Este post describe nuestros modelos de reglas de previsión a largo plazo y permite a los lectores comprender algunos de nuestros métodos.
Cada paso puede parecer fácil, pero en combinación somos únicos en el mundo para hacer modelos a largo plazo como estos. Cómo lo hacemos en la práctica es algo que nos pertenece. Lo que ves aquí son algunos de los componentes básicos, a alto nivel.
No creamos modelos para los clientes en sí. Los utilizamos para apoyar nuestros productos de planificación estratégica, en los que integramos modelos predictivos. Nos centramos en ayudar a mejorar la toma de decisiones, no en ofrecer modelos.
Dicho esto, nuestros modelos predictivos son tan buenos o mejores que cualquier otro del mundo. El último ejemplo es PACE (Precios adaptados a la Economía de Consumo)que se basa en lo que describimos aquí, y mucho más.
Las predicciones a largo plazo (de 3 a 10 años) deben basarse en una visión de futuro. Sólo se dispone de unas pocas series de datos de este tipo.
Predecir sólo con datos históricos es una tontería. Sabemos más sobre el futuro de lo que sugiere este planteamiento.
Las herramientas para las predicciones a largo plazo son diferentes de las que se utilizan para las predicciones a corto plazo. La elasticidad de los ingresos tiene una importancia fundamental. La elasticidad de los precios, menos.
A menudo, los analistas amplían los modelos existentes a corto plazo cuando la alta dirección solicita una perspectiva a largo plazo. Esto suele ser una mala idea.
La distribución de la renta dice mucho más sobre el futuro que el uso de medias. Es lo que se denomina economía distributiva y mejora notablemente la precisión.
Con demasiada frecuencia, los analistas utilizan en sus modelos conceptos anticuados como las medias, lo que reduce la credibilidad y la precisión.
El esfuerzo de trabajo necesario para comprar un producto tiene una importancia fundamental en los modelos a largo plazo. Este esfuerzo suele medirse en minutos de trabajo.
La mayoría de los modelos de demanda no tienen en cuenta el esfuerzo laboral, ni estática ni dinámicamente. Sin embargo, ayuda a explicar por qué algunos mercados despegan de repente.
Los modelos no lineales son más potentes que las regresiones lineales estándar. Las curvas en S suelen representar bien la demanda y están relacionadas matemáticamente con las elasticidades.
La elasticidad de los ingresos suele disminuir a lo largo del horizonte previsto. Por tanto, el uso de modelos lineales conduce a visiones exageradas de la demanda futura.
Los precios ajustados a la paridad del poder adquisitivo son un mejor indicador que los precios estándar basados en el tipo de cambio. Esto es especialmente cierto en los países menos ricos.
Muchas empresas subestiman las oportunidades de mercado en los países emergentes basándose en una hipótesis errónea sobre el tipo de cambio en los modelos de demanda.
La puesta en común de datos entre países es una técnica poderosa. También se aplica al pensamiento lógico. Utilice el mayor número posible de países en los análisis.
A menudo, los analistas en su país de origen modelan sólo su país de origen. Esto no es bueno. Gran parte de los conocimientos aplicables al país de origen proceden de los países de comparación.
Estas son las siete reglas de previsión a largo plazo que utiliza Tellusant en, por ejemplo, TelluBase y PoluSim.
Encontrará más información sobre los métodos de construcción de modelos en el artículo académico ¿Dónde está el mercado? por Canback y D'Agnese.