Cómo elegir la técnica de previsión correcta

En prácticamente todas las decisiones que hacen, los ejecutivos hoy consideran algún tipo de pronóstico. Las predicciones sólidas de las demandas y las tendencias ya no son artículos de lujo, sino una necesidad, si los gerentes deben hacer frente a la estacionalidad, los cambios repentinos en los niveles de demanda, las maniobras de corte de precios de la competencia, las huelgas y los grandes columpios de la economía. El pronóstico puede ayudarlos [...]

Cómo elegir la técnica de previsión correcta

Prácticamente en cada decisión que toman, los ejecutivos de hoy consideran algún tipo de pronóstico. Las predicciones sólidas de las demandas y las tendencias ya no son artículos de lujo, sino una necesidad, si los gerentes van a hacer frente a la estacionalidad, los cambios repentinos en los niveles de demanda, las maniobras de reducción de precios de la competencia, las huelgas y los grandes cambios de la economía. Los pronósticos pueden ayudarlos a lidiar con estos problemas; pero puede ayudarlos más, cuanto más conozcan los principios generales de la previsión, qué puede y no puede hacer por ellos actualmente y qué técnicas se adaptan a sus necesidades del momento. Aquí los autores intentan explicar el potencial de la previsión a los gerentes, centrando especial atención en la previsión de ventas para los productos de Corning Glass Works a medida que estos han madurado a lo largo del ciclo de vida del producto. También se incluye un resumen de las técnicas de previsión.

Para manejar la creciente variedad y complejidad de los problemas de previsión gerencial, en los últimos años se han desarrollado muchas técnicas de previsión. Cada uno tiene un uso especial y se debe tener cuidado en seleccionar la técnica correcta para una aplicación en particular. Tanto el gerente como el pronosticador tienen un papel que desempeñar en la selección de técnicas; y cuanto mejor entiendan la gama de posibilidades de previsión, más probabilidades hay de que los esfuerzos de previsión de una empresa den frutos.

La selección de un método depende de muchos factores: el contexto de la previsión, la relevancia y disponibilidad de los datos históricos, el grado de precisión deseable, el período de tiempo que se va a pronosticar, el costo/beneficio (o valor) de la previsión a la empresa y el tiempo disponible para realizar el análisis.

Estos factores deben sopesarse constantemente y en una variedad de niveles. En general, por ejemplo, el pronosticador debe elegir una técnica que haga el mejor uso de los datos disponibles. Si el pronosticador puede aplicar fácilmente una técnica de precisión aceptable, no debe intentar «bañarse en oro» utilizando una técnica más avanzada que ofrezca una precisión potencialmente mayor, pero que requiera información inexistente o información que sea costosa de obtener. Este tipo de compensación es relativamente fácil de hacer, pero otros, como veremos, requieren mucho más reflexión.

Además, cuando una empresa desea pronosticar con referencia a un producto en particular, debe considerar la etapa del ciclo de vida del producto para la que realiza la previsión. La disponibilidad de datos y la posibilidad de establecer relaciones entre los factores dependen directamente de la madurez de un producto y, por lo tanto, la etapa del ciclo de vida es un determinante principal del método de previsión que se va a utilizar.

Nuestro propósito aquí es presentar una visión general de este campo analizando la forma en que una empresa debe abordar un problema de previsión, describiendo los métodos disponibles y explicando cómo hacer coincidir el método con el problema. Ilustraremos el uso de las diversas técnicas a partir de nuestra experiencia con ellas en Corning, y luego cerraremos con nuestro propio pronóstico para el futuro de la previsión.

Aunque creemos que la previsión sigue siendo un arte, pensamos que algunos de los principios que hemos aprendido a través de la experiencia pueden ser útiles para otros.

Gerente, pronosticador y elección de métodos

Un gerente generalmente asume que cuando se le pide a un pronosticador que prepare una proyección específica, la solicitud en sí proporciona suficiente información para que el pronosticador vaya a trabajar y haga el trabajo. Esto casi nunca es cierto.

La previsión exitosa comienza con una colaboración entre el gerente y el pronosticador, en la que resuelven las respuestas a las siguientes preguntas.

1. ¿Cuál es el propósito del pronóstico, cómo se utilizará? Esto determina la precisión y la potencia requeridas de las técnicas y, por lo tanto, gobierna la selección. Decidir si entrar en un negocio puede requerir solo una estimación bastante bruta del tamaño del mercado, mientras que una previsión hecha con fines presupuestarios debe ser bastante precisa. Las técnicas apropiadas difieren en consecuencia.

De nuevo, si la previsión es establecer un «estándar» con el que evaluar el rendimiento, el método de previsión no debe tener en cuenta las acciones especiales, como las promociones y otros dispositivos de marketing, ya que están destinados a cambiar los patrones y las relaciones históricas y, por lo tanto, formar parte del «rendimiento». para ser evaluado.

Los pronósticos que simplemente esbozan cómo será el futuro si una empresa no realiza cambios significativos en las tácticas y la estrategia no suelen ser lo suficientemente buenas para fines de planificación. Por otro lado, si la dirección quiere una previsión del efecto que una determinada estrategia de marketing en debate tendrá en el crecimiento de las ventas, entonces la técnica debe ser lo suficientemente sofisticada como para tener en cuenta explícitamente las acciones y eventos especiales que implica la estrategia.

Las técnicas varían en sus costos, así como en su alcance y precisión. El gerente debe fijar el nivel de inexactitud que puede tolerar; en otras palabras, decidir cómo variará su decisión, según el rango de precisión de la previsión. Esto permite al pronosticador intercambiar el costo con el valor de la precisión al elegir una técnica.

Por ejemplo, en el control de producción e inventario, es probable que una mayor precisión conduzca a una menor cantidad de existencias de seguridad. Aquí, el gerente y el pronosticador deben sopesar el costo de una técnica más sofisticada y más cara contra los posibles ahorros en los costos de inventario.

El Anexo I muestra cómo el costo y la precisión aumentan con la sofisticación y lo traza en función del costo correspondiente de los errores de previsión, dados algunos supuestos generales. La técnica más sofisticada que se puede justificar económicamente es la que se encuentra en la región donde la suma de los dos costos es mínima.

Cómo elegir la técnica de previsión correcta

Anexo I Costo de la previsión frente al costo de la inexactitud para una previsión de rango medio, dada la disponibilidad de datos

Una vez que el gerente haya definido el propósito de la previsión, el pronosticador puede asesorar al gerente sobre la frecuencia con la que podría producirse de manera útil. Desde un punto de vista estratégico, deben discutir si la decisión que se tomará sobre la base de la previsión puede cambiarse más adelante, si encuentran que la previsión es inexacta. Si es lata cambiarse, luego deben discutir la utilidad de instalar un sistema para rastrear la precisión del pronóstico y el tipo de sistema de seguimiento que es apropiado.

2. ¿Cuáles son las dinámicas y los componentes del sistema para los que se realizará la previsión? Esto aclara las relaciones de las variables que interactúan. En general, el gerente y el pronosticador deben revisar un diagrama de flujo que muestre las posiciones relativas de los diferentes elementos del sistema de distribución, el sistema de ventas, el sistema de producción o lo que sea que se esté estudiando.

El Anexo II muestra estos elementos para el sistema a través del cual el componente principal de CGW para los televisores en color, la bombilla, fluye hacia el consumidor. Tenga en cuenta los puntos en los que se requieren o se mantienen inventarios en este sistema de fabricación y distribución; estos son los elementos de tubería, que ejercen efectos importantes en todo el sistema de flujo y, por lo tanto, son de vital interés para el pronosticador.

Cómo elegir la técnica de previsión correcta

Diagrama de flujo del Anexo II del sistema de distribución de TV

Todos los elementos en gris oscuro afectan directamente el procedimiento de previsión en cierta medida, y la clave de color sugiere la naturaleza de los datos de la CGW en cada punto, de nuevo un determinante principal de la selección de la técnica, ya que diferentes técnicas requieren diferentes tipos de entradas. Cuando los datos no están disponibles o son costosos de obtener, el rango de opciones de previsión es limitado.

El diagrama de flujo también debe mostrar qué partes del sistema están bajo el control de la empresa que realiza la previsión. En la prueba II, esto es simplemente el volumen de paneles de vidrio y embudos suministrados por Corning a los fabricantes de tubos.

En la parte del sistema donde la empresa tiene un control total, la gerencia tiende a sintonizarse con las diversas relaciones de causa y efecto y, por lo tanto, puede utilizar con frecuencia técnicas de previsión que tengan en cuenta los factores causales explícitamente.

El diagrama de flujo tiene un valor especial para el pronosticador en el que se requieren métodos de predicción causal porque le permite conjeturar sobre las posibles variaciones en los niveles de ventas causadas por los inventarios y similares, y determinar qué factores deben considerarse por la técnica para proporcionar el ejecutivo con un pronóstico de precisión aceptable.

Una vez que se han aclarado estos factores y sus relaciones, el pronosticador puede construir un modelo causal del sistema que capture tanto los hechos como la lógica de la situación, que es, al fin y al cabo, la base de una previsión sofisticada.

3. ¿Qué importancia tiene el pasado para estimar el futuro? Los cambios significativos en el sistema (nuevos productos, nuevas estrategias competitivas, etc.) disminuyen la similitud del pasado y el futuro. A corto plazo, es poco probable que los cambios recientes hagan que los patrones generales se alteren, pero a largo plazo es probable que sus efectos aumenten. El ejecutivo y el pronosticador deben discutirlos a fondo.

Tres tipos generales

Una vez que el gerente y el pronosticador hayan formulado su problema, el pronosticador estará en condiciones de elegir un método.

Hay tres tipos básicos: técnicas cualitativas, análisis y proyección de series temporales, y modelos causales. El primero utiliza datos cualitativos (opinión de expertos, por ejemplo) e información sobre eventos especiales del tipo ya mencionado, y puede o no tener en cuenta el pasado.

El segundo, por otro lado, se centra completamente en los patrones y los cambios de patrones y, por lo tanto, se basa completamente en datos históricos.

El tercero utiliza información altamente refinada y específica sobre las relaciones entre los elementos del sistema, y es lo suficientemente poderosa como para tener en cuenta formalmente eventos especiales. Al igual que con las técnicas de análisis y proyección de series temporales, el pasado es importante para los modelos causales.

Estas diferencias implican (correctamente) que el mismo tipo de técnica de previsión no es apropiada para pronosticar ventas, por ejemplo, en todas las etapas del ciclo de vida de un producto; por ejemplo, una técnica que se basa en datos históricos no sería útil para predecir el futuro de un producto totalmente nuevo que no tiene historia.

La mayor parte del equilibrio de este artículo se ocupará del problema de adecuar la técnica a las etapas del ciclo de vida. Esperamos dar al ejecutivo una visión del potencial de las previsiones mostrando cómo debe abordarse este problema. Pero antes de discutir el ciclo de vida, necesitamos esbozar las funciones generales de los tres tipos básicos de técnicas con un poco más de detalle.

Técnicas cualitativas

Principalmente, se utilizan cuando los datos son escasos, por ejemplo, cuando un producto se introduce por primera vez en un mercado. Utilizan el juicio humano y los esquemas de calificación para convertir la información cualitativa en estimaciones cuantitativas.

El objetivo aquí es reunir de manera lógica, imparcial y sistemática toda la información y los juicios relacionados con los factores que se estiman. Estas técnicas se utilizan con frecuencia en áreas de nueva tecnología, donde el desarrollo de una idea de producto puede requerir varios «inventos», de modo que las demandas de I+D son difíciles de estimar, y donde las tasas de aceptación y penetración del mercado son altamente inciertas.

El gráfico de varias páginas «Técnicas básicas de previsión» presenta varios ejemplos de este tipo (consulte la primera sección), incluida la investigación de mercado y la técnica Delphi, ahora conocida.1 En este gráfico hemos intentado proporcionar un cuerpo de información básica sobre los principales tipos de técnicas de previsión. Algunas de las técnicas enumeradas no son en realidad un método o modelo único, sino toda una familia. Por lo tanto, nuestras afirmaciones pueden no describir con precisión todas las variaciones de una técnica y, más bien, deben interpretarse como descriptivas del concepto básico de cada una.

Cómo elegir la técnica de previsión correcta

Técnicas básicas de previsión

Cómo elegir la técnica de previsión correcta
Cómo elegir la técnica de previsión correcta
Cómo elegir la técnica de previsión correcta
Cómo elegir la técnica de previsión correcta

También está en orden un descargo de responsabilidad sobre las estimaciones en el gráfico. Las estimaciones de los costos son aproximadas, al igual que los tiempos de cálculo, las calificaciones de precisión y las calificaciones para la identificación del punto de inflexión. Los costos de algunos procedimientos dependen de si se utilizan de forma rutinaria o están configurados para un solo pronóstico; también, si las ponderaciones o las estaciones tienen que determinarse de nuevo cada vez que se hace un pronóstico, los costos aumentan significativamente. Aun así, las cifras que presentamos pueden servir como pautas generales.

El lector puede encontrar una referencia frecuente a este pliegue de puerta útil para el resto del artículo.

Análisis de series temporales

Se trata de técnicas estadísticas que se utilizan cuando los datos de varios años para un producto o línea de productos están disponibles y cuando las relaciones y las tendencias son claras y relativamente estables.

Uno de los principios básicos de la previsión estadística —de hecho, de todas las previsiones cuando hay datos históricos disponibles— es que el pronosticador debe utilizar los datos sobre el rendimiento pasado para obtener una «lectura del velocímetro» de la tasa actual (de ventas, por ejemplo) y de la rapidez con la que esta tasa aumenta o disminuye. La tasa actual y los cambios en la tasa, «aceleración» y «desaceleración», constituyen la base de la previsión. Una vez que se conocen, varias técnicas matemáticas pueden desarrollar proyecciones a partir de ellas.

Sin embargo, el asunto no es tan simple como parece. Por lo general, es difícil hacer proyecciones a partir de datos sin procesar, ya que las tasas y las tendencias no son obvias de inmediato; se mezclan con variaciones estacionales, por ejemplo, y tal vez se distorsionan por factores como los efectos de una gran campaña de promoción de ventas. Los datos sin procesar deben masajearse antes de que sean utilizables, y esto se hace con frecuencia mediante análisis de series temporales.

Ahora, un series temporales es un conjunto de puntos de datos sin procesar ordenados cronológicamente, por ejemplo, las ventas de una división de un producto determinado, por mes, durante varios años. Series temporales análisis ayuda a identificar y explicar:

  • Cualquier regularidad o variación sistemática en la serie de datos que se deba a la estacionalidad: las «estaciones».
  • Patrones cíclicos que se repiten dos o tres años o más.
  • Tendencias en los datos.
  • Tasas de crecimiento de estas tendencias.

(Desafortunadamente, la mayoría de los métodos existentes identifican solo las estaciones, el efecto combinado de las tendencias y los ciclos, y el componente irregular o fortuito. Es decir, no se separan tendencias desde ciclos. Volveremos a este punto cuando analicemos el análisis de series temporales en las etapas finales de madurez del producto.)

Una vez completado el análisis, puede comenzar el trabajo de proyectar ventas futuras (o lo que sea).

Debemos tener en cuenta que, si bien hemos separado el análisis de la proyección aquí con fines de explicación, la mayoría de las técnicas de previsión estadística realmente combinan ambas funciones en una sola operación.

Un futuro como el pasado:

Es obvio a partir de esta descripción que todas las técnicas estadísticas se basan en la suposición de que los patrones existentes continuarán en el futuro. Es más probable que esta suposición sea correcta a corto plazo que a largo plazo, y por esta razón estas técnicas nos proporcionan previsiones razonablemente precisas para el futuro inmediato, pero lo hacen bastante mal en el futuro (a menos que los patrones de datos sean extraordinariamente estables).

Por esta misma razón, estas técnicas normalmente no puede predecir cuándo cambiará significativamente la tasa de crecimiento de una tendencia; por ejemplo, cuando un período de lento crecimiento de las ventas cambie repentinamente a un período de caída rápida.

Dichos puntos se denominan puntos de inflexión. Son naturalmente de las mayores consecuencias para el gerente y, como veremos, el pronosticador debe utilizar diferentes herramientas de técnicas estadísticas puras para predecir cuándo ocurrirán.

Modelos causales

Cuando los datos históricos están disponibles y se han realizado suficientes análisis para explicar explícitamente las relaciones entre el factor que se va a pronosticar y otros factores (como negocios relacionados, fuerzas económicas y factores socioeconómicos), el pronosticador a menudo construye un modelo causal.

Un modelo causal es el tipo de herramienta de previsión más sofisticado. Expresa matemáticamente las relaciones causales relevantes y puede incluir consideraciones de oleoducto (es decir, inventarios) e información de encuestas de mercado. También puede incorporar directamente los resultados de un análisis de series temporales.

El modelo causal tiene en cuenta todo lo conocido de la dinámica del sistema de flujo y utiliza predicciones de eventos relacionados, como acciones competitivas, huelgas y promociones. Si los datos están disponibles, el modelo generalmente incluye factores para cada ubicación en el diagrama de flujo (como se ilustra en el Anexo II) y los conecta mediante ecuaciones para describir el flujo global del producto.

Si faltan ciertos tipos de datos, inicialmente puede ser necesario hacer suposiciones sobre algunas de las relaciones y luego realizar un seguimiento de lo que está sucediendo para determinar si las suposiciones son ciertas. Por lo general, un modelo causal se revisa continuamente a medida que se dispone de más conocimiento sobre el sistema.

De nuevo, consulte el portal para obtener un resumen de los tipos más comunes de técnicas causales. Como muestra el gráfico, los modelos causales son, con mucho, los mejores para predecir puntos de inflexión y preparar pronósticos a largo plazo.

Métodos, productos y ciclo de vida

En cada etapa de la vida de un producto, desde la concepción hasta las ventas en estado estacionario, las decisiones que la gerencia debe tomar son característicamente muy diferentes y requieren diferentes tipos de información como base. Las técnicas de previsión que proporcionan estos conjuntos de información difieren de manera análoga. El Anexo III resume las etapas de vida de un producto, las decisiones típicas que se toman en cada uno y las principales técnicas de previsión adecuadas en cada uno.

Cómo elegir la técnica de previsión correcta

Anexo III Tipos de decisiones tomadas durante el ciclo de vida de un producto, con técnicas de previsión relacionadas

Igualmente, diferentes productos pueden requerir diferentes tipos de previsión. Dos productos CGW que se han manejado de manera muy diferente son los principales componentes de vidrio para tubos de TV en color, de los cuales Corning es un proveedor principal, y los utensilios de cocina Corning Ware, una línea de productos de consumo patentada. Vamos a rastrear los métodos de previsión utilizados en cada una de las cuatro etapas diferentes de madurez de estos productos para dar una idea de primera mano sobre la elección y aplicación de algunas de las principales técnicas disponibles en la actualidad.

Antes de empezar, observemos en qué se diferencian las situaciones para los dos tipos de productos:

  • Para un producto de consumo como el utensilio de cocina, el control del fabricante de la tubería de distribución se extiende al menos a través del nivel del distribuidor. Por lo tanto, el fabricante puede efectuar o controlar las ventas de los consumidores de manera bastante directa, así como controlar directamente algunos de los elementos de la tubería.

Por lo tanto, muchos de los cambios en las tarifas de envío y en la rentabilidad general se deben a las medidas tomadas por los propios fabricantes. Las decisiones tácticas sobre promociones, ofertas especiales y precios también suelen ser a su discreción. Por lo tanto, la técnica seleccionada por el pronosticador para proyectar ventas debería permitir la incorporación de dicha «información especial». Puede que uno tenga que empezar con técnicas simples y trabajar con otras más sofisticadas que abarquen tales posibilidades, pero el objetivo final está ahí.

  • Cuando la empresa del gerente suministra un componente a un OEM, como lo hace Corning para los fabricantes de tubos, la empresa no tiene tal influencia o control directo sobre los elementos de la tubería o las ventas finales al consumidor. Puede ser imposible para la empresa obtener una buena información sobre lo que está sucediendo en puntos más alejados del sistema de flujo (como en el segmento superior del Anexo II), y, en consecuencia, el pronosticador utilizará necesariamente un género de pronóstico diferente al que se utiliza para un producto de consumo.

Entre estos dos ejemplos, nuestra discusión abarcará casi toda la gama de técnicas de previsión. Sin embargo, según sea necesario, tocaremos otros productos y otros métodos de previsión.

1. Desarrollo de productos

En las primeras etapas del desarrollo de productos, el gerente quiere respuestas a preguntas como estas:

  • ¿Cuáles son las oportunidades de crecimiento alternativas para buscar productos? X?
  • Cómo han establecido productos similares a X ¿te ha ido?
  • Debería nosotros entrar en este negocio; y si es así, ¿en qué segmentos?
  • ¿Cómo debemos asignar los esfuerzos y los fondos de I+D?
  • ¿Qué tan exitosos tendrán los diferentes conceptos de productos?
  • ¿Cómo se producirá el producto X encajar en los mercados dentro de cinco o diez años?

Los pronósticos que ayudan a responder a estas preguntas a largo plazo deben tener necesariamente horizontes largos.

Una objeción común a los pronósticos a largo plazo es que es prácticamente imposible predecir con precisión lo que sucederá varios años en el futuro. Estamos de acuerdo en que la incertidumbre aumenta cuando se hace un pronóstico para un período transcurrido más de dos años. Sin embargo, como mínimo, el pronóstico y una medida de su precisión permiten al gerente conocer los riesgos en la búsqueda de una estrategia seleccionada y, en este conocimiento, elegir una estrategia adecuada de las disponibles.

La investigación de mercado sistemática es, por supuesto, un pilar en esta área. Por ejemplo, el análisis de patrones de prioridad puede describir las preferencias de los consumidores y la probabilidad de que compren un producto y, por lo tanto, es de gran valor para pronosticar (y actualizar) los niveles y tasas de penetración. Pero también hay otras herramientas, según el estado del mercado y el concepto del producto.

Para un mercado definido

Si bien no puede haber datos directos sobre un producto que aún sea un brillo a la vista, la información sobre su rendimiento probable se puede recopilar de varias maneras, siempre que el mercado en el que se venderá sea una entidad conocida.

En primer lugar, se puede comparar un producto propuesto con los productos actuales y planificados de la competencia, clasificándolo en escalas cuantitativas para diferentes factores. A esto lo llamamos medición de diferencias de productos.2

Para que este enfoque tenga éxito, es esencial que los expertos (internos) que proporcionan los datos básicos provengan de diferentes disciplinas (marketing, I+D, fabricación, legal, etc.) y que sus opiniones sean imparciales.

En segundo lugar, y más formalmente, uno puede construir modelos de mercado desglosados separando diferentes segmentos de un mercado complejo para su estudio y consideración individuales. Específicamente, a menudo resulta útil proyectar el S curvas de crecimiento configuradas para los niveles de ingresos de diferentes regiones geográficas.

Cuando se propusieron bombillas de TV en color como producto, CGW pudo identificar los factores que influirían en el crecimiento de las ventas. Luego, al desglosar la demanda de los consumidores y hacer ciertas suposiciones sobre estos factores, fue posible desarrollar una S-curva para la tasa de penetración del mercado doméstico que nos resultó más útil.

En tercer lugar, se puede comparar un producto proyectado con un «antepasado» que tenga características similares. En 1965, desagregamos el mercado de la televisión en color por niveles de ingresos y regiones geográficas y comparamos estos submercados con el patrón histórico de crecimiento del mercado de televisión en blanco y negro. Justificamos este procedimiento argumentando que la televisión en color representaba un avance sobre el blanco y negro análogo (aunque menos intenso que) el avance que la televisión en blanco y negro representaba en la radio. Los análisis del crecimiento del mercado de televisión en blanco y negro también nos permitieron estimar la variabilidad que se esperaba, es decir, el grado en que nuestras proyecciones diferirían de las reales como resultado de factores económicos y de otro tipo.

Los precios de la televisión en blanco y negro y otros electrodomésticos importantes en 1949, los ingresos disponibles del consumidor en 1949, los precios de la televisión en color y otros electrodomésticos en 1965 y los ingresos disponibles del consumidor para 1965 se consideraron rentablemente al desarrollar nuestro pronóstico a largo plazo para la penetración de la televisión en color en un base nacional. Los patrones de éxito de la televisión en blanco y negro, entonces, proporcionaron información sobre la probabilidad de éxito y el potencial de ventas de la televisión en color.

Por otro lado, nuestras predicciones de la aceptación de los utensilios de cocina Corning Ware por parte de los consumidores se derivaron principalmente de una fuente experta, un gerente que comprendió a fondo las preferencias de los consumidores y el mercado de artículos para el hogar. Estas predicciones han quedado bien confirmadas. Esto refuerza nuestra creencia de que las previsiones de ventas para un nuevo producto que competirá en un mercado existente seguramente serán incompletas e inciertas a menos que se determinen los mejores juicios del personal con experiencia completa.

Para un mercado indefinido

Sin embargo, con frecuencia, el mercado de un nuevo producto está débilmente definido o hay pocos datos disponibles, el concepto de producto sigue siendo fluido y la historia parece irrelevante. Este es el caso de las turbinas de gas, los automóviles eléctricos y de vapor, las carcasas modulares, los dispositivos de medición de la contaminación y los terminales informáticos de tiempo compartido.

Muchas organizaciones han aplicado el método Delphi de solicitar y consolidar las opiniones de los expertos en estas circunstancias. En CGW, en varios casos, lo hemos utilizado para estimar la demanda de estos nuevos productos, con éxito.

El análisis input-output, combinado con otras técnicas, puede ser extremadamente útil para proyectar el curso futuro de tecnologías amplias y cambios amplios en la economía. Las herramientas básicas aquí son las tablas de entrada y salida de la industria estadounidense para 1947, 1958 y 1963, y varias actualizaciones de las tablas de 1963 preparadas por varios grupos que deseaban extrapolar las cifras de 1963 o hacer pronósticos para años posteriores.

Dado que un negocio o una línea de productos pueden representar solo un sector pequeño de una industria, puede ser difícil usar las tablas directamente. Sin embargo, varias empresas están desagregando industrias para evaluar su potencial de ventas y pronosticar cambios en las mezclas de productos: la eliminación gradual de las líneas antiguas y la introducción de otras. Por ejemplo, Quantum-Science Corporation (MAPTEK) ha desarrollado técnicas que hacen que los análisis de entrada y salida sean más útiles directamente para las personas en el negocio de la electrónica en la actualidad. (Otras técnicas, como el consenso del panel y la previsión visionaria, nos parecen menos efectivas y no podemos evaluarlas desde nuestra propia experiencia).

2. Pruebas e introducción

Antes de que un producto pueda entrar en su etapa de penetración rápida (con suerte), se debe probar el potencial del mercado y debe introducirse el producto y, entonces, es posible que se recomienden más pruebas de mercado. En esta etapa, la gerencia necesita respuestas a estas preguntas:

  • ¿Cuál será nuestro plan de marketing? ¿En qué mercados debemos entrar y con qué cantidades de producción?
  • ¿Cuánta capacidad de fabricación requerirán las primeras etapas de producción?
  • A medida que crece la demanda, ¿dónde debemos desarrollar esta capacidad?
  • ¿Cómo vamos a asignar nuestros recursos de I+D a lo largo del tiempo?

Los beneficios significativos dependen de encontrar las respuestas correctas y, por lo tanto, es económicamente factible gastar cantidades relativamente grandes de esfuerzo y dinero para obtener buenos pronósticos, a corto, mediano y largo plazo.

Una previsión de ventas en esta etapa debe proporcionar tres puntos de información: la fecha en que comenzarán las ventas rápidas, la tasa de penetración en el mercado durante la etapa de ventas rápidas y el nivel máximo de penetración, o tasa de ventas, durante la etapa de estado estacionario.

Usar datos tempranos

La fecha en que un producto entrará en la etapa de rápido crecimiento es difícil de predecir con tres o cuatro años de antelación (el horizonte habitual). El único recurso de una empresa es utilizar métodos de seguimiento estadístico para comprobar con qué éxito se está introduciendo el producto, junto con estudios de mercado rutinarios para determinar cuándo ha habido un aumento significativo en la tasa de ventas.

Además, se debe tener el mayor cuidado al analizar los datos de ventas tempranas que comienzan a acumularse una vez que el producto se ha introducido en el mercado. Por ejemplo, es importante distinguir entre las ventas a innovadores, que probarán cualquier cosa nueva, y las ventas a imitadores, quien comprará un producto solo después de que haya sido aceptado por los innovadores, ya que es este último grupo el que proporciona estabilidad a la demanda. Muchos productos nuevos han aparecido inicialmente con éxito debido a las compras de los innovadores, solo para fallar más adelante en el tramo.

El seguimiento de los dos grupos significa investigación de mercado, posiblemente a través de paneles de opinión. Un panel debe contener tanto a los innovadores como a los imitadores, ya que los innovadores pueden enseñar mucho sobre cómo mejorar un producto, mientras que los imitadores brindan información sobre los deseos y las expectativas de todo el mercado.

El televisor en color, por ejemplo, se introdujo en 1954, pero no obtuvo la aceptación de la mayoría de los consumidores hasta finales de 1964. Sin duda, el televisor en color no podía abandonar la etapa de introducción y entrar en la etapa de rápido crecimiento hasta que las redes hubieran aumentado sustancialmente su programación en color. Sin embargo, es probable que las señales de bandera especiales como «programación de colores de red aumentada sustancialmente» vengan después del hecho, desde el punto de vista de la planificación; y en general, encontramos que las encuestas de consumidores diseñadas científicamente realizadas de manera regular proporcionan los medios más tempranos. para detectar puntos de inflexión en la demanda. para un producto.

Técnica de productos similares

Si bien el seguimiento estadístico es una herramienta útil durante las primeras etapas de introducción, rara vez hay datos suficientes para la previsión estadística. Los estudios de investigación de mercado pueden ser útiles, como hemos indicado. Pero, con mayor frecuencia, el pronosticador intenta identificar un producto similar y antiguo cuyo patrón de penetración debería ser similar al del nuevo producto, ya que los mercados generales pueden exhibir patrones consistentes y lo hacen.

De nuevo, consideremos la televisión en color y las previsiones que preparamos en 1965.

Para el año 1947-1968, el Anexo IV muestra los gastos totales de los consumidores, los gastos en electrodomésticos, los gastos en radios y televisores y los porcentajes relevantes. La columna 4 muestra que los gastos totales para electrodomésticos son relativamente estables durante períodos de varios años; por lo tanto, los electrodomésticos nuevos deben competir con los existentes, especialmente durante las recesiones (obsérvese las cifras de 1948-1949, 1953-1954, 1957-1958 y 1960-1961).

Cómo elegir la técnica de previsión correcta

Anexo IV Gastos en electrodomésticos frente a todos los bienes de consumo (en miles de millones de dólares)

Ciertas fluctuaciones especiales en estas cifras son de especial importancia en este caso. Cuando la televisión en blanco y negro se introdujo como un nuevo producto en 1948-1951, la relación entre los gastos en aparatos de radio y televisión y el gasto total en bienes de consumo (véase la columna 7) aumentó aproximadamente un 33%% (desde 1.23% hasta 1.63%), frente a un modesto aumento de solo 13% (desde 1.63% hasta 1.88%) en la proporción para la próxima década. (Un aumento similar del 33%% ocurrió entre 1962 y 1966 cuando la televisión en color hizo su mayor penetración.)

Probablemente la aceptación de la televisión en blanco y negro como un electrodoméstico importante en 1950 hizo que la proporción entre todos los electrodomésticos principales y el total de bienes de consumo (ver columna 5) aumentara a 4,98%; en otras palabras, la innovación de la televisión hizo que el consumidor comenzara a gastar más dinero en los principales electrodomésticos alrededor de 1950.

Nuestra expectativa a mediados de 1965 era que la introducción de la televisión en color indujera un aumento similar. Por lo tanto, aunque esta comparación de productos no nos proporcionó una previsión precisa o detallada, sí colocó un límite superior en las ventas totales futuras que podríamos esperar.

El siguiente paso fue observar la curva de penetración acumulada para los televisores en blanco y negro en los hogares estadounidenses, que se muestra en el Anexo V. Asumimos que la penetración de los televisores en color tendría una similar S-curva, pero que los conjuntos de colores tardarían más en penetrar en todo el mercado (es decir, alcanzar ventas en estado estacionario). Mientras que la televisión en blanco y negro tardó 10 años en alcanzar un estado estable, los estudios cualitativos de opinión de expertos indicaron que tomaría color el doble de tiempo, de ahí la pendiente más gradual de la curva de televisión en color.

Cómo elegir la técnica de previsión correcta

Anexo V Curvas de penetración doméstica a largo plazo para televisores en color y en blanco y negro

Al mismo tiempo, los estudios realizados en 1964 y 1965 mostraron ventas de penetración significativamente diferentes para la televisión en color en varios grupos de ingresos, tasas que nos ayudaron a proyectar la curva de televisión en color y al rastrear la precisión de nuestra proyección.

Con estos datos y supuestos, pronosticamos las ventas minoristas para el resto de 1965 hasta mediados de 1970 (consulte la sección punteada de la curva inferior en el Anexo V). Las previsiones fueron precisas hasta 1966, pero demasiado altas en los tres años siguientes, principalmente debido a la disminución de las condiciones económicas generales y a los cambios en las políticas de precios.

Debemos tener en cuenta que cuando desarrollamos estos pronósticos y técnicas, reconocimos que se necesitarían técnicas adicionales en momentos posteriores para mantener la precisión que se necesitaría en períodos posteriores. Sin embargo, estas previsiones proporcionaron una precisión aceptable para el momento en que se realizaron, ya que el objetivo principal entonces era solo estimar la tasa de penetración y el nivel de ventas final en estado estacionario. Hacer estimaciones refinadas de cómo se comportarán las tuberías de fabricación-distribución es una actividad que pertenece correctamente a la siguiente etapa del ciclo de vida.

Otros enfoques:

Cuando no es posible identificar un producto similar, como fue el caso con el horno autolimpiante y la estufa de cocción plana (Counterange) de CGW, se debe utilizar otro enfoque.

A los efectos de la introducción inicial en los mercados, puede que solo sea necesario determinar la tasa de venta mínima requerida para que una empresa de productos cumpla con los objetivos corporativos. Se pueden utilizar análisis como input-output, tendencias históricas y pronósticos tecnológicos para estimar este mínimo. Además, la viabilidad de no entrar en el mercado en absoluto, o de continuar con la I+D hasta la etapa de rápido crecimiento, se puede determinar mejor mediante análisis de sensibilidad.

Predecir un rápido crecimiento

Estimar la fecha en la que un producto entrará en la etapa de rápido crecimiento es otra cuestión. Como hemos visto, esta fecha depende de muchos factores: la existencia de un sistema de distribución, la aceptación del cliente o la familiaridad con el concepto de producto, la necesidad satisfecha por el producto, los eventos significativos (como la programación de la red de colores),.

Además de revisar el comportamiento de productos similares, la fecha puede estimarse mediante ejercicios de Delphi o mediante esquemas de calificación y clasificación, en los que se estiman los factores importantes para la aceptación del cliente, cada producto de la competencia se califica según cada factor y se calcula una puntuación general para el competidor contra una puntuación para el nuevo producto.

Como hemos dicho, generalmente es difícil predecir con precisión cuándo ocurrirá el punto de inflexión; y, según nuestra experiencia, la mejor precisión que se puede esperar es dentro de los tres meses o dos años del tiempo real.

De vez en cuando es cierto, por supuesto, que uno puede estar seguro de que un nuevo producto será aceptado con entusiasmo. Las pruebas de mercado y la reacción inicial de los clientes dejaron claro que habría un gran mercado para los utensilios de cocina Corning Ware. Como el sistema de distribución ya existía, el tiempo requerido para que la línea alcanzara un rápido crecimiento dependía principalmente de nuestra capacidad para fabricarlo. A veces, la previsión es simplemente una cuestión de calcular la capacidad de la empresa, pero no normalmente.

3. Rápido crecimiento

Cuando un producto entra en esta etapa, las decisiones más importantes se refieren a la expansión de las instalaciones. Estas decisiones generalmente implican los mayores gastos del ciclo (excepto las principales decisiones de I+D), y se justifican los esfuerzos de previsión y seguimiento proporcionales.

La previsión y el seguimiento deben proporcionar al ejecutivo tres tipos de datos en este momento:

  • Verificación firme del previsión de la tasa de rápido crecimiento hecho anteriormente.
  • Una fecha difícil en la que las ventas alcanzarán el nivel «normal», crecimiento en estado estable.
  • Para los productos componentes, la desviación en la curva de crecimiento que puede deberse a la característica condiciones a lo largo de la tubería—por ejemplo, bloqueos de inventario.

Pronosticar la tasa de crecimiento

La previsión a medio y largo plazo de la tasa de crecimiento del mercado y del logro de ventas en estado estacionario requiere las mismas medidas que la etapa de introducción del producto: estudios de marketing detallados (especialmente encuestas sobre la intención de comprar) y comparaciones de productos.

Cuando un producto ha entrado en rápido crecimiento, por otro lado, generalmente hay datos suficientes disponibles para construir estadístico y posiblemente incluso causal modelos de crecimiento (aunque estos últimos necesariamente contendrán supuestos que deben verificarse más adelante).

Estimamos la tasa de crecimiento y la tasa de estado estable de la televisión en color mediante un modelo burdo de marketing econométrico a partir de los datos disponibles al comienzo de esta etapa. También realizamos estudios de marketing frecuentes.

La tasa de crecimiento de Corning Ware Cookware, como explicamos, se vio limitada principalmente por nuestras capacidades de producción; y por lo tanto, la información básica que se predijo en ese caso fue la fecha de crecimiento nivelado. Debido a que los inventarios sustanciales almacenaban la información sobre las ventas de los consumidores a lo largo de la línea, faltaban buenos datos de campo, lo que hacía que esta fecha fuera difícil de estimar. Finalmente, nos pareció necesario establecer un sistema de información de campo mejor (más directo).

Además de simplemente almacenar información en memoria intermedia, en el caso de un producto componente, la tubería ejerce ciertos efectos distorsionadores en la demanda del fabricante; estos efectos, aunque muy importantes, a menudo se descuidan ilógicamente en la planificación de la producción o la capacidad.

Simulación de la tubería

Si bien la demanda de almacenamiento en proceso en la tubería tiene un S-curva como la de las ventas minoristas, puede retrasarse o liderar las ventas varios meses, distorsionando la forma de la demanda del proveedor del componente.

El Anexo VI muestra la tendencia a largo plazo de la demanda de un proveedor de componentes que no sea Corning en función de las ventas de los distribuidores y los inventarios de los distribuidores. Como puede verse en esta curva, las ventas de los proveedores pueden crecer relativamente bruscamente durante varios meses y alcanzar su punto máximo antes de que las ventas minoristas se hayan estabilizado. Las implicaciones de estas curvas para la planificación y asignación de instalaciones son obvias.

Cómo elegir la técnica de previsión correcta

Patrones del Anexo VI para ventas de distribuidores de televisores en color, inventarios de distribuidores y ventas de componentes Nota: Las escalas son diferentes para las ventas de componentes, los inventarios de los distribuidores y las ventas de los distribuidores, y los patrones se colocan en el mismo gráfico con fines ilustrativos.

Aquí hemos utilizado componentes para televisores en color para nuestra ilustración porque sabemos por nuestra propia experiencia la importancia del largo tiempo de flujo para los televisores en color que resulta de los muchos pasos secuenciales en la fabricación y distribución (recuerde la Figura II). Hay ejemplos más espectaculares; por ejemplo, no es raro que el tiempo de flujo del proveedor del componente al consumidor se extienda a dos años en el caso de los motores de camiones.

Para estimar la demanda total de la producción de CGW, utilizamos un modelo de demanda minorista y una simulación de tuberías. El modelo incorporó tasas de penetración, curvas de mortalidad y similares. Combinamos los datos generados por el modelo con datos de participación de mercado, datos sobre pérdidas de vidrio y otra información para constituir el corpus de insumos para la simulación de la tubería. El resultado de la simulación nos permitió aplicar curvas proyectadas como las que se muestran en el Anexo VI a nuestra propia planificación de fabricación de componentes.

La simulación es una herramienta excelente para estas circunstancias porque es esencialmente más simple que la alternativa, es decir, la construcción de un modelo más formal y más «matemático». Es decir, la simulación evita la necesidad de técnicas de solución analítica y de duplicación matemática de un entorno complejo y permite la experimentación. La simulación también nos informa cómo se comportarán e interactuarán los elementos de la tubería a lo largo del tiempo, conocimiento que es muy útil en la previsión, especialmente en la construcción de modelos causales formales en una fecha posterior.

Seguimiento y advertencia

Este conocimiento no es absolutamente «difícil», por supuesto, y la dinámica del oleoducto debe rastrearse cuidadosamente para determinar si las diversas estimaciones y suposiciones hechas fueron realmente correctas. Los métodos estadísticos proporcionan una buena base a corto plazo para estimar y verificar la tasa de crecimiento y señalar cuándo se producirán puntos de inflexión.

A finales de 1965 nos pareció que la demanda de almacenamiento en proceso estaba aumentando, ya que había una diferencia positiva constante entre las ventas reales de bombillas de TV y las ventas de bombillas previstas. Las conversaciones con los gerentes de productos y otro personal indicaron que podría haber habido un cambio significativo en la actividad de las tuberías; parecía que los rápidos aumentos en la demanda minorista estaban impulsando los requisitos de vidrio para el almacén en proceso, lo que podría crear una joroba en el S-curva como la ilustrada en la prueba VI. Esta subida proporcionó beneficios adicionales para CGW en 1966, pero tuvo un efecto adverso en 1967. Pudimos predecir esta joroba, pero desafortunadamente no pudimos reducirla o evitarla porque la tubería no estaba lo suficientemente bajo nuestro control.

Los inventarios a lo largo de todo el oleoducto también siguen una S-curva (como se muestra en el Anexo VI), un hecho que crea y agrava dos condiciones características en el oleoducto en su conjunto: sobrellenado inicial y cambios posteriores entre demasiado y muy poco inventario en varios puntos, una secuencia de condiciones de fiesta y hambruna.

Por ejemplo, el sistema de distribución más simple de Corning Ware tenía una S-curvas como las que hemos examinado. Sin embargo, cuando las ventas minoristas disminuyeron de un rápido a un crecimiento normal, no hubo indicios tempranos de los datos de envío de que se hubiera alcanzado este punto de inflexión crucial. Los datos sobre los inventarios de los distribuidores nos avisaron de que el oleoducto se estaba llenando en exceso, pero el punto de inflexión a nivel minorista aún no se identificó con la suficiente rapidez, como hemos mencionado anteriormente, debido a la falta de buenos datos en el nivel. Ahora monitoreamos la información de campo con regularidad para identificar cambios significativos y ajustar nuestras previsiones de envíos en consecuencia.

Principales preocupaciones

Una actividad principal durante la etapa de rápido crecimiento, entonces, es comprobar las estimaciones anteriores y, si parecen incorrectas, calcular con la mayor precisión posible el error en la previsión y obtener una estimación revisada.

En algunos casos, los modelos desarrollados anteriormente incluirán solo «macrotérminos»; en tales casos, la investigación de mercado puede proporcionar la información necesaria para desglosarlos en sus componentes. Por ejemplo, el modelo de previsión de televisión en color inicialmente consideró solo las penetraciones totales del conjunto en diferentes niveles de ingresos, sin considerar la forma en que se utilizaban los sets. Por lo tanto, realizamos encuestas de mercado para determinar el uso del conjunto con mayor precisión.

Del mismo modo, durante la etapa de rápido crecimiento, los submodelos de segmentos de tuberías deben ampliarse para incorporar información más detallada a medida que se recibe. En el caso de la televisión en color, descubrimos que pudimos estimar los requisitos generales de la tubería para las bombillas de vidrio, los factores de participación de mercado CGW y las pérdidas de vidrio, y postular una distribución de probabilidad en torno a las estimaciones más probables. Con el tiempo, fue fácil comprobar estas previsiones con el volumen real de ventas y, por lo tanto, comprobar los procedimientos mediante los cuales las generábamos.

También descubrimos que teníamos que aumentar el número de factores en el modelo de simulación (por ejemplo, tuvimos que ampliar el modelo para tener en cuenta diferentes tamaños de bombillas) y esto mejoró nuestra precisión y utilidad generales.

El anterior es solo un enfoque que se puede utilizar para pronosticar ventas de nuevos productos que están en un rápido crecimiento. Otros han discutido sobre otros diferentes.3

4. Estado estacionario

Las decisiones del gerente en esta etapa son bastante diferentes de las tomadas anteriormente. La mayoría de la planificación de las instalaciones se ha cuadriculado y las tendencias y las tasas de crecimiento se han vuelto razonablemente estables. Es posible que se produzcan cambios en la demanda y las ganancias debido a las condiciones económicas cambiantes, productos nuevos y competitivos, la dinámica del oleoducto, etc., y el gerente tendrá que mantener las actividades de seguimiento e incluso introducir otras nuevas. Sin embargo, en general, el gerente concentrará la atención de las previsiones en estas áreas:

  • Planificación de la producción a corto y largo plazo.
  • Establecer normas para comprobar la eficacia de las estrategias de marketing.
  • Proyecciones diseñadas para ayudar a la planificación de beneficios.

El gerente también necesitará un buen sistema de seguimiento y advertencia para identificar una demanda significativamente decreciente del producto (pero espero que esté muy lejos).

Sin duda, el gerente querrá proyecciones de márgenes y beneficios y pronósticos a largo plazo para ayudar a planificar a nivel corporativo. Sin embargo, las previsiones de ventas a corto y medio plazo son básicas para estas empresas más elaboradas, y nos centraremos en las previsiones de ventas.

Herramientas adecuadas a la mano

Al planificar la producción y establecer una estrategia de marketing a corto y mediano plazo, las primeras consideraciones del gerente suelen ser una estimación precisa del nivel de ventas actual y una estimación precisa de la tasa a la que este nivel está cambiando.

Por lo tanto, el pronosticador recibe dos contribuciones relacionadas en esta etapa:

  • Proporcionar estimaciones de tendencias y temporadas, lo que obviamente afecta al nivel de ventas. Las temporadas son particularmente importantes tanto para la planificación general de la producción como para el control del inventario. Para ello, el pronosticador necesita aplicar técnicas de análisis y proyección de series temporales, es decir, estadístico técnicas.
  • Relacionar el nivel de ventas futuro con factores que sean más fácilmente predecibles o que tengan una relación de «liderazgo» con las ventas, o ambos. Para hacer esto, el pronosticador necesita construir modelos causales.

El tipo de producto bajo escrutinio es muy importante para seleccionar las técnicas que se utilizarán.

Para Corning Ware, donde los niveles del sistema de distribución se organizan de manera relativamente sencilla, utilizamos métodos estadísticos para pronosticar envíos y la información de campo para pronosticar cambios en las tarifas de envío. Ahora estamos incorporando información especial (estrategias de marketing, previsiones económicas, etc.) directamente en las previsiones de envíos. Esto nos lleva en la dirección de un modelo de previsión causal.

Por otro lado, un proveedor de componentes puede pronosticar las ventas totales con suficiente precisión para una planificación de producción a gran escala, pero el entorno de la tubería puede ser tan complejo que el mejor recurso para las proyecciones a corto plazo es basarse principalmente en las estimaciones de los vendedores. Encontramos que esto es cierto, por ejemplo, al estimar la demanda de vidrio de TV por tamaño y cliente. En tales casos, el mejor papel de los métodos estadísticos es proporcionar guías y verificaciones para las previsiones de los vendedores.

Sin embargo, en general, en este punto del ciclo de vida, hay suficientes datos de series temporales disponibles y se conocen suficientes relaciones causales a partir de la experiencia directa y los estudios de mercado para que el pronosticador pueda aplicar estos dos poderosos conjuntos de herramientas. Deberían disponerse de datos históricos de al menos los últimos años. El pronosticador lo usará todo, de una forma u otra.

Podríamos mencionar una crítica común en este punto. Con frecuencia, las personas se oponen a utilizar más de unos pocos de los puntos de datos más recientes (como las cifras de ventas en el pasado inmediato) para construir proyecciones, ya que, según dicen, la situación actual siempre es tan dinámica y las condiciones cambian tan radical y rápidamente que los datos históricos desde más atrás en el tiempo tienen poco o ningún valor.

Creemos que este punto de vista tenía poca validez. Un gráfico de los datos de ventas de varios años, como el que se muestra en Parte A del Anexo VII, da la impresión de una tendencia de ventas que no se podría obtener si se observaran solo dos o tres de los últimos puntos de datos.

Cómo elegir la técnica de previsión correcta

Anexo VII Gráficas de datos de ventas en fábrica de televisores en color

Cómo elegir la técnica de previsión correcta

En la práctica, encontramos que los patrones generales tienden a continuar durante un mínimo de uno o dos trimestres en el futuro, incluso cuando las condiciones especiales hacen que las ventas fluctúen durante uno o dos períodos (mensuales) en el futuro inmediato.

Para pronósticos a corto plazo de uno a tres meses por delante, los efectos de factores tales como las condiciones económicas generales son mínimos, y no provocan cambios radicales en los patrones de demanda. Y dado que las tendencias tienden a cambiar gradualmente en lugar de repentinamente, los métodos estadísticos y otros métodos cuantitativos son excelentes para la previsión a corto plazo. El uso de uno o solo algunos de los puntos de datos más recientes resultará en una consideración insuficiente de la naturaleza de las tendencias, los ciclos y las fluctuaciones estacionales en las ventas.

Concediendo la aplicabilidad de las técnicas, debemos continuar explicando cómo el pronosticador identifica con precisión lo que está sucediendo cuando las ventas fluctúan de un período a otro y cómo se pueden pronosticar tales fluctuaciones.

Clasificación de tendencias y temporadas

Una tendencia y una estacional son obviamente dos cosas muy diferentes, y deben manejarse por separado en las previsiones.

Considere lo que sucedería, por ejemplo, si un pronosticador simplemente tomara un promedio de los puntos de datos más recientes a lo largo de una curva, combine esto con otros puntos promedio similares que se extienden hacia atrás en el pasado inmediato y utilícelos como base para una proyección. El pronosticador podría reaccionar de manera exagerada a los cambios aleatorios, confundiéndolos con evidencia de una tendencia predominante, confundir un cambio en la tasa de crecimiento con una estacional, etc.

Para evitar precisamente este tipo de error, la técnica del promedio móvil, que es similar a la hipotética que se acaba de describir, utiliza puntos de datos de tal manera que se eliminan los efectos de las estaciones (y las irregularidades).

Además, el ejecutivo necesita estimaciones precisas de las tendencias y estimaciones precisas de la estacionalidad para planificar la producción a gran escala, determinar los esfuerzos de marketing y las asignaciones y mantener los inventarios adecuados, es decir, inventarios que sean adecuados a la demanda de los clientes, pero que no sean excesivamente costosos.

Antes de ir más lejos, podría ser bueno ilustrar cómo se ve tal clasificación. Partes A, B, y C del Anexo VII muestran la descomposición inicial de los datos sin procesar para las ventas en fábrica de televisores en color entre 1965 y mediados de 1970. Parte A presenta la curva de datos sin procesar. Parte B muestra los factores estacionales que están implícitos en los datos sin procesar, un patrón bastante consistente, aunque hay alguna variación de un año a otro. (En la siguiente sección explicaremos de dónde viene este gráfico de las temporadas).

Parte C muestra el resultado de descontar la curva de datos brutos según las temporadas de Parte B; esta es la llamada curva de datos desestacionalizados. A continuación, en Parte D, hemos dibujado la curva más suave o «mejor» posible a través de la curva desestacionalizada, obteniendo así ciclo de tendencias. (Podríamos observar además que las diferencias entre esta línea del ciclo de tendencias y la curva de datos desestacionalizada representan el componente irregular o no sistemático que el pronosticador siempre debe tolerar e intentar explicar por otros métodos).

En resumen, entonces, el objetivo de la técnica de previsión utilizada aquí es hacer el mejor trabajo posible para clasificar tendencias y estacionalidades. Desafortunadamente, la mayoría de los métodos de previsión se proyectan mediante un proceso de suavizado análogo al de la técnica de promedio móvil, o similar al de la técnica hipotética que describimos al principio de esta sección, y separar las tendencias y las estaciones de manera más precisa requerirá un esfuerzo y un costo adicionales.

Aun así, los enfoques de clasificación han demostrado su eficacia en la práctica. Podemos explicar mejor las razones de su éxito al describir de manera aproximada la forma en que construimos un pronóstico de ventas en función de las tendencias, las temporadas y los datos derivados de ellas. Este es el método:

  • Grafica la tasa a la que cambia la tendencia. Para la ilustración que figura en el Anexo VII, este gráfico se muestra en Parte E. Este gráfico describe los sucesivos altibajos del ciclo de tendencias que se muestran en Parte D.
  • Proyecte esta tasa de crecimiento hacia adelante durante el intervalo que se pronosticará. Suponiendo que hiciéramos pronósticos a mediados de 1970, deberíamos proyectar hacia los meses de verano y, posiblemente, a principios del otoño.
  • Agregue esta tasa de crecimiento (ya sea positiva o negativa) a la tasa de ventas actual. Esto podría denominarse tasa de ventas no estacionalizada.
  • Proyecta las temporadas de Parte B para el período en cuestión, y multiplique la tasa pronosticada no estacionalizada por estas temporadas. El producto será la tasa de venta prevista, que es lo que deseábamos.

En casos especiales en los que no hay que considerar estacionales, por supuesto, este proceso se simplifica mucho, y menos datos y técnicas más simples pueden ser adecuados.

Hemos descubierto que un análisis de los patrones de cambio en la tasa de crecimiento nos da más precisión en la predicción de puntos de inflexión (y, por lo tanto, cambios de crecimiento positivo a negativo, y viceversa) que cuando usamos solo el ciclo de tendencias.

La principal ventaja de considerar el cambio en el crecimiento, de hecho, es que con frecuencia es posible predecir antes cuándo se producirá una situación de no crecimiento. Por lo tanto, el gráfico de cambio en el crecimiento proporciona una excelente base visual para pronosticar y para identificar el punto de inflexión también.

Técnica X-11

El lector tendrá curiosidad por saber cómo se rompen las temporadas de los datos de ventas sin procesar y cómo se deriva exactamente la curva de cambio en crecimiento de la línea de tendencia.

Una de las mejores técnicas que conocemos para analizar los datos históricos en profundidad para determinar las estaciones, la tasa de ventas actuales y el crecimiento es la Técnica de la Oficina del Censo X-11, que simultáneamente elimina las temporadas de la información sin procesar y ajusta una línea de ciclo de tendencias a los datos. Es muy completo: a un costo de aproximadamente$ 10, proporciona información detallada sobre las estaciones, las tendencias, la precisión de las estaciones y el ajuste del ciclo de tendencia, y una serie de otras medidas. La salida incluye gráficos del ciclo de tendencias y la tasa de crecimiento, que se pueden recibir simultáneamente en pantallas gráficas en una terminal de tiempo compartido.

Aunque el X-11 no se desarrolló originalmente como un método de previsión, sí establece una base a partir de la cual se pueden hacer buenas previsiones. Sin embargo, cabe señalar que hay cierta inestabilidad en la línea de tendencia para los puntos de datos más recientes, ya que el X-11, como prácticamente todas las técnicas estadísticas, utiliza alguna forma de promedio móvil. Por lo tanto, ha demostrado ser valioso estudiar los cambios en el patrón de crecimiento a medida que se obtiene cada nuevo punto de crecimiento.

En particular, cuando los datos recientes parecen reflejar un fuerte crecimiento o disminución de las ventas o cualquier otra anomalía del mercado, el pronosticador debe determinar si ocurrieron eventos especiales durante el período considerado: promoción, huelgas, cambios en la economía, etc. El X-11 proporciona la instrumentación básica necesaria para evaluar los efectos de tales eventos.

En general, incluso cuando los patrones de crecimiento pueden asociarse a eventos específicos, la técnica X-11 y otros métodos estadísticos no dan buenos resultados cuando se pronostica más allá de los seis meses, debido a la incertidumbre o la naturaleza impredecible de los eventos. Para pronósticos a corto plazo de uno a tres meses, la técnica X-11 ha demostrado ser razonablemente precisa.

Lo hemos utilizado para proporcionar estimaciones de ventas para cada división durante tres períodos en el futuro, así como para determinar los cambios en las tasas de venta. Hemos comparado nuestros pronósticos del X-11 con los pronósticos desarrollados por cada una de las varias divisiones, donde las divisiones han utilizado una variedad de métodos, algunos de los cuales tienen en cuenta las estimaciones de los vendedores y otros conocimientos especiales. Los pronósticos que utilizaban la técnica X-11 se basaban únicamente en métodos estadísticos y no consideraban ninguna información especial.

Las previsiones de la división tenían ligeramente menos error que los proporcionados por el método X-11; sin embargo, se ha encontrado que las previsiones de división están ligeramente sesgadas en el lado optimista, mientras que las proporcionadas por el método X-11 son imparciales. Esto nos sugirió que se podría hacer un mejor trabajo de previsión combinando conocimientos especiales, las técnicas de la división y el método X-11. En realidad, algunas de las divisiones lo están haciendo ahora y, en consecuencia, la precisión de sus pronósticos ha mejorado.

El método X-11 también se ha utilizado para hacer proyecciones de ventas para el futuro inmediato que sirvan como estándar para evaluar varias estrategias de marketing. Se ha comprobado que esto es especialmente eficaz para estimar los efectos de los cambios de precios y las promociones.

Como hemos indicado anteriormente, el análisis de tendencias se usa con frecuencia para proyectar datos anuales durante varios años para determinar cuáles serán las ventas si la tendencia actual continúa. El análisis de regresión y los pronósticos estadísticos a veces se utilizan de esta manera, es decir, para estimar lo que sucederá si no se realizan cambios significativos. Entonces, si el resultado no es aceptable con respecto a los objetivos corporativos, la empresa puede cambiar su estrategia.

Modelos econométricos

Durante un largo período de tiempo, los cambios en las condiciones económicas generales representarán una parte significativa del cambio en la tasa de crecimiento de un producto. Debido a que las previsiones económicas son cada vez más precisas y también porque hay ciertas fuerzas económicas generales «líderes» que cambian antes de que haya cambios posteriores en industrias específicas, es posible mejorar las previsiones de las empresas mediante la inclusión de factores económicos en el modelo de previsión.

Sin embargo, el desarrollo de dicho modelo, generalmente llamado modelo econométrico, requiere datos suficientes para poder establecer las relaciones correctas.

Durante el estado de rápido crecimiento de la televisión en color, reconocimos que las condiciones económicas probablemente afectarían significativamente la tasa de ventas. Sin embargo, los macroanálisis de los datos televisivos en blanco y negro que hicimos en 1965 para las recesiones de finales de la década de 1940 y principios de la de 1950 no mostraron ningún efecto económico sustancial; por lo tanto, no disponíamos de datos suficientes para establecer buenas relaciones econométricas para un modelo de televisión en color. (Una investigación posterior estableció pérdidas definitivas en las ventas de televisores en color en 1967 debido a las condiciones económicas).

En 1969, Corning decidió que definitivamente se necesitaba un método mejor que el X-11 para predecir puntos de inflexión en las ventas minoristas de televisores en color dentro de seis meses o dos años. Los métodos estadísticos y las estimaciones de los vendedores no pueden detectar estos puntos de inflexión con suficiente antelación como para ayudar a la toma de decisiones; por ejemplo, un gerente de producción debe tener una advertencia de tres a seis meses de tales cambios para mantener una fuerza laboral estable.

Parecía haber datos adecuados disponibles para crear un modelo econométrico y, por lo tanto, se comenzaron a realizar análisis para desarrollar tal modelo para las ventas de televisión en blanco y negro y en color. Nuestro conocimiento de las estaciones, las tendencias y el crecimiento de estos productos formaron una base natural para construir las ecuaciones de los modelos.

Los insumos económicos para el modelo se obtienen principalmente de la información generada por el modelo econométrico de Wharton, pero también se utilizan otras fuentes.

Utilizando datos que se extendieron hasta 1968, el modelo hizo razonablemente bien la predicción de la recesión en el cuarto trimestre de 1969 y, cuando los datos de 1969 también se incorporaron al modelo, estimó con precisión la magnitud de la caída en los dos primeros trimestres de 1970. Debido a las relaciones de plomo-retraso y la disponibilidad inmediata de pronósticos económicos para los factores del modelo, los efectos de la economía en las ventas se pueden estimar hasta dos años en el futuro.

En la fase de estado estacionario, el control de producción e inventario, las previsiones de artículos de grupo y las estimaciones de la demanda a largo plazo son particularmente importantes. El lector interesado encontrará una discusión sobre estos temas en el reverso de la puerta de entrada.

Finalmente, a través de la fase de estado estable, es útil establecer revisiones trimestrales en las que se presenten gráficos de seguimiento y advertencia estadísticos y nueva información. En estas reuniones, la decisión de revisar o actualizar un modelo o pronóstico se sopesa contra varios costos y la cantidad de error de pronóstico. En un área altamente volátil, la revisión debe realizarse con tanta frecuencia como cada mes o período.

Previsiones en el futuro

Al concluir un artículo sobre previsión, es apropiado que hagamos una predicción sobre las técnicas que se utilizarán en el futuro a corto y largo plazo.

Como ya hemos dicho, no es demasiado difícil predecir el futuro inmediato, ya que las tendencias a largo plazo no cambian de la noche a la mañana. Muchas de las técnicas descritas están solo en las primeras etapas de aplicación, pero aún así esperamos que la mayoría de las técnicas que se utilizarán en los próximos cinco años sean las que se discutirán aquí, quizás en forma extendida.

Los costos de usar estas técnicas se reducirán significativamente; esto mejorará su implementación. Esperamos que las empresas de tiempo compartido de computadoras ofrezcan acceso, a un costo nominal, a bancos de datos de entrada y salida, desglosados en más segmentos comerciales de los que están disponibles en la actualidad. La tendencia decreciente continua en el costo por cálculo informático, junto con las simplificaciones computacionales, hará que técnicas como el método Box-Jenkins sean económicamente factibles, incluso para algunas aplicaciones de control de inventario. Los paquetes de software informático para las técnicas estadísticas y algunos modelos generales también estarán disponibles a un costo nominal.

En la actualidad, la mayoría de las previsiones a corto plazo utilizan únicamente métodos estadísticos, con poca información cualitativa. Cuando se usa información cualitativa, solo se usa de manera externa y no se incorpora directamente en la rutina computacional. Predecimos un cambio en los sistemas de previsión total, donde se vinculan varias técnicas, junto con un manejo sistemático de la información cualitativa.

Los modelos econométricos se utilizarán más ampliamente en los próximos cinco años, y la mayoría de las grandes empresas desarrollarán y perfeccionarán modelos econométricos de sus principales negocios. También se desarrollarán modelos de simulación de marketing para nuevos productos para los productos de mayor volumen, con sistemas de seguimiento para actualizar los modelos y sus parámetros. La programación heurística proporcionará un medio para refinar los modelos de previsión.

Si bien algunas empresas ya han desarrollado sus propios modelos de entrada-salida en conjunto con los datos de entrada y salida del gobierno y las proyecciones estadísticas, pasarán otros cinco a diez años antes de que los modelos de entrada-salida sean utilizados de manera efectiva por la mayoría de las grandes corporaciones.

Sin embargo, dentro de cinco años, veremos un uso extensivo de sistemas persona-máquina, donde los modelos estadísticos, causales y econométricos se programan en computadoras y las personas interactúan con frecuencia. A medida que ganemos confianza en dichos sistemas, de modo que haya menos informes de excepciones, la intervención humana disminuirá. Básicamente, los modelos computarizados harán cálculos sofisticados, y las personas servirán más como generadores de ideas y desarrolladores de sistemas. Por ejemplo, estudiaremos la dinámica del mercado y estableceremos relaciones más complejas entre el factor que se pronostica y los del sistema de predicción.

Además, los modelos de simulación de consumidores se convertirán en algo común. Los modelos predecirán el comportamiento de los consumidores y pronosticarán sus reacciones a diversas estrategias de marketing, como precios, promociones, introducciones de nuevos productos y acciones competitivas. Los modelos probabilísticos se utilizarán con frecuencia en el proceso de previsión.

Finalmente, la mayoría de las previsiones computarizadas se relacionarán con las técnicas analíticas descritas en este artículo. Las aplicaciones informáticas se realizarán principalmente en negocios de productos establecidos y estables. Aunque las técnicas de previsión hasta ahora se han utilizado principalmente para la previsión de ventas, se aplicarán cada vez más a los márgenes de previsión, los gastos de capital y otros factores importantes. Esto liberará al pronosticador para dedicar la mayor parte del tiempo a pronosticar ventas y beneficios de nuevos productos. Sin duda, se desarrollarán nuevas técnicas analíticas para la previsión de nuevos productos, pero habrá un problema continuo, durante al menos 10 a 20 años y probablemente mucho más, para pronosticar con precisión varios factores de nuevos productos, como las ventas, la rentabilidad y la duración del ciclo de vida.

Palabra final

Con una comprensión de las características básicas y las limitaciones de las técnicas, el tomador de decisiones puede ayudar al pronosticador a formular el problema de la previsión correctamente y, por lo tanto, puede tener más confianza en los pronósticos proporcionados y utilizarlos de manera más efectiva. El pronosticador, a su vez, debe combinar las técnicas con el conocimiento y la experiencia de los gerentes.

Creemos que la necesidad actual no es mejores métodos de predicción, sino una mejor aplicación de las técnicas en cuestión.

1. Véase Harper Q. North y Donald L. Pyke, «’Sondas’ del futuro tecnológico», HBR mayo-junio de 1969, p. 68.

2. Véase John C. Chambers, Satinder K. Mullick y David A. Goodman, «Catalytic Agent for Effective Planning», HBR enero-febrero de 1971, p. 110.

3. Véase Graham F. Pyatt, Patrones prioritarios y demanda de bienes duraderos domésticos (Londres, Cambridge University Press, 1964); Frank M. Bass, «Un nuevo modelo de crecimiento de productos para bienes de consumo duraderos», Ciencias de la gestión, Enero de 1969; Gregory C. Chow, «El cambio tecnológico y la demanda de ordenadores», El American Economic Review, diciembre de 1966; y J.R.N. Stone y R.A. Rowe, «La durabilidad de los bienes duraderos de los consumidores», Econometrica, Vol. 28, No. 2, 1960.

Te pueden interesar

Newsletter

Avanza tu carrera profesional, con el resumen semanal de las publicaciones, un libro de negocio resumido en 10 minutos y entrevistas con líderes de negocio.