Técnicas de previsión de la demanda (encuesta y métodos estadísticos)

El principal desafío para pronosticar la demanda es seleccionar una técnica efectiva.

No existe un método particular que permita a las organizaciones anticipar riesgos e incertidumbres en el futuro. En general, hay dos enfoques para el pronóstico de la demanda.

El primer enfoque implica pronosticar la demanda mediante la recopilación de información sobre el comportamiento de compra de los consumidores por parte de expertos o mediante la realización de encuestas. Por otro lado, el segundo método es pronosticar la demanda utilizando los datos pasados ​​a través de técnicas estadísticas.

Por lo tanto, podemos decir que las técnicas de pronóstico de la demanda se dividen en métodos de encuesta y métodos estadísticos. El método de encuesta es generalmente para pronósticos a corto plazo, mientras que los métodos estadísticos se utilizan para pronosticar la demanda a largo plazo.

Estos dos enfoques se muestran en la Figura 10:

Discutamos estas técnicas (como se muestra en la Figura 10).

Método de encuesta :

El método de encuesta es uno de los métodos más comunes y directos para pronosticar la demanda a corto plazo. Este método abarca los planes de compra futuros de los consumidores y sus intenciones. En este método, una organización realiza encuestas con los consumidores para determinar la demanda de sus productos y servicios existentes y anticipar la demanda futura en consecuencia.

El método de encuesta lleva a cabo tres ejercicios, que se muestran en la Figura 11:

Los ejercicios realizados en el método de encuesta (como se muestra en la Figura 11) se analizan de la siguiente manera:

yo. Encuesta de opinión de expertos:

Se refiere a un método en el que se solicita a los expertos que den su opinión sobre el producto. En general, en una organización, los representantes de ventas actúan como expertos que pueden evaluar la demanda del producto en diferentes áreas, regiones o ciudades.

Los representantes de ventas están en contacto cercano con los consumidores; por lo tanto, conocen muy bien los planes de compra futuros de los consumidores, sus reacciones al cambio del mercado y sus percepciones para otros productos de la competencia. Proporcionan una estimación aproximada de la demanda de los productos de la organización. Este método es bastante simple y menos costoso.

Sin embargo, tiene sus propias limitaciones, que se analizan de la siguiente manera:

a. Proporciona estimaciones que dependen de las habilidades de mercado de los expertos y su experiencia. Estas habilidades difieren de un individuo a otro. De esta manera, hacer pronósticos exactos de la demanda se vuelve difícil.

si. Implica un juicio subjetivo del evaluador, lo que puede conducir a una estimación excesiva o insuficiente.

C. Depende de los datos proporcionados por los representantes de ventas que pueden tener información inadecuada sobre el mercado.

re. Ignora factores, como el cambio en el Producto Nacional Bruto, la disponibilidad de crédito y las perspectivas futuras de la industria, que pueden ser útiles en el pronóstico de la demanda.

ii) Método Delphi:

Se refiere a una técnica de toma de decisiones grupal para pronosticar la demanda. En este método, se formulan preguntas individuales de un grupo de expertos para obtener sus opiniones sobre la demanda de productos en el futuro. Estas preguntas se hacen repetidamente hasta que se obtiene un consenso.

Además, en este método, cada experto recibe información sobre las estimaciones realizadas por otros expertos en el grupo, de modo que pueda revisar sus estimaciones con respecto a las estimaciones de otros. De esta manera, los pronósticos se verifican entre expertos para llegar a una toma de decisiones más precisa.

Cualquier experto puede reaccionar o proporcionar sugerencias sobre las estimaciones de otros. Sin embargo, los nombres de los expertos se mantienen en el anonimato al intercambiar estimaciones entre los expertos para facilitar un juicio justo y reducir el efecto halo.

La principal ventaja de este método es que es efectivo en tiempo y costo ya que se aborda a varios expertos en poco tiempo sin gastar en otros recursos. Sin embargo, este método puede conducir a una toma de decisiones subjetiva.

iii) Método de experimento de mercado:

Implica recopilar la información necesaria sobre la demanda actual y futura de un producto. Este método lleva a cabo los estudios y experimentos sobre el comportamiento del consumidor en condiciones reales de mercado. En este método, algunas áreas de los mercados se seleccionan con características similares, como la población, los niveles de ingresos, los antecedentes culturales y los gustos de los consumidores.

Los experimentos de mercado se llevan a cabo con la ayuda de cambios de precios y gastos, de modo que se registran los cambios resultantes en la demanda. Estos resultados ayudan a pronosticar la demanda futura.

Existen varias limitaciones de este método, que son las siguientes:

a. Se refiere a un método costoso; por lo tanto, puede que no sea asequible para organizaciones de pequeña escala

si. Afecta los resultados de los experimentos debido a diversas condiciones socioeconómicas, como huelgas, inestabilidad política, calamidades naturales.

Métodos estadísticos

Los métodos estadísticos son un conjunto complejo de métodos de pronóstico de la demanda. Estos métodos se utilizan para pronosticar la demanda a largo plazo. En este método, la demanda se pronostica sobre la base de datos históricos y datos transversales.

Los datos históricos se refieren a los datos pasados ​​obtenidos de varias fuentes, como los balances de años anteriores y los informes de encuestas de mercado. Por otro lado, los datos transversales se recopilan realizando entrevistas con individuos y realizando encuestas de mercado. A diferencia de los métodos de encuesta, los métodos estadísticos son rentables y confiables ya que el elemento de subjetividad es mínimo en estos métodos.

Estos diferentes métodos estadísticos se muestran en la Figura 12:

Los diferentes métodos estadísticos (como se muestra en la Figura 12).

Método de proyección de tendencia :

La proyección de tendencia o método de mínimos cuadrados es el método clásico de previsión de negocios. En este método, se requiere una gran cantidad de datos confiables para pronosticar la demanda. Además, este método supone que los factores, como las ventas y la demanda, responsables de las tendencias pasadas seguirán siendo los mismos en el futuro.

En este método, las previsiones de ventas se realizan a través del análisis de datos pasados ​​tomados de los libros de cuentas del año anterior. En el caso de nuevas organizaciones, los datos de ventas se toman de organizaciones que ya existen en la misma industria. Este método utiliza datos de series temporales sobre ventas para pronosticar la demanda de un producto.

La Tabla 1 muestra los datos de series temporales de la Organización XYZ:

El método de proyección de tendencia utiliza tres métodos más en cuenta, que son los siguientes:

yo. Método gráfico:

Ayuda a pronosticar las ventas futuras de una organización con la ayuda de un gráfico. Los datos de ventas se trazan en un gráfico y se dibuja una línea en los puntos trazados.

Aprendamos esto a través de un gráfico que se muestra en la Figura 13:

La Figura 13 muestra una curva que se traza teniendo en cuenta los datos de ventas de la Organización XYZ (Tabla-1). La línea P se dibuja a través de los puntos medios de la curva y S es una línea recta. Estas líneas se extienden para obtener las ventas futuras para el año 2010, que es de aproximadamente 47 toneladas. Este método es muy simple y menos costoso; sin embargo, las proyecciones hechas por este método pueden basarse en el sesgo personal del pronosticador.

ii) Método de tendencia de ajuste:

Implica un método de mínimos cuadrados en el que se ajusta una línea de tendencia (curva) a los datos de ventas de series temporales con la ayuda de técnicas estadísticas.

En este método, se tienen en cuenta dos tipos de tendencias, que se explican a continuación:

a. Tendencia lineal:

Implica una tendencia en la que las ventas muestran una tendencia al alza.

En tendencia lineal, se ajusta la siguiente ecuación de tendencia de línea recta:

S = A + BT

Dónde

S = ventas anuales

T = tiempo (en años)

A y B son constantes

B da la medida del aumento anual en ventas

si. Tendencia exponencial:

Implica una tendencia en la cual las ventas aumentan en los últimos años a un ritmo creciente o constante.

La ecuación de tendencia apropiada utilizada es la siguiente:

Y = aTb

Dónde

Y = ventas anuales

T = tiempo en años

ayb son constantes

Convirtiendo esto en logaritmo, la ecuación sería:

Log Y = Log a + b Log T

La principal ventaja de este método es que es fácil de usar. Además, el requisito de datos de este método es muy limitado (ya que solo se requieren datos de ventas), por lo que es un método económico.

Sin embargo, este método también presenta ciertas limitaciones, que son las siguientes:

1. Supone que la tasa pasada de cambios en las variables seguirá siendo la misma en el futuro también, lo cual no es aplicable en las situaciones prácticas.

2. No se aplica para estimaciones a corto plazo y donde la tendencia es cíclica con muchas fluctuaciones

3. No puede medir la relación entre variables dependientes e independientes.

iii) Método de Box-Jenkins:

Se refiere a un método que se usa solo para predicciones a corto plazo. Este método pronostica la demanda solo con datos de series temporales estacionarias que no revelan la tendencia a largo plazo. Se utiliza en aquellas situaciones en las que los datos de series temporales representan variaciones mensuales o estacionales con algunos grados de regularidad. Por ejemplo, este método puede usarse para estimar los pronósticos de ventas de ropa de lana durante la temporada de invierno.

Método barométrico :

En el método barométrico, la demanda se predice sobre la base de eventos pasados ​​o variables clave que ocurren en el presente. Este método también se utiliza para predecir varios indicadores económicos, como ahorro, inversión e ingresos. Este método fue introducido por el Servicio Económico de Harvard en 1920 y revisado por la Oficina Nacional de Investigación Económica (NBER) en 1930.

Esta técnica ayuda a determinar la tendencia general de las actividades comerciales. Por ejemplo, supongamos que el gobierno asigna tierras a la sociedad XYZ para construir edificios. Esto indica que habría una gran demanda de cemento, ladrillos y acero.

La principal ventaja de este método es que es aplicable incluso en ausencia de datos pasados. Sin embargo, este método no es aplicable en caso de nuevos productos. Además, pierde su aplicabilidad cuando no hay desfase temporal entre el indicador económico y la demanda.

Métodos econométricos :

Los métodos econométricos combinan herramientas estadísticas con teorías económicas para pronosticar. Los pronósticos realizados por este método son muy confiables que cualquier otro método. Un modelo econométrico consta de dos tipos de métodos, a saber, el modelo de regresión y el modelo de ecuaciones simultáneas.

Estos dos tipos de métodos se explican de la siguiente manera:

yo. Métodos de regresión:

Consulte el método más popular de previsión de demanda. En el método de regresión, la función de demanda de un producto se estima cuando la demanda es variable dependiente y las variables que determinan la demanda son variables independientes.

Si solo una variable afecta la demanda, entonces se llama función de demanda de variable única. Por lo tanto, se utilizan técnicas de regresión simples. Si la demanda se ve afectada por muchas variables, entonces se llama función de demanda multivariable. Por lo tanto, en tal caso, se utiliza la regresión múltiple.

Las técnicas de regresión simple y múltiple se analizan de la siguiente manera:

a. Regresión simple:

Se refiere al estudio de la relación entre dos variables donde una es una variable independiente y la otra es una variable dependiente.

La ecuación para calcular la regresión simple es la siguiente:

Y = a + bx

Donde, Y = valor estimado de Y para un valor dado de X

b = Cantidad de cambio en Y producida por un cambio unitario en X

ayb = constantes

Las ecuaciones para calcular ayb son las siguientes:

Aprendamos a calcular la regresión simple con la ayuda de un ejemplo. Supongamos que un investigador quiere estudiar la relación entre la satisfacción del empleado (grupo de ventas) y las ventas de una organización.

Él / ella ha tomado los comentarios de los empleados en forma de cuestionario y les pidió que califiquen su nivel de satisfacción en una escala de 10 punteros donde 10 es el más alto y 1 es el más bajo. El investigador ha tomado los datos de ventas de cada miembro individual del grupo de ventas. Él / ella ha tomado el promedio de ventas mensuales durante un año para cada individuo.

Los datos recopilados se organizan en la Tabla 2:

El cálculo de la media para la satisfacción del empleado (X) y las ventas es el siguiente:

Esta es la ecuación de regresión en la que el investigador puede tomar cualquier valor de X para encontrar el valor estimado de Y.

Por ejemplo, si el valor de X es 9, entonces el valor de Y se calcularía de la siguiente manera:

Y = -1.39 + 1.61X

Y = -1.39 + 1.61 (9)

Y = 13.

Con la ayuda del ejemplo anterior, se puede concluir que si un empleado está satisfecho, entonces su producción aumentaría.

si. Regresión múltiple:

Se refiere al estudio de la relación entre más de una variable independiente y dependiente.

En el caso de dos variables independientes y una variable dependiente, se usa la siguiente ecuación para calcular la regresión múltiple:

Y = a + b1X1 + b2X2

Donde, Y (variable dependiente) = valor estimado de Y para un valor dado de X1 y X

X1 y X2 = variables independientes

b1 = Cantidad de cambio en Y producida por un cambio de unidad en X

b2 = Cantidad de cambio en Y producida por un cambio de unidad en X2

a, b1 y b2 = constantes

Las ecuaciones utilizadas para calcular los valores ayb son las siguientes:

El número de ecuaciones depende del número de variables independientes. Si hay dos variables independientes, entonces habría tres ecuaciones y así sucesivamente.

Aprendamos a calcular la regresión múltiple con la ayuda de un ejemplo. Supongamos que el investigador quiere estudiar la relación entre el porcentaje intermedio, el porcentaje de graduación y el percentil MAT de un grupo de 25 estudiantes.

Es importante tener en cuenta que el porcentaje intermedio y el porcentaje de graduación son variables independientes y el percentil MAT es variable dependiente. El investigador quiere saber si el percentil en MAT depende del porcentaje de intermedio y graduación o no.

Los datos recopilados se muestran en la Tabla 3:

Las ecuaciones requeridas para calcular la regresión múltiple son las siguientes:

Estas ecuaciones se utilizan para resolver la ecuación de regresión múltiple manualmente. Sin embargo, también puede usar SPSS para encontrar regresión múltiple.

Si utilizamos SPSS en el ejemplo anterior, obtendríamos el resultado que se muestra en la Tabla 4:

La Tabla 5 muestra el resumen del modelo de regresión. En esta tabla, R es el coeficiente de correlación entre las variables independientes y dependientes, que es muy alto en este caso. R Square muestra que una gran parte de la variación en el modelo se muestra por las oportunidades de empleo en un estado. El error estándar de estimación es bastante bajo, que es 1, 97. También indica que la variación en los datos actuales es menor.

La Tabla 6 muestra los coeficientes del modelo de regresión:

La Tabla 6 muestra que el valor t calculado es mayor que el valor t de significancia. Por lo tanto, los coeficientes muestran la relación de causa y efecto entre las variables independientes y dependientes.

La Tabla 7 muestra la tabla AN OVA para las dos variables en estudio:

La Tabla 7 muestra el análisis de variación en el modelo. La fila de regresión muestra que la variación ocurrió debido al modelo de regresión. Sin embargo, la fila residual muestra la variación que ocurrió por casualidad. En la Tabla 7, el valor de la suma de cuadrados para la fila de regresión es mayor que el valor de la suma de cuadrados para la fila residual; por lo tanto, la mayoría de las variaciones se producen solo por modelo.

El valor F calculado es muy grande en comparación con el valor de significación. Por lo tanto, podemos decir que el porcentaje intermedio y el porcentaje de graduación tienen un fuerte efecto en el percentil MAT de un estudiante.

Ecuaciones simultáneas:

Involucra varias ecuaciones simultáneas.

Hay dos tipos de variables que se incluyen en este modelo, que son las siguientes:

yo. Variables endógenas:

Consulte las entradas que se determinan dentro del modelo. Estas son variables controladas.

ii) Variables exógenas:

Consulte las entradas del modelo. Ejemplos son el tiempo, el gasto del gobierno y las condiciones climáticas. Estas variables se determinan fuera del modelo.

Para desarrollar un modelo completo, primero se determinan las variables endógenas y exógenas. Después de eso, se recopilan los datos necesarios sobre las variables exógenas y endógenas. A veces, los datos no están disponibles en la forma requerida, por lo tanto, deben ajustarse al modelo.

Después del desarrollo de los datos necesarios, el modelo se estima mediante algún método apropiado. Finalmente, el modelo se resuelve para cada variable endógena en términos de variable exógena. La predicción finalmente se hace.

Otras medidas estadísticas :

Además de los métodos estadísticos, existen otros métodos para pronosticar la demanda. Estas medidas son muy específicas y se usan solo para conjuntos de datos particulares. Por lo tanto, su uso no puede generalizarse para todos los tipos de investigación.

Estas medidas se muestran en la Figura 14:

Los diferentes tipos de medidas estadísticas (como se muestra en la Figura 14) se analizan de la siguiente manera:

iii) Número de índice:

Se refiere a las medidas utilizadas para estudiar las fluctuaciones en una variable o grupo de variables relacionadas con respecto al período de tiempo / período base. Se utilizan con mayor frecuencia en la investigación económica y financiera para estudiar diversos factores, como el precio y la cantidad de un producto. Se identifican y calculan los factores responsables del problema.

Existen principalmente cuatro tipos de números de índice, que son los siguientes:

a. Número de índice simple:

Se refiere al número que mide un cambio relativo en una sola variable con respecto al año base.

si. Número de índice compuesto:

Se refiere al número que mide un cambio relativo en un grupo de variables relacionadas con respecto al año base.

C. Número de índice de precios:

Se refiere al número que mide un cambio relativo en el precio de una mercancía en diferentes períodos de tiempo.

re. Número de índice de cantidad:

Se refiere al número que mide un cambio relativo en la cantidad física de bienes producidos, consumidos o vendidos para un producto en diferentes períodos de tiempo.

Análisis de series de tiempo: se refiere al análisis de una serie de observaciones durante un período de intervalos de tiempo igualmente espaciados. Por ejemplo, analizar el crecimiento de una empresa desde su incorporación a la situación actual. El análisis de series temporales es aplicable en varios campos, como el sector público, la economía y la investigación.

Existen varios componentes del análisis de series de tiempo, que son los siguientes:

a. Tendencia secular:

Se refiere a la tendencia que denota T y prevalece durante un período de tiempo. La tendencia secular para una serie de datos puede ser hacia arriba o hacia abajo. La tendencia al alza muestra el aumento de una variable, como el aumento de los precios de los productos básicos; mientras que la tendencia a la baja muestra las fases de disminución, como la disminución de la tasa de enfermedades y las ventas de un producto en particular.

si. Oscilación de corto tiempo:

Se refiere a una tendencia que permanece por un período de tiempo más corto.

Se puede clasificar en las siguientes tres tendencias:

1. Tendencia estacional:

Se refiere a la tendencia que denota S y ocurre año tras año durante un período particular. La razón de tales tendencias son las condiciones climáticas, los festivales y algunas otras costumbres. Ejemplos de tendencia estacional son el aumento de la demanda de lana en los inviernos y el aumento de las ventas de dulces cerca de Diwali.

2. Tendencia cíclica:

Se refiere a la tendencia que denota C y dura más de un año. Las tendencias cíclicas no son de naturaleza continua ni estacional. Un ejemplo de tendencia cíclica es el ciclo económico.

3. Tendencia irregular:

Se refiere a la tendencia que denota I y es corta e impredecible por naturaleza. Ejemplos de tendencias irregulares son terremotos, erupciones volcánicas e inundaciones.

Análisis del árbol de decisiones:

Se refiere al modelo que se usa para tomar decisiones en una organización. En el análisis del árbol de decisión, se dibuja una estructura de tipo árbol para decidir la mejor solución para un problema. En este análisis, primero descubrimos diferentes opciones que podemos aplicar para resolver un problema en particular.

Después de eso, podemos averiguar el resultado de cada opción. Estas opciones / decisiones están conectadas con un nodo cuadrado, mientras que los resultados se demuestran con un nodo circular. El flujo de un árbol de decisión debe ser de izquierda a derecha.

La forma del árbol de decisión se muestra en la Figura 15:

Comprendamos el funcionamiento de un árbol de decisión con la ayuda de un ejemplo. Supongamos que una organización quiere decidir el tipo de segmentación para aumentar la base de clientes.

Este problema se puede resolver utilizando el árbol de decisión que se muestra en la Figura 16:

En la Figura 16, el árbol de decisión muestra dos tipos de segmentación, a saber, la segmentación demográfica y la segmentación geográfica. Ahora, analizaríamos los resultados de estas dos segmentaciones. Para analizar la segmentación demográfica, la empresa debe incurrir en S 40, 000 (costo estimado). El resultado de la segmentación demográfica puede ser bueno, moderado y pobre.

Los ingresos estimados proyectados para tres años para las tres opciones (bueno, moderado y pobre) son los siguientes:

Bueno = $ 21500000

Moderado = $ 950000

Pobre = S300000

Las probabilidades asignadas a los resultados son 0.4 para bueno, 0.5 para moderado y 0.1 para pobre.

Ahora, calculamos los resultados de la segmentación demográfica de la siguiente manera:

Bueno = 0.4 * 2100000 = 840000

Moderado = 0.5 * 950000 = 475000

Pobre = 0.1 * 300000 = 30000

Del mismo modo, en caso de segmentación geográfica, el costo incurrido es de $ 70000 (costo estimado). El resultado de la segmentación geográfica puede ser bueno y malo.

Los ingresos estimados proyectados para tres años para las dos opciones (buena y mala) son los siguientes:

Bueno = $ 1350000

Pobre = $ 260000

Las probabilidades asignadas a los resultados son 0.6 para bien y 0.4 para pobre.

Ahora, calculamos los resultados de la segmentación geográfica de la siguiente manera:

Bueno = 0.6 * 1350000 = $ 810000

Pobre = 0.4 * 260000 = $ 104000

Ahora, analizaríamos los dos resultados para tomar la decisión de seleccionar una segmentación de las dos segmentaciones de la siguiente manera:

Para la segmentación demográfica:

Bueno = 840000-40000 = $ 800000

Moderado = 475000-40000 = $ 435000

Pobre = 30000-40000 = $ (10000)

Del mismo modo, para la segmentación geográfica:

Bueno = 810000-70000 = $ 740000

Pobre = 104000-70000 = $ 340000

Como podemos ver en el cálculo que si seleccionamos la segmentación demográfica, la ganancia máxima estimada sería de $ 800000. En la segmentación demográfica, hay posibilidades de incurrir en pérdidas (10, 000), si el producto no tiene éxito en el mercado.

Si seleccionamos la segmentación geográfica, la ganancia máxima estimada sería de $ 740000. En la segmentación geográfica, obtendríamos menos ganancias (S 340000), si el producto no tiene éxito en el mercado. Por lo tanto, es mejor usar la segmentación geográfica para comercializar el producto, ya que no hay pérdida involucrada en él.

 

Deja Tu Comentario