El modelo de pronóstico se basa en el enfoque tradicional de descomposición de datos de ventas:
•El primer componente del modelo es el nivel de ventas. Este nivel se puede estimar por tres métodos diferentes: ya sea por un pronóstico ingenuo que consiste en utilizar la última venta observada, ya sea por una media móvil en un horizonte de rodadura dado, o por suavización exponencial.
•El segundo componente es la tendencia y debe considerarse para las ventas que exhibe un aumento (o disminución) regular durante varios períodos sucesivos. Se dice que este ajuste de tendencia es aditivo si el aumento (o la disminución) es lineal a lo largo del tiempo, o multiplicativo, si el aumento (o la disminución) es exponencial a lo largo del tiempo.
•El tercer componente es la estacionalidad y debe considerarse para las ventas que exhibe fluctuaciones periódicas. Se dice que este ajuste de estacionalidad es aditivo cuando se realiza en valor absoluto, con respecto al pronóstico básico sin ajuste de tendencia. Se dice que es multiplicativo cuando se realiza en valor relativo, con respecto al pronóstico básico sin ajuste de tendencia.
Nivel de estimación
Este nivel se puede estimar mediante un pronóstico ingenuo, una media móvil en un horizonte continuo o un alisamiento exponencial,
Pronóstico ingenuo
El
pronóstico ingenuo consiste en utilizar la última venta observada como previsión
de nivel.
Media móvil
El promedio
móvil consiste en estimar el promedio aritmético para n últimos períodos, donde
n es el horizonte definido en la celda denominada Número de períodos.
Suavizado exponencial
El
alisamiento exponencial consiste en un promedio ponderado, según el cual a cada
dato se le asigna un peso que disminuye según la retención de los datos.
Uno tiene que definir el coeficiente de suavizado, con un valor entre 0 y 1 (límites excluidos).
Ajuste de tendencia
En un conjunto de datos
históricos, la tendencia refleja el hecho de que los datos están aumentando (o
disminuyendo) a lo largo del tiempo. El modelo de pronóstico integra este
mecanismo a través de un ajuste de tendencia,
Este ajuste se calcula por
medio de un alisamiento exponencial de las tendencias observadas entre datos
sucesivos. La tendencia observada puede ser:
•Aditivo: el ajuste de tendencia se calcula como la diferencia entre datos sucesivos. Este método se debe usar cuando los datos aumentan (o disminuyen) son principalmente lineales a lo largo del tiempo.
•Multiplicativo: el ajuste de tendencia se calcula como la relación entre datos sucesivos. Este método se debe usar cuando el aumento (o disminución) de los datos es exponencial (o más generalmente no lineal) a lo largo del tiempo.
Uno tiene que definir el coeficiente de suavizado para el procedimiento de ajuste de tendencia, con un valor entre 0 y 1 (límites excluidos).
Ajuste estacional
Cuando los datos históricos exhiben fluctuaciones periódicas, uno tiene que considerar el ajuste estacional.
Primero, uno tiene que ingresar el número de períodos en un ciclo periódico dado, en la celda correspondiente. Luego, se calcula un ajuste estacional para cada período del ciclo. Este ajuste se puede estimar de forma absoluta o relativa. Uno tiene que elegir entre:
•Ajustes estacionales aditivos: en este caso, los ajustes se estiman a partir de la diferencia entre los datos sucesivos y el promedio de los datos en el ciclo asociado.
•Ajustes estacionales multiplicativos: en este caso, los ajustes se estiman a partir de la relación entre los datos sucesivos y el promedio de los datos en el ciclo asociado.
Uno tiene que definir el Coeficiente de suavizado para el procedimiento de ajuste estacional, con un valor entre 0 y 1 (límites excluidos).