MEDIDA DEL ERROR EN EL PRONÓSTICO.

Habitualmente en los casos para proyectar un buen pronóstico se debe contar con excelentes instrumentos, metodologías y experiencia; ya que el mercado actual es muy cambiante, dinámico y en muchas ocasiones tiende a tener muchos componentes aleatorios, lo que conlleva a que pronosticar sea una labor compleja. Por tal motivo cantidades de empresas de hoy en día, han creado puestos y departamentos dedicados a pronosticar la demanda.

Debido a que un pronóstico es una estimación se debe tener una técnica de desempeño de esté, ya que esta técnica ayudaría a determinar cuál es el mejor método de pronósticos en el caso que se quiera evaluar varios, y para revisar su desempeño en el tiempo en búsqueda de mejorarlo.

Es importante utilizar una técnica de estimación del desempeño (estimación del error) común, y no utilizar medidas propias, ya que en general las medidas propias hacen que se pierda objetividad en el análisis. Hay algo muy importante que tiene que tener las medidas del desempeño en los pronósticos, que tanto midan cuando el pronóstico fue mayor que el valor real y viceversa, miremos los errores comunes en las empresas cuanto hacen la estimación del error de pronóstico de ventas:

·         Solo cuentan el error cuando el pronóstico es mayor a la venta real, ya que lo que les importa a ellos es la venta perdida.

·         Solo cuentan el error cuando el pronóstico es menor a la venta real, debido a que lo importante es no tener mucho inventario.

·         No se cuenta la magnitud de la diferencia si no que se cuenta el número de veces que el pronóstico estuvo por encima y debajo de la venta real.

Estos errores y muchos mas no miden correctamente el desempeño del pronóstico, y en muchos casos dan la sensación de que el pronóstico está bien, mientras por el contrario en la realidad no lo está.

Para distinguir el valor real del de una serie de tiempo y el valor de pronóstico, se empleará  el símbolo ^ (acento circunflejo) sobre un valor, para indicar que se trata de un pronóstico. El valor de pronóstico para Yt es Ŷt. Con frecuencia, se juzga la precisión de una técnica de pronóstico mediante la comparación de la serie original con la serie de pronóstico.

La notación básica a utilizar será:

Yt = valor real de una serie de tiempo en el periodo t

Ŷt = valor del pronóstico en el periodo t

Para calcular el error o residual de cada periodo de pronóstico, se utiliza la ecuación:  et = Yt – Ŷt= residual o error de pronóstico en el periodo t

Un método para evaluar una técnica de pronóstico consiste en obtener la suma de los errores absolutos. La Desviación Absoluta de la Media, DAM [MAD = Mean Absolute Deviation], mide la precisión de un pronóstico mediante el promedio de la magnitud de los errores de pronóstico (valores absolutos de cada error). La DAM resulta de gran utilidad cuando el analista desea medir el error de pronóstico en las mismas unidades de la serie original, la siguiente ecuación muestra cómo se calcula la DAM

Otro método para evaluar una técnica de pronóstico es el Error Medio Cuadrático, EMC [MSD= Mean Squared Deviation].Cada error o residual se eleva al cuadrado, luego estos valores se suman y se divide entre el número de observaciones. Este enfoque penaliza los errores mayores de pronóstico ya que eleva cada uno al cuadrado. Esto es importante pues en ocasiones pudiera ser preferible una técnica que produzca errores moderados a otra que por lo regular tenga errores pequeños, pero ocasionalmente arroje algunos en extremo grandes.

En ocasiones, resulta más útil calcular los errores de pronóstico en términos de porcentaje y no en cantidades. El Porcentaje de Error Medio Absoluto, PEMA [MAPE=Mean Absolute Percentage Error], se calcula encontrando el error absoluto en cada periodo, dividiendo éste entre el valor real observado para ese periodo y después promediando estos errores absolutos de porcentaje. Este enfoque es útil cuando el tamaño o magnitud de la variable de pronóstico es importante en la evaluación de la precisión del pronóstico. El PEMA proporciona una indicación de qué tan grandes son los errores de pronóstico comparados con los valores reales de la serie. La siguiente ecuación muestra el cálculo del PEMA:

CONCLUSIÓN

Conforme se calculan los pronósticos, se tiene que tener cuenta que al calcularlos y al hacer su respectivo análisis, debemos de verificar que este correcto, ósea que no haya ningún error, para eso utilizan diferentes fórmulas que nos acercan a una precisión, pero que son importantes para la correcta toma de decisiones.

BIBLIOGRAFIA

http://datateca.unad.edu.co/contenidos/104561/Metodos_Probabilisticos_2013/MODULO_2013_ACTAUALIZADO/leccin_5_error_del_pronstico.html

http://pronosticos2.files.wordpress.com/2012/08/pronosticos-ii-2012-sesion-31.pdf

REGRESION LINEAL

Definiciones:

El análisis de regresión es una técnica estadística para investigar la relación funcional entre dos o más variables, ajustando algún modelo matemático.

La regresión lineal simple utiliza una sola variable de regresión y el caso más sencillo es el modelo de línea recta. Supóngase que se tiene un conjunto de n pares de observaciones (x_i,y_i), se busca encontrar una recta que describa de la mejor manera cada uno de esos pares observados.

Ejemplo.

El objeto de un análisis de regresión es investigar la relación estadística que existe entre una variable dependiente (Y) y una o más variables independientes (X1,X2,X3 ,...). Para poder realizar esta investigación, se debe postular una relación funcional entre las variables. Debido a su simplicidad analítica, la forma funcional que más se utiliza en la práctica es la relación lineal.  Cuando solo existe una variable independiente, esto se reduce a una línea recta: Y=b0+b1X

Donde los coeficientes b0 y b1 son parámetros que definen la posición e inclinación de la recta.  (Nótese que hemos usado el símbolo especial Y para representar el valor de Y calculado por la recta.  Como veremos, el valor real de Y rara vez coincide exactamente con el valor calculado, por lo que es importante hacer esta distinción.)

El parámetro b0, conocido como la "ordenada en el origen," nos indica cuánto es Y cuando X = 0.  El parámetro b1, conocido como la "pendiente," nos indica cuánto aumenta Y por cada aumento de una unidad en X.  Nuestro problema consiste en obtener estimaciones de estos coeficientes a partir de una muestra de observaciones sobre las variables Y y X. En el análisis de regresión, estas estimaciones se obtienen por medio del método de mínimos cuadrados.

Como ejemplo, consideremos las cifras del Cuadro 1, que muestra datos mensuales de producción y costos de operación para una empresa británica de transporte de pasajeros por carretera durante los años 1949-52 (la producción se mide en términos de miles de millas-vehículo recorridas por mes, y los costos se miden en términos de miles de libras por mes). Para poder visualizar el grado de relación que existe entre las variables, como primer paso en el análisis es conveniente elaborar un diagrama de dispersión, que es una representación en un sistema de coordenadas cartesianas de los datos numéricos observados. En el diagrama resultante, en el eje X se miden las millas-vehículo recorridas, y en el eje Y se mide el costo de operación mensual. Cada punto en el diagrama muestra la pareja de datos (millas-vehículo y costos de operación) que corresponde a un mes determinado. Como era de esperarse, existe una relación positiva entre estas variables: una mayor cantidad de millas-vehículo recorridas corresponde un mayor nivel de costos de operación.

Por otro lado, también se aprecia por qué este gráfico se denomina un diagrama de "dispersión": no existe una relación matemáticamente exacta entre las variables, ya que no toda la variación en el costo de operación puede ser explicada por la variación en las millas-vehículo. Si entre estas variables existiera una relación lineal perfecta, entonces todos los puntos caerían a lo largo de la recta de regresión, que también ha sido trazada y que muestra la relación "promedio" que existe entre las dos variables. En la práctica, se observa que la mayoría de los puntos no caen directamente sobre la recta, sino que están "dispersos" en torno a ella. Esta dispersión representa la variación en Y que no puede atribuirse a la variación en X.

¿Cuándo utilizar un pronóstico de regresión lineal?

El pronóstico de regresión lineal simple es un modelo óptimo para patrones de demanda con tendencia (creciente o decreciente), es decir, patrones que presenten una relación de linealidad entre la demanda y el tiempo.

CONCLUSIÓN

La regresión lineal es otro método de pronóstico de una variable, solo que más matemático y complejo en el cual a base una gráfica de tiempo y demanda podemos observar cómo se comportan cada uno de los valores entre sí, es decir cuánto están más alejados a cerca de la “línea” que forma la regresión lineal en la cual vemos la relación de una variable independiente de otra u otras independientes. Es útil para cualquier estudio el cual involucre el tiempo.

BIBLIOGRAFIA

http://www.eumed.net/cursecon/medir/introd.htm

http://www.dcb.unam.mx/profesores/irene/Notas/Regresion.pdf

http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-industrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/

https://www.uam.es/personal_pdi/economicas/sgarcia/regresionlinealsimple.pdf

PROMEDIOS MOVILES

La estimación o proyección de ingresos futuros puede llevarse a cabo mediante diferentes métodos estadísticos de extrapolación, entre ellos: sistema automático, promedios móviles y de suavización exponencial, de aumento, econométricos (e.g., método de mínimos cuadrados, modelo de regresión lineal, modelo de correlación no lineal) y directo.

Aunque existen más métodos para pronosticar, por simplicidad presentamos solamente dos, que consideramos los más usuales y sencillos de llevar a cabo.

·          Promedios Móviles

·          Suavización Exponencial

Estos métodos pueden utilizarse cuando:

a) Hay información disponible de la variable(s) que se está pronosticando.

b) La información puede ser cuantificada.

c) Si se considera razonable que el patrón de comportamiento del pasado continuará en el futuro. Si se cuenta con una base de datos histórica y se quiere pronosticar una variable considerando su comportamiento pasado, entonces podemos utilizar el método de promedios móviles o el método de suavización exponencial, que son conocidos también como métodos de series de tiempo.¹

Método de Promedios Móviles

La utilización de esta técnica supone que la serie de tiempo es estable, esto es, que los datos que la componen se generan sin variaciones importantes entre un dato y otro (error aleatorio=0)², esto es, que el comportamiento de los datos aunque muestren un crecimiento o un decrecimiento lo hagan con una tendencia constante.

Cuando se usa el método de promedios móviles se está suponiendo que todas las observaciones de la serie de tiempo son igualmente importantes para la estimación del parámetro a pronosticar (en este caso los ingresos). De esta manera, se utiliza como pronóstico para el siguiente periodo el promedio de los n valores de los datos más recientes de la serie de tiempo.

Utilizando una expresión matemática, tenemos:

tiempo, se reemplaza la observación más antigua de la ecuación y se calcula un nuevo promedio. El resultado es que el promedio se moverá, esto es, conforme se tengan nuevos datos y se vayan sustituyendo en la fórmula, el valor del promedio irá modificándose.

No existe una regla específica que nos indique cómo seleccionar la base del promedio móvil n. Si la variable que se va a pronosticar no presenta variaciones considerables, esto es, si su comportamiento es relativamente estable en el tiempo, se recomienda que el valor de n sea grande. Por el contrario, es aconsejable un valor de n pequeño si la variable muestra patrones cambiantes. En la práctica, los valores de n oscilan entre 2 y 10.

El método de promedios móviles es muy útil cuando se tiene información no desagregada y cuando no se conoce otro método más sofisticado y que permita  predecir con mayor confianza.

Este método permite suavizar la serie de tiempo aunque existen otros métodos que son más eficientes en la predicción.

1

 Una serie de tiempo es un conjunto de observaciones respecto a una variable, medidas en puntos sucesivos en el tiempo o a lo largo de periodos sucesivos de tiempo. Un análisis de una secuencia de datos se conoce como análisis de series de tiempo de una variable.

2

 El error aleatorio muestra el grado de confiabilidad con que se van a comportar los datos. La variación del error puede ser de 0 a 1, en donde, un error aleatorio=0 muestra una total confiabilidad del comportamiento de los datos y un error aleatorio=1 muestra que los datos no son confiables en su comportamiento.

CONCLUSIÓN

Los promedios móviles son una parte y un método de una serie de tiempo, los cuales consisten en predecir el comportamiento futuro de una variable y se relaciona con una serie de tiempo porque este método tendrá valores constantes y que no variaran, ósea su tendencia será constante, cuando el error aleatoria sea igual a 0, significara que el método es confiable, sin embargo cuando sea igual a 1 el método no servirá para el pronóstico.

Este método supone un poco antiguado, ya que hay métodos más “sofisticados matemáticamente”  y computo. Pero para iniciar un análisis es suficiente.

BIBLIOGRAFIA

http://www.cca.org.mx/funcionarios/biblioteca/html/finanzas_publicas/documentos/3/m3_metodos.pdf

PATRONES DE SERIES DE TIEMPO

¿Qué es una serie de tiempo?

Conjunto ordenado de observaciones de una variable, comúnmente, registrada a intervalos de tiempo constantes.

En Estadística se le llama así a un conjunto de valores observados durante una serie de períodos temporales secuencialmente ordenada, tales períodos pueden ser semanales, mensuales, trimestrales o anuales.

Se representa por medio de una gráfica de líneas sobre cuyo eje horizontal se representan los períodos y en cuyo eje vertical se representan los valores de la serie de tiempo.

Para llevar a cabo un análisis de este tipo, primero se deben identificar los componentes de la serie de tiempo, después aplicar las técnicas estadísticas para su análisis y, finalmente, hacer las proyecciones o pronósticos de eventos futuros.

De esta forma, el análisis de series de tiempo es el procedimiento por el cual se identifican y aíslan los factores relacionados con el tiempo que influyen en los valores observados en las series de tiempo para que una vez identificados, estos factores puedan contribuir a la interpretación de valores históricos de series de tiempo y hasta entonces pronosticar valores futuros de series de tiempo.

El método clásico identifica cuatro influencias o componentes:

•        Tendencia (T)

•        Fluctuaciones cíclicas (C)

•        Variaciones estacionales (E)

•        Variaciones irregulares (I)

•

Los cuales tienen una relación multiplicativa que dan forma al modelo clásico de series de tiempo, es decir, para cualquier período designado en la serie de tiempo, el valor de la variable está determinado por los cuatro componentes en la siguiente forma:

 Y = T x C x E x I

La tendencia secular o tendencia a largo plazo de una serie es por lo común el resultado de factores a largo plazo.

En términos intuitivos, la tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la propia serie, que se consideran consecuencias de fuerzas persistentes que afectan el crecimiento o la reducción de la misma, tales como: cambios en la población, en las características demográficas de la misma, cambios en los ingresos, en la salud, en el nivel de educación y tecnología.

Fluctuación cíclica: el segundo tipo de variación observado en una serie temporal es la fluctuación cíclica, el ejemplo más común es el ciclo de negocios. A través del tiempo, hay años en que el ciclo de negocios llega a un pico por encima de la línea de tendencia y en otros la actividad puede caer llegando a un punto por debajo de la línea de tendencia. El tiempo que transcurre entre picos o puntos bajos es de al menos un año y puede llegar a durar hasta 15 a 20 años.

Variación temporal: implica patrones de cambio en el lapso de un año que tienden a repetirse anualmente.

Variación irregular: el valor de una variable puede ser completamente impredecible, es decir que cambia de manera aleatoria. Por ejemplo los efectos del conflicto en el Medio Oriente en 1973, la situación en Irán entre 1979 al 1981, el colapso de la OPEP en 1986 y la situación en Irak en 1990 sobre los precios de la gasolina en Estados Unidos son ejemplos de variación irregular y la situación actual en Medio Oriente.

El primer paso en el análisis de series de tiempo, consiste en graficar la serie. Esto nos permite detectar las componentes esenciales de la serie.

El gráfico de la serie permitirá:

a) Detectar Outlier: se refiere a puntos de la serie que se escapan de lo normal. Un outliers es una observación de la serie que corresponde a un comportamiento anormal del fenómeno (sin incidencias futuras) o a un error de medición.

Se debe determinar desde fuera si un punto dado es outlier o no. Si se concluye que lo es, se debe omitir o reemplazar por otro valor antes de analizar la serie.

b) Permite detectar tendencia: la tendencia representa el comportamiento predominante de la serie. Esta puede ser definida vagamente como el cambio de la media a lo largo de un periodo

c) Variación estacional: la variación estacional representa un movimiento periódico de la serie de tiempo. La duración de la unidad del periodo es generalmente menor que un año. Puede ser un trimestre, un mes o un día, etc.

Las principales fuerzas que causan una variación estacional son las condiciones del tiempo, como por ejemplo:

•        en invierno las ventas de helado

•        en verano la venta de lana

•        exportación de fruta en marzo.

•

d) Variaciones irregulares (componente aleatoria): los movimientos irregulares (al azar) representan todos los tipos de movimientos de una serie de tiempo que no sea tendencia, variaciones estacionales y fluctuaciones cíclicas.

En otros conceptos.

Patrón cíclico

Cuando una serie tiene tendencia, se puede observar un patrón adicional, un crecimiento o decrecimiento constante cada cierto tiempo (tres años o más); este patrón es el comportamiento cíclico. En México marcadamente cada cambio de sexenio (cada seis años) se observaba una caída en el comportamiento del PIB, haciendo visible un patrón cíclico.

Patrón estacional

Cuando una serie se ve influenciada por factores que se repiten en la misma temporada del año, se dice que tiene un patrón estacional. Ejemplos de variables con patrón estacional son las ventas de trajes de baño (con un incremento marcado en cada verano), las ventas de artículos navideños (con un incremento marcado cada diciembre), las monedas y billetes en poder del público, etc. El patrón estacional sólo puede existir en series que se miden con una frecuencia mensual, bimestral, trimestral, etc., pero no anual, y mide la variación que hay en una serie cada enero, febrero, marzo, etc.

Variación Irregular

La variación irregular (aleatoria) está presente en los patrones horizontales, de tendencia y estacionalidad; son cambios en la serie de corto plazo que por su aleatoriedad son difíciles modelarlos matemáticamente y por consecuencia no se proyectan al futuro para realizar pronósticos. Un ejemplo son las variaciones observadas en la serie histórica del tipo de cambio (pesos por dólar), atribuidas a especulaciones debido a movimientos sociales, acontecimientos políticos, desastres, etc. que influyen en las decisiones de los inversionistas.

CONCLUSIÓN

Las series de tiempo son conjuntos de valores de alguna situación y fueron registradas durante un intervalo de tiempo, son bastante utilizadas en el análisis y estadística de diferentes temas de estudio, como la el conteo poblacional, con el INEGI, o cualquier otro tema donde se quiera conocer y estudiar las necesidades o dichos trabajos y así distribuir los trabajos para conocimiento general y toma de decisiones.

BIBLIOGRAFÍA

http://www.agro.uba.ar/agro/ced/estadistica/clases/clase5.pdf

http://www.seduca2.uaemex.mx/ckfinder/uploads/files/u3tema_3_series_de_t.pdf

http://www.editorialdigitaltecdemonterrey.com/materialadicional/id196/cap1/patrones_tiempo.pdf

TECNICAS BÁSICAS DE PRONÓSTICO

Importancia de los pronósticos en la planeación de las empresas. Es bien sabido que a nivel regional todo administrador conoce la importancia de la planeación de empresas, pero también se sabe que la mayor parte de las veces estos administradores desconocen la verdadera importancia de la elaboración de pronósticos confiables que puedan incluir en esta área. 

En la experiencia de la mayoría de los negocios regionales -sean estos del giro de producción o de servicios, las decisiones tomadas en el presente que impactaran en el futuro se respaldan en la intuición; y no es que esto sea malo, pero bajo el contexto actual en el cual se mueven todos los mercados, la incertidumbre es parte de la operación de las empresas en el día a día. Para que las empresas puedan reducir este grado de incertidumbre como resultado del cambio constante del entorno, deben respaldar sus decisiones en algo más que la intuición, deben respaldarlo en la elaboración de pronósticos correctos y precisos que sean suficientes para satisfacer las necesidades de planeación de la organización.                   

En el sentido de los negocios, un pronóstico es una herramienta que proporciona un estimado cuantitativo o un conjunto de estimados- acerca de la probabilidad de eventos futuros que se elaboran en base en la información de interés en su dimensión pasada y actual (Pindyck y Rubinfeld, 2001); dicha información se encuentra expresada en la forma de un modelo y existen múltiples formas de estos expresadas a través de técnicas de pronósticos.
No obstante, sea cual sea el modelo elegido para la elaboración del pronóstico se debe seguir un proceso lógico para llevarlo a cabo; tal proceso consta de los siguientes 
pasos (Hanke y Wichern, 2006): 

1) Formular el problema. 
2) Recolectar los datos. 
3) Manipular y limpiar los datos. 
4) Construir y evaluar el modelo.
5) Aplicar el modelo. 
6) Evaluar el pronóstico. 

Con lo anterior es importante saber también que, para fines administrativos que tengan 
como objetivo una mejor planeación en la empresa, el proceso del pronóstico y sus 
resultados deben presentarse de forma eficaz a fin de que sean utilizados en el proceso de 
toma de decisiones en la organización, justificando siempre los resultados en base a un 
costo-beneficio. 
  

Dentro de las técnicas cuantitativas de pronósticos se tienen las determinísticas (o causales) que comprender la identificación y determinación de relaciones entre la variable a pronosticar y otras variables de influencia (p.e. regresión múltiple, modelos econométricos, etcétera), y las estadísticas que se enfocan en los patrones, cambios y perturbaciones causadas por influencias aleatorias (p.e. promedios móviles, atenuación exponencial, descomposición de series de tiempo, etcétera) (Hanke y Wichern, 2006). 

Pronostico es un método mediante el cual se intenta conocer el comportamiento futuro de alguna variable con algún grado de certeza. Existen disponibles tres grupos de métodos de pronósticos: Los cualitativos, los de proyección histórica y los causales. Se diferencian entre sí por la precisión relativa del pronóstico del largo plazo en comparación con el corto plazo, el nivel de herramientas matemáticas requerido y la base de conocimiento como sustrato de sus proyecciones.

Los pronósticos pueden ser utilizados para conocer el comportamiento futuros en muchas fenómenos, tales como:

1. Mercadotecnia

•        Tamaño del mercado

•        Participación en el mercado

•        Tendencia de precios

•        Desarrollo de nuevos productos

2. Producción

•        Costo de materia prima

•        Costo de mano de obra

•        Disponibilidad de materia prima

•        Disponibilidad de mano de obra

•        Requerimientos de mantenimiento

•        Capacidad disponible de la planta para la producción

3. Finanzas

•        Tasas de interés

•        Cuentas de pagos lentos

4. Recursos Humanos

•        Número de trabajadores

•        Rotación de personal

•        Tendencias de ausentismo

•        Tendencia de llegadas tarde

5. Planeación Estratégica

•        Factores económicos

•        Cambios de precios

•        Costos

•        Crecimiento de líneas de productos

Los pronósticos se utilizan para apoyar a la toma de decisiones por parte de las Gerencias de Mercadeo, Ventas y Producción, se entrega un pronóstico para proveer con información congruente y exacta, la cual se calcula utilizando modelos matemáticos de pronóstico, datos históricos del comportamiento de las ventas y el juicio de los ejecutivos representantes de cada departamento involucrado de la empresa.

Técnicas de pronóstico.

Cuantitativas:

Aplican un conjunto de reglas matemáticas a una serie de datos anteriores para predecir datos futuros.

Cualitativas:

Utilizan el juicio y las opiniones de conocedores generalmente se usan cuando los datos precisos son limitados o difíciles de conseguir.

Las necesidades de pronosticar.

Los pronósticos se utilizan para acercarnos información futura y con ella elaborar un plan de acción, de ahí que las características de un pronóstico sean:

Primera. Todas las situaciones en que se requiere un pronóstico, tratan con el futuro y el tiempo este directamente involucrado. As, debe pronosticarse para un punto específico en el tiempo y el cambio de ese punto generalmente altera el pronóstico.

Segunda. Otro elemento siempre presente en situaciones de pronósticos es la incertidumbre. Si el administrador tuviera certeza sobre las circunstancias que existirán en un tiempo dado, la preparación de un pronóstico seria trivial.

Tercera. El tercer elemento, presente en grado variable en todas las situaciones descritas es la confianza de la persona que hace el pronóstico sobre la información contenida en datos.

CONCLUSIÓN.

Las técnicas de pronóstico son métodos que pueden concer como se comportara ciertas cosas y son útiles para cualquier persona o personas encargadas de hacer las proyecciones futuras de la demanda y oferta de los mercados, sobre un producto, la persona o grupo de personas analizan y estudian todas las variables existentes en torno a ese producto, según sea el caso además de que se necesita de mucha experiencia y así estos “lobos de mar”  son capaces de acertar en sus decisiones a futuro siendo de éxito siempre o casi simpre.

BIBLIOGRAFÍA

http://www.itson.mx/publicaciones/pacioli/Documents/no71/47a.-_pronosticos,_una_herramienta_clave_para_la_planeacion_de_las_empresas.pdf

http://www.inafed.gob.mx/work/models/inafed/Resource/330/1/images/herramientas_y_tecnicas_de_la_planeacion.pdf

http://www.andragogy.org/_Cursos/Curso00169/Temario/pdf%20leccion%201/tema_1_pyme.pdf

La meta.

Eliyahu M. Goldratt y Jeff Cox

La meta es una lectura que relaciona la vida en la industria, con la vida personal de una persona valga la redundancia.

Alex Rogo es el gerente de una industria manufacturera la cual siempre ha tenido problemas de pedidos retrasados, a pesar de ser aparentemente de alta tecnología; y el día se le complica cuando el vicepresidente de la corporación visita “la fábrica de Alex”, por la queja de un cliente y su pedido el cual lleva tiempo retrasado este pedido se menciona varias veces con el numero “41427” y por causa también de una maquina descompuesta con el numero “NCX-10” que llaman la atención al mencionarse varias veces durante la lectura, pero retomando, el vicepresidente llamado Bill Peach le exige productividad en tres meses, de no cumplir con esta meta Bill amenaza con cerrar la fábrica y por conciencia cientos de trabajadores desempleados incluyendo a Alex.

Alex tiene ya varios problemas, incluyendo su vida personal y amorosa la cual pende de un hilo, ya que su esposa está harta y necesita atención al igual que sus hijos,  buscando respuestas encuentra una antiguo profesor en el aeropuerto al cual le platica su situación de la fábrica y este le pregunta si sabe cuál es la meta de la fábrica, Alex le contesta que es la de ser productivos que aparentemente no lo eran, su profesor le pregunta si sabe que es ser productivo, dando vueltas a la pregunta llega a la conclusión de que la meta para ser productivo es que la fábrica ganara dinero. Su profesor también le dio algunos consejos y conceptos sobre la reducción de costos, desperdicios e inventarios.

Al se dio cuenta de que tienen un inventario de 20 millones de dólares en productos acabados almacenados sin vender, ya que la fábrica produce artículos sin demanda, lo que también hace que los pedidos se retrasen, y esto le cuesta dinero a la fábrica.

Al y su equipo en conjunto con la asesoría de su antiguo profesor encuentras las dependencias y fluctuaciones estadísticas y los cuellos de botella durante el proceso y ponen en práctica todo lo que han observado y finalmente solucionan los problemas, y al es ascendido y parece ser que todo está bien en su trabajo con en su hogar.

“El secreto para ser un buen científico no está, creo, en la capacidad de nuestro cerebro. Tenemos suficiente. Lo que necesitamos es, simplemente, mirar a la realidad y pensar, con lógica y precisión, sobre lo que vemos. El factor clave es tener la valentía de enfrentarse a las incoherencias entre lo que vemos y deducimos y la forma en que se hacen las cosas. Este desafío a las hipótesis y supuestos básicos es esencial para el progreso.”

 “La meta son las ventas la fábrica está hecha para producir dinero y a la empresa le costaba mucho la fábrica.”

«La meta» de una organización industrial es ganar dinero. Y reducir perdidas”

CONCLUSIÓN
La meta nos muestra de una manera ficticia pero creo que muy real con lo que pasa en la fabricas y la vida de las personas encargadas de estas fábricas con presiones con lograr resultados y llegar a las metas y nos muestra un ejemplo de una fábrica con muchos problemas, en la cual el personaje principal y su equipo pudieron detectar como tener grandes inventarios lo que representa dinero perdido para la fábrica y los cuellos de botella durante los procesos y la metodología para resolverlos mediante o planteado hipótesis lógica a buscar la respuesta y soluciones en todo lo que nos rodea porque aparentemente las tenemos las respuestas en frente.

El éxito de ZARA

En su obra "La nueva ciencia de la venta al por menor" (Harvard Business Press) los profesores de la Escuela de Negocios de Harvard y la Universidad de Pensilvania, Anant Raman y Marshall Fisher, afirman que la premisa de que las rebajas se pueden optimizar si se hace un análisis adecuado es sólo un paso en la comprensión de la dinámica de la venta al por menor donde las computadoras pueden guiar el proceso de toma de decisiones.

Se trata de una entretenida guía práctica especialmente centrada en la gestión del inventario y el cálculo del precio óptimo para maximizar las ventas y los beneficios.

El éxito de ZARA descansa en la capacidad de analizar el mercado, predecir las tendencias de consumo y las necesidades para gestionar correctamente el inventario. ZARA puede reponer todo su género en sólo dos semanas, lo que le asegura una enorme competitividad.

Apenas gasta en publicidad y se permite incluso mantener fábricas más caras en España en lugar de deslocalizar, reinvirtiendo parte de sus astronómicos beneficios. La estrecha integración entre diseño, planificación, comercialización y producción le permite responder rápidamente a cualquier necesidad del mercado.

El éxito del enfoque flexible de ZARA se demuestra también en el mercado de valores. Los autores analizaron el rendimiento de las acciones de ZARA, Gap y Limited Brands. Su análisis muestra el potencial de ZARA, y demuestra que la predicción precisa crea una cadena de suministro más eficaz.

Según los profesores de Harvard, el éxito de ZARA prueba la teoría de que si un minorista puede pronosticar la demanda con precisión y con suficiente antelación, conseguirá ajustar la producción en masa y gestionar mejor los inventarios, fijar precios para las rebajas más bajos, conseguir una mayor rentabilidad (margen bruto), y crear valor para los accionistas a corto y largo plazo.

Los accionistas pueden esperar pocas sorpresas. Las ventas se realizan en 40 países, sobre la base de una producción flexible subcontratada en una gran parte, lo que permite adaptarse continuamente a la evolución de la demanda en número y tipología de prendas. Por ello, los inventarios son mínimos, con lo que el elemento más importante de la inversión comprometida en este tipo de negocios es también mínimo.

El hecho de moverse en tantos mercados le permite capear mejor crisis económicas regionales. Además, al situarse en un segmento de coste moderado, su producto escapa mejor de las crisis que otros. En épocas de vacas gordas les compra la clase media-baja, y en vacas flacas, la media-alta; pero sus ventas se resienten menos que las de sus competidores tanto de gama alta como baja.

Inditex invierte fuertemente en la decoración de sus tiendas, porque son la clave de su estrategia de no gastar en publicidad, y hacer de sus tiendas el mejor escaparate, y un lugar de visita periódica por parte de sus clientes. Pero esa inversión es acotada (Inditex tiene una estructura y una tecnología propias dedicada a la inauguración continua de nuevas tiendas), y está perfectamente justificada. El resultado es que las tiendas de Inditex están situadas en los mejores locales de las mejores zonas comerciales del mundo, y se codean con los mejores establecimientos de moda.

La fórmula de Inditex se dirige al mercado ofrecer “altísima calidad y diseño a un precio accesible para la mayoría”. Es decir, compagina dos propuestas de valor teóricamente incompatibles (de hecho imposibles de conjugar para la mayoría de sus competidores): buen diseño de moda rabiosa y bajos precios. Es verdad que sus competidores argumentan a veces que a costa de copiar diseños. Pero también es verdad que la fórmula ZARA es la que mejor hace posible acoplarse a los gustos cambiantes de la juventud actual.

La idea es que vista a la moda como si llevara las mejores marcas, pagando mucho menos, lo que le permite tener un vestuario más amplio con un presupuesto accesible.

El cliente de Inditex-ZARA se siente importante en sus tiendas, en las que está a la altura de las mejores, pero no tiene que pagar los precios que piden otras marcas. Las tiendas son grandes y los vendedores, atentos, y de edades similares a sus clientes, dejan merodear y analizar las prendas en paz a los clientes que los visitan. Cada visita a una tienda de ZARAes una experiencia distinta, porque el producto de la tienda se renueva totalmente cada tres o cuatro semanas.

Entonces, la pregunta es: ¿Qué  distingue a ZARA de su competencia?

La distingue su modelo de negocio, conocido como moda rápida, que se adapta mejor que nadie a las preferencias del cliente. Ofrece moda actual, a un precio por debajo de la competencia, y con una calidad adecuada, para 10 puestas. Seguramente muchos se preguntarán, ¿no ofrecen todos lo mismo? Y la respuesta contundente en NO.

Primero, el tiempo de respuesta es totalmente diferente. Mientras la competencia se la pasa desarrollando desfiles de moda y tratando de imponer la moda, ZARA crea un modelo flexible que responde a las expectativas del mercado.

El modelo tradicional a través de desfiles de moda, opera bajo largos ciclos de investigación y desarrollo que tardan entre 6 a 9 meses. Esto es, entre que se diseña la prenda, se exhibe en la pasarela, se hace la apuesta de lo que pegará en la próxima temporada, se fabrica y se distribuyen las prendas a las tiendas, pasan por lo menos medio año. Mientras ZARA puede percatarse de lo que le interesa al mercado y fabricar e introducir un nuevo diseño en sus tiendas en sólo dos a tres semanas.

Esto conlleva a un modelo de negocio totalmente diferente.

Los clientes de ZARA visitan la tienda en promedio 17 veces por año, mientras que los clientes de su competencia visitan la tienda sólo de 3 a 4 veces por año. Escuchaste bien. 17 veces en relación a 3 a 4. Estamos hablando de más de 4 veces el tráfico per cápita por tienda.

Por otro lado la gente que va a la tienda ZARA van para comprar, porque ZARA ha creado una estrategia de tener pocas existencias de cada pieza en la tienda, generando así una alta rotación, gracias a una sensación de escasez, que motiva a la gente a comprar lo que les gusta en el momento. Esto lleva a ZARA a manejar más de 11,000 modelos por año, en relación de los 2,000 a 4,000 modelos que maneja su competencia.

CONCLUSIÓN

El éxito de ZARA o moda rápida, según lo anterior se debe a diversos factores: entre los cuales esta sus inventarios nudos o casi nulos ya que no produce  tanta ropa “aparentemente”, ZARA produce de 4-6 prendas iguales de cada prenda diferente que tiene, a diferencia de Walmart que en su área de ropa tiene hasta 15-20 prendas iguales de cada diferente prenda. ZARA maneja un modelo logístico de moda rápida, que a mi punto de vista “copia” de las grandes, reconocidas y lujosas marcas que siempre han existido y que solo modifica para no ser exactamente igual, que en cada instante se actualiza a lo cambiante del mercado y de la moda, en cada lugar del mundo, en cada escuela, antro, centro comercial, trabajo, etc. Por eso ZARA abastace sus tiendas en periodos muy cortos de 2-3 semanas, ósea que al ser ropa con un precio accesible y lo que está de “moda” tengamos esa mentalidad de que si no lo compro hoy, mañana seguramente  ya no estará, es por eso que ZARA invierte en sus tiendas y no en publicidad ya los clientes visitemos muchas veces la tienda al año, y que seguramente salgamos con una bolsa de ZARA en las manos.

BIOGRAFIA

http://marketingactual.es/index.php/marketing/211-zara-y-la-clave-del-exito

https://www.librosdecabecera.com/articulos/el-modelo-inditex-zara