Una herramienta sencilla para hacer mejores previsiones

Una de las claves más básicas para una buena toma de decisiones es pronosticar el futuro con precisión. Para obtener los mejores resultados, una empresa debe anticipar correctamente los estados futuros más probables del mundo. Sin embargo, a pesar de su importancia, las empresas no solo cometen errores básicos de previsión de forma rutinaria, sino que también se pegan un tiro en el pie al aplicar procedimientos que dificultan la obtención de predicciones precisas.

El futuro, por decir lo obvio, es incierto. Puede que queramos saber con precisión lo que nos depara el futuro, pero nos damos cuenta de que lo mejor con lo que podemos conformarnos es con tener una idea de la gama de posibles resultados y de la probabilidad de que se produzcan. Sin embargo, la mayoría de las empresas parecen ignorar este hecho y piden a los empleados que hagan predicciones puntuales sobre lo que sucederá: el precio exacto de una acción, el nivel preciso de crecimiento del PIB de un país el año que viene o la rentabilidad estimada, frente al dólar, de una inversión.

Estas estimaciones precisas y de un solo valor son una mala ayuda para la toma de decisiones. Supongamos que la mejor suposición del pronosticador es que un proyecto se completará en un año, pero el segundo resultado más probable es que, si el juez deniega una apelación de zonificación, el proyecto tarde más de dos años en completarse. Ninguna predicción puntual puede proporcionar al responsable de la toma de decisiones la información esencial sobre lo que debe prepararse.

Una forma de contrarrestar este problema es solicitar previsiones de rango o intervalos de confianza. Estos rangos se componen de dos puntos que representan los escenarios razonables del «mejor» y el «peor de los casos». Las previsiones de rango son más útiles que las predicciones puntuales. Pero corren el riesgo de, por un lado, ser tan amplios, e incluir de todo, desde una catástrofe total hasta un glorioso triunfo, que no son muy informativos. Por otro lado, ocurre aún más a menudo que el rango se dibuja de forma demasiado estrecha y no se muestra el valor real. Los pronosticadores suelen tener problemas con esta compensación entre precisión e información, y los intentos de equilibrar los dos criterios suelen dar lugar a previsiones demasiado confiables. Las investigaciones sobre este tipo de previsiones revelan que los intervalos de confianza del 90%, que, por definición, deberían dar en el blanco 9 de cada 10 veces, tienden a incluir la respuesta correcta menos del 50% de las veces.

En nuestra investigación, buscamos un enfoque de previsión que pudiera proporcionar precisión e información: uno que protegiera al pronosticador de las conocidas trampas del exceso de confianza y las previsiones sesgadas, y que proporcionara una previsión informativa que incluyera todos los escenarios futuros plausibles, así como una evaluación de la probabilidad de cada uno de ellos. Hemos desarrollado un método llamado SPIES (Estimaciones de intervalos de probabilidad subjetivos), que calcula las previsiones de un rango a partir de una serie de estimaciones de probabilidad, en lugar de a partir de predicciones de dos puntos.

Puede experimentar con una versión de SPIES destinada a pronosticar la temperatura de abajo:

La razón para calcular las previsiones de rango de esta manera se basa en la conclusión de que, si bien las personas tienden a confiar demasiado a la hora de pronosticar los intervalos de confianza, son mucho más precisas a la hora de evaluar los intervalos de confianza de otras personas y estimar la probabilidad de que una previsión en particular sea precisa. Así que el método SPIES divide todo el rango en intervalos o grupos y pide al pronosticador que tenga en cuenta todos estos intervalos y calcule la probabilidad de que cada uno de ellos incluya el valor real. A partir de estas estimaciones de probabilidad, SPIES puede estimar una previsión de rango con cualquier nivel de confianza que prefiera el responsable de la toma de decisiones.

El método SPIES ofrece una serie de ventajas distintas para los pronosticadores y los responsables de la toma de decisiones. En primer lugar, simplemente produce pronósticos de mejor alcance. Nuestros estudios muestran constantemente que las previsiones hechas con SPIES dan en la respuesta correcta con más frecuencia que con otros métodos de previsión. Por ejemplo, en un estudio, los participantes utilizaron intervalos de confianza y SPIES para estimar las temperaturas. Si bien sus intervalos de confianza del 90% incluían la respuesta correcta alrededor del 30% de las veces, la tasa de aciertos de los intervalos producida por el método SPIES apenas rondaba el 74%. Otro estudio incluyó un cuestionario sobre las fechas en que ocurrieron varios acontecimientos históricos. Los participantes que utilizaron intervalos de confianza del 90% respondieron correctamente al 54% de las preguntas. Sin embargo, los intervalos de confianza que produjo SPIES dieron como resultado estimaciones precisas el 77% de las veces. Al hacer que el pronosticador considere toda la gama de posibilidades, SPIES minimiza la posibilidad de que se pasen por alto ciertos valores o escenarios. En segundo lugar, este método da a la persona que toma las decisiones una idea de la distribución total de probabilidades, lo que lo convierte en una herramienta de planificación rica y dinámica. El responsable de la toma de decisiones conoce ahora los mejores y peores escenarios, pero también la probabilidad de que cada escenario sea posible y la probabilidad de que el valor estimado, ya sea la tasa de producción, los costes o el tiempo de finalización del proyecto, supere o inferior a un umbral importante.

¿Cómo puede utilizar SPIES en su beneficio? Pensemos en un gerente que debe decidir cuántas unidades producir. Una previsión hecha con SPIES estima las probabilidades de todos los escenarios posibles y, por lo tanto, ayuda al gerente a mitigar los diferentes riesgos de sobreproducción o subproducción. Del mismo modo, un contratista podría utilizar SPIES para pronosticar la probabilidad de terminar las obras actuales a tiempo y asumir más trabajo, así como la probabilidad de que el progreso de los proyectos actuales se ralentice, lo que haría que cualquier trabajo adicional representara una carga para los recursos.

Dado que tantas decisiones estratégicas de las empresas dependen de la predicción del futuro, pronosticar con precisión es de enorme importancia. Si bien los métodos de previsión tradicionales suelen producir resultados deficientes, nos complace informar de avances reales que ayudan a las personas a hacer mejores previsiones. El método SPIES representa un gran paso adelante, ya que integra los conocimientos de los últimos resultados de las investigaciones sobre la psicología de la previsión. Los gerentes que reciben información más rica e imparcial toman mejores decisiones y SPIES se la puede dar.

Puede utilizar la siguiente herramienta SPIES para probar las previsiones en el contexto de su propia empresa: