TCNICAS PARA PROYECTAR MERCADOS

Anlisis de datos histricos

Ejemplo de demanda de salchichas
Un estudio realizado por una empresa que analiza las posibilidades de ofrecer salchichas en el
mercado nacional, la cual arrojo los siguientes datos acerca del comportamiento de la demanda de
esta producto desde el ao 2002:
El anlisis de la tendencia de los datos en los aos, se hace en EXCEL de la siguiente forma:

TCNICAS DE PROYECCIN DE MERCADOS

Hola estimados estudiantes para finalizar el curso usted debe apropiarse de los temas pertinentes
para realizar la Proyeccin de Mercados, como son el concepto de pronstico, la correlacin y los
modelos matemticos de regresin, los pronsticos se utilizan en diversos mbitos de la empresa,
sin embargo para este curso nos enfocaremos en la parte comercial. Con el dominio de estos
temas usted obtendr habilidades y destrezas para desempearse ptimamente en el desarrollo
de pronsticos. Para iniciar es necesario conocer el concepto de Pronstico y enseguida lo que
significa la correlacin, lo cual permitir saber el grado de afinidad entre las variables que se van a
estudiar

El Pronstico de Ventas
Los pronsticos de ventas son uno de los elementos claves para planeacin de las actividades de
las empresas, desde el punto de vista financiero permite determinar el ingreso de efectivo y
crdito para un periodo determinado, presupuestalmente contribuye a la planeacin de los
recursos necesarios para darle un impulso a la parte operativa en la consecucin de las
actividades. Desde el punto de vista gerencial y directivo es importante en la toma de decisiones
en la planeaciones estratgica de generacin de valor. Permite determinar con claridad los
objetivos cuantitativos en ventas, lo cual es el punto de partida para el desarrollo de los planes de
accin de la compaa.
Las empresas por lo general elaboran pronsticos para cada producto o por lneas de productos,
tambin se tienen en cuenta en algunos casos las referencias, con el fin de tener decisiones ms
acertadas y reales.
Podramos definir un pronstico como la estimacin de las ventas esperadas, para la empresa,
esto puede ser para una lnea de productos o para una marca determinada. El periodo estndar
que puede abarcar un pronstico es de un ao, aunque dependiendo del comportamiento de los
productos teniendo en cuenta las temporadas podra ser ms corto..
En este apartado observaremos de forma de sntesis las diversas formas que existen para la
elaboracin de pronsticos, es muy interesante mucho nimo!!
Las tcnicas generalmente aceptadas para la elaboracin de pronsticos se dividen en cinco
categoras: juicio ejecutivo encuestas, anlisis de series de tiempo, anlisis de regresin y pruebas
de mercado. La eleccin del mtodo o mtodos depender de los costos involucrados, del
propsito del pronstico, de la confiabilidad y consistencia de los datos histricos de ventas, del
tiempo disponible para hacer el pronstico, del tipo de producto, de las caractersticas del
mercado, de la disponibilidad de la informacin necesaria y de la pericia de los encargados de
hacer el pronstico. Lo usual es que las empresas combinen varias tcnicas de pronstico.

Juicio Ejecutivo: Se basa en la intuicin de uno o ms ejecutivos experimentados con relacin

a productos de demanda estable. Su inconveniente es que se basa solamente en el pasado y
est influenciado por los hechos recientes.

Encuesta de Pronstico de los Clientes: til para empresas que tengan pocos clientes. Se
les pregunta que tipo y cantidades de productos se proponen comprar durante un determinado
perodo. Los clientes industriales tienden a dar estimados ms precisos. Estas encuestas
reflejan las intenciones de compra, pero no las compras reales.

Encuesta de Pronstico de la Fuerza de Ventas: Los vendedores estiman las ventas

esperadas en sus territorios para un determinado perodo. La sumatoria de los estimados
individuales conforma el pronstico de la Empresa o de la Divisin. El inconveniente es la
tendencia de los vendedores a hacer estimativos muy conservadores que les facilite la
obtencin futura de comisiones y bonos.

El Mtodo Delfos (Delphi): Se contrata expertos que hacen pronsticos iniciales que la
empresa promedia y les devuelve para refinar los estimados individuales. El procedimiento
puede repetirse varias veces hasta cuando los expertos - trabajando por separado - lleguen a
un consenso sobre los pronsticos. Es un mtodo de alta precisin.

Anlisis de Series de Tiempo: Se utilizan los datos histricos de ventas de la empresa para
descubrir tendencias de tipo estacional, cclico y aleatorio o errtico. Es un mtodo efectivo
para productos de demanda razonablemente estable. Por medio de los promedios mviles
determinamos primero si hay presente un factor estacional. Con un sistema de regresin lineal
simple determinamos la lnea de tendencia de los datos para establecer si hay presente un
factor cclico. El factor aleatorio estar presente si podemos atribuir un comportamiento
errtico a las ventas debido a acontecimientos aleatorios no recurrentes.

Anlisis de Regresin: Se trata de encontrar una relacin entre las ventas histricas
(variable dependiente) y una o ms variables independientes, como poblacin, ingreso percpita o producto interno bruto (PIB). Este mtodo puede ser til cuando se dispone de datos
histricos que cubren amplios perodos de tiempo. Es ineficaz para pronosticar las ventas de
nuevos productos.

Prueba de Mercado: Se pone un producto a disposicin de los compradores en uno o varios

territorios de prueba. Luego se miden las compras y la respuesta del consumidor a diferentes
mezclas de mercadeo. Con base en esta informacin se proyectan las ventas para unidades
geogrficas ms grandes.

Es til para pronosticar las ventas de nuevos productos o las de productos existentes en nuevos
territorios. Estas pruebas son costosas en tiempo y dinero, adems alertan a la competencia.
Para comenzar a trabajar el proceso matemtico es necesario revisar la correlacin de las
variables, veamos en qu consiste.

Coeficiente de correlacin (R)

Mide el grado de relacin existente entre dos variables, el valor de la correlacin (R) vara desde -1
a 1, pero en la prctica se trabaja tomndose como valor absoluto.
El valor del coeficiente de relacin se interpreta de modo que a media que R se aproxima a 1, es
ms grande la relacin entre los datos, por lo tanto R (coeficiente de correlacin) mide la
aproximacin entre las variables. 1995 Cannavos G. Pag 30
El coeficiente de correlacin se puede clasificar de la siguiente manera:
CORRELACIN VALOR O RANGO
1) Perfecta 1) R = 1
2) Excelente 2) R = 0.9 < = R < 1

3) Buena 3) R = 0.8 < = R < 0.9

4) Regular 4) R = 0.5 < = R < 0.8
5) Mala 5) R < 0.5

Ejemplos de variables que se pueden relacionar

Cantidades vendidas Vs ao
Utilidades Vs Costos
Costos Vs Cantidad Producida
Utilidades Vs Mes
Costos Vs Semanas
Ingresos Vs Ao

Regresin
Usted ya comprendi la relacin que puede existir entre las variables de estudio, comprendiente el
concepto de coeficiente de correlacin, A travs de herramientas estadsticas de Excel se puede
comprobar este coeficiente. A partir de aqu comenzamos a analizar el concepto de regresin para
entender su modelo matemtico. Observar que es sencillo
La extrapolacin o proyeccin a partir de la tendencia histrica, se debe realizar teniendo en
cuenta supuestos como; las condiciones existentes en el pasado tendrn efectos similares en el
futuro; Los efectos se compensan reciproca y mutuamente; y las variables objetivas del trabajo
son (consumo-tiempo) y (oferta-tiempo), todas las dems variables se hallan implcitas en los
datos observados 1995. Marco Elas Contreras, pag 150.
Tambin podemos afirmar que la regresin es una tcnica estadstica utilizada para simular la
relacin existente entre dos o ms variables. Por lo tanto se puede emplear para construir un
modelo que permita predecir el comportamiento de una variable dada.

Modelos matemticos para regresin con dos variables

Para Proyectar existen dos modelos bsicos de regresin, uno es el de dos variables o simple y el
otro es de regresin mltiple, en el que se utilizan tres o ms variables. Veamos en qu consisten
y sus respectivos grficos.
Para la regresin simple la demanda medida en pesos o en unidades es la variable dependiente y
se predice sobre otras variables la cual e considera como independiente, En la regresin mltiple,
se utilizan dos o ms variables independientes y al demanda sigue siendo dependiente. Para
graficar siempre (x) la variable independiente ira sobre el eje horizontal y la dependiente (y)
siempre ira sobre el eje vertical. Cuando se ubican los datos como pares de puntos como se ve en
la grafica se obtiene un diagrama de de dispersin de puntos, en el cual se puede ver al relacin
de las variables. Lo que se debe seguir es proceder a establecer la ecuacin lineal que mejor se
ajuste a la relacin existente entre al variables, para lo cual se utiliza el mtodo de mnimos
cuadrados. 1995. Marco Elas Contreras, pag 151.
La curva de aproximacin ms corriente y sencilla de la lnea recta, cuya ecuacin matemtica es
la siguiente:

Apreciados aprendices del programa de VENTAS DE PRODUCTOS Y SERVICIOS, este es un espacio

de transferencia de conocimiento, que le ser de ayuda para que usted se apropie de temas de su
inters alrededor del estudio de oferta y demanda, su anlisis, comportamiento y tendencias del
mercado, En esta oportunidad se publica los materiales pertinente para el desarrollo de su

formacin, entre las cuales se incluye la Gua de Aprendizaje, Instructivos de uso de Software para
proyectar mercados y material sobre el Tcnicas para Proyeccin.
Una vez usted analice este material debe realizar un ejercicio prctico de proyeccin para eso
debe ubicar la Gua de Aprendizaje y el Instructivo para proyeccin utilizando herramientas
estadsticas de Excel.
Mucho nimo y adelante
Y la grfica es la siguiente

Modelos matemticos para regresin mltiple

La regresin mltiple se utiliza para la prediccin de respuestas a partir de variables explicativas.
Hay ciertos requisitos y lineamientos que se requieren para utilizar esta tcnica, una de ellas es la
linealidad, la cual supone que la respuesta depende linealmente de las variables explicativas, si
las respuestas no aparenta ser lineal se deben introducir en el modelo componentes no lineales.
2004 Baron Lopez /Tellez Montiel .Pag 35.
Dicho de otra forma esta regresin se aplica cuando existen dos o ms variables independientes
que se utilizan para calcular los valores de la variable dependiente. Aqu existen varios predictores

para la variable dependiente, bien sea la demanda u la oferta. Aqu la ecuacin de regresin lineal
toma la siguiente forma
Y = a + b(1) X(1) + b(2)X(2) + .b(n)X(n) , en la cual las variables predictoras _ independientes
son X(1), X(2),.X(n).
Adems existen algunos procedimientos de correlacin mltiple, que permiten interrelacionar una
variable con la dems en forma simultnea.
Para tener en cuenta debemos decir que en este modelo se puede tener la tentacin de incluir
aspectos que se tengan en bases de datos, pensando que entre ms variables se incluyan mejores
posibilidades existan para que se llegue a un buen fin, pero finalmente se puede incurrir en errores
de precisin.
Otra razn es que si se espera ajustar unas pocas observaciones, usando muchas variables lo ms
probable es que se finalice con un resultado muy artificial. 1995 Marco Elas Contreras Buitrago,
pag 161.

Modelos matemticos de ajuste para datos no lineales.

Hay que tener en cuenta que hasta el momento se ha utilizado un mtodo pertinente para datos
con tendencia lineal, es decir que los puntos se encuentran muy cerca de la lnea recta en forma
constante esto es lo que se ha explicado como dispersin. Esto se puede corroborar determinando
el coeficiente de correlacin, (La correlacin nos indica que tan cerca se mueven dos variables
juntas, es decir que tanto una explica a la otra)
Observemos en qu consisten los modelos para datos no lineales, tenga en cuenta que muchas
veces las ventas de algunos productos o servicios tienen tendencias que no son uniformes,
veamos de que se tratan.

Modelo matemtico para ajuste exponencial

La ecuacin de esta curva es Y = AeBX la grfica correspondiente es la siguiente
En esta ecuacin es la base de los logaritmos naturales (e = 2.71182818) A Y B son las
constantes a determinar
Para poder trabajar la ecuacin que acabamos de ver, utilizando el modelo de regresin lineal que
ya hemos visto se debe someter a una transformacin, mediante logaritmos quedando como
sigue:
In (y) = In (A) + Bx, la cual se grafica en papel semilogaritmico da una recta de forma Y = a + b(x)
y se tiene la siguiente frmula:
Y = In (y) ; a = In (A)
En conclusin podemos decir que esta curva de ajuste se debe utilizar cuando la demanda tenga
una tendencia de crecimiento acelerado. . ibid, pag 161

Modelo matemtico para ajuste potencial

Es una de las que ms se utilizan en los anlisis de regresin de la demanda, se expresa con la
ecuacin que sigue:
En donde A y B son las constantes que se van a calcular, el modelo se viabiliza el modelo de
regresin lineal transformndolo en: Log (y); = Log (A) + B . Log (x) , graficada y suavizada en
papel logartmico produce una recta de la forma : y = a + bx, en donde y = Log (y) ; a = Log (A); B
= b; x = Log (x) . ibid, pag 161

Modelo matemtico de ajuste logartmico

Para esta situacin el crecimiento de la demanda se presenta de una forma ms lenta a medida
que pasa el tiempo.
La ecuacin para este modelo es la siguiente:
Y = A + B Inx
Tiene la caracterstica que se expresa como una ecuacin de una recta
y = a + bx, esto facilita el procedimiento de la regresion lineal. 1995 Marco Elas Contreras
Buitrago, pag 163

Conclusin
Es importante tener en cuenta que la seleccin de la curva de ajuste se puede hacer a partir de
las tendencias observadas, en el comportamiento histrico de la demanda. Una mayor certeza en
la adecuada seleccin de la curva tiene que ver con el buen anlisis de correlacin, a medida que
se obtiene un mayor ajuste, dicho coeficiente se aproximar a (1) uno.
Cuando dos variables tienen mucha correlacin, es decir se explican en un alto grado, el
coeficiente se acercara bastante a (1) uno y en el caso contrario se alejara. Ejemplo la variable
cantidad demandada se correlaciona en un alto grado con el tiempo, en este caso la correlacin se
acercara a (1) uno.
Estimado estudiante la proyeccin es muy til en todos los mbitos comerciales, en este curso
hemos visto aspectos fundamentales de esta tema, los cuales le darn a usted las destrezas
necesarias para que sea un proyectista exitoso, lo invito a que contine profundizando en el tema.