Previsión de alisamiento exponencial
Contenido
La previsión es el proceso de hacer predicciones sobre el futuro basándose en datos pasados y presentes. Lo más habitual es hacerlo mediante el análisis de tendencias. Un ejemplo habitual puede ser la estimación de alguna variable de interés en una fecha futura determinada. Predicción es un término similar, pero más general. Ambos pueden referirse a métodos estadísticos formales que emplean series temporales, datos transversales o longitudinales, o bien a métodos de juicio menos formales. El uso puede diferir según los ámbitos de aplicación: por ejemplo, en hidrología, los términos «previsión» y «pronóstico» se reservan a veces para las estimaciones de valores en determinados momentos futuros específicos, mientras que el término «predicción» se utiliza para estimaciones más generales, como el número de veces que se producirán inundaciones en un periodo largo.
El riesgo y la incertidumbre son fundamentales para la previsión y la predicción; generalmente se considera una buena práctica indicar el grado de incertidumbre que conllevan las previsiones específicas. En cualquier caso, los datos deben estar actualizados para que la previsión sea lo más precisa posible. En algunos casos, los datos utilizados para predecir la variable de interés se pronostican a su vez[1].
Comentarios
Imagina que empiezas la mañana de un martes. Te tomas un café y todo el mundo se pone a trabajar para que puedas hacer un gran pedido antes del fin de semana. Justo cuando sale de su oficina, oye sonar el teléfono. La llamada es para un gran pedido que está muy por encima de lo previsto para la semana.
No tienes personal suficiente para atenderlo en este momento. Podría pagar más para que su proveedor se apresurara a suministrar material adicional, pero no está seguro de poder producirlo todo y enviarlo a tiempo. Este ejemplo es un tipo común de situación difícil creada por variaciones inesperadas de su previsión de demanda.
Por muy buenas que sean las previsiones, siempre habrá sorpresas y variaciones en la demanda real. Veryable trabaja con empresas que se enfrentan a este tipo de situaciones cada día. Conectamos a las empresas con trabajadores bajo demanda a través de nuestro mercado laboral, lo que permite a los directivos estar seguros de poder adaptarse a cambios como el de la historia anterior. Nuestra solución de mano de obra bajo demanda contribuye en gran medida a resolver las deficiencias de las previsiones de la demanda, pero reconocemos que hay muchas otras formas de mejorar sus operaciones además de utilizar Veryable. Hemos reunido esta información para que pueda encontrar lo que le funciona.
Calculadora de previsiones
El método clásico de descomposición de series temporales se originó en la década de 1920 y se utilizó ampliamente hasta la década de 1950. Todavía constituye la base de muchos métodos de descomposición de series temporales, por lo que es importante entender cómo funciona. El primer paso en una descomposición clásica es utilizar un método de media móvil para estimar la tendencia-ciclo, por lo que empezaremos hablando de las medias móviles.
donde \N(m=2k+1\). Es decir, la estimación de la tendencia-ciclo en el momento \(t\) se obtiene promediando los valores de la serie temporal dentro de \(k\) períodos de \(t\). Es probable que las observaciones cercanas en el tiempo también tengan valores cercanos. Por lo tanto, la media elimina parte de la aleatoriedad de los datos, dejando un componente de tendencia-ciclo suave. Llamamos a esto una \(m\)-MA, es decir, una media móvil de orden \(m\).
Por ejemplo, consideremos la figura 6.4, que muestra el volumen de electricidad vendida a clientes residenciales en el sur de Australia cada año desde 1989 hasta 2008 (se han excluido las ventas de agua caliente). Los datos también se muestran en la tabla 6.1.
Modelo de previsión acumulativo
Existen doce métodos de cálculo de previsiones. La mayoría de estos métodos permiten un control limitado por parte del usuario. Por ejemplo, se puede especificar el peso de los datos históricos recientes o el rango de fechas de los datos históricos utilizados en los cálculos. Los siguientes ejemplos muestran el procedimiento de cálculo de cada uno de los métodos de previsión disponibles, dado un conjunto idéntico de datos históricos.
Los siguientes ejemplos utilizan los mismos datos de ventas de 2004 y 2005 para elaborar una previsión de ventas de 2006. Además del cálculo de la previsión, cada ejemplo incluye una previsión de 2005 simulada para un periodo de retención de tres meses (opción de procesamiento 19 = ‘3’) que se utiliza para los cálculos del porcentaje de precisión y la desviación media absoluta (ventas reales comparadas con la previsión simulada).
Dependiendo de su selección de opciones de procesamiento y de las tendencias y patrones existentes en los datos de ventas, algunos métodos de previsión funcionarán mejor que otros para un conjunto de datos históricos determinado. Un método de previsión adecuado para un producto puede no serlo para otro. También es poco probable que un método de previsión que ofrezca buenos resultados en una fase del ciclo de vida de un producto siga siendo adecuado durante todo el ciclo de vida.
