Fundamentos del pronóstico en los negocios - Parte 1.

¡Hola a todos!

Iniciamos hoy una serie de artículos donde adaptaremos contenido de diversas fuentes para tratar puntos importantes sobre el pronóstico en las empresas.

Empecemos por reforzar que el pronóstico es un proceso en el cual siempre vamos a intentar perseguir la mayor precisión posible, y que para ello debemos entender cuáles son los aspectos fundamentales que impactan la habilidad de una organización para alcanzar altos valores de precisión. Michael Gilliland en su libro “The Business Forecasting Deal”, plantea que el filósofo Escoses David Hume “formuló una declaración del problema de pronosticar en su libro ‘An Enquiry Concerning Human Understanding’, en la que Hume estaba preocupado con la inducción en el proceso, el razonamiento desde hechos particulares a conclusiones generales, y el pronóstico es un ejemplo de esto”.

Michael Gilliland también plantea en su libro “The Business Forecasting Deal” que Hume planteó que no hay prueba de que el futuro se vaya a comportar como el pasado y que por lo tanto no había justificación para realizar un pronóstico, basado en una pregunta muy particular: “¿Qué justificación hay para la creencia de que el pan alimenta? Sólo porque el pan ha exhibido esta característica alimenticia en el pasado, ¿es eso una prueba de que el pan continuará alimentando en el futuro?

Ciertamente el ejemplo visto en estos tiempos carece de todo sentido, pero lo que está detrás del argumento de Hume es que es muy difícil asegurar que el comportamiento futuro de una variable será el mismo que en el pasado.

Científicamente, podemos predecir en muchos procesos físicos y químicos cual será el resultado de alterar ciertas variables.

En los ámbitos económico y social podemos predecir de cierta manera cuáles serán los resultados a mediano y largo plazo para un país cuando se toman decisiones geopolíticas y económicas, sin embargo en el ámbito empresarial es el principio de que el pronóstico a corto plazo es más preciso el que reina. Cada día es más evidente que hay efectos causales que impactan el pronóstico de la demanda en las organizaciones, tanto de manufactura como de prestación del servicio, y que debemos entender cuáles son para abordarlos, para planificar con precisión razonable y con eficiencia la demanda y cumplir los niveles de servicio pactados y las expectativas del mercado.

Para establecer una meta razonable de la precisión del pronóstico, lo mejor que podemos hacer es descubrir la estructura subyacente o la regla que guía el comportamiento que se está pronosticando, de manera que podamos construir un modelo que represente de manera precisa ese patrón de comportamiento, pero esto no garantiza que el patrón no cambie en el futuro. Hay un elemento siempre presente que altera la precisión de un pronóstico y es la aleatoriedad de la demanda.

Ahora, ¿podemos construir modelos matemáticos que consideren la aleatoriedad, de manera que nos permita construir un pronóstico más preciso del comportamiento de la demanda? Creo que es posible considerar los rangos de variación de la aleatoriedad, el efecto de las tendencias y estacionalidad para entender cuáles pueden ser las causas de su variación, pero siempre será muy difícil predecir el rango de aleatoriedad de la demanda. Más aún cuando pueden existir puntos dinámicos en el patrón de demanda. Dichos puntos dinámicos no deben considerarse en el desarrollo de un pronóstico, pero si podemos aprender de ellos y evaluar cuales son las variables económicas, políticas, climáticas, sociales y de la industria que inciden en dicho comportamiento. Ni que decir si la demanda tiene un comportamiento intermitente. Esto amerita inclusive una perspectiva muy diferente para la planeación de la demanda.

Considere los siguientes tres escenarios de demanda para un producto en un mismo mercado, cada uno con un nivel diferente de aleatoriedad para un pronóstico de 50 unidades en promedio, representado por la línea azul, y tratemos de argumentar respuestas a algunas preguntas:

1. Partiendo de que el nivel de aleatoriedad va disminuyendo en cada escenario para el mismo producto, ¿Cuál de esos pronósticos se considera más preciso?

2. ¿Cuál es el efecto de la reducción de la aleatoriedad de la demanda en el proceso de pronóstico de este producto?

3. ¿Cuál es el efecto de contar con mayor cantidad de datos para planificar la demanda?

4. ¿Cuál de los escenarios de demanda podemos considerar más volátil y por qué?

5. ¿Descartaría en el escenario 1 algunos puntos del proceso de pronóstico? Si lo haría, ¿Cuáles serían sus razones para ello?

6. ¿Qué recomendaciones haría al equipo de planeación de demanda para gestionar cada escenario para este producto?

7. ¿Qué podemos argumentar sobre la eficiencia del proceso de pronóstico ejecutado para cada escenario?

Escenario 1: Pronóstico promedio – 50 unidades.

Escenario 2: Pronóstico promedio – 50 unidades.

Escenario 3: Pronóstico promedio – 50 unidades.

En la siguiente publicación cambiaremos el contexto de los escenarios y hablaré un poco sobre algunos indicadores muy importantes para evaluar el desempeño del pronóstico.

Reflexionen sobre las preguntas planteadas y aporten a la discusión sobre este proceso tan vital, pero muchas veces descuidado en las organizaciones.

¡Un cordial saludo!

Carlos Perozo, M.E., CPIM, CSCP, CLTD, Sigmacol CEO.