Cmo pronosticar?

Siete recomendaciones para elaborar sus pronsticos

Toms Glvez Martnez
Presidente de CELOGIS y Education Partner de John Galt Solutions

La inquietud de conocer lo que ocurrir en el futuro, de acuerdo a la informacin histrica disponible es muy antigua en el ser humano. Cada actividad que realizamos se asocia con otra en el futuro. Prcticamente todo se puede pronosticar de manera objetiva o subjetiva. Esta prediccin puede ser derivada de la experiencia, sin el conocimiento de las razones del porqu. Haciendo uso de una explicacin adecuada o una comprensin de las variables relevantes puede uno controlar o transformar una situacin. La prediccin per se, sin explicacin es intuicin, experiencia o suerte. Segn la evidencia documental recopilada para este artculo, durante ms de dos siglos se han desarrollado teoras, metodologas y textos sobre el tema de prediccin para mejorar la precisin, pero sta ha disminuido y la complejidad ha aumentado. Entre las razones de ello podemos encontrar la percepcin generalizada de la incertidumbre econmica, la gran variedad de marcas disponibles de un solo producto, la capacidad de predictibilidad de la ciencia, el nmero de variables en el entorno y en el mercado, las tcnicas utilizadas y la complejidad de los modelos de prediccin, o simplemente la gran cantidad de informacin que actualmente disponemos. En mi experiencia como consultor y capacitador en el tema, no es slo la proyeccin de datos histricos y tampoco es la bsqueda y seleccin de los factores clave quienes afectan la demanda de los productos y servicios en las organizaciones pblicas y privadas. No es un tema fcil de enfrentar y en algunas empresas se recurre a simples promedios de esas variables como una herramienta til en la precisin. Esa cantidad de factores en la prctica es ilimitada y en muchos casos no tienen nada que ver con el comportamiento de nuestra variabilidad de la demanda. Variable como las mencionadas adems de los avances en la tecnologa de informacin, nuestras propias de bases de datos, la arquitectura y el modelo del negocio, la informacin de ventas, el plan de mercadotecnia, los transportistas, las ineficiencias del gobierno, los problemas en el mundo, o la falta de tica de la publicidad, son slo algunas que estn afectando directa o indirectamente los resultados de nuestra planeacin. De la misma manera las caractersticas de la metodologa o tcnica de pronstico tales como facilidad de uso, rapidez de procesamiento y flexibilidad son variables que afectan la precisin del pronstico. O simplemente no hemos sido capaces de generar un sistema, modelo o software computacional que nos ayude a reducir la incertidumbre diaria de esta complicada red de variables. Tambin podramos enfocarnos en justificar la imprecisin de los pronsticos a la complejidad de nuestro sistema segn Kosko (2010) A medida que aumenta la complejidad de un sistema, nuestra capacidad de hacer enunciados precisos y significantes sobre su comportamiento decrece hasta un umbral ms all del cual la precisin y la pertinencia se vuelven casi caractersticas mutuamente excluyentes. Por lo tanto cuanto ms cerca se observa un problema del mundo real, tanto ms borrosa se vuelve la solucin Entonces si esto es tan complejo para qu pronosticar?

Si el objetivo planteado fuese reducir la incertidumbre, lo ms probable es que no lleguemos a lograrlo porque nunca sabremos en realidad lo que va a suceder en el futuro. Por tanto sera recomendable buscar formas alternativas de interactuar con ella. Pero realmente todo es predecible? Si esto no es as entonces por qu dedicar tanto tiempo a dicha tarea? Segn Balandier (1988) La imprevisibilidad no es necesariamente el signo de un conocimiento falso o imperfecto; es el resultado de la naturaleza de las cosas, es necesario darle su lugar y su cualidad Para la ciencia clsica, si podemos determinar en un instante uno de los estados del sistema que queremos investigar y conocer la ley que rige la evolucin de ese mismo sistema podremos entonces predecir el comportamiento, la posicin futura de ese sistema, as como contradecir cualquiera de sus anteriores posiciones en el pasado. Para que exista prediccin debe existir determinismo. Por ejemplo: Para valorar los pronsticos de ventas de los prximo meses debemos hacer dos preguntas fundamentales: En qu medida prevn el comportamiento del consumidor?, y En qu medida lo determinan? La respuesta es que slo es previsible lo que est determinado. La realidad es que ni siquiera lo que est determinado puede garantizar la posibilidad de que sea previsible. A pesar de conocer cuanto queramos de un sistema; la secuencia que les da origen, la ley que rige su evolucin, entre otras caractersticas, stas son impredecibles dada su dependencia sensible de las condiciones iniciales. La unin del determinismo y la prediccin no es ms que un caso particular dentro de una incertidumbre generalizada a medio y largo plazo. El foco no debe estar en la precisin, como antesala tradicional de la prediccin. Slo en los sistemas simples la precisin ayuda a la prediccin. Por el contrario, en los sistemas complejos, y toda sociedad lo es, la precisin puede llegar a hacer ms borrosa la comprensin del futuro. Finalmente en cualquier caso es necesario, en primer lugar, definir si existe la posibilidad de que se resuelva o no la problemtica planteada asociada con el pronstico. La afirmacin anterior est basada en el principio de "La invencin equivalente" enunciado por S.L. Gilfallen (1937). Gilfallen, cita el problema de volar con neblina en donde se sugirieron 25 medios de resolverlo. En este caso predecir cul medio sera ms exitoso era riesgoso; pero se poda predecir que el problema era resoluble. El mismo investigador menciona."La cuestin es que nosotros no estamos interesados en la prediccin de invenciones sino slo en sus efectos. Y el hecho de que haya casi siempre muchas invenciones posibles que podran conducir al mismo efecto deseado, incrementa enormemente las oportunidades de prediccin exitosa," concluye. En otras palabras es necesario, antes de seleccionar una tcnica o sistema de pronstico, investigar sobre aquellas expectativas que son apropiadas para la evaluacin del desempeo del pronstico, y determinar hasta qu punto se lograran las metas fijadas. La problemtica principal Como lo he descrito en prrafos anteriores, la elaboracin del pronstico no es una tarea sencilla y ms an medir el xito de ellos. Todas las organizaciones operan en una atmsfera de incertidumbre y a pesar de ello deben tomar acciones que afectan el futuro de la organizacin. Es lgico suponer que entre mejor sea la precisin de esas acciones podremos entender mejor lo que nos espera, pero ello no es siempre as. El grado de precisin de un pronstico tiene relacin con un nmero mayor de factores que slo el problema tcnico de seleccionar un procedimiento. Se vincula con la pertinencia del modelo, el factor humano, la expectativa de las tcnicas y teoras relacionadas, el horizonte de tiempo, y otros factores que no han sido considerados que pueden aumentar la precisin. Muchos investigadores han intentado medir el xito y los fracasos logrados en pronsticos en diferentes situaciones, por ejemplo, energticos, poblacin, transporte entre otras. Y sus resultados no fueron los

esperados. Fildes y colaboradores (1981) aceptaron las dificultades que implica el desarrollo de un modelo cuantitativo para explicar el xito de los pronsticos y recopilaron extensa bibliografa que describa los aciertos que haban tenido los analistas en una amplia variedad de circunstancias. Armstong (1995) evalu un gran nmero de casos de pronstico y trat de hacer generalizaciones respecto cul seleccionar para mejorar la precisin. Pero el resultado no fue el esperado. Cuando inici los programas de formacin en pronsticos y planeacin de la demanda para las empresas, les comparta a los participantes la misma base de datos y les facilitaba un software para que encontraran el mtodo estadstico de pronstico que mejor ajustara a dicha base. El resultado, en general, es que los usuarios no elegan a menudo el mtodo del pronstico que proporcionaba el mejor ajuste a los ltimos datos. En ciertos casos examinaban solamente una pequea cantidad de mtodos antes de hacer una seleccin, aunque eran probable examinar ms mtodos cuando percibieron que la serie era difcil de pronosticar. En la actualidad podemos encontrar soluciones tecnolgicas que nos aseguran encontrar el mejor modelo de pronstico para cada caso a tan slo un click de distancia, pero un elemento importante e imprescindible en la precisin del pronstico es el criterio humano, el cual tiene una serie de limitaciones y sesgos. Adems quienes realizamos pronsticos tenemos una naturaleza psicolgica multidimensional, ya que tenemos como punto de partida sueos, ilusiones e influencias, en lugar de la realidad objetiva. Adems, aun cuando los seres humanos tenemos un conocimiento nico e informacin interior que no est disponible en los mtodos cuantitativos, nuestros pronsticos no son ms precisos que dichos mtodos. En la mayora de ellos tendemos a ser optimistas y subestimamos la incertidumbre del futuro (Makridakis, 1981). Por tanto podemos suponer que quien pronostica de manera ms efectiva es capaz de formular una hbil mezcla de juicio que pocas veces tenemos y mtodos cuantitativos. Ren Descartes, (1641) deca que podemos dudar de todo, pero no podemos dudar que lo nico cierto e incuestionable es que todos moriremos algn da. Tambin sabemos que muchas cosas tienen un principio y un fin, sin estar seguros de cundo ocurrir este ltimo. El enfoque El propsito de este artculo no es llenar al lector de teoras sobre el tema de pronsticos. Lo que se pretende en realidad es que que lo descrito tenga aplicacin en cualquier organizacin o rea relacionada con la generacin del pronstico y la planeacin de la demanda. El objetivo es compartir con el lector recomendaciones prcticas de las variables que envuelven al pronstico y que exigen una cuidadosa consideracin para dimensionar la magnitud as como los efectos de la precisin. La mayor parte de las recomendaciones estn basadas en la bibliografa que est al final de este artculo, pero en especial en la investigacin del profesor Robert Fildes (1992) de la Escuela de Negocios de la Universidad de Lancaster en Inglaterra y en mis ms de 20 aos como consultor, asesor y capacitador en pronsticos y planeacin de la demanda. Estoy seguro que usted podr generar ms recomendaciones, pero en este artculo slo me limit a siete de ellas. Pero antes de leerlas por favor trate de encontrar una respuesta a las siguientes interrogantes: Por qu se requiere un pronstico? Qu mtodo utilizar? Cuntas variables considerar? Qu informacin es necesaria para el pronstico? A quin involucrar en la elaboracin del pronstico? Cules deben ser las caractersticas de los datos? Qu espacio de tiempo se pronosticar? Cules son los requerimientos mnimos de datos? Cul es la precisin deseada? Cul ser el costo del pronstico? A qu nivel pronosticar? Cul software utilizar?

De ese grupo de inquietudes y de mi experiencia de ms de 200 empresas se generaron las siguientes recomendaciones que enlisto y describo a continuacin: 1) Integre los valores del pronosticador y del que toma las decisiones, 2) Defina a quin involucrar de su empresa, 3) Investigue la calidad de sus fuentes de informacin, 4) Seleccione las variables clave, 5) No busque mtodos complejos para pronosticar, 6) Pruebe diferentes tcnicas o procedimientos para el pronstico y 7) Pronostique a corto plazo. La contribucin pretendida es que trate de dimensionarlos y medir sus efectos en la precisin de su pronstico. No es una lista exhaustiva y por supuesto que no tengo la ltima palabra, pero estoy seguro que le ayudar en sus procesos de generacin del pronstico y su plan de demanda. 1) Integre los valores del pronosticador y el que toma las decisiones En la elaboracin de un pronstico, de manera general, el pronosticador informa al responsable de la toma de decisiones los resultados de un conjunto de planes previstos. Para ello recaba y analiza informacin con los recursos estadsticos y tecnolgicos disponibles. Realiza un procedimiento especfico, tomando en cuenta la informacin y el tiempo disponible, y genera un pronstico con la precisin probable de los mtodos que puede aplicar en forma competente. El pronosticador puede o no tener experiencia profesional pero s sus propios valores. Por otro lado los dueos o los directivos de la organizacin, en la cual trabaja el pronosticador, tambin tienen sus valores y es posible que ambos no coincidan. An cuando el pronosticador es influenciado por dichos valores no comparten los mismos puntos de vista. De hecho, el pronosticador y el que toma las decisiones por lo general difieren. El pronosticador es demasiado tcnico, no entiende los problemas del que toma las decisiones y rara vez maneja los costos de manera adecuada. Mientras que ste ltimo, entiende poco de los aspectos tcnicos del pronstico. En ambos casos, si el resultado del pronsticos no es de su entera satisfaccin, lo modificarn usando fuentes alternativas de informacin y emitirn una recomendacin. Lo cual reducir su efectividad si no se toman en cuenta los supuestos ocultos de las diferentes partes de la organizacin que influirn en cualquier variable que se considere crucial. 2) Defina a quin involucrar de su empresa No todos deben participar en esta tarea. En muchas organizaciones el pronstico de las mismas variables se elabora por diferentes divisiones de la organizacin. Pero con frecuencia el resultado del pronstico de mercadotecnia no es el mismo que el de contabilidad, lo que en la mayora de las veces conduce a pronsticos y errores diferentes. Dichas aseveraciones nos llevan a suponer que las relaciones entre la funcin de pronsticos y la toma de decisiones son dbiles en muchas organizaciones, entonces cules son los diseos ms favorables para hacer coincidir a los dos? La clave para evaluar los resultados de pronsticos es examinar la manera de cmo se emplean los pronsticos, no slo como se producen. Por ejemplo para definir un pronstico o lnea base es necesario integrar todas aquellas iniciativas tales como: promociones, eventos especiales, impulso estratgico, entre otras que se consideren provocarn una cambio en el pronstico esperado mayor que la simple tendencia estadstica o el factor de crecimiento previamente establecido. Para realizar este paso es indispensable que las reas de Mercadotecnia y Ventas participen integrando toda la informacin de volumen para cada producto que se ver afectado por cada una de las estrategias mencionadas. En cualquier caso debe haber consenso entre las reas de Mercadotecnia, Ventas, Operaciones y Finanzas en donde se evalan desviaciones del pronstico.

3) Investigue la calidad de sus fuentes de informacin Comnmente, las organizaciones deciden el sistema de pronsticos y el tipo de informacin necesaria cuando observan grandes desviaciones de sus planes, ao tras ao. Adems tienen como premisa que existe la informacin y que se tiene fcil acceso a ella. Sin embargo, a pesar de estar inundados de datos para analizarlos se ha demostrado que pocas empresas son hbiles en el manejo e interpretacin pertinente. No cuentan cifras que puedan ser tiles para la elaboracin del pronstico. No es un procedimiento simple seleccionar el tipo de informacin que es necesario tener para la generacin del pronstico. No son slo las ventas histricas de la compaa quienes determinan la cantidad de bienes o servicios que se vendern los siguientes meses. Requiere de un anlisis exhaustivo y rutinario del comportamiento del mercado, la informacin histrica y los factores clave que afectan la variabilidad de la demanda. En algunos casos es necesario recabar informacin durante varios aos, pero en cualquier caso el pronstico no se puede retrasar hasta que se cuente con una base de datos adecuada. La lenta adopcin de las tcnicas de pronsticos cuantitativas, quiz podra explicarse nicamente haciendo referencia la mala calidad de la informacin. La actualizacin y la depuracin de la informacin es fundamental en la toma de decisiones. 4) Seleccione las variables clave Para elaborar un plan de demanda es necesaria una estimacin cuantitativa anticipada del comportamiento de los mercados y seleccionar aquellas variables que afectarn significativamente el comportamiento del pronstico. Lo ms comn es pronosticar la demanda de los bienes suministrados al mercado, pero no siempre esto es lo adecuado. Hay quienes han encontrado fuentes de valor significativas al orientar su pronstico hacia otras variables. No tienen el mismo significado el pronstico, los presupuestos, los planes y objetivos. El pronstico est asociado con la incertidumbre, mientras que los planes y objetivos son resultados deseados claros y especficos. El problema de esta confusin es que aquellas variables que deberan considerarse como dependientes del pronstico, son consideradas como fijas y constantes (flujo de efectivo, volumen de ventas, precio, financiamiento, etc.) y que por lo tanto no cambian a travs del tiempo. La recomendacin es no asumir como una generalidad que la variable a pronosticar es nicamente la demanda de los productos y servicios ofrecidos al mercado. Cada uno de los elementos que forman parte de la cadena de suministro presenta variabilidad en su desempeo. La planeacin tctica administra los recursos de la organizacin para influir en tal variabilidad y obtener la mejor oportunidad del negocio. Es necesario identificar los procesos donde la incidencia de sus acciones tiene la consecuencia ms conveniente. Por otro lado, un elemento adicional es la estimacin de los probables beneficios derivados de las mejoras en la precisin. Esto se puede realizar mediante el clculo de las consecuencias que tendran diverso niveles de error de pronsticos, comparando el resultado con lo que se hubiera obtenido si se hubiera contado con la informacin exacta. 5) No busque mtodos complejos para pronosticar. Los mtodos ms sofisticados no necesariamente producen mejores resultados, en trminos de precisin, que los ms simples como los de atenuacin exponencial y en ocasiones stos los superan. Con la informacin generada de ms de 200 empresas que han participado en nuestros programas de formacin y asesora, se analizaron ms de 40, 000 artculos clasificados en categoras, lneas, familias entre otros. Se

usaron cinco medidas de exactitud y se analizaron los resultados obtenidos por ms de 20 mtodos distintos de pronstico. Las conclusiones fueron las siguientes: 1. 2. Mtodos estadsticos sofisticados o complejos, no necesariamente producen pronsticos ms exactos que los ms simples. La metodologa de Winters (Atenuacin exponencial triple) gener mejor precisin que los modelos de ARIMA. La exactitud de la combinacin de varios mtodos mejora en promedio a la de los mtodos especficos. Esas combinaciones de mtodos fueron simples promedios aritmticos entre ellos.

No es fcil encontrar reglas sencillas mediante las cuales el pronosticador podr seleccionar el mtodo que le permitir lograr el nivel de precisin deseado. As mismo parece no razonable examinar todos los mtodos posibles, salvo que se trate de un proyecto demasiado importante. Por otro lado y aunque resulte paradjico, no es recomendable limitar nuestros anlisis a un nmero reducido de mtodos de pronstico. 6) Evalu diferentes mtodos de pronstico No es posible confiar en un slo mtodo para obtener los mejores pronsticos en cualquier circunstancia, cada uno tiene sus ventajas y desventajas. En la tabla 1 se describen los principales mtodos utilizados para pronosticar, y se identifican con las letras J, E y C a los de Juicio, Extrapolativos y Causales respectivamente. Adems, se puede apreciar en la tabla que las desventajas exponen la dudosa efectividad del pronstico en todos los casos expuestos.
Tabla 1. Ventajas y desventajas de los mtodos de Pronstico.
ID J1 J2 J3 E1 E2 E3 E4 E5 Mtodo Pronsticos individuales Pronsticos comit/encuestas Delphi Anlisis de la curva de tendencia Mtodos de descomposicin Atenuacin exponencial Modelos de Box & Jenkins (ARIMA) Modelos Bayesianos Ventajas Econmico y flexible Relaciona diferentes perspectivas Relaciona diferentes perspectivas en forma annima. Fcil de aprender, usar y comprender. Crebles por intuicin. Fcil de operar en computadora, econmico, de fcil acceso y aplica a un gran nmero de productos. Se pueden pronosticar patrones complejos. Desventajas Precisin dudosa Armstrong (1978) Puede dominar una voz fuerte, es ms caro que el individual. Complicado, existe presin para lograr el consenso. Sackman (1975) Demasiado fcil y propicia el descuido especialmente a largo plazo. No tiene explicacin estadstica y tienen los mismos problemas que las curvas de tendencia. Sin base terica, pierde los puntos crticos y son imprecisos. Complicado y difcil de entender y caro por el uso de tiempo computadora. Complicado, se conoce muy poco del su funcionamiento. Son difciles de desarrollar y requieren de un gran conocimiento estadstico. Grandes requerimientos de datos, difciles de entender, complicados y caros. Caros y requieren una gran cantidad de datos Costosos y con alto nivel de obsolescencia

Trata de incluir la probabilidad e informacin subjetiva y es econmico. C1 Modelos de Regresin Son ideales para identificar variable crticas. C2 Modelos de sistemas Captan interrelaciones entre diferentes simultneos sistemas sociales y econmicos. C3 Modelos de Simulacin En forma adecuada pueden ser de gran ayuda. C4 Modelos de entrada y salida Ideal para pronosticar productos industriales C5 Anlisis de impacto cruzado Capaz de tratar eventos improbables que Las probabilidades se estiman por pueden ocasionar un gran impacto. mtodos de criterio Fuente: Fildes R., Elaboracin de Pronsticos: Principios Manchester Business School, 1989. J1- J3, Mtodos de criterio, E1-E5, Mtodos extrapolativos, y C1-C5, Mtodos causales y estructurales.

7) Pronostique a corto plazo El espacio de tiempo para pronosticar depende de las necesidades de cada organizacin. Pero en general los pronsticos de largo plazo (12 meses o ms) son tpicamente inexactos, generan grandes sesgos en los porcentajes de error, no se puede especificar el mtodo fcilmente, y es difcil estimar la magnitud de los errores. En los pronsticos a mediano plazo (de tres a 12 meses) los puntos cruciales del ciclo comercial son difciles de pronosticar, ocurren recesiones imprevistas que no se pueden pronosticar, y se tiende a seleccionar el que ms se ajuste a ideas preconcebidas y preferencias personales. Los de corto plazo (menos de 3 meses) son parte integral de las operaciones esenciales de las organizaciones, su precisin es aceptable, y se pueden combinar pronsticos cualitativos y cuantitativos. En la actualidad existen soluciones tecnolgicas que pueden generar un pronstico en la unidad de tiempo deseada (da, semana o mes) de ms de 100 mil artculos. Las tcnicas de pronsticos de series de tiempo que han sido automatizadas en dichas soluciones, pueden brindar pronsticos a corto plazo con una precisin aceptable y superar en calidad a enfoques en teora ms exactos y avanzados, como los mtodos economtricos. Nuestra experiencia, con base en los modelos y software de pronstico utilizados, ha demostrado que si el pronstico se realiza en plazos cortos, al nivel ltimo de desagregacin y con informacin debidamente filtrada y analizada, ste resulta ms preciso. Fcil de decir, difcil de realizar.

Conclusiones: La mayor parte de las aplicaciones de los pronsticos en un principio son de origen intuitivo e implcito. Sin embargo, el cambio hacia formas ms explcitas y formales, tiende a conducir hacia mejores importantes en el desempeo de los pronsticos. De cualquier modo es necesario conocer las posibilidades y las limitaciones de las tcnicas existentes, de tal forma que se tengan expectativas realistas en la evaluacin de los resultados. En estas recomendaciones se incluyeron el factor humano, las divisiones de la organizacin, las fuentes de informacin, la complejidad y la seleccin de pronstico, y el espacio de tiempo para pronosticar. Desafortunadamente uno de los problemas de estas recomendaciones, es que los patrones o comportamiento en los que se basan se calculan con base en datos histricos. Si estos cambian lo que siempre sucede disminuye significativamente la precisin del pronstico. Ms an, cuando el propsito principal del pronstico es proporcionar un mejor conocimiento del ambiente y de los factores causales que actan sobre l, la precisin pasa a segundo trmino. Otra caracterstica del pronstico acerca de su papel y su estado actual, se relaciona con el tema de la incertidumbre en la planeacin y en la toma de decisiones. En realidad la capacidad del pronstico de reducir la incertidumbre es limitada por la sencilla razn de que sta existir independientemente de lo que hagan los planificadores y los que toman las decisiones. Se puede sugerir que los pronsticos deben realizarse mediante metodologas variadas y diferenciadas y no limitarse slo a un mtodo de conocimiento. Sin embargo el efecto es contrario, a mayor cantidad de pronsticos mayor ser la incertidumbre.

Bibliografa consultada
Armstrong, J.S. (1978), Long-Range Forecasting: From Crystal Ball to the Computer, John Wiley, Nueva York. Asher, W. (1978), Forecasting: An Appraisal for Policy Makers and Planners, Johns Hopkins University Press, Baltimore Balandier, G. (1988). El desorden. Teora del caos y las ciencias sociales. Barcelona: Gedisa Bart Kosko (2010) El Futuro Borroso o el Cielo en un Chip. Ed. Crtica ISBN 9788498920871 Brown, R.G. (1956) Exponential Smoothing for Predicting Demand, Dcima Reunin Nacional de la Sociedad Norteamericana de Investigacin de Operaciones, San Francisco, noviembre 16. Fildes, R. y S. Howel, (1979) On Selecting a Forecasting Model, in Forecasting (S. Makridakis y S.C. Wheelwrigth, eds.), TIMS Studies in the Management Sciences, vol. 12, Holanda del Norte, Amsterdam. Fildes, R., D. Dews y S. Howell (1981) A Bilbiography of Business and Economic Forecasting, Coger, Farnborough, Hants, Gran Bretaa. Fildes Robert "The evaluation of extrapolative forecasting methods with discussion" International Journal of Forecasting (1992): 81-111 Holt, C. C. (1957) Forecasting Seasonality and Trends by Exponentially Wieghted Moving Averages, Office of Naval Research, Research Memorandum No. 52. Jalland, M. y R Fildes, (1978) Forecasting in Conditions of Uncertainty, Long Range Planning, vol. 11 agosto 1978, pgs. 29-38. Makridakis, S., y M. Hibon, (1979) Accuracy of Forecasting: An Empirical Investigaction, Journal of the Royal Statistical Society A, vol. 142, parte 2, pgs. 91-125. Makridakis, S., M. Hibon, y R.M. Hogart, (1981), The Accuracy of Time-Series Methods: The Results from a Forecasting Competition, Artculo de Investigacin del INSEAD. Makridakis, S. y R. Hogart, (1981), Forecasting an Planning an Evaluation, Management Science, vol. 27. No.2, pgs. 115+ Winters, P.R.(1960) Forecasting Sales by Exponentially Weighted Moving Averages, Management Science, vol. 6, pgs. 324-342,. Wheelwrigth, S.C. y Clarke D. G. (1976), Corporate Forecasting: Promise and Reality, Harvard Business Review, vol. 54, pgs. 40+, Wheelwrigth, S.C. y S. Makridakis (1975), Forecasting Methods for Management 1a. ed. John Wiley, Nueva York