Método del Ciclo de Vida del Producto para Pronósticos de Ventas

En este caso se trata de pronosticar la evolución en el tiempo que tendrá el ciclo de vida de un determinado producto. Este ciclo se puede dividir normalmente en cinco etapas: desarrollo, introducción, crecimiento, madurez y declinación. Este pronóstico nos permite tener una estimación del tamaño del mercado, y en conjunto con la participación de mercado que tendrá la empresa, estimar la cantidad de producto que será demandada.

Por lo general las utilidades se alcanzan recién en las etapa de crecimiento y madurez. Adicionalmente dependiendo del tipo del producto es crítico que la etapa de desarrollo sea rápida, en particular en aquellos con ciclo de vida corto o que rápidamente alcanzan una obsolescencia como por ejemplo los productos intensivos en tecnología.

Una representación gráfica del ciclo de vida de un producto según lo definido anteriormente se presenta a continuación:

ciclo-de-vida-de-un-product

Este ciclo de vida de un producto es una señal sobre la necesidad que tienen las empresas de ir innovando sus productos y/o ir generando algunos nuevos; de lo contrario corren el riesgo de desaparecer por no tener productos que ofrecer al mercado. Un caso emblemático al respecto son los esfuerzos de la empresa multinacional 3M que ha instaurado la política de que al menos el 25% de las ventas debe provenir de productos desarrollados en los últimos 5 años (en efecto en el año 2012 el 33% de las ventas de la compañía corresponde a productos desarrollados en los últimos 5 años según consta en Committee on Ways an Means Manufacturing Work Group, 1 de Abril de 2013). Los resultados no son casuales y refleja una estrategia predeterminada de la empresa de involucrar activamente a sus trabajadores en la generación de nuevas ideas y prototipos de productos.

3m-desarrollo-productos

El ciclo de vida de un producto también lo podemos también relacionar con la Matriz de Participación de Mercado del BCG (Boston Consulting Group), en que los productos son clasificados como incógnitas, estrellas, vacas lecheras, o perros. Esta clasificación obedece a dos ejes de análisis: participación relativa del mercado y tasa de crecimiento del mercado.

matriz-bcg-2

Así por ejemplo un producto clasificado como vaca lechera se caracteriza por una participación relativa de mercado alta pero desempeñándose en un mercado con una tasa de crecimiento baja.

En resumen el método de ciclo de vida del producto como herramienta cualitativa de apoyo para pronósticos de venta, parte de la hipótesis de la necesidad de tener en consideración la etapa del ciclo de vida en la que se encuentra el producto, como también la clasificación del mismo (por ejemplo haciendo uso de la Matriz BCG u otra metodología). Todo esto con el objeto de poder generar proyecciones más acertadas en un contexto de incertidumbre.

Método Delphi para Pronósticos de Ventas

El Método Delphi probablemente es la Técnica Cualitativa de Pronósticos de Ventas o demanda que más se utiliza. Este método (que toma su nombre del famoso oráculo de Delfos de la antigua Grecia) consiste en un proceso de varias etapas (iterativo) y considera la participación de un grupo de expertos.

En la primera etapa cada persona del grupo proporciona una respuesta escrita a las preguntas que se le hacen. Después se tabulan dichas respuestas y se realimenta al grupo con ellas, incluyendo alguna elaboración en base a valores estadísticos (promedio, desviación estándar, valores máximos, mínimos, etc). A continuación, y de existir un cierto grado de dispersión en las respuestas originales, se pide a cada miembro del grupo que reconsidere sus respuestas anteriores y responda de nuevo las preguntas. Las respuestas de la segunda etapa se vuelven a resumir y se da feedback al grupo para una tercera etapa , y así sucesivamente. Este proceso se repite hasta alcanzar un grado suficiente de acuerdo, utilizándose como pronósticos los resultados de la última etapa.

De esta forma las ideas y percepciones de un grupo que en general es de naturaleza heterogénea va convergiendo progresivamente a consensos, lo cual ayuda a disminuir el riesgo asociado a la toma de decisiones en el ámbito de los Pronósticos de Ventas.

convergencia-delphi

En consideración a lo anterior, una representación esquemática del Método Delphi (o Método Delfos) se presenta a continuación:

esquema-metodo-delphi

Las respuestas pueden ser anónimas o no. En caso que no sean anónimas cada experto puede explicar al resto del grupo los fundamentos de sus respuestas entre cada una de las etapas. Las respuestas anónimas son más apropiadas para el caso en que los miembros del grupo tengan niveles jerárquicos diferentes dentro de la empresa (de forma de mitigar los potenciales efectos de la presión de grupo).

Sondeo de Opiniones o Juicio Informado para Pronósticos de Ventas

El sondeo de opiniones o juicio informado corresponde a una Técnica Cualitativa de Pronóstico de Ventas (o pronóstico/proyección de demanda). En este caso se consulta por un determinado pronóstico que pueden hacer un grupo de expertos en forma individual o en forma colectiva. Este tipo de pronóstico es bastante frecuente en las publicaciones sobre estrategias de empresas, en relación por ejemplo a pronosticar la tasa de crecimiento de la economía en los próximos años.

Al interior de las empresas este método se puede utilizar realizando una consulta escalonada y secuencial a las personas que pueden realizar algún aporte en la proyección deseada, siguiendo la jerarquía de la organización, desde los niveles más bajos a los niveles más altos. De esta forma los primeros consultados serán aquellos que están en contacto con el entorno relevante (clientes, distribuidores, proveedores, asociaciones gremiales, etc), los que podrán aportar su estimación su estimación del tema que se pretende pronosticar.

Con estas consultas realizadas, serán los jefes de los encuestados anteriores los que aporten su estimación, analizando las respuestas de sus subalternos, y entregando la suya propia, la que se supone más experimentada y fundamentada (por cierto esto no siempre es una premisa válida tal como representa el siguiente cómic).

Sales Forecast Dilbert

Las consultas siguen en forma en forma ascendente, llegando al nivel superior donde se elaboran las políticas, objetivos y estrategias de la empresa. Los ejecutivos de este nivel serán finalmente responsables del pronóstico que se elabore, considerando que conocen la percepción de sus subalternos. Esta forma de elaborar un pronóstico puede tener un efecto motivacional importante, en la medida que el personal de los niveles inferiores se siente tomado en cuenta por la dirección de la empresa, independiente de si la percepción de cada uno de ellos resulta similar o no al pronóstico final realizado.

Un ejemplo del proceso anterior es el de una empresa distribuidora que para efectos de determinar el nivel de ventas del próximo período consulta a los vendedores (los que en general tenderán a hacer estimaciones conservadoras, de forma que en el futuro les sea fácil cumplirlas), luego a los supervisores, jefe de ventas, gerente comercial y finalmente gerente general. Esta información se puede procesar por producto, cliente, sector geográfico, vendedor, etc, de forma que al transcurrir el tiempo se puedan verificar los avances en el logro de los niveles estimados.

Otra forma que puede tomar este sondeo es consultar directamente a los clientes sobre las necesidades de productos que estos estiman tendrán y por ende se proponen comprar durante un determinado período de tiempo; este método es útil para empresas con pocos clientes, lo cual es típico de los clientes industriales.

En las empresas manufactureras se generan verdaderas cadenas de suministro, en que es muy importante conocer las necesidades de las últimas empresas de la cadena, de forma que las empresas que están al comienzo de la cadena puedan efectuar sus pronósticos y producir la cantidad requerida por las empresas del final de la cadena. El traspaso de esta información requiere cooperación, reserva y un buen grado de confianza entre las empresas (factores que permiten mitigar lo que se conoce como Efecto Látigo).

Relación entre la Desviación Absoluta Media (MAD) y la Desviación Estándar del Error (σ)

El concepto de error en una proyección de demanda tiene que ver con la diferencia entre el valor real (observado) y el valor pronosticado. Esto da origen a errores de sobre estimación o sub estimación de la demanda real cuando dichos errores son negativos o positivos, respectivamente. En este contexto cuando los errores que ocurren en el pronóstico de demanda tienen una distribución normal (el caso más común) la Desviación Absoluta Media (MAD) se relaciona con la Desviación Estándar del Error (σ) de la siguiente forma:

relacion-mad-y-desviacion-e

Para ilustrar sobre esta relación consideremos el ejemplo utilizado en el artículo donde calculamos el Error Porcentual Absoluto Medio (MAPE) cuyos pronósticos Ft se obtienen al ajustar una Regresión Lineal a los datos reales de la demanda.

tabla-mape-mad-y-ts

Notar que el MAD calculado a Diciembre es de 36,1[u]. Luego para corroborar el cumplimiento de la relación aproximada entre el MAD y σ se requiere verificar si los errores del pronóstico se distribuyen normal. Para esta evaluación utilizaremos el software Easyfit y su herramienta de ajuste de distribuciones. Es importante en este punto destacar que es deseable contar con más datos para realizar el ajuste, no obstante, nos interesa mostrar el procedimiento.

ajustar-distribucion-normal

El programa nos entrega el siguiente histograma donde la curva de color rojo representa el comportamiento de una distribución normal (teórica). Adicionalmente en las estadísticas descriptivas se puede obtener que el error medio (considerando la naturaleza del signo del error) es -0,0833 (aproximado) lo cual constituye un elemento a favor de la relación que deseamos verificar.

ajuste-distribucion-normal-

Si volvemos a los resultados que da origen la planilla Excel podemos calcular la Desviación Estándar del Error σ (celda color naranjo) que es 45,50[u] a través de la fórmula =DESVEST(J3:J14).

calculo-desviacion-estandar

Con estos resultados corroboramos si efectivamente 1 MAD es equivalente (aproximadamente) a 0,8 desviaciones estándar del error. La conclusión es que para los datos de este ejemplo dicha relación es efectiva (por cierto aproximada) por lo cual luego de verificar que los errores del pronóstico se distribuyen normal (razonablemente) bastaría con calcular el MAD para poder generar una estimación razonable de la desviación estándar del error (o viceversa).

mad-y-sigma

Error Porcentual Absoluto Medio (MAPE) en un Pronóstico de Demanda

El Error Porcentual Absoluto Medio (MAPE o Mean Absolute Percentage Error) es un indicador del desempeño del Pronóstico de Demanda que mide el tamaño del error (absoluto) en términos porcentuales. El hecho que se estime una magnitud del error porcentual lo hace un indicador frecuentemente utilizado por los encargados de elaborar pronósticos debido a su fácil interpretación. Incluso es útil cuando no se conoce el volumen de demanda del producto dado que es una medida relativa. Por ejemplo, afirmar que el «error porcentual promedio es de un 4%» es más fácil de comprender que cuando se dice «el error absoluto medio por período es de 1.000 unidades» (que sería la información que podríamos obtener del MAD y que en abstracto no provee información si esta magnitud de error es aceptable o no).

La fórmula para el cálculo del MAPEError Porcentual Absoluto Medio es:

formula-mape

La siguiente imagen representa una serie de tiempo de 12 meses donde At representa la demanda real de un producto cualquiera y Ft el pronóstico utilizando una Regresión Lineal. La ecuación de la regresión ajustada es y=5,6993*x+217,12 donde la variable y representa la demanda y la variable x el período (mes).

regresion-lineal-mape

El detalle de los resultados se presenta a continuación donde en la columna D se muestran los datos reales y en la columna E los pronósticos. Por ejemplo para el mes de Enero (mes 1) el pronóstico se obtiene como F1=5,6993*1+217,12=223 (aproximado arbitrariamente al entero más cercano).

excel-calculo-mape

Luego obtenemos el error porcentual absoluto para cada mes del período de evaluación (celdas amarillas de la tabla anterior). Notar que en el ejemplo dicho cálculo correspondería para el mes de Enero en la fórmula F3/D3 donde el numerador (F3) es el error absoluto del período y el denominador (D3) la demanda real del mes. Finalmente se repite el procedimiento para cada uno de los meses lo cual se facilita al hacer uso de una planilla Excel.

calculo-mape

En conclusión el Error Porcentual Absoluto Medio es de un 14,56%. De forma complementaria se puede calcular el MAD y la Señal de Rastreo (TS) de modo de tener un mayor número de indicadores para interpretar de forma adecuada el desempeño del pronóstico.

tabla-mape-mad-y-ts

Es conveniente graficar tanto el comportamiento del MAD como la Señal de Rastreo (TS) para facilitar la interpretación de los resultados. A continuación se presentan los resultados:

grafico-mad-y-ts

Notar que la magnitud media absoluta del error aumenta en los últimos períodos. En cuanto al comportamiento de la señal de seguimiento o TS si bien ésta varía en el rango comúnmente aceptable de [-4,4] MADs, las sub estimaciones sucesivas del valor real de la demanda de los meses de Agosto, Septiembre y Octubre marcan una tendencia creciente en su comportamiento, lo cual se compensa luego con las sobre estimaciones de los meses de Noviembre y Diciembre. A continuación un vídeo de nuestro canal de Youtube con la implementación en Excel del ejemplo descrito en este artículo:

¿Quieres tener el archivo Excel con el cálculo del Error Porcentual Absoluto Medio (MAPE) de este Ejemplo?

[sociallocker]

MUCHAS GRACIAS!. DESCARGA AQUÍ EL ARCHIVO

[/sociallocker]