Pronóstico de La Demanda

PRONÓSTICO DE LA DEMANDA.

HACIA LA POBLACION OBJETIVO Enfoque social

POBLACION  DE  REFERENCIA

POBLACION   AFECTADA ó POBLACION  CARENTE 

POBLACION  OBJETIVO LA META DEL PROYECTO POBLACION   APLAZADA

POBLACION  NO  AFECTADA

HACIA LA POBLACION OBJETIVO Enfoque de mercado (privado)

DEMANDA POTENCIAL POBLACION  DEL AREA DE MERCADO

Con la necesidad, interesados

Población sin la necesidad, no interesados

DEMANDA EFECTIVA Con capacidad  y con disposición a pagar  Población sin disposición a pagar 

Estudio de Mercado 1

Caracterización, cuantificación y proyección de la población necesitada

2

Determinación y cuantificación de la demanda

3

Determinación y cuantificación de la oferta

4 5 6

Determinación y cuantificación de la demanda insatisfecha (déficit)

Proyección de demanda, oferta y déficit  Revisión ‐ validación ‐ reformulación de alternativas de solución

Estudio de demanda

• • •

• • •

Estimación de la Demanda 1. CON BASE EN LA POBLACION NECESITADA: 

Población necesitada = P



Estándar de consumo per cápita = C



Demanda esperada = D



D=PxC

2. A PARTIR DE REGISTROS HISTORICOS DE CONSUMO: 

Definir una tendencia



Ajustar sobre dicha tendencia



Método común: Ajuste lineal   Cuantitativamente   Gráficamente 



OTROS MÉTODOS: 

Registro de solicitudes



Encuestas a usuarios



Referencias afines

Déficit = Demanda – Oferta Demanda = Población*Consumo per cápita D=P*C

Dos clases de métodos de previsión de la demanda: método cualitativo y cuantitativo. ‐Cualitativa: Método Individual: Se basa en opiniones de personas muy vinculadas al mercado del producto en cuestión. Método de los grupos: Se basa en comisiones de expertos que estudian el problema. Método DELPHI: Trata de obtener una opinión consensuada entre un grupo de personas muy vinculadas al mercado. Cada persona asigna una probabilidad a los distintos sucesos. Las opiniones extremas se comunican a todos y se repite el proceso de asignación de probabilidades hasta obtener un consenso. Método de investigación de mercado: Se basa en las típicas encuestas. Método de analogía de productos: Se basa en la comparación con el comportamiento conocido de la demanda de productos similares. ‐Cuantitativa: Los datos históricos de la demanda son transformados en predicciones por medio de un modelo matemático. De extrapolación: Se basan sólo en los datos históricos de la demande del producto. Se pueden citar entre otros métodos el de los métodos móviles y el de ajuste exponencial. Causales: Se basan en indicadores exógenos al producto, es decir, en las causas externas que influyen en el comportamiento de la demanda del producto. BOX‐JENKINS: Más potente y efectivo para hacer previsiones un modelo matemático bien diseñado puede  provocar errores de previsión de solo un 0,05% pero la gran exactitud de este método implica a un alto coste y disponer de software y del personal capaz de utilizarlo.

Se define una serie temporal como un conjunto de datos, correspondientes a un fenómeno económico, ordenados en el tiempo Los datos son de la forma (yt, t) donde: yt Variable endógena o dependiente t Variable exógena o independiente. Sólo hay una variable (explicamos una variable a partir de su pasado histórico) Componentes de una serie temporal: ‐ La tendencia: Es un componente de la serie temporal que refleja su evolución a largo plazo. Puede ser de naturaleza estacionaria o constante (se representa con una recta paralela al eje de abcisas), de naturaleza lineal, de naturaleza parabólica, de naturaleza exponencial, etc ‐ Las variaciones cíclicas: Es un componente de la serie que recoge oscilaciones periódicas de amplitud superior a un año. Estas oscilaciones periódicas no son regulares y se presentan en los fenómenos económicos cuando se dan de forma alternativa etapas de prosperidad o de depresión ‐ Las variaciones estacionales: Es un componente de la serie que recoge oscilaciones que se producen alrededor de la tendencia, de forma repetitiva y en períodos iguales o inferiores a un año ‐ Las variaciones aleatorias: Es un componente de la serie que recoge movimientos provocados por factores imprevisibles.

Descomposición de los datos de series de tiempo

Modelos de series de tiempo Método de proyección

Ajuste exponencial simple Ajuste exponencial de Holt

Ajuste exponencial de Winter

Modelos de la tendencia de regresión

Modelos de regresión causal

Cantidad de datos históricos

Patrón de los datos

Horizonte de proyección

Tiempo de preparación

Antecedentes del personal

5 a 10 observaciones para fijar la ponderación 10 a 15 observaciones para fijar la ponderación Por lo menos 4 ò 5 observaciones por trimestre

Los datos deben ser estacionarios

Corto

Corto

Poca sofisticación

Corto a mediano

Corto

Ligera sofisticación

Corto a mediano

Corto

Sofisticación moderada

Corto a mediano

Corto

10 a 20 observaciones para la estacionalidad, por lo menos 5 por trimestre 10 observaciones por variable independiente

Descomposición de las series de tiempo

Suficiente para ver 2 picos y simas

Box Jenkins

50 o mas observaciones

Tendencias pero no estacionalidad

Tendencias y estacionalidad

Tendencias y estacionalidad

Puede manejar patrones complejos Maneja patrones cíclicos y estacionales puede identificar los puntos críticos Deben ser estacionarios o ser transformados en estacionarios

Corto , mediano o largo

Corto a mediano

Corto , mediano o largo

Largo tiempo para el desarrollo , corto para la puesta en ejecución Corto tiempo para la moderación

Largo

Sofisticación moderada

Sofisticación considerable

Poca sofisticación

Alta sofisticación

Ajuste y proyección de una serie histórica

Valores proyectados ( se asume la tendencia)

Registros históricos de consumo =  +

+ +

+

+

+

+

+ Función de ajuste = Interpreta la tendencia

Años