Método Monte Carlo: la clave para tomar decisiones en un mercado incierto

En el mundo empresarial, tomar decisiones basándose en un único escenario probable es arriesgado y cada vez más. El mercado es volátil e incierto y el comportamiento de los clientes es impredecible. Aquí entra en juego el método Monte Carlo, una técnica estadística que permite evaluar múltiples escenarios posibles antes de tomar una decisión estratégica.

¿Qué es el método Monte Carlo?

La simulación Monte Carlo es una técnica matemática que permite analizar la incertidumbre y variabilidad en situaciones difíciles generando miles o millones de escenarios posibles. Por ejemplo, en lugar de decir “el próximo mes venderemos 1.200 unidades”, la simulación Monte Carlo generará múltiples escenarios posibles, teniendo en cuenta diferentes variables y permitiendo reducir el margen de error.

Fue desarrollada en 1940, durante el Proyecto Manhattan. Por entonces, se empleó para evaluar reacciones nucleares, pero ahora se utiliza en numerosas disciplinas gracias a sus beneficios. ¿Y su nombre? Viene adoptado del famoso casino Montecarlo, de Mónaco, haciendo referencia a que se basa en el uso de números aleatorios, al igual que los juegos de azar.

En el contexto empresarial existen numerosas variables inciertas como la demanda futura, precio de mercado, tasa de cancelación, costes variables o el coste de adquisición, entre otros. Con el método Monte Carlos, se pueden hacer estimaciones incorporando esa incertidumbre en el modelo.

De esta forma, en lugar de usar un único valor fijo, se asignan rangos y distribuciones de probabilidad a las variables. Después, el modelo ejecutará numerosas combinaciones mostrando la probabilidad de cada escenario.

¿Cómo funciona el método Monte Carlo?

Antes de ver los pasos a seguir, es importante comprender bien los elementos que componen este método:

• Modelo matemático. Una representación matemática del problema a estudiar que relaciona las variables. Por ejemplo, Beneficio= (Precio x Clientes x Duración media) - Costes.
• Variables de entradas. Son el conjunto de valores aleatorios que afectan a la salida de la simulación. Puede ser, por ejemplo, la estacionalidad de venta de un producto, la calidad de fabricación. Estas variables tendrán que estar relacionadas con el problema que se va a analizar, por ejemplo, si lanzar un nuevo producto será o no rentable.
• Muestras aleatorias. Este método genera muestras aleatorias para simular situaciones y escenarios. Esto son conjuntos de valores aleatorios que se generan a partir de una distribución de probabilidad específica.
• Resultados o variable de salida. La variable de salida es el resultado que queremos medir. El modelo genera un gráfico y esta variable se representa en el eje X. Por ejemplo, la vida útil de un teléfono móvil es una variable de salida que se expresa en valor de tiempo. 

Ahora que se entiende cada uno de los elementos, podemos pasar a ver el funcionamiento del modelo Monte Carlo. Se puede dividir en los siguientes pasos:

1. Definición del problema. El primer paso es definir el problema que se quiere analizar. Con ello, se podrán identificar las variables de entrada. 
2. Asignación de distribuciones de probabilidad. Esta es una de las claves del método Monte Carlo. Para cada variable de entrada, en lugar de establecer una cifra fija, se asignan rangos y distribuciones probabilísticas que reflejen su comportamiento probable. Por ejemplo, en lugar de decir que el precio será de 30€, se puede decir que será de entre 25€ a 35€.  En este punto, cada variable puede seguir un tipo de distribución diferente (normal, uniforme, triangular, etc.).
3. Generación de números aleatorios. El sistema de simulación utilizado genera miles de combinaciones aleatorias dentro de esas distribuciones. Esto dará lugar a una distribución de resultados posibles, diferentes escenarios creados con cada combinación.
4. Análisis de los resultados. Ahora tendrás que analizar la distribución de los resultados obtenidos para poder evaluar los riesgos, oportunidades y tomar decisiones informadas.

Por último, vamos a verlo con un ejemplo ficticio para comprenderlo mejor. Una empresa está evaluando lanzar una nueva herramienta de gestión de proyectos cuyo coste de desarrollo es fijo (500.000€). En este contexto, la rentabilidad de su lanzamiento dependerá de estas variables de entrada:

• Coste de adquisición por cliente (CAC).
• Precio que el usuario está dispuesto a pagar.
• Vida media del cliente.

En lugar de usar valores fijos, la empresa establece unos rangos, es decir, asigna una distribución de probabilidad a cada variable para poder emplear el sistema Monte Carlo:

• CAC puede ser entre 40€ y 130€ mensuales.
• El precio puede ser entre 25 y 35€ mensuales.
• La vida media del cliente puede ser entre 6 y 24 meses.

Con esto, el sistema ejecuta miles de lanzamientos ficticios, combinando todo de manera aleatoria y simulando múltiples escenarios. Hecho esto, la empresa analiza los resultados para ver en cuántas de esas simulaciones puede perder dinero. Obtiene la siguiente información:

• Hay un 72% de probabilidades de que el proyecto sea rentable en los primeros 18 meses.
• Existe un 5% de probabilidad de que las pérdidas superen los 200.000 € si el CAC sube de 100 € simultáneamente con una tasa de abandono alta.

A partir de esta información obtenida, la empresa podrá tomar decisiones más fundamentadas. En resumen, el método Monte Carlo puede ser muy útil para tener en cuenta la incertidumbre en tu toma de decisiones.