Para terminar, vamos a tratar de aplicar FSO de forma extendida (extended-FSO o xFSO), para el caso en que tengamos información de previsiones aportada por un sistema informático, además de por un equipo de ventas.
En este caso, tendremos igualmente definido un porcentaje de eficiencias, tanto para el sistema como para el equipo comercial, particularizados, evidentemente para cada profesional de forma individual, y con la siguiente forma:
,
siendo Efs la eficiencia del sistema, Efc la eficiencia del profesional, Rs el resultado estimado por el sistema, Rc el resultado estimado por el profesional, y Rreal el resultado obtenido en un determinado período, común para ambos.
Al igual que hacíamos cuando aplicábamos sFSO, creamos una matriz de eficiencias, y los consecuentes factores medios de eficiencia.
Al aplicar el modelo extendido tenemos que añadir un factor adicional de decisión, que, necesariamente, debe ofreccernos información de por quién nos decantamos más, quién tiene más credibilidad y acierto. Introducimos, por tanto, lo que vamos a denominar 'factor de ponderación', y cuya definición matemática sería la siguiente:
,
y constituyen, por tanto, una ponderación porcentual. Con este nuevo parámetro, la estimación de previsión para un determinado profesional queda rectificada estadísticamente, en condiciones normales, según la siguiente fórmula:
,
que, apropiándome de la visión de uno de nuestros seguidores, viene a determinar la relación hombre-máquina. O más que a determinarla, a regularla. En la fórmula del resultado estimado (Rest), Pi vuelve a ser el 'pipeline' manejado, Es la estimación del sistema y Ec la estimación del comercial, y se encuentran rectificados por los parámetros estadísiticos generados.
Con esto terminamos los tres artículos dedicados a optimización estadística del modelo de ventas. Quise dividirlo en tres partes para que fuera más llevadero, en tanto en cuanto yo mismo soy el primero que estoy matemáticamente oxidado, y este sistema exigía una vuelta al mundo academicista.
Como adelanto, os informo de que hemos recibido algunas mejoras que nos han parecido muy interesantes y que, en los próximos días, trataremos de recopilar y comentar, aunque vamos a dejar algunos días más para recibir vuestros comentarios, bien desde el blog, bien por mail o twitter.
En cualquier caso, esto era justo lo que queríamos conseguir; asentar las bases de un modelo simplificado, a modo de cimiento para la generación de modelos revisados de mayor alcance, llegando al punto que realmente interesa que es su aplicación a casuísticas concretas.
óptimo, ma
- adj. Sumamente bueno, que no puede ser mejor.
© Real Academia Española
Forecast Statistical Optimization by Javier Pastor is licensed under a Creative Commons Attribution-NonCommercial 3.0 Unported License.
0 comentarios :
Publicar un comentario