Métodos simples y complejos para pronosticar la demanda turística. Por qué hay previsiones de demanda inexactas. media móvil centrada
Normalmente es el departamento de logística el que se queja de la falta de previsiones precisas, ya que gran parte de su trabajo depende de ellas. Pero los gerentes no siempre entienden de qué grado de precisión podemos hablar en en este caso y cómo se puede solucionar este problema.
Pronosticar la demanda o no es, por definición, mirar hacia el futuro, por lo que nunca será completamente exacto. Es decir, el sistema logístico debe desarrollarse de tal manera que no dependa completamente de la precisión de la previsión de la demanda, sino que sea flexible y pueda responder adecuadamente a ciertos cambios en la demanda. Pronunciar la demanda permite organizar eficazmente el trabajo del departamento de logística, ya que a partir de la previsión de la demanda, el logístico puede hacer una previsión de la oferta, es decir La previsión de la demanda ayuda al departamento de logística a crear una previsión de la oferta. Al pronosticar la demanda, hay que tener mucho cuidado, ya que cualquier error en la previsión de la demanda puede conducir a resultados desastrosos. La previsión de la demanda no debería ser un objetivo, sino sólo un medio. Además, la previsión de la demanda debe actualizarse todos los días para que sea relevante, porque la previsión de la demanda es una mirada al futuro de las ventas, y esto es muy importante.
Y al mismo tiempo no se puede dar por sentado que las previsiones no den nada. Por supuesto, deberían ser una parte integral del trabajo del departamento de logística (planificación). Pero para poder utilizarlos correctamente es necesario conocer sus propiedades básicas. La web de LOGIST recomienda:
Para optimizar los procesos de carga y descarga utilice las rampas móviles de AUSBAU.
Alta eficiencia, reducción de costos, crecimiento de ganancias.
empresa "AV-exim", entregas directas exclusivas a Ucrania, Rusia, Bielorrusia, Kazajstán y otros países de la CEI. Contacto
1. La precisión del pronóstico de la demanda es mayor para grupos de productos que para productos individuales. Intente, por ejemplo, predecir la altura del primer transeúnte que encuentre. Se necesita mucha suerte para hacerlo bien: podría ser un jugador de baloncesto o un enano. Pero predecir la altura “media” de cien transeúntes puede ser bastante exacto. El pronóstico para un grupo es más preciso que el pronóstico para su representante individual, ya que en este caso se produce una “cancelación mutua” de desviaciones: en un caso se sobreestima el pronóstico, en el otro se subestima, pero en general es bastante aceptable. Esto se refleja en la Fig. 1.
Figura 1. Exactitud de las previsiones en función del parámetro analizado
2. La precisión de los pronósticos es mayor para una perspectiva cercana que para una lejana. Así, pronosticar el presupuesto familiar para el próximo mes es mucho más fácil que para el mismo período, pero en un año. Pronosticar es como disparar: cuanto más lejos del objetivo, más difícil será acertar. A menudo se escucha al jefe del departamento de logística: "Simplemente danos los pedidos durante el mayor tiempo posible y te los entregaremos al 100%". Sin embargo, por esta razón, este enfoque de previsión de la demanda va en contra de los clientes: al desarrollar un plan de adquisiciones y producción, la probabilidad de error en este caso aumenta considerablemente.
El gerente de planificación de la producción realmente no necesita saber qué artículos producirá en un momento determinado. Debe saber qué poder necesitará. Esta previsión es menos compleja y al mismo tiempo más precisa que la previsión detallada de la demanda.
En el Cuadro 1 se presenta la matriz de previsión de la demanda según el nivel de detalle y horizonte de planificación.
Cuadro 1. Matriz de pronósticos de demanda
Esta tabla nos permite sacar las siguientes conclusiones.
Se debe evitar el cuadrante I.
El cuadrante II se puede utilizar para pronósticos a largo plazo.
El cuadrante III se puede utilizar para pronosticar la demanda a mediano y corto plazo, involucrando a los clientes en la formación de programas de pedidos.
El sistema de gestión de producción e inventario debe diseñarse de tal manera (por ejemplo, reduciendo los tiempos de entrega) que el pronóstico de la demanda esté solo en el cuadrante IV.
¿POR QUÉ PREVISAR LA DEMANDA?
Existen condiciones en las que no es aconsejable pronosticar la demanda en absoluto:
cuando el tiempo aceptable para que un cliente espere a que se cumpla su pedido excede el tiempo de producción y adquisición de componentes; es decir, el cliente está dispuesto a esperar su pedido el tiempo que la organización necesite para completarlo sin planificación previa;
si la capacidad y otros recursos necesarios para cumplir con los pedidos de los clientes de estas organizaciones se pueden cambiar rápidamente y no requieren costos significativos;
cuando no hay necesidad de planificación financiera.
En todos los demás casos, la previsión de la demanda es indispensable. Sin embargo, las previsiones de demanda deben formarse exactamente en la medida que lo requieran los objetivos específicos. Cada uno de los parámetros de pronóstico de la demanda que se enumeran a continuación debe justificarse por el propósito de su uso y determinarse antes de que se forme el pronóstico.
- Planeando el horizonte. ¿Para qué período en el futuro se debe hacer el pronóstico? ¿10 años? ¿12 meses? ¿Una semana?
- Nivel de detalle. ¿El pronóstico de la demanda debería reflejar los productos finales por cliente? ¿O es suficiente un plan resumido por categorías?
– Frecuencia de revisión. ¿Es necesario revisar la previsión de demanda una vez al año? ¿Una vez por trimestre? ¿Una vez al mes? ¿Una vez por semana? ¿Cada día? ¿Cada hora?
– Intervalo de predicción. ¿Qué períodos de tiempo debe reflejar el pronóstico de la demanda? ¿Años? ¿Meses? ¿Semanas? ¿Días?
MÉTODOS DE PREVISIÓN DE LA DEMANDA
Existen muchas clasificaciones de métodos de previsión de la demanda. Por conveniencia, podemos distinguir sólo dos grupos: expertos y estadísticos.
Los primeros se basan en valoraciones de expertos y son de carácter subjetivo. Su esencia radica en traducir diversas opiniones de expertos en fórmulas a partir de las cuales se forma un pronóstico. Los métodos expertos incluyen: método de comisión, lluvia de ideas, cuestionario, método Delphi.
Los métodos estadísticos implican el uso de cálculos estadísticos para construir el futuro basándose en el pasado. Un ejemplo típico son los métodos para calcular promedios. Uno de ellos es el uso de una media móvil. Digamos que una empresa quisiera utilizar un promedio móvil de 12 semanas para pronosticar la demanda de un producto. Para ello se suman las ventas de las últimas 12 semanas y se divide el importe entre 12, obteniendo así el valor medio. Pasados los 7 días se suman las ventas de la última semana y se descarta la primera semana obteniendo nuevamente datos de 12 semanas. En este caso estamos hablando de utilizar un promedio simple. Ejemplo de cálculo:
Previsión anterior (ventas mensuales): 100 unidades.
Ventas reales (último mes): 80 unidades.
Nuevo pronóstico (promedio simple) – 90 unidades.
Una desventaja obvia de este método es que a las ventas reales se les da el mismo peso que al pronóstico anterior. Generalmente es mejor dar más peso al pronóstico anterior y menos a las ventas actuales, ya que estas últimas pueden representar una variación aleatoria única en su tipo.
Es más lógico definir los coeficientes de ponderación en 0,8 y 0,2 (en total deben ser iguales a 1,0). Luego el valor promedio se calcula de la siguiente manera:
Previsión anterior: 100 x 0,8 = 80 unidades.
Ventas reales: 80 x 0,2 = 16 unidades.
Nuevo pronóstico (promedio ponderado) – 80 + 16 = 96 unidades.
Este método se llama suavizado exponencial. El peso dado a las ventas actuales (0,2 en este caso) se denomina multiplicador alfa. El suavizado exponencial es un cálculo de media móvil ponderada. La ventaja de este método es que simplifica los cálculos y, a menudo, permite almacenar cantidades más pequeñas de datos. El suavizado exponencial requiere datos sobre el "antiguo pronóstico" y el factor alfa. Aún más importante es la flexibilidad del método. Si el pronóstico subestima la demanda real, el analista puede ingresar manualmente el pronóstico ajustado en el sistema y comenzar a suavizarlo. Esto es mucho más conveniente que intentar ajustar el cálculo de la media móvil.
Cuando se utilizan análisis de regresión y correlación, se calculan fórmulas que dan diferentes ponderaciones a los “indicadores” asociados con los bienes o grupos de bienes previstos. Por ejemplo, la construcción de edificios residenciales tiene un cierto impacto en la venta de productos metálicos a empresas constructoras. También es probable que la dinámica del producto nacional bruto (PNB) tenga un impacto. Así, teniendo en cuenta el grado de importancia de la influencia de uno u otro factor, es posible construir una fórmula para pronosticar las ventas totales de productos metálicos para la construcción. En este caso, se debe prestar especial atención a los indicadores adelantados, es decir, aquellos cuyo valor aumenta o disminuye antes de que las ventas proyectadas comiencen a cambiar. Es cierto que el uso de tales indicadores sólo puede ser beneficioso si se basa en el sentido común. La influencia de factores que fueron muy significativos en el pasado puede cambiar con el tiempo y, por lo tanto, es necesario ponderarlos de manera diferente. Y aquí no podemos prescindir de la evaluación de expertos.
También hay que recordar que ninguno de estos métodos puede compensar o tener en cuenta el impacto de otros factores sobre la demanda. Por ejemplo, si los vendedores de productos metálicos decidieran reducir el inventario debido a dificultades financieras, la relación entre las hipotecas de viviendas y las ventas de productos metálicos no proporcionaría un pronóstico preciso. La mayor competencia extranjera también puede tener un impacto decisivo en la dinámica de las ventas.
En la práctica real, es necesario utilizar métodos estadísticos simples combinados con un sólido juicio de expertos. Además, la elección del método de previsión puede y debe estar determinada por los parámetros de la previsión requerida (horizonte de planificación, nivel de detalle, etc.). Por ejemplo, para elaborar una previsión de demanda para un plan de negocios a 10 años, es más apropiado utilizar métodos de evaluación de expertos que estadísticos.
ERROR DE PREVISIÓN DE MEDICIÓN
Para pronosticar eficazmente la demanda, es necesario medir periódicamente la desviación de las ventas reales con respecto al pronóstico.
El error de pronóstico es la diferencia absoluta entre la demanda real y la prevista. Para medir las desviaciones se puede utilizar la desviación estándar (SD, sigma) o la desviación absoluta media (MAD).
La desviación estándar es una medida bien conocida de dispersión y variabilidad entre los estadísticos. Pero los profesionales de la previsión de la demanda prefieren la desviación absoluta media debido a la facilidad de su cálculo: la MAD se calcula como la suma de las desviaciones absolutas dividida por el número de mediciones (períodos). En la Tabla 2 se da un ejemplo, del cual se puede ver que la desviación absoluta promedio refleja la variabilidad de las desviaciones durante el período (a pesar de que la cantidad total de desviaciones es cero). El ejemplo ilustra la variación aleatoria. Se trata de desviaciones en las que la suma de las previsiones para el período es igual o casi igual a la suma de las ventas reales.
Tabla 2. Cálculo de la desviación media absoluta Mes Pronóstico Desviación real MAD
1 500,00 550 50 50
2 500,00 700 200 200
3 500,00 300 –200 200
4 500,00 400 –100 100
5 500,00 600 100 100
6 500 450 –50 50
Total 3000 3000 0 117
Además de las aleatorias, existen desviaciones sistemáticas en una dirección, llamadas sesgos (BIAS). Un ejemplo se muestra en la Fig. 2. El sesgo tiene un impacto negativo significativo en el sistema de gestión de producción y inventario. En otras palabras, significa subestimar o sobreestimar la demanda. Además de la incertidumbre obvia, varios factores pueden ser responsables del sesgo.
Figura 2. Sesgo (BIAS)
1. Podrá realizarse una subestimación de la previsión de demanda con el fin de:
exceder el plan de ventas y recibir bonificaciones;
reducción de inventario.
2. La sobreestimación de la previsión de la demanda podrá realizarse con el fin de:
obtener un mayor presupuesto de gastos;
mantener una carga de producción uniforme;
aumento de las reservas.
Como resultado de un cambio en las previsiones de demanda en una dirección u otra, surgen las consecuencias más trágicas: incumplimiento a tiempo de los pedidos a los clientes, paradas no planificadas en la producción o procesamiento, aumento de los niveles de inventario, etc. analizar primero las razones de los cambios para evitarlos en el futuro.
¿DÓNDE EMPEZAR?
La previsión eficaz de la demanda, como cualquier otro proceso empresarial, consta de tres elementos interrelacionados: personas, procesos y herramientas.
Al diseñar un proceso de previsión de la demanda, es necesario considerar los siguientes factores:
cómo se organizan las funciones de marketing y ventas;
quién en la empresa tiene la capacidad de influir en la demanda;
donde se encuentra la información necesaria para realizar pronósticos.
Consideremos varias opciones básicas para organizar el marketing y las ventas.
Ejemplo 1. Las funciones de marketing y ventas están ubicadas en un departamento, cuyo jefe depende directamente de la primera persona de la organización.
Ejemplo 2. Las divisiones de marketing y ventas están separadas, sus gerentes reportan directamente a la primera persona de la organización.
Ejemplo 3. Una empresa tiene más de una división de marketing y ventas, cada una de las cuales depende directamente de la primera persona de la organización (por ejemplo, las divisiones están divididas por grupos de clientes).
En el primer caso todo es sencillo: el proceso de previsión de la demanda es responsabilidad del responsable del departamento de marketing y ventas. En el segundo y tercer ejemplo, transferir funciones de previsión de la demanda a uno de los departamentos puede provocar un desequilibrio en las ventas. En estos casos, es más apropiado responsabilizar a un tercero de la previsión de la demanda: el departamento de logística (cadena de suministro). Muchas organizaciones que se ajustan al segundo y tercer ejemplo incluso crean un puesto exclusivo de Gerente de Demanda.
La previsión eficaz comienza con la mejora de la calidad de la información entrante. La recogida de datos de entrada debe organizarse con cierta regularidad y en un formato determinado. En particular, se deben seguir las siguientes reglas.
1. Es necesario recopilar datos estadísticos con los mismos parámetros que se necesitan para pronosticar la demanda. Si se requieren pronósticos de la demanda de un producto, se deben utilizar estadísticas basadas en la demanda en lugar de envíos a partes intermedias de la cadena de suministro. El intervalo de recopilación de datos debe ser el mismo que el intervalo de pronóstico (para pronósticos de demanda mensuales, utilice estadísticas mensuales). La agrupación de productos en las estadísticas debe corresponder a la agrupación en el pronóstico de demanda (para pronósticos de demanda por categoría, se deben utilizar estadísticas de categoría).
2. Es necesario registrar todos los eventos relacionados con los datos. La demanda se ve afectada por ciertos eventos, y estos eventos deben mantenerse junto con un pronóstico basado en ellos. Por ejemplo, las fluctuaciones en la demanda pueden deberse a promociones, cambios de precios o condiciones climáticas. Es necesario registrar los eventos porque su análisis es la base para discutir nuevas previsiones de demanda.
3. Es necesario recopilar datos estadísticos separados para diferentes grupos de clientes. Muchas empresas distribuyen productos a través de diferentes canales distribución, cada uno con sus propias características distintivas de demanda. Por ejemplo, una cadena de tiendas puede comprar productos en pequeñas cantidades dos veces por semana y un gran mayorista regional realiza grandes compras dos veces al mes. Esquema paso a paso El proceso de previsión de la demanda se muestra en la Fig. 3. Es mejor organizar los ciclos de previsión una vez al mes: esto es óptimo en términos de cambios temporales en la demanda y los costos de realizar este trabajo.
Figura 3. Pasos de previsión
Por tanto, la previsión de la demanda basada en métodos estadísticos e históricos ofrece una imagen general, pero la previsión de la demanda nunca da una respuesta clara a CUÁNTO, QUÉ y CUÁNDO. Éste no es el propósito de la previsión de la demanda. La previsión de la demanda es necesaria para garantizar que los bienes a suministrar estén dentro del pronóstico general. Por ejemplo, para el invierno se puede pronosticar la demanda de calzado abrigado, pero esto no significa que se trate de botas de fieltro. La previsión de la demanda es como una previsión astrológica: muy cercana, pero no al 100%. En cualquier caso, la previsión de la demanda debe basarse en la experiencia de la empresa en este ámbito.
HERRAMIENTAS
Una de las principales herramientas a la hora de utilizar métodos de previsión estadística es el software adecuado. No debería ser demasiado complejo y los algoritmos subyacentes a su trabajo deben ser claros y comprensibles. Además del software, las herramientas también incluyen métodos para crear pronósticos de demanda. En particular, al determinar la metodología para pronosticar la demanda, se puede utilizar el principio de Pareto (ver Tabla 3).
Cuadro 3. Principio de Pareto a la hora de determinar la metodología de previsión Grupo de bienes Factores que determinan la calidad de la previsión
Por tanto, los principios básicos de la previsión deberían ser los siguientes.
1. Aplicación de un enfoque de procesos a las actividades para desarrollar, coordinar y aprobar pronósticos de demanda.
2. Medir periódicamente los errores de previsión de la demanda; Control de ausencia de desplazamiento.
3. Utilizar las principales características de las previsiones al desarrollar una metodología para pronosticar la demanda.
Todos los métodos de previsión de la demanda se pueden dividir en dos grupos: cualitativos y cuantitativos.
Métodos cualitativos Los pronósticos son subjetivos y se basan en el juicio de expertos y tomadores de decisiones, o incluso en la intuición. Normalmente, estos métodos se utilizan en los siguientes casos:
- para la previsión a largo y medio plazo, ya que:
Desde esta perspectiva, es muy probable que los cambios en la demanda no sean de naturaleza puramente inercial, sino que puedan reflejar un cambio significativo en las condiciones en un mercado de ventas en particular (cambios macroeconómicos, cambios en la estructura del mercado, fortalecimiento o debilitamiento significativo de participantes importantes del mercado, etc.);
al realizar pronósticos a largo plazo, es necesario confiar en datos de comportamiento obtenidos mediante investigación de mercados;
- pronosticar la demanda de nuevos productos que no tienen análogos, lo que hace inaccesible el uso del método de analogía histórica;
- los perfiles de demanda y conectividad son inestables;
- es necesario confiar en las opiniones de directivos o expertos por razones subjetivas;
- cuando no es posible utilizar métodos cuantitativos ni siquiera para pronósticos a corto plazo (por ejemplo, cuando no hay suficientes datos iniciales para aplicar métodos cuantitativos o cuando el pronóstico debe obtenerse muy rápidamente y no hay tiempo para realizar el análisis cuantitativo necesario ).
Los métodos cualitativos tienen ciertas desventajas que es necesario reconocer al utilizarlos:
- debido a la subjetividad del pronóstico, existe una alta probabilidad de sesgo en el pronóstico, es decir, su desviación sistemática del hecho en una dirección u otra;
- Como regla general, la documentación incompleta es rara cuando la obtención de un pronóstico de esta manera va acompañada de explicaciones detalladas de los expertos sobre por qué eligieron este pronóstico en particular y no otro.
- no son prácticos cuando es necesario preparar un pronóstico de la demanda para cientos o incluso miles de artículos: una persona no es capaz de manejar tales volúmenes de información;
- Existe el peligro de que un punto de vista domine sobre los demás (por ejemplo, el punto de vista de un gerente o de un destacado experto reconocido) al consolidar opiniones de expertos (por ejemplo, cuando se utiliza el método del panel de consenso), y no es Es un hecho que este punto de vista dominante estará más cerca de la verdad.
Métodos cuantitativos Se puede dividir en dos subgrupos: extrapolación y regresión.
Métodos de extrapolación (basados en una extensión de la tendencia observada hacia el futuro) se basan en varios supuestos importantes:
- el futuro será similar al pasado, no habrá cambios significativos en el equilibrio de poder en el mercado;
- existen series de datos iniciales de alta calidad y longitud suficiente;
- el perfil de la demanda en el futuro será el mismo que en el pasado.
Existen muchos métodos de extrapolación diferentes: método de media móvil, método de suavizado exponencial, método de extrapolación de tendencias, modelos de redes neuronales, etc.
En la serie dinámica se pueden distinguir los siguientes perfiles principales (componentes):
- una tendencia que muestra la dirección principal del movimiento de una serie de dinámicas;
- componente estacional, que muestra fluctuaciones estacionales (verano, invierno; ultimas semanas meses, últimos días de la semana, etc.);
- componente aleatorio: algo que, en principio, no se puede predecir;
- Componente cíclico: asignado para series temporales muy largas y en la práctica rara vez se utiliza en las empresas, ya que requiere la acumulación de muchos años de estadísticas y condiciones relativamente sin cambios.
Cualquiera de los métodos de extrapolación implica que para pronosticar la demanda basta con basarse en datos sobre la demanda en períodos de planificación anteriores. Estos datos generalmente se almacenan en bases de datos empresariales (en un sistema ERP o SKL), por lo que los métodos de extrapolación son relativamente económicos.
Métodos de regresión se basan en la construcción de relaciones de causa y efecto entre la cantidad de demanda y los factores que influyen en ella. Los factores pueden ser tanto de naturaleza demográfica como económica. Para aplicar métodos de regresión se requieren series de datos de longitud suficiente, tanto datos sobre la demanda como datos sobre los factores que influyen en la demanda. Para calcular los valores de demanda previstos, se construye un modelo de regresión que conecta los factores y el atributo resultante. Podemos decir que estos métodos son los más complejos y costosos, ya que requieren la recopilación y el procesamiento regular de información no solo interna, sino también externa de la empresa. Construcción de un modelo de regresión (univariable o, más comúnmente, caso dificil, multifactorial) requiere varios pasos:
- identificar la composición de los factores (normalmente este paso lo realizan expertos);
- comprobar factores para determinar el alcance de su influencia sobre la característica resultante;
- comprobar los factores para determinar su correlación (conexión) mutua con el fin de eliminar factores innecesarios que actúan en la misma dirección;
- construir una relación de regresión;
- pronosticar los valores de cada factor del modelo de regresión para el período de planificación futuro (períodos de planificación futuros);
- formar un pronóstico de un atributo efectivo (es decir, la demanda) basado en la aplicación de un modelo de regresión.
De la lista anterior se desprende claramente que los métodos de regresión requieren una gran cantidad de información inicial y considerables habilidades en su procesamiento estadístico. Por lo tanto, estos métodos se utilizan en los negocios, por regla general, cuando el pronóstico obtenido por métodos más simples y económicos no proporciona una calidad adecuada para la empresa.
La previsión de la demanda se lleva a cabo mediante métodos cualitativos y cuantitativos (incluido el método del objetivo normativo).
Para previsiones a corto y medio plazo se aplican métodos cualitativos(evaluación de expertos; estimaciones del nivel de ventas expresadas por las principales empresas comerciales; encuestas a consumidores) y métodos cuantitativos (uso del coeficiente de elasticidad de la demanda; método de progresión geométrica; modelo de tendencia; correlación multifactorial y modelos de regresión, incluida la regresión lineal múltiple).
Para los pronósticos a largo plazo se utiliza el método de objetivos normativos, que también se puede atribuir a un grupo de métodos cuantitativos para pronosticar la demanda.
Veamos algunos de estos métodos típicos de previsión de la demanda.
De particular importancia en la previsión de la demanda es el indicador de su elasticidad, que expresa la dependencia de un factor del estado de otro, por ejemplo, la dependencia de la cantidad de un producto de la renta monetaria o del precio de un producto. Comúnmente utilizado coeficiente de elasticidad de la demanda, que expresa la magnitud del cambio en la demanda (en porcentaje) cuando el precio de un producto (ingreso personal) cambia en un 1%.
Coeficiente de elasticidad de la demanda mi calculado por la fórmula:
donde y es la demanda del producto;
x - precio o ingreso;
D - cambio de indicador.
Cabe señalar que el uso de un coeficiente es una especie de simplificación del concepto de elasticidad. Con una interpretación más precisa, la elasticidad se considera como el límite de la relación entre el incremento relativo de la función y: (variable dependiente) y el incremento relativo de la variable independiente x:, cuando D ® 0 se denota con el símbolo E ( y) y se expresa mediante la fórmula:
En consecuencia, el coeficiente de elasticidad caracteriza el porcentaje aproximado de una función (aumento o disminución) correspondiente a un aumento de la variable independiente en un 1%.
En el uso práctico, el coeficiente de elasticidad de la demanda respecto del ingreso muestra el cambio relativo en la demanda (respectivamente, consumo, ventas, ventas) cuando el ingreso monetario cambia en uno. Aquí sólo interviene un factor decisivo. Se cree que los demás factores del fenómeno permanecen sin cambios y su influencia puede despreciarse, es decir, se abstrae su influencia. De la misma forma se caracteriza la elasticidad de la demanda en función del precio del producto. Este indicador es incluso más importante en los cálculos de pronóstico que la elasticidad de la demanda respecto del ingreso. La elasticidad precio de la demanda muestra el cambio relativo en la demanda cuando el precio de un producto cambia en una unidad. Está claro que en este caso la relación entre estos dos componentes será inversa: cuanto mayor sea el precio, menor será la demanda. En los cálculos económicos, para evitar confusiones, se acostumbra descartar el signo negativo del coeficiente, pero todo especialista siempre lo recuerda.
La determinación de la elasticidad precio del coeficiente de demanda debe realizarse mediante una medición de la demanda cuantitativa, más que de costos. En condiciones de precios fijos para los bienes, esta condición no importaba. Con precios móviles, se debe tener en cuenta esta circunstancia.
Todos los bienes según su elasticidad se dividen en dos grupos: demanda elástica y demanda inflexible.
Los expertos identifican otro tercer grupo, en el que la elasticidad es igual a uno.
El primer grupo incluye bienes con un coeficiente superior a 1. Una disminución en el precio de dicho producto y un aumento en los ingresos de los hogares conducen a un aumento en el número de bienes vendidos y, en consecuencia, a un aumento en las ganancias de su venta, ya que a un precio más bajo, el aumento de las ventas es suficiente para compensar las pérdidas derivadas de la reducción del precio. Estos productos incluyen: ropa y calzado de alta calidad, confitería, bienes duraderos y muchos otros. Además, cuanto mayor sea el coeficiente de elasticidad de la demanda, mayor será la dependencia de la venta de bienes del precio o la renta.
El segundo grupo (demanda inelástica) incluye bienes con un coeficiente inferior a 1. Reducir el precio de dichos bienes puede ser beneficioso para los compradores, pero no rentable para la empresa, ya que generalmente conduce a una disminución de sus ganancias con un volumen decreciente o constante de ventas de bienes. La disminución de los ingresos de los hogares tampoco tiene casi ningún efecto sobre la cantidad de demanda. Estos productos incluyen: pan, sal, cerillas, productos lácteos básicos, verduras y algunos otros, es decir. bienes esenciales.
El coeficiente de elasticidad ingreso de la demanda también puede tener signo negativo. Esto significa que a medida que aumenta el ingreso monetario, disminuye la demanda de un producto determinado. Estos productos suelen incluir aquellos que tienen un bajo valor nutricional, son bajos en calorías o no reflejan un alto grado de preparación para el consumo.
La elasticidad se distingue: a) arco, es decir promedio en un segmento de la curva, y b) punto, es decir presentado en un punto determinado. Cerca de esta división de la elasticidad, pero no idéntica, hay otra diferencia: la división de los coeficientes de elasticidad en estáticos y dinámicos. El coeficiente de elasticidad estática se calcula para un período determinado, generalmente hasta 1 año. El coeficiente de elasticidad dinámica se calcula durante un período más largo. El valor predictivo de los coeficientes estáticos es pequeño, ya que no reflejan el proceso de desarrollo de la demanda a lo largo del tiempo. Los coeficientes de elasticidad dinámica se calculan a partir de datos sobre los cambios en la demanda y uno u otro de sus factores determinantes a lo largo de varios años. Estos coeficientes de elasticidad se calculan año tras año. Son más adecuados para la previsión de la demanda porque reflejan la tendencia de la demanda a lo largo del tiempo.
Calcular el coeficiente de elasticidad requiere conocimientos especiales de teoría y métodos, que suelen poseer los especialistas de organizaciones e institutos científicos que pronostican indicadores económicos. Estas técnicas se describen detalladamente en la literatura especializada. Sin embargo, existe un método más sencillo para calcular el coeficiente de elasticidad de la demanda, basado en la opinión de un experto, que puede ser un vendedor experimentado de un producto determinado. Un empleado así siempre puede nombrar al menos aproximadamente la cantidad de cambio en las ventas de un producto cuando su precio cambia en las condiciones actuales del mercado.
Ejemplo 1. Determine el coeficiente de elasticidad de la demanda de baterías eléctricas vendidas a un precio de 5 rublos. una pieza. En promedio, la tienda vende 15 por semana. Si reduce el precio de las baterías a 4,3 rublos, entonces, según el vendedor, podrá vender 18 de ellas en una semana. Con base en esta información, es posible determinar la elasticidad precio estática de la demanda de baterías.
Cálculo. La elasticidad precio de la demanda en este caso será:
Conclusión. Si el precio de las baterías disminuye un 1%, el aumento de su demanda en las condiciones de venta actuales puede ser del 1,43%.
El coeficiente de elasticidad resultante se puede utilizar para pronosticar las ventas de productos para la próxima semana o mes. Sin embargo, debemos recordar que la elasticidad de la demanda no es algo que esté dado constantemente. Puede cambiar si cambian las condiciones de venta. Y luego es necesario volver a determinar el coeficiente de elasticidad.
Consideremos un ejemplo de previsión de la demanda de un producto con un coeficiente de elasticidad de la demanda conocido.
Ejemplo 2. Determine el pronóstico para el producto “A” con un coeficiente de elasticidad precio del coeficiente de demanda de 1,21. El número de compradores en la región podría llegar a 400 mil personas. El nivel actual de venta de productos es de 5 kg por persona por período. Está previsto reducir el precio de los bienes en un 4%.
Cálculo. 1. Se determina un aumento en la demanda del producto “A” cuando su precio disminuye un 4%.
4 x 1,21 = 4,84%,
100% + 4,84% = 104,84%.
2. Un comprador determina un nuevo nivel de consumo del producto "A" después de que el precio disminuye:
5 x 1,0484 = 5,242 (kg).
3. El posible volumen de ventas del producto “A” se determina con base en todo el contingente de compradores:
5,242 x 400000 = 2096800 (kg o 2097 t).
Conclusión. La demanda prevista para el producto “A” después de una reducción de precio del 4% es de 2097 toneladas.
Conociendo el nuevo precio del producto "A", es posible determinar su demanda en forma monetaria y, en consecuencia, el volumen de facturación minorista en la región y, posteriormente, teniendo en cuenta la participación de mercado del producto, para individuos compañías.
Ejemplo 3. Haga un pronóstico para la venta del producto “B” con una elasticidad precio del coeficiente de demanda de 1,08. En la región, el precio de los bienes puede aumentar de 15 a 17 rublos. El volumen de ventas real de mercancías en la región el año pasado ascendió a 80 mil rublos.
Cálculo. 1. El incremento porcentual del precio del producto “B” se determina:
17: 15 x 100% = 113,3%,
entonces el aumento de precio será del 13,3%.
2. Una disminución en la demanda de un producto se determina bajo la influencia del aumento de precios:
1,08 x 13,3 = 14,364%,
aquellos. La demanda del producto será: 100% - 14,364% = 85,636%.
3. Se determina la previsión de venta del producto “B” en la región después del aumento de precio:
80000 x 0,85636 = 68,509 (mil rublos).
Conclusión. Después de aumentar el precio del producto "B" de 15 a 17 rublos. Se puede esperar que su volumen de ventas sea de 68,5 mil rublos. dadas las condiciones actuales del mercado.
Conociendo la capacidad de mercado del producto “B” en la región y la participación de mercado del producto (empresas líderes en la región) en cada distrito de la región (en todo el mercado), es posible determinar el posible volumen de sus ventas. por región y empresas líderes de la región, siempre que el entorno empresarial se mantenga sin cambios.
Cuando el desarrollo de la demanda muestra una tendencia estable hacia su aumento o disminución, el estado de una serie de dinámicas puede predecirse mediante la tasa de cambio promedio. Este método se basa en el supuesto de que una serie de indicadores de la evolución de la demanda a lo largo del tiempo representan progresión geométrica. Esto significa que cada miembro posterior de la serie dinámica a es igual al anterior, multiplicado por el coeficiente de tasa de cambio promedio k.
Otro método de previsión de la demanda a corto plazo es un modelo de tendencia, que también se basa en series temporales (dinámicas). El estudio de series temporales es un área importante de investigación en la dinámica económica del tiempo. Las series pueden ser, en primer lugar, momentáneas e interválicas y, en segundo lugar, procesos evolutivos y estacionarios.
Una serie de momentos se caracteriza por la magnitud del fenómeno a partir de una fecha determinada, y una serie de intervalo se caracteriza por la magnitud del fenómeno a partir de un período determinado;
El proceso evolutivo de una serie temporal contiene una tendencia, lo que no ocurre con un proceso estacionario.
Las series de tiempo (dinámicas) pueden tener la forma de: tendencia, retraso, fluctuaciones periódicas.
La tendencia, como ya se señaló, se caracteriza por una tendencia “secular” de largo plazo. Un retraso tiene un retraso de un fenómeno con respecto a otro asociado con él. Las fluctuaciones periódicas dependen de la estación, los ciclos y otros cambios recurrentes. Para identificar tendencias en este tipo de series temporales se utilizan métodos de procesamiento matemático y estadístico, como la extrapolación, el alineamiento y el análisis de autocorrelación.
El modelo de tendencia es el más popular en la elaboración de pronósticos. Se basa en el hecho de que el volumen y especialmente la estructura de la demanda se caracterizan por un cierto grado de inercia, es decir el consumo se adapta a las condiciones cambiantes con retraso. Inercia significa en este caso la imposibilidad de arbitrariamente un tiempo corto cambiar significativamente no sólo la estructura, sino también los hábitos de consumo de la población. Un modelo de pronóstico de tendencias es una ecuación que formaliza los patrones de desarrollo de la demanda en el período base. El modelo se utiliza si se establece que los patrones encontrados operarán en un cierto período de tiempo en el futuro.
En este caso, la serie dinámica se considera en función del tiempo y, con cierta aproximación, se describe mediante diversas ecuaciones matemáticas.
De los modelos de tendencia en la previsión de la demanda, los siguientes tipos son los más utilizados:
a) ecuación de una recta
c) función exponencial
d) función parabólica
y = a + bx + cx.
e) función logística
El pronóstico de la demanda basado en modelos de tendencia se basa en el supuesto de que todos los factores que operan en el período base y la relación entre estos factores permanecerán sin cambios en el período de pronóstico. Sin embargo, esta condición a menudo se viola en la vida. Por lo tanto, el método de los modelos de tendencia en el pronóstico de la demanda se puede utilizar con anticipación en uno o como máximo dos intervalos de la serie dinámica con una consideración detallada de todos los factores que influyen en la formación de la demanda de los consumidores.
En un fenómeno como la demanda, cuando hay una influencia simultánea de muchos factores heterogéneos que interactúan estrechamente entre sí, es bastante difícil crear un modelo preciso con relaciones funcionales bien interpretadas.
El modelo de demanda más sencillo se basa en identificar un factor principal que la determina: los ingresos, el precio o el volumen de ventas. Debido a su simplificación, dicho modelo se denomina modelo de croquis. Ejemplos de modelos croquis son aquellos en los que el factor principal es, por ejemplo, la elasticidad de la demanda o la extrapolación de la demanda en función del tiempo.
Un enfoque más complejo se distingue por el modelo analítico de demanda de consumo, que se construye utilizando métodos de estadística matemática basados en información sobre la estructura del ingreso de la población, los precios de los bienes y otros factores. Por ejemplo, para pronosticar la demanda de bienes duraderos (refrigeradores, televisores, lavadoras, etc.), se necesitan datos sobre la disponibilidad y antigüedad de dichos artículos que ya posee la población, la composición familiar, etc.
Consideremos las características del famoso modelo de Engel. Un modelo unifactorial de demanda a partir del ingreso, llamado curva de Engel (que lleva el nombre del científico alemán que estudió por primera vez el grupo de estas curvas), permite determinar qué proporción de sus ingresos destinan las familias en un determinado segmento del mercado a la compra. de determinados bienes (bienes y servicios). También se les llama funciones de consumo.
De forma generalizada, estas curvas se expresan mediante la fórmula:
donde S – ingreso promedio;
Volumen de consumo del i-ésimo bien (demanda).
Las formas de las curvas pueden variar. Además, al igual que con la extrapolación, conociendo la serie dinámica del indicador de demanda en función de los ingresos, se puede determinar la previsión de la demanda del producto en el futuro. En la práctica de la previsión de la demanda a medio plazo, los modelos de correlación y regresión multifactoriales siempre han sido populares. Estos modelos actúan como funciones de demanda, en las que se utilizan como variables los factores que determinan la dinámica de la demanda. Demos la forma matemática de registrar dicho modelo:
y = f (x, z, d, etc.).
En los modelos multifactoriales, la demanda de un producto particular se caracteriza como función de varias variables independientes. La esencia de la previsión económica es determinar, sobre la base de los parámetros volumétricos y estructurales de consumo disponibles para los períodos pasados y presentes, la trayectoria de desarrollo de la demanda para el período futuro y calcular sus parámetros más importantes. Un modelo multifactor le permite reflejar con mayor precisión el proceso de formación de la demanda que los modelos de tendencia de un solo factor. Entre los modelos multivariados, la regresión lineal múltiple ha recibido un reconocimiento especial. Esta forma de conexión, de una forma u otra, debe llevarse a una forma lineal, cuyo único requisito es la suficiente proximidad de la curva teórica a los valores empíricos de la serie. La proximidad se evalúa calculando la desviación estándar. El criterio de idoneidad para un modelo de demanda se puede escribir formalmente como:
El supuesto de una relación lineal entre la demanda y los factores que la forman, aceptable a la hora de desarrollar previsiones a corto y medio plazo, se vuelve inaceptable cuando hablamos de un período superior a 7-8 años. Los pronósticos a largo plazo requieren una transición a tipos de relaciones no lineales, lo que implica la presencia de saltos, inflexiones, etc., es decir. Debemos pasar de los métodos de extrapolación a los de interpolación. Con la ampliación del horizonte de previsión, disminuye la dependencia del desarrollo futuro del estado alcanzado y de las tendencias existentes. Por lo tanto, los métodos genéticos en la predicción están dando paso gradualmente a métodos normativos. Estos métodos también pueden caracterizarse como métodos para justificar caminos alternativos de transición de las tendencias existentes a las deseables.
Los pronósticos de demanda a largo plazo utilizan estándares para el suministro de bienes materiales y espirituales a la población. Actualmente, en la práctica de la previsión de la demanda, se utilizan ampliamente varios estándares de consumo para los productos alimenticios más importantes. industria de la luz, artículos culturales y del hogar. Estos estándares son desarrollados por organizaciones especiales; caracterizan la idea científica de la sociedad sobre el consumo ideal de un producto en particular. Recordemos que la previsión mediante el método normativo se reduce a determinar, a partir de los valores conocidos de los miembros extremos de la serie (los últimos reales y normativos), nivel posible consumo en diferentes periodos dentro de esta serie.
Al pronosticar la demanda de productos alimenticios y no alimenticios, se utilizan diferentes enfoques.
Los productos alimenticios se caracterizan por una estabilidad comparativa del consumo en general. El nivel actual de consumo de alimentos suele cambiar gradualmente debido a cambios en los hábitos y gustos de la población. Por ejemplo, se puede predecir con bastante precisión la demanda de productos de panadería y confitería, productos cárnicos, productos pesqueros, azúcar, verduras y frutas. Las tendencias existentes hacia el aumento o la disminución del consumo de estos bienes no suelen estar sujetas a fluctuaciones bruscas de un año a otro. Sólo las fluctuaciones estacionales y los cambios en el consumo son posibles con un cambio brusco en el estado político y económico del país.
Para predecir el consumo de productos no alimentarios se deben tener en cuenta los siguientes factores:
¨ tamaño de un armario racional;
¨ normas prospectivas de consumo de bienes;
¨ desgaste de los bienes existentes entre la población para reemplazarlos;
¨ necesidad adicional de bienes para asegurar el crecimiento natural de la población hasta el nivel promedio establecido en la sociedad.
- Por qué las previsiones de demanda son inexactas
- Cómo Nestlé construyó su proceso de previsión de la demanda
Los gerentes de empresas minoristas y de distribución a menudo están insatisfechos con los volúmenes de ventas, así como con el exceso o la escasez de productos. El punto de partida para cambiar la situación es previsión de la demanda. Cuanto más precisa sea la previsión, menos stock de bienes invendibles habrá en el almacén; aquellos en demanda siempre estarán en stock. Además, la empresa podrá introducir oportunamente nuevos productos en su surtido y eliminar los obsoletos, establecer precios minoristas competitivos y optimizar la cadena de suministro.
Cómo se forma la previsión de la demanda.
Se deben analizar todos los datos sobre ventas reales, campañas de marketing realizadas y planificadas, cambios en los precios minoristas y otros eventos. La herramienta más sencilla para ello es Excel. De esta forma, la empresa recibirá previsiones estadísticas de la demanda. A continuación, el analista los corrige selectivamente y los envía para su aprobación a los departamentos correspondientes: ventas, compras, marketing, etc. La previsión final es aprobada por la dirección de la empresa.
Formación de previsión de demanda.
| 1. | Datos | Información sobre ventas, saldos, entregas, otros movimientos, así como promociones de marketing y otros eventos externos. |
| 2. | Herramienta | Un programa que se puede utilizar para generar una previsión estadística de la demanda (en nuestro caso Excel) |
| 3. | Previsión estadística | Previsión generada mediante una herramienta de previsión de la demanda. |
| 4. | Pronóstico ajustado | Ajuste manual del pronóstico estadístico por parte de un analista o planificador. |
| 5. | Previsión de consenso | Ajuste manual y coordinación del pronóstico final entre departamentos (comercial, marketing, etc.) |
| 6. | Pronóstico aprobado | Aprobación de la previsión final por parte del responsable responsable y traslado a los departamentos para su implementación. |
| Segmento | Precisión de la previsión estadística de la demanda, % | Precisión del pronóstico después del ajuste por parte de expertos, % |
| “Caballos”: productos con altas ventas y baja variabilidad | 92,1 | 92,7 |
| “Liebres”: productos con bajas ventas y alta variabilidad | 56,3 | 55,5 |
| "Mad Bulls": productos con altas ventas y alta variabilidad, como el café de la marca Nescafé. | 55,2 | 82,4 |
| “Mulas”: productos con bajas ventas y poca variación | 90,9 | 91,2 |
Cada empresa tiene sus propios ejemplos, Nestlé divulga información sólo para el segmento de los "toros locos": la bebida Nescafé. Esta tabla les da a los directores una razón para pensar e intentar crear una similar para su surtido. Después de todo, Nescafé en Pyaterochka puede estar en una categoría completamente diferente a Nescafé en Azbuka Vkusa.
Se permite copiar material sin permiso si hay un enlace dofollow a esta página.
Para comprender la esencia de esta cuestión, primero es necesario definir el concepto: método.
En relación con la ciencia y la práctica económicas, un método es: 1) un sistema de reglas y técnicas para abordar el estudio de los fenómenos y patrones de la naturaleza, la sociedad y el pensamiento; 2) un camino, una forma de lograr ciertos resultados en el conocimiento y la práctica; 3) un método de investigación teórica o implementación práctica de algo, basado en el conocimiento de las leyes de desarrollo de la realidad objetiva y del objeto, fenómeno o proceso que se estudia.
Los métodos de previsión son un conjunto de técnicas y formas de pensar que permiten, a partir del análisis de datos retrospectivos sobre el objeto en estudio, derivar juicios de cierta fiabilidad sobre el desarrollo futuro del objeto.
Según estimaciones de científicos nacionales y extranjeros, actualmente existen cientos de métodos de pronóstico, pero en la práctica se utilizan habitualmente varias docenas. metodos basicos(Figura No. 1).
Arroz.
En la Figura 1 se puede ver que todo el conjunto de métodos de pronóstico se puede representar en dos grupos, dependiendo del grado de homogeneidad:
- · métodos simples;
- · métodos complejos.
Grupo métodos simples combina métodos de previsión homogéneos en contenido y herramientas utilizadas (por ejemplo, extrapolación de tendencias, análisis morfológico, etc.).
Los métodos complejos reflejan agregados y combinaciones de métodos, implementados con mayor frecuencia mediante sistemas de pronóstico especiales.
Además, todos los métodos de previsión se dividen en tres clases más:
- · métodos fácticos;
- · métodos expertos;
- · métodos combinados.
Su identificación se basa en la naturaleza de la información a partir de la cual se realiza la previsión:
- 1) los métodos fácticos se basan en material informativo fáctico sobre el desarrollo pasado y presente del objeto de pronóstico. Se utiliza con mayor frecuencia en la previsión de búsqueda de procesos evolutivos;
- 2) Los métodos expertos (intuitivos) se basan en el uso del conocimiento experto sobre el objeto de pronóstico y la generalización de sus opiniones sobre el desarrollo (comportamiento) del objeto en el futuro. Los métodos expertos son más consistentes con la previsión normativa de procesos abruptos;
- 3) Los métodos combinados incluyen métodos con una base de información mixta, en los que se utiliza información fáctica como información primaria, junto con información de expertos.
A su vez, cada una de las clases enumeradas también se divide en grupos y subgrupos. Así, entre los métodos fácticos se distinguen los siguientes grupos:
- · métodos estadísticos (paramétricos);
- · métodos avanzados.
El grupo de métodos estadísticos incluye métodos basados en la construcción y análisis de series dinámicas de características (parámetros) del objeto de pronóstico. Entre ellos, los más utilizados son la extrapolación, la interpolación, el método de analogías (modelo de similitud), el método paramétrico, etc.
El grupo de métodos avanzados consta de métodos basados en el uso de la propiedad de la información científica y técnica para avanzar en la implementación de los logros científicos y técnicos. Entre los métodos de este grupo destaca el método de publicación, basado en el análisis y valoración de la dinámica de las publicaciones.
Entre los métodos expertos, los grupos se distinguen según los siguientes criterios:
- · por el número de expertos involucrados;
- · por la disponibilidad de procesamiento analítico de los datos del examen (Tabla 1).
La previsión de la demanda en teoría se lleva a cabo. varios métodos. En la práctica, por regla general, se implementa. Un enfoque complejo, teniendo en cuenta las fortalezas y lados débiles métodos aplicados. Métodos generales La previsión de la demanda se basa en:
- · Método de evaluación de expertos;
- · Métodos estadísticos (factográficos);
- · Métodos combinados.
Métodos de evaluación de expertos.
Las valoraciones periciales se entienden como un conjunto de procedimientos lógicos y matemáticos destinados a obtener información de los especialistas, analizarla y resumirla con el fin de preparar y desarrollar decisiones racionales.
Cuadro No. 1
Clasificación de métodos de pronóstico expertos.
Los métodos de pronóstico expertos se suelen utilizar en los siguientes casos:
- · cuando es imposible tener en cuenta la influencia de muchos factores debido a la importante complejidad del objeto del pronóstico;
- · la presencia de un alto grado de incertidumbre en la información disponible en la base de datos de pronóstico, o incluso en ausencia de información sobre el objeto del pronóstico.
Los métodos de evaluación de expertos se pueden dividir en dos grupos:
- · métodos de trabajo colectivo de un grupo de expertos;
- · métodos para obtener opiniones individuales de los miembros del grupo de expertos.
Los métodos de trabajo colectivo de un grupo de expertos implican obtener una opinión común durante una discusión conjunta sobre el problema que se está resolviendo. A veces, estos métodos se denominan métodos de obtención directa de la opinión colectiva. La principal ventaja de estos métodos es la posibilidad de realizar un análisis multifacético de los problemas. Las desventajas de los métodos son la complejidad del procedimiento para obtener información, la dificultad de formar una opinión grupal basada en las opiniones individuales de los expertos y la posibilidad de presión por parte de las autoridades en pyppe.
Los métodos de trabajo colectivo incluyen métodos de "ataque cerebral", "escenarios", "juegos de negocios", "reuniones" y "tribunales".
· Método de "ataque cerebral".
Los métodos de este tipo también se conocen como métodos de generación colectiva de ideas, lluvia de ideas y discusión. Todos estos métodos se basan en la promoción gratuita de ideas encaminadas a solucionar el problema. Luego se seleccionan las más valiosas de estas ideas.
La ventaja del método del "ataque cerebral" es la alta eficiencia para obtener la solución requerida. Su principal desventaja es la dificultad de organizar el examen, ya que en ocasiones es imposible reunir a los especialistas necesarios, crear un ambiente relajado y excluir la influencia de los funcionarios x las relaciones.
· El método de los “escenarios” es un conjunto de reglas para presentar por escrito las propuestas de los especialistas sobre el problema a resolver.
Un escenario es un documento que contiene un análisis del problema y propuestas para su implementación. Las propuestas las redactan primero los expertos individualmente, luego se acuerdan y se presentan en forma de un documento único.
La principal ventaja del escenario es la cobertura integral del problema que se está resolviendo de forma comprensible. Las desventajas incluyen posible ambigüedad, vaguedad de las cuestiones presentadas y validez insuficiente de las decisiones individuales.
· Los “juegos de negocios” se basan en modelar el funcionamiento de un sistema de control social al realizar operaciones encaminadas a lograr un objetivo determinado.
A diferencia de los métodos anteriores, donde las evaluaciones de expertos se forman durante una discusión colectiva, los juegos de negocios implican la actividad activa de un grupo de expertos, cada hora una fila en la que se asigna una determinada responsabilidad de acuerdo con reglas y programas preestablecidos.
La principal ventaja de los juegos de negocios es la posibilidad de desarrollar una solución en dinámica, teniendo en cuenta todas las etapas del proceso de investigación durante la interacción de todos los elementos de los sistemas de control social. La desventaja es la dificultad de organizar un juego empresarial en condiciones cercanas a la situación problemática real.
· El método de “reuniones” (“comisiones”, “mesa redonda”) es el más sencillo y tradicional.
Se trata de realizar una reunión o discusión con el objetivo de desarrollar una opinión colectiva única sobre el problema que se está resolviendo. A diferencia del método del “ataque cerebral”, cada experto no sólo puede expresar su opinión, sino también criticar las propuestas de los demás. Como resultado de una consideración tan cuidadosa, se reduce la posibilidad de errores al tomar una decisión.
La ventaja del método es la facilidad de su implementación. Sin embargo, en la reunión se podrá aceptar la opinión errónea de uno de los participantes por su autoridad, cargo oficial, perseverancia o capacidad de oratoria.
· El método del “tribunal” es un tipo de método de “reunión” y se aplica de forma similar a la celebración de un juicio.
Las opciones de solución elegidas actúan como “sujetos”; en el papel de "juez" - tomadores de decisiones; en el papel de "representantes" y "defensores", miembros del grupo de expertos. El papel de “testigos” lo desempeñan diversas condiciones de elección y los argumentos de los expertos. Al llevarse a cabo tal “proceso legal”, ciertas decisiones son rechazadas o aceptadas.
Es recomendable utilizar el método “suda” cuando existen varios grupos de expertos que adhieren a diferentes opciones de solución.
Los métodos para obtener opiniones individuales de los miembros de un grupo de expertos se basan en obtener primero información de expertos entrevistados de forma independiente y luego procesar los datos recibidos. Estos métodos incluyen métodos de cuestionario, entrevistas y métodos Delphi.
Las principales ventajas del método de evaluación pericial individual son su eficiencia, la capacidad de utilizar plenamente las habilidades individuales del perito, la ausencia de presión por parte de las autoridades y los bajos costos del examen. Su principal desventaja es el alto grado de subjetividad de las evaluaciones resultantes debido al conocimiento limitado de un experto.
· El método "Delphi", o el método "Delphic Oracle", es un procedimiento de encuesta de cuestionario iterativo.
Al mismo tiempo, se respeta el anonimato de las valoraciones, argumentos y críticas, con la exigencia de no establecer contactos personales entre los expertos y de proporcionarles información completa sobre todos los resultados de las evaluaciones después de cada ronda de encuestas.
El procedimiento del método incluye varias etapas de encuesta sucesivas. En la primera etapa se realiza una encuesta individual a expertos, normalmente en forma de cuestionarios. Los expertos dan respuestas sin dar argumentos. Luego se procesan los resultados de la encuesta y se forma una opinión colectiva de un grupo de expertos, se identifican y resumen los argumentos a favor de varias opiniones. En el segundo, se comunica toda la información a los peritos y se les pide que reconsideren las valoraciones y expliquen los motivos de su desacuerdo con el juicio colectivo. Las nuevas estimaciones se procesan nuevamente y se produce la transición a la siguiente etapa. La práctica demuestra que después de tres o cuatro etapas las respuestas de los expertos se estabilizarán y es necesario detener el procedimiento.
La ventaja del método Delphi es el uso de retroalimentación durante la encuesta, lo que aumenta significativamente la objetividad de las evaluaciones de los expertos. Sin embargo, este método requiere mucho tiempo para implementar todo el procedimiento de varias etapas.
Principales etapas del proceso de peritaje:
- · formación de metas y objetivos de evaluación de expertos;
- · formación de un grupo de gestión y formalización de la decisión de realizar una evaluación pericial;
- · elección del método para obtener información de expertos y métodos para procesarla;
- · selección de un grupo de expertos y creación de cuestionarios de encuesta si es necesario;
- · encuesta de expertos (examen);
- · procesamiento y análisis de los resultados de los exámenes;
- · interpretación de los resultados obtenidos;
- · elaboración de un informe.
Métodos de previsión estadística.
En términos metodológicos, la principal herramienta de cualquier pronóstico es el esquema de extrapolación. La esencia de la extrapolación es estudiar las tendencias de desarrollo estables del objeto de pronóstico que se han desarrollado en el pasado y en el presente y transferirlas al futuro.
Los métodos de extrapolación de tendencias, basados en el análisis estadístico de series de tiempo, permiten predecir la tasa de crecimiento de las ventas de productos en el futuro cercano, basándose en las tendencias que se han desarrollado en el último período de tiempo. Normalmente, los métodos de extrapolación de tendencias se utilizan en pronósticos a corto plazo (no más de un año), cuando la cantidad de cambios en el entorno es mínima. El pronóstico se crea para cada objeto específico por separado y secuencialmente para cada momento posterior. Cuando se realiza un pronóstico para un producto, las tareas de pronóstico basadas en la extrapolación de tendencias incluyen el análisis de la demanda y el análisis de las ventas de ese producto. Los resultados de las previsiones se utilizan en todas las áreas de la planificación corporativa, incluida la planificación estratégica general, la planificación financiera, la planificación de la producción y la gestión de inventarios, la planificación de marketing y la gestión del flujo comercial y de las operaciones comerciales.
Los métodos más comunes para la extrapolación de tendencias son:
- · método de media móvil;
- · método de suavizado exponencial;
- · Previsión basada en el método de fluctuación estacional;
La necesidad de utilizar una media móvil se debe a las siguientes circunstancias. Hay casos en los que los datos de series de tiempo disponibles no nos permiten detectar ninguna tendencia (tendencia) de desarrollo de un proceso en particular (debido a fluctuaciones aleatorias y periódicas en los datos originales). En tales casos, para identificar mejor las tendencias, recurren al método de la media móvil.
· Extrapolación de media móvil: se puede utilizar con fines de previsión a corto plazo.
El método de la media móvil consiste en sustituir los niveles reales de una serie dinámica por niveles calculados, que tienen una variabilidad significativamente menor que los datos originales. En este caso, el promedio se calcula para grupos de datos durante un cierto intervalo de tiempo, y cada grupo posterior se forma con un intervalo de un año (mes). Como resultado de tal operación, las fluctuaciones iniciales de la serie temporal se suavizan, razón por la cual la operación se llama suavizado de la serie temporal (la principal tendencia de desarrollo se expresa en forma de una línea suave).
El método de la media móvil se llama así porque, cuando se calculan, las medias parecen deslizarse de un período a otro; Con cada nuevo paso, el promedio se actualiza, por así decirlo, absorbiendo nueva información sobre el proceso real que se está implementando. Por lo tanto, al pronosticar, partimos del simple supuesto de que el siguiente indicador en el tiempo tendrá el mismo valor que el promedio calculado para el último intervalo de tiempo.
· Media exponencial. Al considerar la media móvil, se observó que cuanto más antigua sea la observación, menos influencia debería tener en el valor de la media móvil. Es decir, la influencia de observaciones pasadas debería disminuir con la distancia desde el momento en que se determina el promedio.
Uno de los métodos más simples para suavizar una serie temporal teniendo en cuenta la "obsolescencia" es el cálculo de indicadores especiales llamados promedios exponenciales, que se utilizan ampliamente en pronósticos a corto plazo. La idea principal del método es utilizar una combinación lineal de observaciones pasadas y actuales como pronóstico. El promedio exponencial se calcula mediante la fórmula:
Qt+1 = L*yt + (1 - L) * Q t-1
donde Q es el promedio exponencial (valor suavizado del nivel de la serie);
L - coeficiente que caracteriza el peso de la observación actual al calcular el promedio exponencial (parámetro de suavizado), 0 t - índice del período actual; y es el valor real del nivel de fila. El método de suavizado exponencial (Fig. No. 2) representa el pronóstico de un indicador para un período futuro como la suma del indicador real para un período determinado y el pronóstico para un período determinado, ponderado mediante coeficientes especiales. Arroz. El gráfico muestra que la curva de pronósticos de ventas en comparación con la curva de ventas reales es una línea más suave (tendencia suavizada). El uso de medias móviles y exponenciales como base para la evaluación del pronóstico sólo tiene sentido cuando las fluctuaciones de nivel son relativamente pequeñas. Estos métodos de pronóstico se encuentran entre los métodos de extrapolación de tendencias más comunes. · Previsión basada en fluctuaciones estacionales. Las fluctuaciones estacionales son cambios en un indicador que se repiten de un año a otro en ciertos períodos de tiempo. Observándolos durante varios años para cada mes (o trimestre), es posible calcular los promedios o medianas correspondientes, que se toman como características de las fluctuaciones estacionales. Uno de los métodos de pronóstico estadístico es el cálculo de pronósticos basados en fluctuaciones estacionales en los niveles de una serie temporal. En este caso, se entiende por fluctuaciones estacionales aquellos cambios en el nivel de una serie dinámica provocados por la influencia de la época del año. Se manifiestan con distinta intensidad en todas las esferas de la vida social: producción, circulación y consumo. Su papel es muy importante en el comercio de alimentos, el transporte, etc. Las fluctuaciones estacionales son estrictamente cíclicas: se repiten todos los años, aunque la duración de las estaciones varía. M. Feigenbaum estudió la aparición de ciclos propios en un mapeo de puntos unidimensional, y R.M. Nizhegorodtsev señaló repetidamente el hecho de que dinámicas similares están presentes en los modelos económicos. Para estudiar las fluctuaciones estacionales, es necesario tener niveles para cada trimestre, o mejor aún, para cada mes, a veces incluso durante décadas, aunque los niveles de diez días ya pueden verse muy distorsionados por fluctuaciones aleatorias de pequeña escala. previsión de valoración del coche El método de predicción estadística de las fluctuaciones estacionales se basa en su extrapolación, es decir suponiendo que los parámetros de las fluctuaciones estacionales se mantengan hasta el período de pronóstico. En general, los índices de estacionalidad están determinados por la relación entre los niveles iniciales (empíricos) de la serie y los niveles teóricos (calculados), que sirven como base de comparación. Los índices de estacionalidad se calculan mediante la fórmula: donde Is t es el índice de estacionalidad individual; Yt - nivel empírico de la serie dinámica; Yi es el nivel teórico de la serie dinámica. Como resultado del hecho de que en la fórmula la medición de las fluctuaciones estacionales se realiza sobre la base de los niveles de tendencia teóricos correspondientes, en los índices de estacionalidad individuales se elimina la influencia de la tendencia principal de desarrollo. Dado que las desviaciones aleatorias pueden superponerse a las fluctuaciones estacionales, para eliminarlas se promedian los índices de estacionalidad individuales de los mismos períodos intraanuales de la serie temporal analizada. Por tanto, para cada período del ciclo anual, los indicadores generalizados se determinan en forma de índices medios de estacionalidad (Is): donde n es el número de períodos del ciclo anual. Los índices de estacionalidad promedio calculados de esta manera están libres de la influencia de la tendencia principal de desarrollo y de desviaciones aleatorias. · Previsión mediante método de regresión lineal. La previsión mediante el método de regresión lineal es uno de los métodos de previsión formalizados más utilizados. El método se basa en la relación (dependencia lineal) del factor y el indicador de desempeño: donde x es el indicador del factor; Y es el indicador de desempeño. Los métodos anteriores para medir las fluctuaciones estacionales no son los únicos. Por lo tanto, para identificar fluctuaciones estacionales, se puede utilizar el método de promedio móvil discutido anteriormente y otros métodos. Métodos combinados En la práctica, existe una tendencia a combinar diferentes métodos de previsión de la demanda. Dado que el pronóstico final juega un papel muy importante en todos los aspectos de la planificación interna, es deseable crear un sistema de pronóstico en el que se pueda utilizar cualquier factor de entrada.