TECNICAS DE PROYECCIN DEL MERCADO

INTRODUCCIN

Se requiere conocer el comportamiento de los componentes del estudio de mercado en el pasado, en el presente y en el futuro. Los modelos y tcnicas de proyeccin ayudan a determinar ste comportamiento futuro.

INTRODUCCIN

Eleccin de un modelo o tcnica depende de:

la validez y disponibilidad de los datos histricos la precisin deseada el costo del procedimiento los beneficios del resultado los periodos futuros que se deseen pronosticar el tiempo disponible para hacer el estudio ciclo de vida del producto, producto nuevo o no etc.

METODOS DE PROYECCIN
Mtodos de proyeccin

Mtodos subjetivos

Modelos causales

Mtodos de series de tiempo

METODOS DE PROYECCIN
METODOS SUBJETIVOS

-Opinin de expertos
-Se usa cuando: o el tiempo de elaboracin es escaso o no se dispone de todos los antecedentes o datos o los datos no son confiables para predecir o no se puede explicar alguna variable
Ejm: Mtodo Delphi, investigacin de mercado y consenso de panel

METODOS DE PROYECCIN
MODELOS CAUSALES

Parten del supuesto de que el grado de influencia de las variables que afectan al comportamiento del mercado permanece estable, para luego construir un modelo que relacione ese comportamiento con las variables que se estima son las causantes de los cambios que se observan en el mercado

Causa

Efecto

METODOS DE PROYECCIN
METODOS DE SERIES DE TIEMPO Se utiliza cuando el comportamiento que asume el mercado a futuro puede determinarse por lo sucedido en el pasado y se cuenta con la informacin histrica en forma confiable y completa.

El modelo pierde validez cuando cambian las variables que caracterizaron el contexto (recesin econmica, nueva tecnologa, etc.) y necesita un ajuste en forma subjetiva.

TECNICAS CUALITATIVAS O SUBJETIVAS DE PROYECCION

MODELOS CAUSALES Intentan proyectar el mercado sobre la base de antecedentes cuantitativos histricos; con lo cual suponen que, los factores condicionantes del comportamiento histrico de algunas o todas las variables del mercado, permanecern estables. Se da una relacin causal, en la cual la ocurrencia de un evento, causa la ocurrencia de otro. Los modelos causales de uso ms frecuentes son los modelos de regresin, el modelo economtrico, indicadores anticipados y el modelo de insumo producto.

METODOS CUANTITATIVOS
ANALISIS DE SERIES DE TIEMPO
Esta metodologa se utiliza para analizar los patrones de demanda como: tendencia, estacionalidad, ciclos, autocorrelacin, del pasado y llegar a hacer pronsticos para el futuro, es decir que se basa sustancialmente en datos histricos es por ello que esta tcnica funcionar si las utilidades y tendencias del producto que la empresa venda son estables y claras.

Qu son las series temporales?

Es una secuencia de datos uniformemente espaciada: Se obtiene observando las variables en periodos de tiempo regulares.
Se trata de una previsin basada en los datos pasados: Supone que los factores que han influido en el pasado lo sigan haciendo en el futuro.
Ejemplo: Ao: 1993 1994 1995 1996 1997

Ventas: 78,7

63,5

89,7

93,2

92,1

Descomposicin de una serie temporal

Tendencia Ciclos

Estacionalidad

Variaciones aleatorias

Tendencia

Es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo. Los cambios en la poblacin, ingresos, etc. influyen en la tendencia. Varios aos de duracin.
Respuesta

Mes, trimestre, ao

1984-1994 T/Maker Co.

METODOS CUANTITATIVOS
ANALISIS DE SERIES DE TIEMPO
Esta metodologa se utiliza para analizar los patrones de demanda como: tendencia, estacionalidad, ciclos, autocorrelacin, del pasado y llegar a hacer pronsticos para el futuro, es decir que se basa sustancialmente en datos histricos es por ello que esta tcnica funcionar si las utilidades y tendencias del producto que la empresa venda son estables y claras.

Qu son las series temporales?

Es una secuencia de datos uniformemente espaciada: Se obtiene observando las variables en periodos de tiempo regulares.
Se trata de una previsin basada en los datos pasados: Supone que los factores que han influido en el pasado lo sigan haciendo en el futuro.
Ejemplo: Ao: 1993 1994 1995 1996 1997

Ventas: 78,7

63,5

89,7

93,2

92,1

Descomposicin de una serie temporal

Tendencia Ciclos

Estacionalidad

Variaciones aleatorias

Estacionalidad

Muestra de datos de ascenso o descenso que se repite. Se puede ver afectada por la climatologa, las costumbres, etc. Se produce dentro de un periodo anual.
Verano Respuesta
1984-1994 T/Maker Co.

Mes, trimestre

Ciclos

Movimientos de ascenso o descenso que se repiten. Se pueden ver afectados por interacciones de factores que influyen en la economa. Suelen durar de 2 a 10 aos.
Respuesta Ciclo

Mes, trimestre, ao

Variaciones aleatorias

Son saltos en los datos causados por el azar y situaciones inusuales. Son debidas a variaciones aleatorias o a situaciones imprevistas:
1984-1994 T/Maker Co.

Huelga. Tornado.

Son de corta duracin y no se repiten.

Enfoque simple

Suponer que la demanda en el prximo periodo ser igual a la demanda del periodo ms reciente:

Por ejemplo, si en mayo hubo 48 ventas, en junio habr 48 ventas.

Es el modelo con la mejor relacin eficaciacoste y eficiencia.