Ejemplo · Decisiones bajo incertidumbre
Simulación de Montecarlo: del número único al rango probable
En vez de apostar a un solo número, Montecarlo combina miles de escenarios posibles y te muestra el rango de resultados y la probabilidad de cada uno. Ejemplo: la utilidad del próximo trimestre. Datos de ejemplo.
Cada barra agrupa los resultados de miles de escenarios simulados; las azules alcanzan o superan la meta. La línea azul es la probabilidad acumulada. Con esta distribución, la chance de superar los $450k es del 43%. Datos ficticios de ejemplo.
Para qué sirve
Decidir con la probabilidad a la vista
Un presupuesto, un pronóstico de demanda, el plazo de un proyecto o el retorno de una inversión nunca son un número exacto: dependen de variables que se mueven. Montecarlo toma esa incertidumbre y la convierte en algo accionable: cuál es el resultado más probable, qué tan mal puede salir y qué chance real hay de llegar a la meta.
Así dejas de planificar sobre un único "si todo sale bien" y empiezas a decidir sabiendo el riesgo que estás tomando.
Qué necesitas
Rangos, no certezas
Los rangos salen de tu propio histórico, modelado en el Data Warehouse. Publicamos la simulación en un tablero que se recalcula con cada cierre.
Preguntas frecuentes
Lo que suelen preguntarnos
¿Qué es una simulación de Montecarlo?
En lugar de dar un único número, corre miles de escenarios combinando al azar las variables inciertas del negocio (ventas, costos, plazos, tipo de cambio) dentro de los rangos que defines para cada una. El resultado no es "vamos a ganar 420.000", sino la distribución completa de lo que puede pasar y con qué probabilidad.
¿Qué datos necesito para armarla?
Para cada variable incierta, un rango con tres valores: pesimista, más probable y optimista (o una distribución, si la conoces). Si algunas variables se mueven juntas, su correlación. Y la meta contra la cual quieres medir la probabilidad de éxito. Esos rangos se estiman desde tu propio histórico.
¿En qué se diferencia de un escenario optimista y uno pesimista?
Los tres escenarios clásicos te dan tres puntos sueltos y no dicen qué tan probable es cada uno. Montecarlo recorre todo el espacio intermedio y te devuelve la probabilidad de cada resultado: lo más probable, el piso razonable (P10), el techo (P90) y la chance real de alcanzar la meta.
¿Se puede automatizar y mantener actualizada?
Sí. La modelamos sobre tu Data Warehouse, con los rangos alimentados por tu propio histórico, y la dejamos corriendo en un tablero que se recalcula con cada cierre: cada mes ves cómo cambia la probabilidad de llegar a tu objetivo.
¿Quieres ver tu decisión como un rango de probabilidades?
Modelamos tu caso con una simulación de Montecarlo sobre tus propios datos y te mostramos la probabilidad real de alcanzar la meta.
Hablemos