# Previsión de la demanda: ¿cómo estimar el trabajo de las próximas semanas?

> La previsión de la demanda para una pyme de servicios: previsión o predicción, métodos sencillos, cálculo de temporada alta y errores que distorsionan la cifra.

Actualizado el 15 de octubre de 2026 · https://app.pilotiko.com/es/glosario/prevision-de-la-demanda

La previsión de la demanda es la estimación cifrada del volumen de trabajo que los clientes solicitarán durante un período futuro, como una semana o una temporada. Proyecta los datos pasados y tiene en cuenta factores conocidos, como el calendario o el clima, para planificar el personal, el material y las compras antes de que lleguen las solicitudes.

## En resumen
- Para la OQLF, la previsión proyecta el pasado de forma objetiva; la predicción es una evaluación intuitiva.
- Una demanda es más previsible cuando se comprenden sus causas, se dispone de datos y el futuro se parece al pasado.
- El método estacional ingenuo retoma el valor del mismo período del año anterior: es un buen punto de partida.
- En Pilotiko, la previsión de la demanda de servicios está planificada, pero aún no se ofrece.

## Previsión o predicción: ¿cuál es la diferencia?

El Grand dictionnaire terminologique, en el ámbito de la planificación y el control de la producción, define la **predicción** como una evaluación intuitiva de la demanda, teniendo en cuenta las tendencias y los cambios que puedan influir en el mercado. La ficha precisa que se opone a la **previsión** (forecast en inglés), que se basa en una proyección objetiva del pasado hacia el futuro [1].

El matiz es útil en los negocios. «Siento que el verano estará ocupado» es una predicción. «El pasado mayo hicimos 64 aperturas; con nuestros contratos firmados, esperamos 68» es una previsión. Ambas tienen su lugar, pero solo la segunda puede verificarse después.

## ¿Qué hace que una demanda sea más o menos previsible?

El manual de acceso libre Forecasting: Principles and Practice, de Rob J. Hyndman y George Athanasopoulos, recuerda que la previsión sirve tanto para decidir sobre una central eléctrica para los próximos cinco años como para establecer el horario del personal de un centro de llamadas la semana siguiente. Plantea cuatro factores de previsibilidad: en qué medida se comprende lo que influye en la cantidad, cuántos datos hay disponibles, en qué medida el futuro se parece al pasado y si la propia previsión puede modificar lo que se quiere prever [2].

Para una pyme de servicios, esto se traduce de forma sencilla. Una empresa de remoción de nieve comprende bien su causa principal (la nieve), pero el futuro se parece poco al pasado de un invierno a otro. Una clínica de fisioterapia con una clientela estable tiene datos regulares y una demanda que cambia poco de una semana a otra: es más fácil de prever.

## ¿Qué métodos sencillos puede utilizar una pyme?

El mismo manual presenta métodos básicos que sirven como puntos de comparación y que a veces son sorprendentemente eficaces [3]. Una pyme puede empezar por ellos antes de considerar un modelo estadístico.

| Método | Principio | Cuándo utilizarlo |
|---|---|---|
| Media | Todas las previsiones equivalen a la media de los datos pasados | Demanda estable, sin tendencia ni estacionalidad |
| Ingenuo | La previsión equivale al último valor observado | Demanda que evoluciona lentamente, a corto plazo |
| Estacional ingenuo | La previsión equivale al valor de la misma estación del año anterior (p. ej.: febrero pasado para febrero) | Demanda muy estacional: piscinas, remoción de nieve, climatización |
| Juicio (predicción) | Opinión del equipo sobre los cambios venideros | Nueva oferta, nuevo territorio, poco historial |

Los tres primeros métodos se describen en la sección 5.2 del manual; la última fila retoma la noción de predicción de la OQLF.

## ¿Cómo es una previsión de temporada alta, en cifras?

**Ejemplo: una empresa ficticia de mantenimiento de piscinas en Gatineau**

Piscines Outaouais Plus (nombre ficticio) quiere prever las aperturas de piscinas de las tres primeras semanas de mayo. Parte del método estacional ingenuo y luego ajusta con lo que ya sabe: los clientes que cancelaron su contrato y los nuevos contratos firmados.

Cada apertura requiere 2,5 horas. Hay dos empleados disponibles a 40 horas por semana, pero 110 horas ya están reservadas para el mantenimiento semanal de las piscinas abiertas.

- Aperturas durante el mismo período del año anterior : 64
- − clientes que no renovaron : − 5
- + nuevos contratos ya firmados : + 9
- Aperturas previstas : 68
- Horas necesarias (68 × 2,5 h) : 170 h
- Horas libres (2 × 40 h × 3 semanas − 110 h) : 130 h
- Horas faltantes : 40 h
- **= Desde marzo, la previsión señala una falta de unas 40 horas, lo que deja tiempo para contratar a una persona de temporada o repartir las aperturas en una cuarta semana.**

## ¿Cómo saber si una previsión fue buena?

Anote la previsión antes del período y luego compárela con lo real. Si la empresa del ejemplo realiza finalmente 61 aperturas, el error es de 7 aperturas, es decir, cerca del 10 % de la previsión (7 ÷ 68). Siga este error temporada tras temporada en su [panel de control](https://app.pilotiko.com/es/glosario/tablero-de-control): si siempre se inclina hacia el mismo lado, su método tiene un sesgo que corregir.

Una previsión no tiene que ser perfecta para ser útil. Debe sobre todo ser lo bastante acertada para tomar la decisión correcta: contratar, alquilar un vehículo, pedir productos o rechazar un contrato.

## ¿Qué errores evitar en la previsión de la demanda?

- Confundir ventas pasadas con demanda real: las solicitudes rechazadas por falta de personal no aparecen en las ventas.
- Prever una sola cifra para el año en lugar de semanas o meses, lo que oculta los picos.
- Ignorar los eventos conocidos: días feriados, semana de receso escolar, inicio de la temporada de remoción de nieve.
- No comparar nunca la previsión con lo real, lo que impide aprender.
- Presentar una predicción intuitiva como una previsión cifrada al tomar una decisión de contratación.

## ¿Pilotiko prevé la demanda de servicios?

Lo que está disponible: los [informes internos](https://app.pilotiko.com/es/producto/informes) sobre las citas, los ingresos y la carga por persona. Proporcionan el historial que necesita una previsión, pero el cálculo de la demanda futura queda por hacer de su parte, por ejemplo con el método estacional ingenuo descrito más arriba.

> Próximamente. La previsión de la demanda de servicios aún no está construida en Pilotiko. Hoy solo existe una previsión de inventario (las existencias de productos).

## Preguntas frecuentes

### ¿Cuál es el método de previsión más sencillo?

El método ingenuo: prever que el próximo período será igual al último. Para una actividad estacional, la versión estacional ingenua retoma más bien el mismo período del año anterior. Estos métodos suelen servir como punto de comparación para juzgar los métodos más complejos.

### ¿Cuánto historial se necesita para prever la demanda?

Para una demanda estacional, se necesita al menos un año completo, e idealmente varios, para ver repetirse el mismo mes. Para una previsión de la próxima semana en una actividad estable, pueden bastar unos meses de datos semanales. Cuanto más largo es el historial, más fácil es detectar los años excepcionales.

### ¿Puede el clima formar parte de una previsión?

Sí, cuando influye claramente en la demanda, como en la remoción de nieve, la climatización o el mantenimiento de piscinas. El manual de Hyndman y Athanasopoulos da el ejemplo de la demanda de electricidad, fuertemente ligada a las temperaturas. El desafío es que entonces también hay que prever el clima, lo cual sigue siendo incierto más allá de unos pocos días.

### ¿Para qué sirve la previsión de la demanda en una pyme de servicios?

Sirve sobre todo para ajustar la [planificación de la mano de obra](https://app.pilotiko.com/es/glosario/planificacion-mano-de-obra) y la compra de material antes del pico. También ayuda a decidir cuándo aceptar nuevos contratos y cuándo tomar vacaciones. Sin ella, la falta de personal se descubre cuando los clientes ya están esperando.

### ¿La inteligencia artificial prevé mejor la demanda?

No automáticamente. Un modelo complejo solo es útil si lo hace mejor que los métodos sencillos con sus propios datos, medido después. Para una pequeña empresa con poco historial, un método sencillo bien seguido suele ser un mejor comienzo.

## Fuentes

1. Office québécois de la langue française, Grand dictionnaire terminologique, « prédiction », https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/8381733/prediction (consultado el 2026-10-15)
2. Rob J. Hyndman et George Athanasopoulos, OTexts, « Forecasting: Principles and Practice (3e éd.), chapitre 1 : What can be forecast? », https://otexts.com/fpp3/what-can-be-forecast.html (consultado el 2026-10-15)
3. Rob J. Hyndman et George Athanasopoulos, OTexts, « Forecasting: Principles and Practice (3e éd.), section 5.2 : Some simple forecasting methods », https://otexts.com/fpp3/simple-methods.html (consultado el 2026-10-15)
