Un enfoque bayesiano de planeación agregada orientado all retail marketing

  • José Antonio Taquía-Gutiérrez Corporación Yanbal International (Perú)
Palabras clave: cadena de abastecimiento, gestión de demanda, marketing cuantitativo, pronósticos bayesianos

Resumen

La necesidad de generar efi ciencias en las compras por volumen, o de mejorar la exactitud de los pronósticos de venta, crea un esfuerzo de integración en las organizaciones que buscan tener presencia en el canal comercial para ganar cuota de mercado. La planeación de largo plazo queda restringida a una planeación estratégica de lineamientos, escenarios prospectivos o políticas comerciales que debido a la incertidumbre sobre el comportamiento de las diversas variables influyentes en un plan de nivel táctico reducen la posibilidad de incrementar los horizontes de planeación. En el presente artículo se describe el aporte del enfoque bayesiano para mejorar la exactitud de los pronósticos ante un incremento de la periodicidad de los consumos, en un entorno altamente dinámico debido a la infl uencia de los cambios de estrategias comerciales de mediano y corto plazo, como ocurre usualmente en el retail marketing.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

José Antonio Taquía-Gutiérrez, Corporación Yanbal International (Perú)

Candidato a doctor en Gestión Empresarial por la Universidad Nacional Mayor de San Marcos y magíster en Ingeniería Industrial por la Universidad de Lima, donde colabora con el Instituto de Investigación Científica. Actualmente desarrolla actividades laborales en Corporación Yanbal, en la que cumple el rol de senior de gestión de demanda corporativa. Es autor de “El arte de validar modelos de simulación: lineamientos para el análisis estadístico en el mercado de combustibles” y coautor de “Balanza comercial de los combustibles líquidos derivados del petróleo mediante dinámica de sistemas y simulación”, además de otros artículos publicados en revistas especializadas. Su interés académico se centra en los métodos cuantitativos aplicados a la gestión empresarial.

Citas

Bermúdez, J. D., Segura, J. V., y Vercher, E. (2010). Bayesian forecasting with the Holt–Winters model. Journal of the Operational Research Society, 61(1), 164-171.

Cea, M. Á. (2012). Fundamentos y aplicaciones en metodología cuantitativa. Madrid: Síntesis.

Chase, C. (2014). Innovations in business forecasting: predictive analytics. The Journal of Business Forecasting, 33(1), 29-34.

Chopra, S., y Meindl, P. (2013). Supply chain management: Strategy, planning, and operation. Boston: Pearson.

Euromonitor International. (Mayo de 2014). Retailing in Peru. Recuperado de http://www.euromonitor.com/

Fildes, R., y Kingsman, B. (2011). Incorporating demand uncertainty and forecast error in supply chain planning models. The Journal of the Operational Research Society, 62(3), 483-500.

Forrester, J. W. (2007). System dynamics a personal view of the fi rst fi fty years. System Dynamics Review, 23(2-3), 345-358.

Gamerman, D., y Lopes, H. F. (2006). Markov chain Monte Carlo: stochastic simulation for Bayesian inference. Boca Ratón, FL: Chapman & Hall/CRC.

Gaur, V., Kesavan, S., Raman, A., y Fisher, M. L. (2007). Estimating demand uncertainty using judgmental forecasts. Manufacturing & Service Operations Management, 9(4), 480-491.

Gelman, A., Carlin, J. B., Stern, B. D., Vehtari, A., y Rubin, D. B. (2014). Bayesian data analysis. Boca Ratón, FL: Chapman & Hall/CRC.

González, E. (2009). Análisis bayesiano del modelo de regresión lineal con una aplicación a datos astronómicos. (Tesis de pregrado). Universidad Tecnológica de la Mixteca, México.

Lapide, L. (2014). Looking over the visible planning horizon. Supply Chain Management Review, 18(5), 4-5.

Lunn, D., Jackson, C., Best, N., Thomas, A., y Spiegelhalter, D. J. (2013). The BUGS book: a practical introduction to bayesian analysis. Florida: Chapman & Hall/CRC.

Muñoz, D. F., y Muñoz, D. G. (2008). A bayesian framework for the incorporations of priors and sample data in simulation experiments. The Open Operational Research Journal, 2, 44-51.

Ntzoufras, I. (2011). Bayesian modeling using win BUGS. New Jersey: John Wiley & Sons.

Rossi, P. E., y Allenby, G. M. (2003). Bayesian statistics and marketing. Marketing Science, 22(3), 304-328.

Simchi-Levi, D. (2010). Operations rules: delivering customer value through fl exible operations. Massachusetts: MIT Press.

Stock, J. R., Boyer, S. L., y Harmon, T. (2010). Research opportunities in supply chain management. Journal of the Academy of Marketing Science, 38(1), 32-41.

Valencia, M., Correa, J. C., Díaz, F. J., y Ramírez, S. (2014). Bayesian modeling application and optimization to demand forecasting. Ingeniería y Desarrollo, 32(2), 179-199.

Wagner, M. (2010). Forecasting daily demand in cash supply chains. American Journal of Economics and Business Administration, 2(4), 377-383.

Publicado
2015-04-04
Cómo citar
Taquía-Gutiérrez, J. A. (2015). Un enfoque bayesiano de planeación agregada orientado all retail marketing. Interfases, (008), 27-47. https://doi.org/10.26439/interfases2015.n008.572
Sección
Artículos de investigación