodos que hacen uso de información disponible a través de un
modelo matemático
del comportamiento del sistema
Métodos basados en
juicios y opiniones
Cualitativas
Cuantitativas
Técnicas de proyección del Mercado
Promedio Móvil
Simple Promedio Móvil Doble
Ajuste Exponencial Simple
Ajuste Exponencial
Doble
Extrapolación de Tendencia
Métodos Causales
Promedio Móvil Simple (PMS)
Utiliza información estadística pasada
La técnica de medias móviles construye una nueva serie a partir de la media de un número
determinado de datos, en la que se va añadiendo sucesivamente un dato nuevo y quitando, al mismo tiempo, el más antiguo de los datos
incluidos en la media anterior
Para k periodos
Promedio Móvil Simple (PMS)
¿Cuándo usarlo?
Promedio Móvil Simple (PMS)
La empresa ACME desea elaborar el pronóstico de
ventas (o de la demanda ) para uno de sus productos de mayor demanda en el mercado.
Este pronóstico de la demanda se requiere
para el mes de octubre de 2003, para lo cual se debe considerar que k= 2, 3, 4. sabiendo que los últimos meses el área de
mercadotecnia ha registrado la información histórica que se indica en
el siguiente cuadro.
Periodos Mensuales
Demanda (D)
Enero 30
Febrero 35
Marzo 28
Abril 20
Mayo 25
Junio 30
Julio 27
Agosto 37
Septiembre 33
Octubre ¿?
Periodos Mensuales
Demanda (D) Pronósticos
k=2 k=3 k=4
Enero 30 NA NA NAFebrero 35 NA NA NAMarzo 28 32.5 NA NAAbril 20 31.5 31.0 NAMayo 25 24.0 27.7 28.3Junio 30 22.5 24.3 27.0Julio 27 27.5 25.0 25.8Agosto 37 28.5 27.3 25.5Septiembre 33 32.0 31.3 29.8Octubre ¿? 35.0 32.3 31.8
Promedio Móvil Simple (PMS)
Promedio Móvil Simple (PMS)
Para determinar cuál pronóstico es el mejor se utiliza el error cuadrado medio –MSE-o la desviación estándar del error –
SD-
Periodos Mensuales
Demanda (D)
Pronóstico (P) (D-P)^2
k=2 k=3 k=4 k=2 k=3 k=4
Enero 30 NA NA NA NA NA NAFebrero 35 NA NA NA NA NA NAMarzo 28 32.5 NA NA 20.3 NA NAAbril 20 31.5 31.0 NA 132.3 121.0 NAMayo 25 24.0 27.7 28.3 1.0 7.1 10.6Junio 30 22.5 24.3 27.0 56.3 32.1 9.0Julio 27 27.5 25.0 25.8 0.3 4.0 1.6Agosto 37 28.5 27.3 25.5 72.3 93.4 132.3Septiembre 33 32.0 31.3 29.8 1.0 2.8 10.6Octubre ¿? 35.0 32.3 31.8 283.3 260.4 163.9
MSE 40.5 43.4 32.8SD 6.4 6.6 5.7
Promedio Móvil Simple (PMS)
El mejor pronostico para Octubre, será entonces 35. Ya que el periodo k=2 posee el menor error cuadrado medio y por
lo tanto, la menor desviación estándar
Promedio Móvil Doble
Sirve para calcular pronósticos para periodos futuros
Se aplica a datos con tendencia y sin estacionalidad
Procedimiento
Promedio Móvil Doble
Con los datos obtenidos en el problema anterior,
se desea calcular los pronósticos de ventas
para los meses de octubre, noviembre y
diciembre. Estos cálculos se deberán obtener mediante promedio
móvil doble
Periodos Mensuales
Demanda (D)
Enero 30Febrero 35Marzo 28Abril 20Mayo 25Junio 30Julio 27Agosto 37Septiembre 33Octubre ¿? Noviembre ¿? Diciembre ¿?
Periodos Mensuales
Demanda (D)
M M' at btPronóstico (P)
(D-P)^2at+btp
Enero 30 NA NA NA NA NA NAFebrero 35 32.5 NA NA NA NA NAMarzo 28 31.5 32 31 -1 NA NAAbril 20 24 27.75 20.25 -7.5 30.0 100.0Mayo 25 22.5 23.25 21.75 -1.5 12.8 150.1Junio 30 27.5 25 30 5 20.3 95.1Julio 27 28.5 28 29 1 35.0 64.0Agosto 37 32 30.25 33.75 3.5 30.0 49.0Septiembre 33 35 33.5 36.5 3 37.3 18.1Octubre ¿? 39.5MSE= 79.4Noviembre ¿? 42.5SD= 8.91Diciembre ¿? 45.5
Promedio Móvil Doble
Ajuste Exponencial Simple
Se usa cuando
La serie de datos disponible muestra volatibilidad
No hay
tendencia
No hay
estacionalidad
Se considera que los datos antiguos no pueden tener el mismo peso relativo que uno ocurrido en periodos
más próximos
Ecuación del ajuste o suavizamiento exponencial:
El valor de α determina la medida en que la observación actual influye en
el pronóstico de la siguiente observación
Cuando se acerca a 1 básicamente el nuevo pronostico será la ultima
observación real
Cuando se acerca a cero el pronostico nuevo será muy similar al pronostico anterior y la ultima observación real
tendrá poca importancia.
Ajuste Exponencial Simple
Periodos Mensuales
Demanda (D)
Pronóstico (P) (D-P)^2
α=0.1 α=0.4 α=0.9 α=0.1 α=0.4 α=0.9Enero 30 30 30 30 NA NA NAFebrero 35 30.0 30.0 30.0 25.0 25.0 25.0Marzo 28 30.5 32.0 34.5 6.3 16.0 42.3Abril 20 30.3 30.4 28.7 105.1 108.2 74.8Mayo 25 29.2 26.2 20.9 17.9 1.5 17.1Junio 30 28.8 25.7 24.6 1.4 18.1 29.3Julio 27 28.9 27.4 29.5 3.7 0.2 6.0Agosto 37 28.7 27.3 27.2 68.4 94.7 95.1Septiembre 33 29.6 31.2 36.0 11.9 3.4 9.1Octubre ¿? 29.9 31.9 33.30246 MSE=29.9 MSE=33.4 MSE=37.4
SD=5.4 SD=5.8 SD=6.1
Ajuste Exponencial Simple
Ajuste Exponencial Doble (Brown)
Se aplica a datos con tendencia y sin estacionalidad cuando se ponderan
distintos los datos nuevos que los viejos.
Procedimiento
Ajuste Exponencial Doble (Brown)
Extrapolación de la tendencia
Supone que los patrones anteriores y
las tendencias seguirán la
misma dirección Este método
no toma en cuenta qué “ocasionó” los datos
anteriores
Ŷ = a + bX
22 )(
))((
XXn
YXXYnb
XdemediaX
YdemediaY
XbYa
Extrapolación de la tendencia
Procedimiento
Extrapolación de la tendencia
945454.3
66)17444112(11
)1859)(66()11588(112
b 327272.145 XbYa
Extrapolación de la tendencia
Y=145.3272 + 3.945454X
El pronóstico para el año 2010 sería cuando X=12Y=145.3272 + 3.945454(12)= 192.7
El pronóstico para el año 2015 sería cuando X=17Y=145.3272 + 3.945454(17)= 212.4
Índices Estacionales
Útiles
cuando la
serie de
datos
presenta
estacionalid
ad
Lo que se
hace es
desestaciona
lizar una
serie y luego
hacer la
proyección
Una vez que
se hace la
proyección
se ajusta
con la
estacionalid
ad
Índices Estacionales
Datos trimestrales de venta de televisores
Año Trimestre Ventas (miles)1 1 4.8
2 4.1 3 6 4 6.5
2 1 5.8 2 5.2 3 6.8 4 7.4
3 1 6 2 5.6 3 7.5 4 7.8
4 1 6.3 2 5.9 3 8 4 8.4
Índices Estacionales
Año TrimestreVentas (miles)
Promedio móvil
Promedio móvil centrado
Valor estacional irregular
Indice estacional
Ventas desestacionalizadas Trimestres
1 1 4.8 0.932200477 5.149107 1 2 4.1 0.837759204 4.894008 2 3 6 5.35 5.475 1.0958904 1.093348842 5.487727 3 4 6.5 5.6 5.7375 1.1328976 1.143305143 5.685271 4
2 1 5.8 5.875 5.975 0.9707113 0.932200477 6.221838 5 2 5.2 6.075 6.1875 0.8404040 0.837759204 6.207034 6 3 6.8 6.3 6.325 1.0750988 1.093348842 6.219424 7 4 7.4 6.35 6.4 1.1562500 1.143305143 6.472463 8
3 1 6 6.45 6.5375 0.9177820 0.932200477 6.436384 9 2 5.6 6.625 6.675 0.8389513 0.837759204 6.684498 10 3 7.5 6.725 6.7625 1.1090573 1.093348842 6.859659 11 4 7.8 6.8 6.8375 1.1407678 1.143305143 6.822326 12
4 1 6.3 6.875 6.9375 0.9081081 0.932200477 6.758203 13 2 5.9 7 7.075 0.8339223 0.837759204 7.042596 14 3 8 7.15 1.093348842 7.316969 15 4 8.4 1.143305143 7.347120 16
Índices Estacionales
Índices Estacionales
Año 5 Trimestre t Tendencia (T) Índice estacional Pronóstico
1 17 7.60096826 0.932200477 7.086
2 18 7.74810698 0.837759204 6.491
3 19 7.8952457 1.093348842 8.632
4 20 8.04238441 1.143305143 9.195
T=5.099 + 0.147t
Índices Estacionales
Métodos Causales
Este se divide en:
Modelo de Regresión
Simple
Modelo de Regresión
Múltiple
Métodos CausalesModelo de Regresión
Simple
Este modelo toma en cuenta algún
factor que ocasiona los datos
La variable independiente no es el tiempo
Por ejemplo:El precio es una variable que puede explicar el comportamiento de la demanda.
Demanda=f(Precio)Y= a + b Precio
Modelo de Regresión
Múltiple
Métodos Causales
Este modelo toma en cuenta varios factores que ocasionan o son causantes de los datos:
El comportamiento de la demanda no solo puede ser explicada por el precio, sino también por el ingreso y otras variables más.
Demanda=f (precio, ingreso, otras variables)
Métodos Cualitativos
Método Delphi
Es un método diseñado para obtener y tratar la información de expertos
consultados sobre un asunto determinado
Características
Se pueden manejar tantas rondas como sean necesarias
No debe existir contacto entre los participantes, pero el gestor de la
encuesta si puede identificar a cada participante y sus respuestas
Método Delphi
Los resultados totales de la ronda previa no son entregados a los participantes, sólo una parte de la información circula
La respuesta del grupo puede ser presentada estadísticamente (promedios y grados de dispersión)
Preguntas con respuesta cuantitativa
Método Delphi
Delfos sobre Tema XX
Ronda 1 Experto 13
A.1. Pregunta
Respuesta
A.2. Pregunta
Respuesta
A.3. Pregunta
Respuesta
A.4. Pregunta
Respuesta
A.5. Pregunta
Respuesta
A.6. Pregunta
Respuesta
Método Delphi
Ronda 1 Opinión de Consenso de los Expertos
A.1 A.2 A.3 A.4 A.5 A.6
Mediana
Q1/4
Q3/4
Q3/4 - Q1/4
Ronda 2 Opinión de Consenso de los Expertos
A.1 A.2 A.3 A.4 A.5 A.6
Mediana
Q1/4
Q3/4
Q3/4 - Q1/4
Método Delphi
Método de Investigación de Mercados
Recolección de la opinión de los clientes mediante la toma de
encuestas a una muestra representativa
de la población, la realización de
experimentos o la observación de los
consumidores potenciales en mercados
de prueba.
Método de Investigación de Mercados
Se quiere comercializar chocolates en bolsitas de 250
gramos
Resultados de la encuesta
Zona Población Muestra Le gustaría consumir Lo compraría
Frecuencia de compra mensual
Bolsas compradas
A 12000 319 40% 20% 2 1
B 10000 265 45% 25% 3 2
Método de Investigación de Mercados
Método de Investigación de Mercados
Zona Población Consumidor potencial
ConsumidoresCantidad
comprada al mes (Bolsas)
Demanda Potencial (Bolsas)
Demanda potencial
(Kgs)
A 12000 8.00% 960 2 1920 480
B 10000 11.25% 1125 6 6750 1688
Estimado de demanda
En muchos casos se captura información de mercado existenteAnalizar la posibilidad de tomar un
porcentaje del mercado
Colocar una pregunta para inferir intención de compra
Técnicas de Proyección del Mercado