¿Qué es un forecast?

Lo más importante de un vistazo:

• El forecasting permite una gestión prospectiva y basada en datos de la evolución financiera.
• Complementa los presupuestos clásicos mediante pronósticos actualizados de forma continua y cercanos a la realidad.
• Los rolling forecasts ayudan a detectar tendencias a tiempo y a adaptar las decisiones con flexibilidad.
• Una base de datos sólida, responsabilidades claras y revisiones periódicas son determinantes.
• Deben considerarse los requisitos legales del CO, CH-GAAP FER y la Ley de protección de datos (LPD).
• Las herramientas digitales y los procesos estructurados generan eficiencia y transparencia.

¿Qué es el forecasting en el controlling y por qué es central para la gestión de la empresa?

El forecasting es la planificación prospectiva de la evolución futura del negocio sobre la base de datos actuales. En el controlling sirve como instrumento estratégico de gestión para evaluar de forma realista la liquidez, los costes y los ingresos y tomar decisiones fundamentadas.

Los forecasts vinculan los datos operativos con los objetivos estratégicos. Muestran hacia dónde se dirige una empresa bajo las condiciones marco actuales y permiten reaccionar a tiempo.
A diferencia del presupuesto, que se elabora una vez al año y rara vez se ajusta, un forecast es dinámico: se revisa continuamente y se adapta a la nueva información.

Esta flexibilidad convierte el forecasting en una herramienta importante para CFOs y fiduciarios. Desplaza el foco del mero control de cifras pasadas hacia la gestión activa del futuro. De este modo pueden detectarse y afrontarse a tiempo cuellos de botella de liquidez, incrementos de costes o riesgos de mercado.

«Un forecast no sustituye a un presupuesto, pero aporta flexibilidad y sentido de la realidad a la planificación», afirma Leif Roth, experto en contabilidad y controlling.

¿Qué ventajas ofrece el forecasting frente a la planificación presupuestaria clásica?

El forecasting crea capacidad de reacción e inteligencia de gestión. En lugar de explicar desviaciones pasadas, se detectan las evoluciones con antelación y se gestionan de forma activa. De este modo, el forecasting influye también en la utilización de las ganancias y la planificación de distribuciones, especialmente cuando las decisiones se basan en escenarios de futuro realistas.

Esta perspectiva prospectiva mejora la calidad de la planificación, refuerza la confianza de la dirección y de los inversores en la planificación financiera y facilita la priorización de los recursos.

El foco deja de estar en el control para centrarse en la capacidad de actuación, una ventaja decisiva frente a la planificación presupuestaria clásica.

¿Cómo funciona en la práctica un proceso de forecast moderno?

Un proceso de forecast profesional sigue un flujo claramente definido: desde la definición de objetivos, pasando por la recopilación y el tratamiento de datos y la modelización, hasta la revisión continua. Solo cuando todos los pasos encajan de forma sistemática surge un pronóstico que aporta seguridad en la toma de decisiones.

Un forecast moderno comprende típicamente cinco fases:

1. Definición de objetivos

• Definir qué magnitudes deben pronosticarse (p. ej. ventas, cashflow, costes salariales, impuestos).
• Delimitación del periodo de forecast (normalmente de 12 a 18 meses).

2. Recopilación y preparación de datos

• Uso de datos reales actuales procedentes de sistemas ERP o de contabilidad.
• Verificación de integridad, plausibilidad y coherencia.
• Integración de impulsores adicionales como tipos de cambio, tipos de interés o precios de la energía.

3. Modelización y cálculo

• Selección de métodos adecuados (p. ej. análisis de tendencias, modelo de regresión o métodos de IA).
• Documentación de los supuestos y parámetros.
• Uso de herramientas como Abacus, Bexio, Sage o Power BI para el cálculo y la visualización.

4. Validación y control

• Comparación con valores históricos (backtesting).
• Medición de la precisión con indicadores como MAPE (Mean Absolute Percentage Error) o MAE (Mean Absolute Error).
• Ajuste en caso de desviaciones sistemáticas.

5. Comunicación y revisión

• Elaboración en informes claros y adaptados al destinatario.
• Revisiones periódicas con la dirección y el controlling.
• Responsabilidades claras, p. ej. mediante un modelo RACI (Responsible, Accountable, Consulted, Informed).

«Un forecast no es un experimento de cálculo, sino un proceso de management. Cuando la calidad de los datos, las responsabilidades y la comunicación son adecuadas, surge verdadera inteligencia de gestión.» -  Leif Roth

Una cadencia mensual o trimestral ayuda a mantener los forecasts actualizados y a detectar desviaciones a tiempo. Así, el forecasting se convierte en un sistema de gestión vivo y no en un ejercicio de planificación puntual.

¿Cómo influye la calidad de los datos en la precisión de los pronósticos?

La calidad de un forecast depende directamente de la calidad de los datos subyacentes. La información incompleta, desactualizada o incoherente conduce inevitablemente a resultados inexactos, independientemente del método utilizado. Un factor a menudo subestimado es la correcta delimitación temporal de los periodos, en particular el tratamiento de pasivos transitorios, que garantiza que los ingresos y los gastos se asignen al periodo correcto.

«Sin una base de datos limpia, todo forecast sigue siendo una estimación a ciegas», afirma Leif Roth.

Los problemas frecuentes y las medidas adecuadas pueden representarse de forma clara:

Mediante la combinación de sistemas automatizados y revisiones periódicas de datos se incrementa notablemente la precisión de los pronósticos.
Además, se genera confianza, tanto entre los responsables de la toma de decisiones internos como entre los stakeholders externos, como bancos o auditores.

¿Qué métodos e indicadores garantizan una alta calidad del forecast?

La elección del método adecuado determina si un forecast es preciso o aleatorio. Depende de la situación de datos, de la frecuencia de planificación y del objetivo del forecast.

Existen tres enfoques metodológicos centrales. Los métodos cualitativos se basan en la experiencia y el conocimiento del mercado, por ejemplo, en el caso de productos nuevos o mercados inciertos. Los modelos cuantitativos utilizan series temporales históricas, análisis de regresión o medias móviles para extrapolar tendencias de forma matemática. Y los métodos basados en datos con machine learning amplían estos enfoques al reconocer patrones automáticamente y mejorar de forma adaptativa.

Muchas empresas combinan estos métodos: un ejemplo clásico es la combinación de modelos estadísticos de ventas con las estimaciones del departamento comercial. Esto garantiza un equilibrio entre objetividad y cercanía a la práctica.

Otro factor de éxito adicional es la elección del horizonte de forecast adecuado:

• los forecasts a corto plazo (p. ej. mensuales) sirven para la gestión de la liquidez,
• los forecasts a medio plazo (trimestre hasta un año) apoyan la planificación presupuestaria,
• los forecasts a largo plazo (> 1 año) son instrumentos estratégicos de alerta temprana.

Esta graduación hace que el forecasting sea más robusto y refuerza la base de decisión en la dirección.

¿Cómo se mide la calidad del forecast?

Los forecasts deben revisarse de forma periódica, no solo a nivel de resultados, sino también desde el punto de vista metodológico. La precisión se refleja en el grado de desviación de los pronósticos respecto a la evolución real y en si los errores se producen de forma sistemática.

Pasos importantes para garantizar la calidad:

1. Análisis de desviaciones: comparación entre valores planificados y reales, idealmente por centro de costes o segmento.
2. Backtesting: los forecasts históricos se comparan con los resultados reales de periodos pasados.
3. Bucle de aprendizaje: los conocimientos adquiridos se incorporan al siguiente modelo para afinar los supuestos.
4. Monitorización a lo largo del tiempo: se mide la evolución de la calidad del pronóstico en sí, p. ej. si el error disminuye a lo largo de varios meses.

Indicadores como MAPE, MAE o Bias son útiles, pero deben interpretarse. Un MAPE bajo no implica automáticamente un buen forecast si la base de datos es débil o faltan factores externos.
Más importante es la consistencia de la medición a lo largo del tiempo; solo así puede evaluarse realmente si un modelo mejora.

Un forecast fiable surge cuando controlling, TI y los departamentos especializados asumen conjuntamente la responsabilidad. De este modo, el proceso se convierte en un sistema de aprendizaje que mejora con cada ciclo de planificación.

¿Cómo se implementan y mantienen los rolling forecasts?

Un rolling forecast es un pronóstico financiero continuo que se actualiza periódicamente. En lugar de planificar solo una vez al año, el forecast se prolonga de forma regular, por ejemplo mensualmente o trimestralmente, y se amplía en cada caso a la siguiente fase. Así surge una visión continua y dinámica hacia el futuro.

Los rolling forecasts siguen tres principios básicos:

• Continuidad: cada nuevo periodo sustituye a uno antiguo; el horizonte temporal permanece constante.
• Actualidad: nueva información se incorpora de forma continua, como cambios en los precios de mercado o en los costes de personal.
• Utilidad para la gestión: el foco se desplaza del control hacia la gestión activa; las decisiones se basan en datos en tiempo real.

Esta forma de planificación apoya una gestión financiera prospectiva: los cuellos de botella de liquidez, vencimientos fiscales o picos de inversión se hacen visibles a tiempo y pueden corregirse con antelación.

Tabla: Comparación – Forecast estático vs. Rolling forecast

Los rolling forecasts son especialmente adecuados para mercados volátiles o empresas con fluctuaciones estacionales. Si se implementan correctamente, también sirven como sistema de alerta temprana para detectar y contrarrestar a tiempo riesgos como el sobreendeudamiento o la pérdida de capital. No obstante, su implementación requiere responsabilidades claras y flujos de datos automatizados para garantizar la actualidad y la eficiencia.

¿Cómo se mantiene fiable un rolling forecast a largo plazo?

Para que un rolling forecast no se convierta en un mero bucle de cifras, se necesita una clara disciplina de procesos y gobernanza. Los modelos de éxito se caracterizan por tres rasgos:

1. Cadencia fija: actualización mensual o trimestral con una fecha fija de reporting.
2. Responsabilidad sobre los datos: cada departamento aporta puntos de datos definidos, p. ej. planificación de personal, ventas, centros de costes.
3. Comunicación transparente: los resultados no solo se informan, sino que se interpretan conjuntamente.

La implementación técnica se realiza normalmente a través de sistemas ERP o BI con importaciones automatizadas. Herramientas como Abacus, Bexio o Power BI permiten actualizar de forma continua los modelos de forecast y analizarlos visualmente.

Un rolling forecast no es, por tanto, simplemente una herramienta, sino un proceso: fomenta la capacidad de aprendizaje y la agilidad, factores de éxito centrales de la gestión empresarial moderna.

¿Qué papel desempeñan los forecasts de liquidez, fiscales y de escenarios?

Los forecasts de liquidez, fiscales y de escenarios se encuentran entre los instrumentos más eficaces del controlling financiero. Aportan transparencia sobre los flujos de pagos, las obligaciones fiscales y las posibles evoluciones bajo diferentes condiciones marco.

Los forecasts de liquidez muestran si hay suficiente efectivo disponible para cubrir obligaciones corrientes como salarios, seguros sociales o facturas de proveedores. Ayudan a detectar a tiempo cuellos de botella y a planificar con antelación las necesidades de financiación.

Los forecasts fiscales calculan la carga esperada por impuestos directos y gravámenes, como el impuesto sobre el valor añadido (IVA), las cotizaciones a AHV/ALV/BVG o los impuestos de sociedades.
Permiten una planificación dirigida de los fondos y evitan sorpresas de liquidez en las liquidaciones trimestrales o anuales.

Los forecasts de escenarios simulan diferentes desarrollos futuros:

• Best Case: desarrollo optimista con crecimiento de ventas o eficiencia de costes,
• Base Case: supuesto principal realista,
• Worst Case: descenso de los ingresos o aumento de los gastos (p. ej. por precios de la energía, tipos de cambio o salarios).

La combinación de estos tres tipos de forecast genera una imagen completa de la resiliencia financiera.

¿Cómo se pueden combinar de forma útil los escenarios y los pronósticos de liquidez?

Un forecast práctico integra los modelos de liquidez y de escenarios en un único flujo de datos. De este modo, la dirección puede ver simultáneamente cuánto efectivo hay disponible y cómo inciden diferentes condiciones de mercado.

Un ejemplo:
una empresa pronostica su liquidez sobre la base de los próximos 12 meses. Si en el Base Case se supone una facturación estable, el Worst Case muestra cómo afecta una caída del 10 % al saldo de efectivo. El Best Case muestra, por el contrario, el margen para inversiones.

Este enfoque ofrece varias ventajas:

• Claridad sobre los límites de carga: ¿cuánto tiempo alcanza el colchón de liquidez si disminuyen los ingresos?
• Transparencia en las salidas de impuestos: ¿cuándo vencen los pagos de IVA o de impuestos en la fuente y cómo afectan al cashflow?
• Base de decisión fundamentada: las inversiones, aumentos salariales o distribuciones pueden planificarse sobre la base de datos sólidos.

Mediante la actualización periódica de los escenarios se crea un sistema de alerta temprana que va más allá de la mera planificación; el forecasting se convierte así en una parte integrante de la gestión de riesgos.

¿Cómo se mantiene el forecasting conforme a la ley, eficiente y digital?

El forecasting toca requisitos legales centrales, ya que los pronósticos financieros forman parte del deber de gestión. La seguridad jurídica se logra cuando los procesos están documentados, los datos son trazables y se cumplen las disposiciones de protección de datos. La eficiencia y la digitalización garantizan que estas obligaciones se cumplan con un esfuerzo mínimo.

Fundamentos legales y regulatorios que deben considerarse en el forecasting:

Un forecast conforme a la ley no es, por tanto, un mero conjunto de cifras, sino un proceso trazable: cada supuesto, cálculo y cambio debe documentarse, idealmente directamente en el sistema ERP o BI.
Así surge un audit-trail que demuestra en auditorías internas o externas cómo se tomaron las decisiones.

¿Qué papel desempeña la digitalización para un forecasting eficiente?

La digitalización reduce considerablemente el esfuerzo manual y aumenta al mismo tiempo la precisión. Las herramientas modernas asumen de forma casi automatizada la recopilación, consolidación y el cálculo de datos.

Los sistemas de forecasting eficientes se caracterizan por las siguientes características:

• Flujos de datos automatizados: los sistemas ERP como Abacus, Bexio o Sage proporcionan cifras actuales directamente a herramientas de BI como Power BI o Tableau.
• Workflows estandarizados: los procesos recurrentes, p. ej. actualizaciones mensuales o trimestrales, siguen listas de control predefinidas.
• Seguridad de auditoría: los cambios en los supuestos se registran, de modo que cada ajuste sea trazable.
• Conformidad con la protección de datos: el acceso a información sensible (p. ej. salarios, gastos de personal) se regula según roles.

La combinación de automatización y gobernanza crea transparencia, reduce los riesgos de error y refuerza la fiabilidad de la gestión financiera.
De este modo, el forecasting no solo se vuelve más eficiente, sino también preparado para el futuro, en consonancia con los requisitos de compliance suizos.

¿Cómo apoya Auditrium la introducción y optimización de procesos de forecast?

El desarrollo digital ofrece hoy condiciones ideales para integrar procesos de forecast de forma eficiente, precisa y trazable en el día a día. Auditrium ayuda a las empresas a aprovechar estas posibilidades de forma específica, desde la captura automatizada de datos hasta el soporte de decisiones fundamentadas.

En la implementación práctica, el foco se centra en cinco áreas clave:

• Base de datos consistente: con Bill Bucher se dispone automáticamente de datos de contabilidad actualizados. Así es posible construir forecasts sobre cifras fiables.
• Flujos de trabajo estructurados: responsabilidades claras, ritmos de planificación fijos y una comunicación transparente garantizan trazabilidad y confianza.
• Análisis y visualización: a través de Analise Franci se evalúan los datos de forecast, se hacen visibles las tendencias y se muestran las desviaciones de forma comprensible.
• Integración de sistemas: el forecasting forma parte de los procesos financieros y de decisión existentes y no se considera un instrumento separado.
• Gestión de aprendizaje: cada ciclo de planificación aporta conclusiones para seguir desarrollando de forma específica los modelos y los supuestos.

Así surge un sistema de forecast que se basa en datos en tiempo real, se mantiene flexible y al mismo tiempo cumple los requisitos legales y organizativos de su empresa. En Auditrium entendemos el forecasting como un proceso continuo que le ofrece transparencia y una base fiable para decisiones fundamentadas.