Los elementos fundamentales de la previsión en la gestión de operaciones

Las previsiones apuntan, o número único predicciones de la demanda, en general son siempre correctos. ¿Quieres un pronóstico preciso informar a su gestión de operaciones. Es por eso que usted no necesita sólo valor esperado (lo que usted piensa demanda será), sino también una medida de su método de error de predicción.

Estos son los principios fundamentales de la previsión:

• Previsiones agregados son más precisos que las previsiones desagregados. Pronosticar la demanda de un producto a nivel nacional es más precisa que la previsión de que en cada punto de venta individual. La variación de la demanda en cada punto de venta se suaviza cuando se agrega con otras localidades, proporcionando una predicción más precisa. Usted puede lograr una mejora similar por la previsión de la demanda agregada de todas las variaciones de un producto combinado.

• Esté preparado para cambiar su modelo de previsión, pero no reaccionar de forma exagerada a los cambios aleatorios. Los patrones de demanda pueden y deben cambiar, y cuando se produzcan cambios reales, es posible que tenga que cambiar su técnica de pronóstico. La medición de su error de predicción puede que le avise cuando los cambios ocurran, sin embargo, es necesario verificar que realmente se ha producido un cambio sostenible y que lo que observó no es una variación aleatoria.

• No sustituya los pronósticos de la información conocida. Muchas empresas pueden llegar a ser cegados por su previsión e ignorar lo que está ocurriendo realmente en el entorno empresarial. Si algo cambia, como una ocurrencia del tiempo, o más datos de que se disponga, como una orden de venta, esté preparado para ajustar su previsión de incorporar la nueva información.

• Si una técnica simple produce una precisión aceptable, no utilice una técnica más avanzada. Utilice el modelo de pronóstico más simple que proporciona la precisión deseada. Por ejemplo, no utilice un modelo para la estacionalidad, a menos que te da notablemente mayor precisión que un modelo de suavizado exponencial simple.

• Seleccione una técnica de predicción que hace buen uso de los datos disponibles. Los métodos de pronóstico de series de tiempo se basan en que tiene no sólo una gran cantidad de datos, sino también los datos pertinentes y exactos. Si usted no tiene confianza en la cantidad o calidad de los datos, es posible que desee elegir un método cualitativo para pronosticar hasta que los datos estén disponibles.

  Por ejemplo, considere basando sus previsiones sobre el potencial tamaño del mercado y el ajuste basado en la experiencia. La aplicación de modelos de predicción sofisticados para datos erróneos no mejorará la calidad subyacente de los datos o la previsión.

• Las previsiones a corto plazo son más fiables que las previsiones a largo plazo. La previsión horyozon, o cuánto tiempo hacia el futuro predice el pronóstico, tiene un impacto directo sobre la precisión. En otras palabras, la predicción de las ventas de este mes es más fácil que la predicción de las ventas de un año a partir de ahora.

  Muchas cosas pueden suceder entre hoy y el próximo año, como nuevos competidores entrar en el mercado, las preferencias del cliente de cambiar, o una nueva tecnología que causa cambios en la demanda. Estos cambios se hacen más difíciles de predecir como los de previsión horizonte aumenta.

• No hay mejor técnica única previsión. El punto importante es comparar diferentes modelos de pronóstico y elegir la que mejor se adapte a las necesidades de su situación y coincide con los datos que tiene disponible.

Es importante señalar que, a pesar de las previsiones desagregados pueden ser menos precisos que las previsiones agregadas, las previsiones desagregados son fundamentales para la planificación de la producción. Por ejemplo, si una empresa produce diferentes modelos de televisores, planificación de la producción a nivel de planta de fabricación requiere un número detallado de cuántos de cada modelo para producir.

Al posponer el compromiso de los detalles, la empresa puede hacer un pronóstico más preciso desagregado (previsiones a corto plazo son más exactos que los pronósticos a largo plazo). La reducción de tiempos de flujo permite a una empresa para retrasar la decisión sobre qué modelos exacta para producir, lo que mejora sus previsiones.