ISSN 0798 1015

Vol. 39 (Nº 13) Año 2018 • Pág. 1

La gestión de pronóstico en las decisiones empresariales: un análisis empírico

The management of forecasting in business decisions: an empirical analysis

Javier Bernardo CADENA Lozano 1; Miller Janny ARIZA Garzón 2; Ricardo Javier PALOMO Zurdo 3

Recibido: 17/11/2017 • Aprobado: 20/12/2017

Contenido

1. Introducción

2. Metodología

3. Resultados

4. Conclusiones

Referencias bibliográficas

1. Introducción

La oportuna y confiable toma de decisiones en las empresas es fundamental para el éxito, perdurabilidad y expansión de las mismas. Uno de los aspectos relevantes de esta gestión lo constituye la elaboración de pronósticos de variables tanto externas, asociadas con el clima de los negocios y aspectos macroeconómicos, como internas, relacionadas con la operativa propia de la empresa en sus distintas áreas funcionales (producción, marketing, finanzas y recursos humanos).

De acuerdo con Hanke y Reitsch (1996):

(…) quienes toman decisiones lo harán mejor sí a partir de la comprensión de las técnicas de pronóstico, tanto cualitativas como cuantitativas, las utilizan de manera adecuada, en vez de que se vean forzados a planear el futuro sin el beneficio de esta valiosa información complementaria (p.2).

En el mismo sentido, Makridakis y Wheelwright (2000) afirman que: “Los juicios subjetivos y sin apoyo no son, sin lugar a dudas, tan seguros y efectivos como los enfoques más sistemáticos y explícitos de los pronósticos” (p.15).

De igual manera, Wilson y Keating (1996) coinciden con los autores anteriores cuando afirman que:

Hacer previsiones supone realizar la mejor apreciación posible de algún suceso futuro (…) No parece ya razonable depositar toda la confianza en la intuición o en el <<ojo clínico>> al proyectar las ventas futuras, las existencias necesarias y los requerimientos de personal u otras variables económicas o comerciales importantes (p.1).

Una revisión de la literatura hecha para Colombia muestra que, si bien, existen innumerables libros de texto y documentos sobre este tema, son escasos los artículos científicos en revistas indexadas, al punto que no existe estudio alguno que presente resultados para un grupo de empresas que caracterice su actuar en materia de pronóstico; y menos con respecto a la aplicación de las diferentes técnicas cuantitativas y cualitativas. A nivel internacional, existe un mayor número de trabajos, sin que tampoco abunde la literatura, a excepción de algunos autores expertos en el tema, los cuales se reseñan en la tabla 2, quienes han realizado diferentes estudios de corte transversal en países como Estados Unidos, Canadá y México.

1.1. Planificación estratégica y pronóstico

La pregunta principal para abordar el tema del pronóstico es cómo se relaciona éste con la planificación estratégica, y por qué se diseña. De acuerdo con (Wheelen y Hunger, 2007), la planificación estratégica ha tenido una función importante en las empresas, ya que además de permitirle controlar las variables propias de su actividad o entorno interno, les ha permitido anticiparse y/o adaptarse a un entorno que cambia con frecuencia; este entorno que se refiere a todos los factores que influyen de manera trascendental en la estrategia y que no pueden ser controlados por la empresa, se ha convertido en eje fundamental para la administración.

De acuerdo con estos autores, la Administración Estratégica ha evolucionado siguiendo cuatro etapas, denominando a la segunda “Planificación basada en pronósticos” (Wheelen y Hunger, 2007, p. 4) cuyo objetivo es extrapolar las tendencias del futuro a cinco años.  Es en esta etapa en donde se resalta la tarea de elaborar pronósticos, como herramienta para anticipar el comportamiento de variables relevantes, movimientos del mercado, de la competencia y los factores socioeconómicos en donde tiene presencia la empresa; una empresa que no lo hace, difícilmente captará las señales del mercado, tendrá en cuenta factores de su entorno y probablemente tendrá problemas financieros; lo importante del pronóstico es adelantarse a las tendencias futuras.

Por esta razón, el pronóstico debe abordarse desde una perspectiva multidimensional. Para (Baets, 1987) el pronóstico debe ser visto como una actividad que proporciona información sobre el futuro, tanto de la empresa como de diversos elementos del entorno, tanto en los eventos que sucedan, ceteris paribus, como los que se produzcan por diversas acciones estratégicas, como los denominados eventos de escenarios o what-if.

Esta relación entre planificación estratégica y pronóstico ha sido estudiada formalmente por un conjunto no muy amplio de autores. A continuación en la Tabla 1 se presenta de manera cronológica y resumida para los últimos 10 años, los aportes de los autores más importantes desde la perspectiva analizada de interrelación, como elemento clave de articulación con los resultados de ésta investigación.

Tabla 1
Cronología del estudio de la relación entre planificación estratégica y pronóstico

Fuente: Elaboración propia.

1.2. Estado de la investigación sobre pronóstico empresarial

En cuanto al estado de la investigación sobre pronóstico empresarial, es importante aclarar que, en todos los casos, los estudios se centran en la variable ventas, y en algunas relacionadas con aquella, como la demanda y los inventarios. En dichos estudios no se hace mención sobre el pronóstico de variables externas, quizá porque no era el enfoque o porque se supone que estas son realizadas periódicamente por los gremios o entidades públicas y privadas especializadas.

En este contexto, a continuación se presenta de manera cronológica, y considerando de nuevo los principales autores sobre el tema, una tabla resumen (Tabla 2) que muestra el estado del arte de la investigación sobre pronóstico, en el sentido de identificar sus principales dimensiones y las prácticas más comunes seguidas por las empresas.

Tabla 2
Análisis cronológico de las principales investigaciones sobre pronóstico en las empresas

Fuente: Elaboración propia.

Con las investigaciones de (Goodwin, 2007), (Fildes y Goodwin, 2007) y los estudios para México elaborados por la (Corporate Resources Management, 2008 y 2010), se termina el ciclo de análisis de las diferentes dimensiones del pronóstico y su aplicación en la empresa, con lo cual se ha generado un vacío importante de información en revistas científicas indexadas sobre el tema. En efecto, como se observa en la Tabla 2, solo tres estudios fueron encontrados para países de América Latina y todos para México, situación que refleja la falta de conocimiento que existe en esta región sobre la utilización de los métodos de pronóstico como herramienta de gestión empresarial.

Es importante mencionar que en cinco de las investigaciones reseñadas en la Tabla 2 los autores para el caso de Norteamérica, entre 1984 y 2006, utilizan las mismas dimensiones del pronóstico y la misma metodología de análisis aparentemente no probabilística, situación que no permite extraer conclusiones estadísticamente significativas. Sin embargo, dichos resultados muestran tendencias del comportamiento y los cambios que se han dado en el tiempo.

El universo estuvo conformado por cerca de 2.000 empresas y entidades financieras con sede en Bogotá-Colombia, que habían adquirido algún tipo de software estadístico y/o de pronóstico a cualquiera de las tres entidades que ofrecen este producto en Colombia, con lo cual, se dispuso de una buena aproximación a la población objeto de estudio. Después de varias gestiones para aumentar el tamaño de la muestra, finalmente 118 empresas respondieron la encuesta, luego de eliminar algunas cuya información no era consistente. Como se vio en la tabla 2, el tamaño de muestra utilizado en investigaciones previas realizadas en Estados Unidos, Canadá y México, fluctuó entre 16 y 239 empresas.

Del total de encuestas aplicadas, el 80,5% pertenecían al sector real y la porción restante al sector financiero. La clasificación por tamaño (tipo) de empresa -entre grandes (36,4%), medianas (22,9%) y pequeñas (21,2%)- para el sector real se hizo por valor de activos, con base en el artículo 2 de la Ley 905 de 2004. Dado que la gran mayoría de empresas del sector financiero resultaron ser grandes, y por considerar que cuentan con características diferenciales en términos de la función que realizan y la supervisión a que se encuentran sometidas, se decidió analizarlas por separado como otro tipo de empresa.

La investigación centró su objeto de estudio en identificar la percepción que tenían las empresas, sobre el proceso de gestión de los pronósticos, como soporte de la planificación estratégica para la toma de decisiones. Dado que se trató de un instrumento de recolección estructurado, sus objetivos de naturaleza tanto general como específicos, estuvieron asociados a una pregunta o grupo de preguntas, como se observa en la Tabla 3.

Tabla 3
Relación entre objetivos y preguntas formuladas en la encuesta

Fuente: Elaboración propia.

3.1. Caracterización de la muestra

Las encuestas fueron respondidas en su mayoría por gerentes (52,5%) y analistas (27,1%) y en menor proporción por coordinadores, asistentes o técnicos. Las principales profesiones de estas personas fueron economistas, ingenieros y administradores de empresas.

Por sector económico, el 50% del total de empresas encuestadas pertenecían al sector industrial, el 19,5% al sector financiero y bursátil, el 6,8% al sector comercio y el restante 23,7% a otras actividades económicas relacionadas con servicios.

El sector industrial fue preponderante en la mediana y gran empresa, en donde representó el 74,1% y 55,8% respectivamente. Por su parte, el sector comercio fue más representativo en la gran empresa (14%), pues algunas de la muestra fueron grandes superficies, las que en su mayoría tienen inversión extrajera.

3.2. Análisis de variables, modelos lineales, software y precisión

La variable externa que más pronostican las empresas es el precio del dólar (65,3%), seguida de la tasa de inflación (55,1%), las tasas de interés (33,2%) y el Producto Interno Bruto (28%). A nivel interno son las ventas (81,4%), seguidas por los indicadores financieros (33,1%), el nivel de inventarios (31,4%) y la demanda (27,1%).

El modelo más utilizado es el ARIMA (41,9%) y le siguen en importancia los modelos de suavizamiento como el de Holt Winter (37,6%), el promedio móvil (23,9%) y la simulación de Montecarlo (23,9%).

En cuanto al tipo de programas informáticos, el más utilizado es Excel de Microsoft (60,9%), seguido por EViews (21,7%), SPSS y Risk Simulator, ambos con el 10,4%. El 61% señala para las variables externas una precisión entre el 71% y 90%, y para las internas, el 53% una precisión superior, entre el 91% y 95%.

3.3. Análisis de correspondencias múltiples: modelos lineales, software y precisión por tipo de empresa

Con el fin de realizar un análisis conjunto de variables, se analizaron diferentes posibilidades de técnicas multivariadas, escogiéndose la conocida como Correspondencias Múltiples (ACM). La razón, es que esta técnica permite identificar la asociación entre variables cualitativas, variables que en su gran mayoría corresponden a las analizadas en esta investigación. El ACM se utiliza para analizar, desde un punto de vista gráfico, las relaciones de dependencia e independencia de un conjunto de variables categóricas, a partir de los datos expresados en tablas de contingencia. Su planteamiento parte de asociar a cada una de las modalidades de la tabla, un punto en el espacio  de forma que las relaciones de cercanía/lejanía entre los puntos calculados reflejen las relaciones de dependencia y semejanza existentes entre estas. (De la Fuente, 2011). Se tiene que la cercanía entre puntos que representan modalidades, se asocia con una alta probabilidad de mención simultánea por parte de las unidades de información. Las modalidades o categorías de baja frecuencia se encuentran generalmente en los extremos y se utilizan para caracterizar los ejes. Y la cercanía al centro, significa altos porcentajes de mención por los encuestados; el centro registra las respuestas más comunes dadas por las unidades de información. (Mockus y Corzo, 2003).

Con base en esta metodología se presenta a continuación, en la figura 1, un gráfico agregado por tipo de empresa en donde se muestra la relación de tres de las variables descritas en el apartado 3.2. Cabe mencionar que las dos dimensiones resultantes que se muestran en los ejes recogen el 70% de la variabilidad de las variables incluidas.

Figura 1
Análisis de correspondencias múltiples: tipo de empresa, modelo, software y precisión

Fuente: Elaboración propia.

Al acoplar los mapas factoriales de la Figura 1, en donde al lado izquierdo se observan los diferentes modelos lineales, los programas informáticos utilizados por las empresas y la percepción de precisión de los modelos, y al lado derecho los tipos de empresa, se concluye que las pequeñas y medianas empresas utilizan principalmente el programa Excel de Microsoft como software de desarrollo, tienden a usar más los métodos deterministas (promedio móvil y suavizamiento exponencial) y los modelos de regresión y obtienen precisiones que oscilan entre el 91% y 95% y más del 95%.

Por su parte, las grandes empresas tienden a manejar más los modelos de simulación y, en menor medida, los modelos ARIMA. Para estos últimos, utilizan software con ventanas de dialogo como Stata, EViews o SPSS y para los modelos de simulación software como Risk Simulator, Crystal  Ball o @Risk, complementos de uso conjunto con Excel de Microsoft. La percepción de precisión de estos modelos se ubicó entre el 71% y el 95%.

Las empresas del sector financiero utilizan modelos medianamente más “sofisticados” como los vectoriales y los árboles de decisión, con software que exige programación como R, SAS o Gauss. La percepción de este tipo de empresas frente a la precisión del pronóstico es más estricta y exigente, pues oscila entre el 51% y el 90%.

3.4. Otros modelos de pronóstico

Las empresas además de utilizar modelos lineales cuantitativos también utilizan modelos cualitativos y no lineales, o como una combinación de dos o los tres. Al respecto, el 61,9% señaló utilizar los cualitativos, siendo su uso más generalizado en la gran empresa (85,4%) y en menor escala en la pequeña (36%).

Los más utilizados son la consulta a las áreas relacionadas (81,4%) y la opinión de expertos (60%), comportamiento que sugiere que las empresas consideran tanto el conocimiento y experiencia de sus colaboradores, como de los asesores externos, quienes tienen una visión más general del entorno y del sector donde se desenvuelve la empresa. Se destaca la baja participación del método Delphi (2,9%) y la aplicación de encuestas a clientes (12,9%).

Los métodos de pronóstico no lineales son prácticamente desconocidos y solo usados por el 8,5% de las empresas, principalmente el sector financiero con el 26,1%, con modelos tipo redes neuronales, algoritmos genéticos y lógica difusa, para pronosticar principalmente variables sectoriales y económicas.

3.5. Análisis de aspectos estratégicos

De acuerdo con el marco teórico y los resultados de investigaciones previas, elaborar un pronóstico, además de su generación como número mediante un método o combinación de varios, requiere de un proceso previo de análisis de la información y otro posterior de evaluación y comparación con el valor real observado. En cuanto al primero, solo el 12% manifestó realizar ajustes a la información, buscando la mayor consistencia posible; se destaca el análisis de las distintas fuentes de información y sus ajustes estadísticos, como la desestacionalización de series, el tratamiento de observaciones atípicas y los empalmes entre bases de datos. 

Por su parte, el 32,2% de las empresas cuenta con un equipo de trabajo especializado para evaluar el pronóstico, siendo el sector financiero el más organizado, al registrar un porcentaje del 73,9%. Sin embargo, apenas el 22,9% de las empresas compara el valor del pronóstico con el valor real observado, labor que registra mayores porcentajes en el sector financiero (47,8%) y las grandes empresas (23,3%); como resultado de esta actividad calibran los modelos periódicamente y realizan combinaciones entre diferentes métodos cualitativos y/o cuantitativos para asegurar pronósticos más acertados en cada nuevo periodo. Las empresas también siguen procedimientos no estadísticos para analizar, validar y ajustar sus pronósticos, en especial, talleres de discusión y unificación de criterios con las áreas responsables de las cifras (47%). Los procesos de validación con la alta gerencia no son muy comunes y se presentan principalmente en la gran empresa y el sector financiero.

Consistente con los porcentajes anteriores, el 39,8% de las empresas tiene un área dedicada a realizar pronósticos, siendo el sector financiero con el 91,3%, el que sobresale, en contraste con los demás tipos de empresa en donde en el mejor de los casos este porcentaje no supera la tercera parte.

La principal área de la empresa que elabora pronósticos es la financiera (29,7%), resultado coherente con la responsabilidad que tienen de realizar y hacer seguimiento a los presupuestos de ventas y estados financieros y de llevar el registro y control de los diferentes hechos económicos que suceden en desarrollo de sus actividades.

Otras áreas importantes son: riesgos, comercial y planeación, con porcentajes que fluctúan entre el 14% y el 23%, en contraste con áreas que en teoría por su relación con las ventas como logística (8,5%), producción (5,1%) y gestión (4,2%), podrían tener una mayor participación. El área de planeación, en donde se generan los planes y programas que orientan el futuro de la empresa, obtiene porcentajes relativamente bajos, entre el 8% para la pequeña empresa y el y 21,7% para el sector financiero, sugiriendo que éste no es el departamento líder encargado de realizar pronósticos. En general se evidencia una gran dispersión de áreas que hacen pronóstico en las empresas.

En la pequeña y mediana empresa también son importantes el área comercial, de marketing y planeación, pero no así las de producción y pronóstico, las que al parecer no existen o no hacen pronósticos, pues no registran porcentaje alguno.

Otro análisis importante asociado con las áreas es el grado de utilización de los pronósticos, con el objetivo de identificar en qué medida influyen éstos en la toma de decisiones de las empresas; esta pregunta se obtuvo mediante una escala de 1 a 5, donde 1 es poco importante y 5 es muy importante. A partir de los hallazgos, se re-expreso dicha escala en un rango de cero a uno. Los mayores índices los obtuvo el área de pronóstico, tanto para las grandes empresas (0,88) como para el sector financiero (0,81), lo que confirma que este tipo de empresas cuenta con departamentos especializados que realizan esta labor. Las áreas de riesgo y planeación, son fundamentales para todos los tipos de empresa, pues las tasas de uso fluctuaron entre 0,5 y 0,88, indicadores que reflejan que, si bien el área de planeación no es la que más elabora pronósticos, si es de las que más los usa, principalmente por parte de la mediana (0,88) y gran empresa (0,75).

Tomando como medida de tendencia central la mediana, se encontró que para el área que hace pronósticos en la empresa, el número de colaboradores es de 4, siendo el sector financiero con 7 y la grande con 3.5 aquellas con más personal, en contraste con la pequeña y mediana empresa quienes sólo dedican 2 personas a esta actividad.

Respecto a la capacitación que se ofrece a este personal, el 16,9% de las empresas afirmó contar con programas y actualizaciones en temas y software de pronóstico, cifra relativamente baja que indica que apenas 1 de cada 6 empresas realiza o patrocina cursos de formación, siendo el sector financiero (39,1%) y la gran empresa (16,3%) aquellas con el mayor porcentaje. En promedio, la capacitación se imparte cada 6 meses (45%) o cada año (35%).

Por último, en esta sección se estimaron dos modelos de regresión logística, el primero, con el fin de identificar las variables que determinan que una empresa tenga un área dedicada a la elaboración de pronósticos, y el segundo, las que determinan hacer seguimiento y evaluación a los mismos.

Esta metodología basa sus resultados en la definición de una variable dependiente categórica binaria, la función de enlace logística y las variables independientes. Dicho modelo permite estimar la probabilidad de ocurrencia de un evento, en función de una serie de atributos o variables que caracterizan a cada una de las empresas (k variables). La ecuación general del modelo Logit se especifica como una combinación lineal de variables cuantitativas con la h-ésima variable categórica. La notación de la ecuación (1) es tomada de (Hosmer y Lemeshow, 1989) y representa un caso especial dentro de la familia de los modelos lineales generalizados.

En la Tabla 4, se presentan los principales resultados del primer modelo. Las variables que más se asocian con la probabilidad de tener un área dedicada a la elaboración de pronósticos son el tipo de empresa y el uso de modelos vectoriales, de regresión y cualitativos. Con respecto al sector financiero, los demás tipos de empresa presentan una menor probabilidad de tener dicha estrategia, y el usar los modelos mencionados incrementa dicha probabilidad. La selección de estas variables se realizó bajo metodologías de stepwise.

Tabla 4
Área dedicada a la elaboración de pronósticos

***Significativa al 1%, **Significativa al 5%, *Significativa al 10%
La categoría base de comparación para la variable Tipo Empresa, es “Financiero”
Fuente: Elaboración propia.

A través de la misma metodología stepwise, se estimó el segundo modelo logístico. En la Tabla 5 se muestra que las variables tener un área de pronóstico y utilizar modelos ARIMA y métodos no lineales, son aquellas que presentan mayor asociación frente a la probabilidad de hacer seguimiento y evaluación a los pronósticos. En particular, el uso de software como Stata, EViews o SPSS, disminuye dicha probabilidad, quizá por la confianza que les genera trabajar con este tipo de software especializado, el cual cuenta con asesoría permanente de sus proveedores, hipótesis que deberá validarse en posteriores estudios.

Tabla 5
Gestión de hacer seguimiento y evaluación a los pronósticos

***Significativa al 1%, **Significativa al 5%, *Significativa al 10%
La categoría base de comparación para la variable Tipo Empresa, es “Financiero”
Fuente: Elaboración propia.

Se concluye que tener un área especializada para realizar pronósticos es fundamental para evaluar sus resultados, y a su vez, hacer seguimiento y evaluación a dichos resultados, es una labor primordial de dicha área.

3.6. Comparación de resultados con investigaciones previas en América Latina

Por último, resulta importante relacionar con esta investigación, los resultados de los únicos estudios hechos para América Latina en México por (Duran y Flores, 1998) y la (Corporate Resources Management, 2008 y 2010), citados en la Tabla 2, aunque de manera muy limitada, pues las dimensiones, escalas de medición y el periodo en que se recogieron los datos, fueron diferentes entre los 4 estudios.

En general, los métodos cuantitativos de pronóstico utilizados coinciden (promedio móvil, suavizamiento exponencial y análisis de regresión), aunque difieren en que las empresas bogotanas utilizan la Simulación de Monte Carlo y con mayor preferencia los modelos ARIMA, y las empresas mexicanas la construcción de escenarios. A nivel cualitativo coinciden también en metodologías como la opinión gerencial o de expertos y en menor grado el método Delphi. También difieren en el software que utilizan: mientras las primeras usan más Excel con el 63,7%, las empresas mexicanas usan SAP con el 31,3%, seguido de Excel (28,1%) y Forecast Pro (25%); programas muy comunes en Colombia como EViews, SPSS y Stata, no son mencionados por las empresas mexicanas.

Otra diferencia fundamental es con respecto al área encargada de hacer pronósticos. Mientras en las empresas de la muestra, el área financiera con el 29,7% es la principal, en las empresas mexicanas es la última con el 3%; solo coinciden en las áreas de planeación y marketing, que ocupan lugares intermedios. Para las empresas mexicanas son más importantes las áreas de logística (27%), pronóstico (22%) y operaciones y producción (20%). Un hecho importante de destacar es que mientras en las empresas mexicanas más de la mitad dedica solo 2 personas a realizar pronósticos, el 87% de ellas hace revisión a los mismos de manera mensual o semanal; en las empresas de la muestra, por el contrario, en promedio dedican 6 personas a esta labor, pero solo el 23% hace evaluación y seguimiento a los pronósticos.

A partir de las encuestas aplicadas principalmente al sector industrial y financiero de Bogotá-Colombia se concluye que las empresas no cuentan con un proceso de pronóstico articulado y coherente que, tomando como base un departamento o área, conforme un sistema de gestión estratégica para la toma de decisiones de futuro. Se evidenció la falta de consenso sobre algún área en particular que deba realizar los pronósticos, quizá porque la mayoría lo hace, sin una orientación centralizada y sin un líder apoyado por la alta gerencia, como lo sugieren los estudios reseñados en el marco teórico. Por tanto, existe una cultura muy incipiente de hacer pronósticos, situación que puede estar incidiendo en la obtención de mejores resultados y perspectivas a futuro.

La variable externa que más pronostican es el precio del dólar (65,3%), seguida de la tasa de inflación (55,1%), las tasas de interés (33,2%) y el Producto Interno Bruto (28%). A nivel interno son las ventas (81,4%), seguidas por los indicadores financieros (33,1%), el nivel de inventarios (31,4%) y la demanda (27,1%). El modelo más utilizado es el ARIMA, con el 41,9%; le siguen en importancia los modelos de Holt Winter (37,6%), el promedio móvil (23,9%) y la simulación de Montecarlo (23,9%).

En cuanto al tipo de programas informáticos, el más utilizado es Excel de Microsoft (60,9%), seguido por EViews (21,7%) y con el 10,4%, SPSS y Risk Simulator. El 61% señala para las variables externas una precisión entre el 71% y 90%, y para las internas, el 53% una precisión superior, entre el 91% y 95%. Las empresas también utilizan métodos cualitativos (61,9%) y no lineales, siendo estos últimos prácticamente desconocidos y solo usados por el 8,5%.

El 39,8% de las empresas tiene un área dedicada a realizar pronósticos, principalmente la financiera (29,7%), seguida por las de riesgos, comercial y planeación, las que en promedio cuentan con un número de colaboradores de 4. El 12% realiza ajustes previos a la información y el 32,2% mantiene un equipo de trabajo para evaluar el pronóstico. Los procesos de validación con la alta gerencia no son muy comunes y se presentan principalmente en la gran empresa y el sector financiero.

Solo el 16,9% realiza eventos de capacitación en temas y software de pronóstico. Las variables que más se asocian con la probabilidad de tener un área de pronóstico son el tipo de empresa y el uso de modelos vectoriales, de regresión y cualitativos, y las que determinan hacer seguimiento y evaluación a los pronósticos, son tener un área de pronóstico y utilizar modelos ARIMA y métodos no lineales.

Dada la complejidad del tema por las múltiples variables que se pueden analizar, para futuras investigaciones se recomienda que el análisis se delimite a partir del número de dimensiones a considerar y el sector o sectores estratégicos a analizar; en este esfuerzo, se sugiere que los centros de investigación realicen alianzas estratégicas con los diferentes gremios empresariales para garantizar la inferencia sobre la población objetivo. Además, se recomienda correlacionar los procesos de planificación estratégica y gestión de pronóstico de las empresas con sus resultados económicos y financieros, con el fin de encontrar evidencia que pueda indicar que el seguimiento estricto de un proceso de pronóstico, en el marco de dicha planificación estratégica, se traduce en resultados positivos a largo plazo.

Baets, W. (1987). Corporate strategic planning in an uncertain environment. European Journal of Operational Research, 32, 169-181.  https://doi.org/10.1016/s0377-2217(87)80140-6 

Chase, C. W. (2014). Innovations in Business Forecasting: Predictive Analytics. Journal Of Business Forecasting, 33(2), 26-32.

Collopy, F. & Armstrong, J. (1992). Expert Opinions About Extrapolation and the Mistery of the Overlooked Discontinuities. International Journal of Forecasting, 8(4), 575-582. https://doi.org/10.1016/0169-2070(92)90067-j 

Corporate Resources Managment. (2008). Estudio del Arte sobre las Mejores Prácticas en la Administración de los Pronósticos en Empresas Mexicanas. México: Corporate Resources Managment.

Corporate Resources Managment. (2010). Diagnóstico de la Administración de Pronósticos Empresariales en México. México: Corporate Resources Managment.

Davis, D. & Mentzer, J. T. (2007). Organizational factors in sales forecasting management. International Journal of Forecasting, 23(3), 475-495. https://doi.org/10.1016/j.ijforecast.2007.02.005 

De la Fuente Fernández, S. (2011). Análisis correspondencias simples y múltiples. Fac. Ciencia Económicas y Empresariales . Madrid: Universidad Autónoma de Madrid. Recuperado el 20 de Febrero de 2017, de  http://www.fuenterrebollo.com/Economicas/ECONOMETRIA/REDUCIR-DIMENSION/CORRESPONDENCIAS/correspondencias.pdf.

Dilgard, L. A. (2009). Worst Forecasting Practices in Corporate America and Their Solutions-Case Studies. Journal Of Business Forecasting, 28(2), pp. 4-13.

Duran, J. & Flores, B. (1998). Forecasting Practices in Mexican Companies. Interfaces, 28(6), 56-62. https://doi.org/10.1287/inte.28.6.56 

Fildes, R. y Goodwin, P. (2007). Against Your Better Judgment? How Organizations Can Improve Their Use of Management Judgment in Forecasting. Interfaces, 37(6), 570-576. https://doi.org/10.1287/inte.1070.0309 

Goodwin, P. (2007). Recent studies on forecasting know-how, training and information sharing. Foresight, 6, 26-28.

Gray, C. (2013). New Directions in Managing the Forecasting Process. Foresight: The International Journal Of Applied Forecasting, 31, 49-52.

Green, K. C. & Armstrong, J. S. (2012). Demand forecasting: evidence-based methods. Recuperado el  20 de Abril de 2017, de http://www.kestencgreen.com/demandfor.pdf.

Hanke, J. y Reitsch, A. (1996). Pronósticos en los negocios. 5ª ed. México D.F: Prentice Hall.

Hosmer, D.W. & Lemeshow, S. (1989). Applied Logistic Regression. New York: Wiley.

Jain, C. L. (2004). Business Forecasting Practices in 2003. Journal of Business Forecasting, 23(3), 2-6.

Johannsen, H. (2008). Strategic Forecasting: Theory, Practice and Strategy. Working Paper, Copenhagen Business School. Recuperado el 20 de Mayo de 2017, de http://openarchive.cbs.dk/bitstream/handle/10398/7674/cme%202008-017.pdf?sequence=1.

Kahn, K. (2002). An exploratory Investigation of new product forecasting practices. The Journal of Product Innovation Management , 19, 133-143. https://doi.org/10.1016/s0737-6782(01)00133-3 

Kahn, K. B. & Mentzer, J. T. (1995). Forecasting in consumer and industrial markets. The Journal of Business Forecasting, 14(2), 21-28.

Klassen, R. D. & Flores, B. E. (2001). Forecasting practices of Canadian firms: Survey results and comparisons. Int J. Production Economics, 70, 163-174. https://doi.org/10.1016/s0925-5273(00)00063-3 

Lapide, L. (2010). Business Forecasting's Roles. The Journal of Business Forecasting, 29(1), 14-17.

Lapide, L. (2014). Planning and Forecasting Work Hand in Hand. Journal of Business Forecasting, 33(1), 12-14.

Makridakis, S. & Wheelwrigth, S. (2000). Métodos de pronósticos. México: Limusa.

McCarthy, T., Davis, D., Golicic, S. & Mentzer, J. (2006). The Evolution of Sales Forecasting Management: A 20-Year Longitudinal Study of Forecasting Practices. Journal of Forescating, 25, 303-324. https://doi.org/10.1002/for.989 

Mentzer, J. T. & Kahn, K. B. (1995). Forecasting Technique Familiarity, Satisfaction, Usage, and Application. Journal of Forecasting, 14(5), 465-476. https://doi.org/10.1002/for.3980140506 

Mentzer, J. & Cox, J. (1984). Familiarity, Application, and Performance of Sales Forecasting Techniques. Journal of Forescasting, 3(1), 27-36. https://doi.org/10.1002/for.3980030104 

Mockus, A. y Corzo, J. (2003). Cumplir para convivir: factores de conviviencia y tipos de jóvenes por su relación con normas y acuerdos. Bogotá: Universidad Nacional de Colombia.

Sanders, N. & Manrodt, K. (1994). Forecasting Practices in US Corporations: Survey Results. Interfaces, 24(2), 92-100. https://doi.org/10.1287/inte.24.2.92 

Sanders, N. & Manrodt, K. (2003). Forecasting Software in Practice: Use, Satisfaction, and Performance. Interfaces, 33(5), 90-93. https://doi.org/10.1287/inte.33.5.90.19251 

Wheelen, T. L. & Hunger, J. (2007). Administración estratégica y política de negocios. Conceptos y casos. 10a ed. México: Pearson-Prentice Hall.

Wilson, J. & Keating, B. (1996). Previsiones en los negocios. 2ª ed. España: Irwin.

1. Doctor en Administración de la Universidad San Pablo Ceu, Madrid, España. Magister en Economía, Universidad Nacional de Colombia, Bogotá, Colombia. Economista, Universidad del Rosario, Bogotá, Colombia. Profesor Investigador CESA. Bogotá, Colombia. javier.cadena@cesa.edu.co

2. Magister en Economía, Universidad Javeriana, Bogotá, Colombia. Estadístico, Universidad Nacional, Bogotá, Colombia. Licenciado en matemáticas, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia. Docente del programa de Ingeniería Financiera en la Universidad Piloto de Colombia. Bogotá, Colombia.  miller-ariza@unipiloto.edu.co

3. Doctor en Ciencias Económicas y Empresariales, Economía Financiera y Contabilidad, Universidad Complutense de Madrid, España. Master en Banca & Finanzas. ISTPB. Licenciado en Ciencias Económicas y Empresariales, Universidad Complutense de Madrid, España. Director del Grupo de Estudios e Investigación en Economía Social y Director del Programa Internacional de Doctorado para Iberoamérica de la USP-CEU, España. palzur@ceu.es

Revista ESPACIOS. ISSN 0798 1015
Vol. 39 (Nº 13) Año 2018

[Index]

[En caso de encontrar un error en esta página notificar a webmaster]

revistaESPACIOS.com •