TEMA V: PRONÓSTICO

CONCEPT
Cela se réfère à la connaissance préalable de ce qui peut se passer dans le
futur à travers quelques signes, symptômes, soupçons, intuitions,
histoire antérieure, études réalisées, entre autres, qui commence à être effectuée
en fonction de l'annonce.

L'objectif de base d'une prévision consiste à réduire l'intervalle de

incertitude dans laquelle se prennent les décisions qui affectent le
l'avenir de l'entreprise et avec lui toutes les parties impliquées. Bien que,
le pronostic ne remplace pas le jugement administratif dans la prise de décisions,
c'est simplement une aide dans ce processus.

Les prévisions sont utilisées dans le processus d'établissement des objectifs.

tant de long terme que de court terme, se constituant ainsi en bases pour le
développement de plans, au niveau général et dans les différentes zones ou unités.
Les plans basés sur ces prévisions ne s'occuperont pas seulement d'eux, mais
qui établiront des stratégies et des actions pour les contrer,
corriger ou promouvoir.

Limitations de la prévision
Les prévisions sont effectuées sur la base de certaines hypothèses et jugements.
humains. Si les suppositions et les jugements sont erronés, les prédictions
donneront des résultats incorrects. Les prévisions se basent sur des événements
passés, mais l'histoire ne se répète pas toujours.

Les prévisions ne peuvent estimer que les événements futurs. On ne peut pas
garantir que ces événements aient lieu. Plus la durée est longue, plus le
 période pour laquelle la prédiction est faite, plus élevé sera le degré de
erreurs. Pour la même raison, la prédiction ne peut pas être appliquée à des périodes
extensifs.

Des attentes trop élevées qui ne se réalisent pas peuvent causer

déception et nuire à l'initiative des exécutifs.

Une bonne prédiction nécessite des informations adéquates et fiables,

tout comme les compétences et le bon jugement de la part de ceux qui la réalisent.
Par conséquent, les prévisions sont sujettes aux erreurs humaines.

La collecte de données fiables peut coûter beaucoup de temps et

argent. Par conséquent, les gestionnaires doivent faire un bilan
entre le coût de la prédiction et ses possibles bénéfices. Beaucoup
les petites organisations n'utilisent pas les prévisions en raison de leur coût élevé

coût.

Types de prévisions

Les prévisions économiques : abordent le cycle des affaires au

prédire les taux d'inflation, les fournitures de monnaie, la construction de
habitations et autres indicateurs de planification.

Les pronostics technologiques : ils se réfèrent aux indices de progrès

technologiques qui peuvent donner lieu à de nouveaux produits
intéressants, qui nécessiteront de nouvelles usines et équipements.

Les prévisions de la demande : ce sont des projections de la demande

de produits ou services de l'entreprise. Ces prévisions aussi
se connaissent comme des prévisions de ventes et aident à orienter les
 systèmes de production, capacité et programmation de l'entreprise, et
ils servent de facteurs dans la planification financière, le marketing et
personnel.

Prévisions à travers le temps

Prévisions à court terme : Dans les entreprises modernes, cet état de

le pronostic se fait chaque mois ou moins, et son temps de planification
a une durée de validité d'un an. Il est utilisé pour des programmes de
approvisionnement, production, attribution de main-d'œuvre aux
planifications des travailleurs et planification des départements de
fabrication.
Prévisions à moyen terme : Cela couvre une période de six mois à trois
années. Ceci est utilisé pour estimer les plans de vente, de production, de flux
d'effectif et d'élaboration de budgets.
Prévisions à long terme : Étape de prévision utilisée dans la
planification de nouveaux investissements, lancement de nouveaux
produits et tendances technologiques des matériaux, processus et
produits, ainsi que dans la préparation de projets. Le temps de
la durée est de trois ans ou plus.

Analyse de régression
L'analyse de régression est une méthode statistique qui permet d'examiner le
relation entre deux ou plusieurs variables et identifier lesquelles sont celles qui ont
plus grand impact sur un sujet d'intérêt.

Cette méthode permet de classer mathématiquement à travers différents

des questions comme : Quels facteurs importent le plus ? Quels facteurs peuvent être
ignorer ? Comment ces facteurs interagissent-ils entre eux ? Et enfin, Que
À quel point te sens-tu sûr de tous ces facteurs ?

Le processus de réaliser une régression permet de déterminer avec confiance

Quels sont les facteurs les plus importants, lesquels peuvent être ignorés et comment
s'influencent mutuellement. Ces facteurs sont appelés des variables qui
classifie en :
Variable(s) dépendante : C'est le facteur le plus important, celui qui
essaie de comprendre ou de prédire.

oVariable(s)independiente:Es el factor que tú crees que puede

impacter votre variable dépendante.

Procédures pour la réalisation de prévisions

Les techniques généralement acceptées pour l'élaboration de prévisions
se divisent en cinq catégories : jugement exécutif, enquêtes, analyse de
séries temporelles, analyse de régression et tests de marché.

o Juiiio Ejeiutio : Cela repose sur l'intuition d'un ou plusieurs exécutifs

expérimentés en ce qui concerne des produits de demande stable. Leur
l'inconvénient est qu'il se base uniquement sur le passé et est
influencé par les faits récents.
o
Enquête de Prévision des Clients : Outil pour les entreprises qui
ils ont peu de clients. On leur demande des types et des quantités de
des produits sont proposés à l'achat pendant une période déterminée.
Les clients industriels ont tendance à donner des estimations plus précises. Ces
les enquêtes reflètent les intentions d'achat, mais pas les achats
réelles.
o
Enquête de Prévision de la Force de Vente : Les vendeurs
estimez les ventes attendues dans vos territoires pour un certain
période. La somme des estimations individuelles constitue le
prévision de l'Entreprise ou de la Division. L'inconvénient est le
tendance des vendeurs à faire des estimations très conservatrices
que leur facilite l'obtention future de commissions et de primes.
o
Le Méthode Delphi : On engage des experts qui font
prévisions initiales que l'entreprise moyenne et les retourne pour
affiner les estimations individuelles. La procédure peut être répétée
 plusieurs fois jusqu'à ce que les experts – travaillant séparément –
parviennent à un consensus sur les prévisions. C'est une méthode de haute
précision.
o Analyse des séries temporelles : On utilise les données historiques de
ventes de l'entreprise pour découvrir les tendances de la saison
cyclical et aléatoire ou erratique. C'est une méthode efficace pour les produits
de demande raisonnablement stable. Par le biais des moyennes
mobiles nous déterminons d'abord s'il y a un facteur saisonnier présent.
Avec un système de régression linéaire simple, nous déterminons la ligne de
tendance des données pour établir s'il y a un facteur présent
cyclique. Le facteur aléatoire sera présent si nous pouvons attribuer un
comportement erratique des ventes en raison d'événements
aléatoires non récurrents.
o
Analyse de Régression : Il s'agit de trouver une relation entre les
ventes historiques (variable dépendante) et une ou plusieurs variables
indépendants, comme population, revenu par habitant ou produit
produit intérieur brut (PIB). Cette méthode peut être utile lorsque l'on dispose de
des données historiques couvrant de larges périodes de temps. C'est inefficace
pour prévoir les ventes de nouveaux produits.
o
Test de Mériado : Un produit est mis à disposition des
acheteurs dans un ou plusieurs territoires de test. Ensuite, ils sont mesurés
les achats et la réponse du consommateur à différents mélanges de
mercadage. Sur la base de ces informations, les ventes sont projetées.
pour des unités géographiques plus grandes. C'est utile pour prévoir les
ventes de nouveaux produits ou de produits existants dans de nouveaux
territoires. Ces tests sont coûteux en temps et en argent, de plus
alertent la concurrence.

Modèles statistiques de prévisions

Les modèles de prévision sont des modèles statistiques pour prévoir le
futur. Il ne s'agit pas de magie, les modèles de prévision servent à
détecter des situations futures et faire des projections sur la base de la
informations analysées. Les modèles de prévision peuvent être utilisés avec
différents objectifs, dans différentes sciences et avec différentes techniques. Le
Le travail des consultants statistiques est de vous aider à mettre en œuvre les
modèles adéquats type d'information disponible.

Modèle de régression linéaire

La régression linéaire est une procédure statistique qui cherche à établir
une relation directe ou inversée entre deux variables ou plus. Présente la
avantage de pouvoir faire une prédiction du comportement de
une variable à un moment ou un point donné.

La technique de l'analyse de régression est définie par les étapes suivantes :

1) sélection à la fois de la mesure des coûts (ou produit) et des variables
exogènes, 2) estimation de la fonction de coûts (ou de production) du secteur,
y 3) calcul du coefficient d'efficacité correspondant à chaque entreprise
dans le secteur. La production projetée par rapport à la
la production réelle offre une mesure de la performance relative. Ensuite, cela peut
évaluer statistiquement la qualité de ces résultats pour vous les offrir
les responsables de formuler des politiques un cadre pour l'évaluation des
entreprises. La question de la régression linéaire par opposition à la non linéaire
peut être analysé par l'inclusion de paramètres qui capturent
économies ou déséconomies d'échelle.

Coefficient de corrélation
La corrélation, également connue sous le nom de coefficient de corrélation linéaire
(de Pearson), est une mesure de régression qui vise à quantifier le
degré de variation conjointe entre deux variables.

Par conséquent, c'est une mesure statistique qui quantifie la dépendance linéaire
entre deux variables, c'est-à-dire, si elles sont représentées dans un diagramme de
dispersión les valeurs que prennent deux variables, le coefficient de
la corrélation linéaire indiquera à quel point l'ensemble des points est bien ou mal
les représentés s'approchent d'une droite.
Analyse de corrélation
L'analyse de corrélation consiste en une procédure statistique pour
déterminer si deux variables sont liées ou non. Le résultat de
L'analyse est un coefficient de corrélation qui peut prendre des valeurs entre -1
y +1. Le signe indique le type de corrélation entre les deux variables. Un
un signe positif indique qu'il existe une relation positive entre les deux
variables ; c'est-à-dire, lorsque la grandeur de l'une augmente, l'autre
aussi. Un signe négatif indique qu'il existe une relation négative entre
les deux variables. Tandis que les valeurs de l'une augmentent, celles de l'autre
la deuxième variable diminue. Si deux variables sont indépendantes, le
le coefficient de corrélation est de magnitude zéro.

Pour pouvoir réaliser une analyse de corrélation fiable, la première chose à faire est
Il est nécessaire de réaliser de nombreuses observations de deux variables. Un exemple
ce serait de visiter de nombreux supermarchés et de vérifier à la fois le prix de certains
fruit comme le prix d'un litre de jus. La collecte de données qui se
obtenez pour ces observations qui peuvent s'exprimer sous la forme d'un
matrice (ou tableau), qui peut être soumise à analyse en utilisant un logiciel de
statistique, comme R, SAS, SPSS, etc.

Moyenne simple
Cette méthode de prévision consiste à atténuer les données en obtenant le
moyenne arithmétique de certains nombres de données historiques pour obtenir avec
voici la prévision pour la période suivante. Le nombre de données à avoir dans
Le compte pour calculer la moyenne est une décision de l'équipe de planification.
qui réalise le pronostic.

Un pronostic de moyenne simple est le plus simple des méthodes de

prévision standard. Cette méthode est optimale pour les modèles de demande
aléatoires ou nivelés sans éléments saisonniers ou de tendance.

Au moyen de cette méthode, les différents prix d'achat sont additionnés et cette
la somme est divisée par le nombre total d'achats pour déterminer le coût
moyenne par unité.
L'inventaire final des matériaux est calculé en multipliant le nombre d'unités.
disponibles à la fin de la période par la moyenne simple.

Moyennes mobiles
La moyenne mobile est un indicateur de tendances utilisé pour réaliser
analyse des données antérieures dans le but de former une série de
mesures provenant de divers sous-ensembles de données de prix, par
ils ont donc la capacité d'examiner les mesures de prix que
diminuent sur une période de temps.

Ces mesures peuvent être classées comme des conducteurs, car elles utilisent
diverses données antérieures pour tracer de nouvelles lignes de prix. On
se manifestent par des signes après que la nouvelle tendance ou les
des mouvements de prix importants aient commencé.
L'estimation par la moyenne à elle seule ne produit pas de prévisions précises.
référents au mouvement des prix. Par conséquent, ils doivent être combinés.
mesures à court et à long terme pour qu'elles produisent des signaux ou se combinent
avec d'autres indicateurs qui peuvent permettre une mesure appropriée dans
en ce qui concerne l'impulsion des actions de prix.

Les moyennes mobiles doivent être calculées après les observations

consecutifs des sous-groupes artificiels. Ceux-ci peuvent être utilisés dans les
graphes de contrôle pour créer des graphiques de moyennes pour les données dans
temps programmés déterminés.

Lorsqu'on effectue des analyses de séries temporelles, on utilise la moyenne.

mobile et ainsi les données peuvent être lissées et les doutes diminués
aléatoires dans une certaine série de temps.

Cette méthode est utilisée lorsque l'on souhaite accorder plus d'importance à un
groupe de données récentes et réussir à obtenir la prévision. Chacun des
points d'une mesure mobile concernant une série temporelle, se réfère à une
moyenne arithmétique d'une quantité de points consécutifs de la série,
où la quantité de points sera choisie de manière à ce que les effets
Les irréguliers ou saisonniers seront supprimés.