1 Sistemas de Gestión --- Tema: Pronósticos

PRONÓSTICOS
Un aspecto esencial de la administración de cualquier organización es la planeación del futuro.
En efecto, el éxito a largo plazo de una organización depende de cuán bien la gerencia anticipa
el futuro y elabora las estrategias apropiadas. El buen juicio, la intuición y tener conciencia del
estado de la economía pueden dar a un gerente una idea aproximada de lo que es probable
que suceda en el futuro. Sin embargo, con frecuencia es difícil convertir esta intuición en un
número que pueda usarse, como el volumen de ventas del siguiente trimestre o el costo de la
materia prima por unidad para el año próximo.
A pesar de las imprecisiones inherentes al intentar predecir el futuro, los pronósticos
necesariamente guían la planeación y el establecimiento de políticas.
Un gerente de operaciones, para establecer de manera realista los programas de producción
necesita alguna estimación de las ventas futuras. Una empresa que brinda servicios
informáticos, necesita tener una estimación de la demanda futura de sus servicios para
determinar su planta laboral.
Los métodos de predicción pueden ser Cualitativos o Cuantitativos; dentro de los Cuantitativos
existen dos importantes tipos, métodos de pronósticos de series temporales o de extrapolación
y métodos de predicción causal.
Los métodos de Extrapolación se utilizan para pronosticar los valores futuros de series de
tiempo a partir de valores anteriores de una serie temporal. Suponen que los patrones
anteriores y las tendencias continuarán en los periodos futuros, por lo tanto la información
anterior se utiliza para generar los pronósticos. No toman en cuenta que ocasionó los datos
anteriores, simplemente se asume que las tendencias y los patrones de comportamiento
continuarán en el futuro.
Los métodos de pronósticos Causales se basan en el supuesto de que la variable que tratamos
de pronosticar muestra una relación de causa y efecto con una o más variables. Es decir,
pretenden pronosticar los valores futuros de una variable –dependiente- con ayuda de
información anterior, a fin de estimar la relación entre la variable dependiente y una o más
variables independientes.
La consideración primordial en la selección de un método para pronosticar es que los
resultados deben facilitar el proceso de toma de decisiones a los gerentes de la organización.
Como rara vez un método funciona para todos los casos, es mejor pensar en los métodos de
pronósticos como herramientas genéricas que pueden aplicarse simultáneamente, así en una
situación dada es posible intentar varios métodos. La metodología que produce los pronósticos
más exactos en un caso quizá no sea la mejor metodología en otra situación. Sin embargo, el
método seleccionado debería producir un pronóstico que sea correcto, oportuno y
comprensible para la gerencia, de manera que el pronóstico ayude a tomar mejores decisiones.
Los pronósticos Cualitativos son los que no requieren de una abierta manipulación de datos
sino que hacen uso del juicio de quien pronostica, por su naturaleza éstos suelen ser
subjetivos y no utilizan modelos matemáticos. Las técnicas cualitativas se usan cuando no se
tiene disponibilidad de información histórica o los datos son escasos.

Mgter. Claudia Carignano

2 Sistemas de Gestión --- Tema: Pronósticos

En definitiva, para realizar un pronóstico eficaz se debe establecer una hábil mezcla de
pronóstico cuantitativo y buen juicio, evitando los extremos de confiar totalmente en uno o en
otro.
Etapas del pronóstico
Todos los procedimientos formales para pronosticar requieren extender las experiencias del
pasado hacia el futuro. Así, implican la suposición de que las condiciones que generaron los
datos y las relaciones pasados permanecerán en el futuro. Sin embargo, el futuro no siempre es
como el pasado, cuando sí lo es, los métodos cuantitativos de elaboración de pronósticos
funcionan bien, en caso contrario llegan a producirse pronósticos imprecisos. Sin embargo,
generalmente es mejor tener algún pronóstico construido razonablemente, que no pronosticar.
Pasos en el proceso de pronosticar
1. Formulación del problema y recopilación de datos
2. Manipulación y limpieza de datos
3. Construcción y evaluación del modelo
4. Implementación del modelo (el pronóstico real)
5. Evaluación del pronóstico
En el paso 1, la formulación del problema y la recolección de datos se tratan como un solo paso
porque están íntimamente relacionadas. El problema determina los datos apropiados. Si se está
considerando una metodología cuantitativa para pronosticar, los datos pertinentes deben estar
disponibles e igualmente espaciados.
El paso 2, manipulación y limpieza de datos, a menudo es necesario. Es posible tener
demasiados datos o muy pocos, en el proceso para realizar pronósticos. Algunos datos quizá no
sean pertinentes. Tal vez a algunos datos les falten valores que deban estimarse. En ocasiones
ciertos datos tienen que expresarse en unidades diferentes de las originales y deben volver a
procesarse. Normalmente se requiere algún esfuerzo para obtener datos en la forma adecuada
para usar ciertos procedimientos para pronosticar.
El paso 3, construcción y evaluación del modelo, incluye ajustar los datos recolectados a un
modelo de pronóstico que sea adecuado, en términos de minimizar errores en el pronóstico.
El error de pronóstico (et), es la diferencia entre el valor observado y el pronóstico. Para medir
los errores de pronóstico suele usarse la Desviación Media Absoluta (MAD) o el error cuadrático
medio (EMC).
Cuanto más sencillo sea el modelo mejor será, en términos de aceptación por parte del decisor,
el proceso de pronósticos. Con frecuencia, se debe alcanzar un equilibrio entre un enfoque para
pronosticar complejo que ofrezca un poco más de precisión, y un enfoque sencillo que se
entienda fácilmente y tenga el apoyo de quienes toman las decisiones y sea activamente usado
por éstos.
El paso 4, implementación del modelo, es la generación del modelo real. Los datos de periodos
históricos más recientes se mantienen como respaldo y más tarde se usan para verificar la
exactitud del proceso.
El paso 5, evaluación del pronóstico, implica la comparación de los valores del pronóstico con
valores históricos reales. Luego de la implementación del modelo, se realizan los pronósticos
para los periodos históricos más recientes, donde se conocen los valores de los datos y se

Mgter. Claudia Carignano

3 Sistemas de Gestión --- Tema: Pronósticos

analizan los errores en el pronóstico. El examen de los patrones de error a menudo lleva al
analista a modificar el modelo para pronosticar.
La finalidad de un pronóstico es reducir el nivel de incertidumbre cuando se toman decisiones,
esto sugiere dos reglas fundamentales:
1. El pronóstico debe ser técnicamente correcto y generar predicciones lo suficientemente
precisas para satisfacer las necesidades del decisor.
2. El procedimiento de elaboración y sus resultados tienen que presentarse de manera
convincente para que sean utilizados en el proceso de toma de decisiones y los resultados
deben justificarse desde el punto de vista del costo-beneficio.

Métodos Cuantitativos de pronóstico

I. Series de Tiempo
Una de las partes más difícil y que más tiempo consume en la elaboración de pronósticos es la
recopilación de datos válidos y confiables. Un pronóstico no puede ser tan preciso como los
datos en que se basa. Sin embargo, aún el modelo de pronóstico más elaborado fallará si se
aplica a datos poco confiables. Los datos deben ser fidedignos, precisos, consistentes,
oportunos y relevantes; tienen que ser representativos de las circunstancias para las cuales se
están usando.
El propósito es examinar esos datos y luego extrapolar o extender las relaciones identificadas a
una población en general.
Cualquier variable integrada con datos recopilados, registrados u observados durante
incrementos de tiempo sucesivos se llama serie de tiempo. Podemos definir una serie de
tiempo como el conjunto de observaciones de una variable medida en puntos sucesivos en el
tiempo o a lo largo de periodos consecutivos.
Así si Xi es la variable aleatoria de interés en el tiempo i y si las observaciones se toman en los
periodos 1 = 1, 2,….,t,… entonces los valores observados {X1 = x1 , X2 = x2,…. Xt = xt} son la serie
de tiempo.

Ventas
12000
10000
8000
6000
4000
2000
0
0 5 10 15

En las situaciones reales no se tiene un conocimiento completo de la forma exacta del modelo
que genera la serie de tiempo, por lo que se debe elegir un modelo aproximado. Con
frecuencia, la elección se basa en la observación de los resultados de la serie de tiempo.
El objetivo de los métodos de serie de tiempo es descubrir un patrón en los datos históricos y
luego extrapolarlo hacia el futuro; el pronóstico se basa sólo en valores pasados de la variable
que tratamos de pronosticar o en errores pasados.

Mgter. Claudia Carignano

4 Sistemas de Gestión --- Tema: Pronósticos

Componentes de una serie de tiempo

El patrón o comportamiento de los datos en una serie de tiempo tiene varios componentes. El
supuesto usual es que cuatro componentes separados: tendencia, cíclico, estacional e irregular,
se combinan para proporcionar valores específicos de la serie de tiempo.
Componente de tendencia
El cambio gradual de la serie de tiempo se conoce como tendencia. Este cambio o tendencia
por lo general es el resultado de factores a largo plazo, como cambios en la población,
características demográficas de la población, tecnología y preferencias de consumo.
La tendencia puede ser creciente o decreciente, lineal o no.

La tendencia es el componente de largo plazo que representa el crecimiento o el descenso en la

serie de tiempo, durante un periodo extenso.
Componente cíclico
Aunque una serie de tiempo puede mostrar una tendencia durante periodos prolongados,
todos los valores futuros de la series de tiempo no caen exactamente en la línea de tendencia.
De hecho, las series de tiempo con frecuencia muestran secuencias de puntos que se alternan
por encima y por debajo de la línea de tendencia. Cualquier secuencia de puntos recurrente por
encima y por debajo de la línea de tendencia que dura más de un año puede atribuirse al
componente cíclico de las series de tiempo. Por lo general, este componente da como
resultado movimientos cíclicos de múltiples años en la economía. Por ejemplo, periodos de
inflación modesta seguidos por periodos de inflación rápida pueden conducir a muchas series
de tiempo que alternan por encima y por debajo de una línea de tendencia.

El componente cíclico es la fluctuación con forma de onda alrededor de la tendencia y, por lo

común, se ve afectada por las condiciones económicas generales.
Componente estacional
Mientras que los componentes cíclico y de tendencia de una serie de tiempo, se identifican
mediante el análisis de los movimientos de datos históricos durante varios años, muchas series
de tiempo muestran un patrón regular durante periodos de un año. Aunque por lo general

Mgter. Claudia Carignano

5 Sistemas de Gestión --- Tema: Pronósticos

consideramos que el movimiento estacional en una serie de tiempo ocurre en un año, el

componente estacional también puede utilizarse para representar cualquier patrón que se
repite con regularidad y tiene una duración menor a un año.

El componente estacional es un patrón de cambio que se repite año tras año.

Componente irregular
El componente irregular es el factor residual que incluye las desviaciones de los valores de serie
de tiempo reales de aquellos esperados según los efectos del componente cíclico, de tendencia
y estacional. Este componente representa la variabilidad aleatoria en las series de tiempo y es
resultado de factores a corto plazo, imprevistos y no recurrentes que afectan a la serie de
tiempo. Como este componente representa la variabilidad aleatoria, es impredecible; no
podemos intentar predecir su impacto en las series de tiempo.

II. Métodos de pronósticos de series temporales

Método del Pronóstico del último valor
Usan el valor de la serie de tiempo observado en el tiempo t (xt) como pronóstico para el
periodo t+1. Esto es:
ft+1 = xt
Desventaja: impreciso; su varianza es grande debido a que se basa en una muestra de tamaño
uno. Vale la pena considerarlo solo si:
1) La suposición sobre el nivel constante es “insegura” y el proceso cambia con rapidez de
manera que lo que ocurre antes del tiempo t es irrelevante o lleva a conclusiones
equivocadas.
2) Si la suposición de que el error aleatorio (et) tiene varianza constante es poco razonable
y la varianza condicional en el periodo t es en realidad mucho más pequeña que en
tiempos anteriores.
Se trata de un método ingenuo, sin embargo, cuando las condiciones cambian con rapidez,
quizás el último valor sea el único dato relevante para pronosticar el siguiente valor.

Mgter. Claudia Carignano

6 Sistemas de Gestión --- Tema: Pronósticos

Método del Promedio

En lugar de usar una muestra de tamaño 1 usa todos los datos y obtienen un promedio de la
serie.
t

∑x i
ft+1 = i=1

t
Esta estimación es excelente si el proceso es muy estable. Se limita en general a procesos
jóvenes.

Método de Promedios Móviles

Obtiene el promedio de los datos de los últimos n periodos
t

∑ xi
ft+1 = i=t -n+1

n
Se actualiza con facilidad de un periodo a otro, para lo cual se debe eliminar la primera
observación y agregar la última.
Ventaja: usa varias observaciones de datos recientes.
Desventaja: todas las observaciones tienen el mismo peso.

Promedio Móvil Ponderado

Si asignamos diferentes pesos o niveles de importancia a las observaciones promediadas,
obtenemos un Promedio Móvil Ponderado. Generalmente se le da un peso mayor a las
observaciones más recientes, se debe tener en cuenta que los pesos tienen que ser positivos y
su suma debe ser igual a uno.
t

∑ pi xi t
ft+1 = i=t -n+1

n
, para 0 ≤ pi ≤ 1 y ∑
i =t -n+1
pi =
1

Precisión del pronóstico

Podemos usar para medir la precisión del método de pronóstico al error cuadrado medio (EMC)
o a la desviación media absoluta (MAD).
EMC  promedio de la suma de los errores (et) al cuadrado.
N

∑(x - f )
2
i i
EMD = N = número de observaciones pronosticadas
i =1

N
 Este método penaliza los desvíos más grandes.

MAD  promedio de los valores absolutos de los errores

N

∑x -f i i
MAD = N = número de observaciones pronosticadas
i =1

N
 Los desvíos están expresados en las mismas unidades de la serie.

Mgter. Claudia Carignano

7 Sistemas de Gestión --- Tema: Pronósticos

Método de Suavizado exponencial

Es un caso especial del método de promedios móviles ponderados en el cual sólo
seleccionamos el peso que le corresponde a la observación más reciente.

ft+1 = α xt + (1 − α ) ft 0 < α < 1 se llama constante de suavizado

Así el pronóstico es una suma ponderada de la última observación y el pronóstico anterior.
Podemos demostrar que el pronóstico de la suavización exponencial para cualquier periodo
también es un promedio ponderado de todos los valores reales previos.
Por ejemplo, para una serie de tiempo que consta de cinco periodos de datos obtenemos:
Para el periodo 1 el pronóstico es el valor observado en ese periodo
f1 = x1
Para el periodo 2 el pronóstico es
f2 = α x1 + (1 − α ) f1 = α x1 + (1 − α )x1 = x1
Es decir que el pronóstico para el periodo 2 es igual al valor observado de la serie para el
periodo 1.
Para el periodo 3
f3 = α x2 + (1 − α ) f2 = α x2 + (1 − α )x1
Para el periodo 4
f4 = α x3 + (1 − α ) f3 = α x3 + (1 − α ) [α x2 + (1 − α )x1 ]
= α x3 + α (1 − α )x2 + (1 − α )2 x1
Para el periodo 5
f5 = α x4 + (1 − α ) f4 = α x4 + (1 − α ) α x3 + α (1 − α )x2 + (1 − α )2 x1 
= α x4 + α (1 − α )x3 + α (1 − α )2 x2 + (1 − α )3 x1
Obsérvese que el pronóstico para el periodo 5 es el promedio ponderado de los primeros
cuatro valores de la serie.
También puede estimarse el pronóstico por suavización exponencial calculando el pronóstico
para el periodo t+1 como el pronóstico para el periodo t corregido por el error del periodo t.
ft+1 = ft + α ( xt - ft ) , ft+1 = ft + α et e = error de pronóstico del periodo t
t
Observaciones:
Si la serie tiene una variabilidad aleatoria considerable, es preferible utilizar un valor pequeño
para la constante de suavización. Como gran parte del error de pronóstico se debe a la
variabilidad aleatoria, un α pequeño evita una reacción exagerada que ajuste los pronósticos
demasiado rápido. Para una serie con poca variabilidad, valores más grandes de α permiten
ajustar rápidamente los pronósticos cuando ocurren errores de pronóstico y por lo tanto el
pronóstico reacciona más rápido ante condiciones cambiantes.
Podemos elegir el valor de α que minimiza el EMC o la MAD.
En general se selecciona un α igual a 0,1, 0,3 ó 0,5. Si el valor de α que minimiza el MAD es
superior a 0,5 entonces la serie presenta tendencia, estacionalidad o variación cíclica, por lo

Mgter. Claudia Carignano

 8 Sistemas de Gestión --- Tema: Pronósticos

que no se recomienda suavización exponencial. En estos casos, el método Holt o el método de

Winter proporcionan mejores pronósticos.
Desventajas:
Queda retrasado cuando hay una tendencia continua.
Es difícil elegir una constante de suavizado apropiada. Se ha sugerido que no debe exceder de
0,3 y una elección razonable aproximada es de 0,1.

Suavizado exponencial con tendencia: Método de Holt

Se utiliza en series con tendencia lineal y sin estacionalidad.
Al final del periodo t el método genera una estimación del nivel de base Lt y de la tendencia Tt
de la serie.
Supongamos que L5 = 20 y T5 = 2
Esto quiere decir que luego de observar x5 opinamos que el nivel de base de la serie es de 20 y
que se incrementa en 2 unidades por periodo. Por lo tanto estimamos que 5 periodos a partir
de ahora, el nivel de base será igual a 30.
Después de observar xt podemos utilizar las siguientes ecuaciones para actualizar las
estimaciones de base y tendencia.
Sean α y β las constantes de suavizado tal que
0<α <1y0<β <1
Así:
Lt =+α xt (1 - α ) (Lt −1 + Tt −1 )  = Lt α xt + (1 - α ) ft −1
=Tt β (Lt - Lt −1 ) + (1 - β ) (Tt −1 )
ft+k es el pronóstico para xt+k, realizado al final del periodo t. Si el pronóstico es para el periodo
inmediato siguiente entonces k = 1
ft + k= Lt + kTt

Para aplicar el método, necesitamos una estimación inicial de la base (L0) y una estimación
inicial de la tendencia (T0).
Podemos usar como estimación de L0 a la observación del último periodo y T0 como el
incremento promedio por periodo de la serie.
Para elegir las constantes de suavizado α y β, pueden ensayarse varias combinaciones de ellas y
optar por la que minimice el MAD. Si estos valores son mayores a 0,5 debería usarse otro
método de pronóstico ya que esto estaría indicando la presencia de estacionalidad o
comportamiento cíclico.
Es decir que, el método de Holt proporcionará buenos pronósticos de una serie, cuando la
componente de tendencia sea lineal.
Existe una versión multiplicativa del método de Holt que se puede utilizar para generar buenas
previsiones para una serie de la forma xt = abt ε t.
Dónde:
a  representa el nivel de base
b  Actualiza el nivel de base durante cada periodo para un crecimiento expresado en
porcentaje, es decir que si estimamos que el crecimiento del nivel de base de la serie será del
5% por período entonces b = 1,05

Mgter. Claudia Carignano

 9 Sistemas de Gestión --- Tema: Pronósticos

εt  factor aleatorio de error con media igual a 1.

Suavizado exponencial con estacionalidad: Método de Winter

Se utiliza en series temporales en las cuales están presentes la tendencia y la estacionalidad.
Se necesita:
c = número de periodos en la duración del patrón estacional.
Por ejemplo si es trimestral c = 4, si es mensual c = 12
s t = factor multiplicativo estacional para el periodo t, obtenido después de observar xt.
Lt  base
Tt  tendencia

Actua l iza la estimación de

l a base
xt
α
Lt = + (1 - α ) (Lt −1 + Tt −1 ) }
st −c

Obs ervación desestacionalizada

=Tt β (Lt - Lt −1 ) + (1 - β ) (Tt −1 ) }

Actua l iza la tendencia

xt
=st γ + (1 - γ ) st −c }
Lt Actua l iza la estacionalidad

Es ti mación más reciente de la

es tacionalidad del periodo t

Es ti mación de la estacionalidad
del periodo t obtenida a partir
del periodo actual

Al final del periodo t la predicción ft,k para el periodo t+k se obtiene con:

ft +=
k (L t + kTt ) st + k −c Producto de la estimación para el
peri odo (t+k) por la estimación de l a
es tacionalidad del periodo (t+k)

III. Métodos Causales

Como ya lo anticipamos, los métodos de pronósticos Causales se basan en el supuesto de que la
variable que tratamos de pronosticar muestra una relación de causa y efecto con una o más
variables. Estos métodos procuran estimar la relación entre la variable dependiente a
pronosticar y una o más variables independientes y se utilizan, en general, cuando hay pocos
datos históricos o no los hay.

Mgter. Claudia Carignano

10 Sistemas de Gestión --- Tema: Pronósticos

Se puede emplear como método de elaboración de pronósticos causal el análisis de regresión

para desarrollar una ecuación matemática que relacione la variable que queremos pronosticar
con otras variables que se supone la influyen o la explican.
Cuando el análisis de regresión involucra una variable independiente y una variable
dependiente y la relación entre ellas se aproxima por medio de una recta se llama regresión
lineal simple. Si el análisis incluye dos o más variables independientes se conoce como análisis
de regresión múltiple.

Métodos Cualitativos de pronóstico

Los modelos cuantitativos requieren datos históricos sobre la variable que se quiere predecir,
los que muchas veces no se encuentran disponibles. Además, estos procedimientos suponen
que las condiciones del pasado se mantendrán en el futuro.
Esto tiene como consecuencia que un cambio significativo en las condiciones del entorno que
afectan la serie de tiempo puede hacer cuestionable el uso de los datos históricos en la
predicción de valores futuros de las series de tiempo.
Los métodos de elaboración de pronósticos cualitativos se consideran adecuados cuando se
espera que el patrón de comportamiento histórico de las series de tiempo no continúe en el
futuro.
El uso de técnicas de pronóstico cualitativo aumenta cuando los datos históricos son escasos o
cuando se cree que éstos son parcialmente irrelevantes. En casos extremos, tal vez el analista
piense que los datos históricos no son directamente relevantes para el proceso de pronóstico.

Método Delphi
Cuando se reúne a un conjunto de expertos en una sala y se les solicita un análisis acerca del
futuro, la dinámica de grupo puede distorsionar el proceso de discusión y dar como resultado
un consenso que no es pensado cuidadosamente por todos los participantes.
En respuesta a esta situación, el método Delphi intenta elaborar pronósticos por medio de un
“consenso de grupo”.
La aplicación del método Delphi comienza solicitándoles a los integrantes de un panel de
expertos, que están separados físicamente y no se conocen entre sí, que respondan una serie
de preguntas.
Luego, las opiniones de cada experto se resumen y cada miembro del grupo es informado de las
posiciones de sus colegas anónimos. Esta retroalimentación contiene las opiniones y los juicios
de todos los miembros del grupo y no sólo las de los más elocuentes.
A continuación, se le solicita a cada uno de los participantes que reconsideren y analicen su
respuesta previa a la luz de la información proporcionada por el grupo. Este proceso continúa
hasta que el coordinador considera que se ha llegado a cierto grado de consenso.
El objetivo del método Delphi es obtener una pluralidad de opiniones con las cuales coincida la
mayoría de los expertos.
Cualquier procedimiento Delphi tiene cuatro características fundamentales: anonimato,
iteración, retroalimentación controlada y agregación de respuestas del grupo.
La ventaja del método es que a los expertos notables se les puede pedir que consideren
cuidadosamente el tema de interés y que contesten reflexivamente a los puntos de vista de
otros sin la interferencia de la dinámica de grupo.

Mgter. Claudia Carignano

11 Sistemas de Gestión --- Tema: Pronósticos

Juicio experto
El juicio experto es un método de elaboración de pronósticos que se recomienda, en general,
cuando no es probable que las condiciones pasadas se mantengan en el futuro.
En este caso cada experto considera la información que cree influirá en la variable de interés
que se quiere predecir, luego combinan sus conclusiones en un pronóstico. No se utiliza un
modelo formal, y no es probable que dos expertos consideren la misma información de la
misma manera.
Aun cuando no se utiliza un modelo cuantitativo formal, el juicio experto proporciona buenos
pronósticos en muchas situaciones.

Redacción de escenarios
Este procedimiento cualitativo consiste en la elaboración de escenarios conceptuales del futuro
con base en un conjunto de supuestos o hipótesis bien definidas. Estos conjuntos de hipótesis
proporcionan escenarios distintos. La nueva tecnología, los cambios demográficos y el cambio
en las demandas del consumidor son, entre otros, los factores que se consideran y entrelazan.
Se establece cuál es el escenario más probable, junto con uno o más escenarios menos
probables, pero posibles.
Al proceso de describir el escenario más probable le sigue una etapa de debate, algunas veces
realizado por un grupo diferente del que desarrolló los escenarios

Elección de una técnica adecuada

Algunas de las preguntas que deben considerarse, antes de decidir sobre la técnica más
adecuada para la elaboración del pronóstico de un problema específico pueden ser:
• ¿Por qué es necesario un pronóstico?
• ¿Quién usará el pronóstico?
• ¿Cuáles son las características de los datos disponibles?
• ¿Qué periodo se va pronosticar?
• ¿Cuáles son los requerimientos mínimos de datos?
• ¿Qué precisión se desea?
• ¿Cuánto costará el pronóstico?
Para elegir acertadamente la técnica de pronóstico, el analista debe hacer lo siguiente:
• Definir la naturaleza del problema que se va a pronosticar.
• Explicar la naturaleza de los datos en investigación.
• Describir las capacidades y limitaciones de las técnicas de elaboración de pronósticos
potencialmente útiles.
• Desarrollar algún criterio predeterminado, con el cual se pueda tomar la decisión.
Un factor importante que influye en la selección de la técnica de elaboración del pronóstico es
la identificación y comprensión de patrones históricos en los datos. Si se pueden reconocer
patrones de tendencia, cíclicos o estacionales, entonces se deben seleccionar las técnicas que
sean capaces de extrapolar efectivamente tales patrones.
Es importante observar que en muchas situaciones prácticas, más de un método o modelo para
pronosticar puede dar pronósticos aceptables y casi sin diferencias. De hecho, se recomienda
intentar varias técnicas razonables. A menudo se deben considerar varios criterios tales como,
simplicidad en la implementación, costo, condiciones ambientales externas, etcétera, para
seleccionar un modelo adecuado.

Mgter. Claudia Carignano