Cómo realizar buenos pronósticos con la información disponible

Pronósticos? Y eso para qué?

Al momento de trabajar con ventas de productos o servicios, siempre surge la pregunta de cuánto se espera que vaya a ser la demanda futura por alguno de estos. Para poder anticiparse y estar preparados en los recursos que se van a necesitar.

En base a esto, se desarrollan pronósticos, que nos permiten tratar de predecir en base a información del pasado cuáles podrían ser los resultados futuros. Dependiendo de la información con la que se esté trabajando, está puede presentar ciertos patrones que permiten afinar de mejor forma un pronóstico. Entre estos, se puede encontrar la estacionalidad, que es cuando existe una repetición de un patrón de los datos cada cierto período de tiempo. Por ejemplo, se podría decir que previo a la época navideña (en el mes de diciembre), las ventas de ropa aumentan considerablemente con motivo de los regalos festivos.

Otro patrón que se puede presentar, es que los datos muestren algún tipo de tendencia al alza (o a la baja). Un ejemplo de ello es por ejemplo en la venta de un producto que recién ha salido al mercado, a medida que se va haciendo conocido, el número de productos vendidos comienza a ser mayor cada semana.

Estas variaciones de no ser modeladas o consideradas pueden perjudicar fuertemente los pronósticos a realizar. Es por tanto, que existe un modelo que permite considerar estos patrones, y si no se presentan, simplemente los omite. El modelo de Holt-Winter, fue desarrollado en la década de 1960 como extensión al modelo de Holt para poder capturar la estacionalidad de los datos. En esté se considera un set de 3 ecuaciones que permiten calcular los parámetros de Nivel, Tendencia y Estacionalidad. Con estos tres parámetros es posible calcular un pronóstico para el próximo período. Si llega a existir algunos de los patrones antes mencionados, este será considerado en su predicción.

Ejemplo de pronóstico con Holt-Winters para datos con estacionalidad trimestral.

Holt-Winters…? Ok. ¿Cómo es esto de los 3 parámetros?

Para explicar un poco mejor esto, veamos con detalle en qué consiste cada parámetro. En primer lugar el nivel, es la base a utilizar a para el número de datos (número de productos, demanda, etc) al inicio de cada período. Cabe recordar que un período es un ciclo completo de estaciones. Donde las estaciones pueden ser los días de una semana, los meses en un año, trimestres dentro del año o incluso el número de horas dentro de un día. La elección del período va a depender de los datos que se tengan disponibles.

La tendencia, como bien se explicaba antes, representa si existe algún alza o baja los datos a lo largo de un período. La tendencia permite conocer en cuántas unidades variarán los datos entre una estación y la siguiente, respecto al nivel inicial del período. Por último, la estacionalidad nos entrega posibles variaciones en los datos dentro de un mismo período que dependen de cuál estación en particular se está pronosticando.

Ejemplos de Nivel, Tendencia y Estacionalidad

Asimismo, para el cálculo de cada uno de estos parámetros existe parámetros secundarios llamados alpha, beta y gamma, que permiten entregar mayor o menor prioridad a los datos históricos o recientes (períodos más antiguos o más recientes). Este ajuste corresponde al suavizamiento del Nivel, Tendencia y Estacionalidad, que da el nombre alternativo a este modelo, también conocido como triple suavizamiento exponencial.

Creo que ya voy entendiendo… Bueno ahora por donde empiezo?

Ahora que ya entendemos los conceptos principales para realizar un pronósticos con HW, cabe destacar la importancia de los datos necesarios para que los pronósticos sean representativos y precisos.

En primer lugar se necesitan un mínimo de 3 períodos completos de datos para que el modelo de Holt-Winters sea implementado de forma correcta. Esto significa que antes de calcular los pronósticos, el modelo debe ser inicializado y calibrado. Para ello, se utilizan los primeros 2 sets de datos para calcular un Nivel y Tendencia inicial y con los cuáles se realizará un pronóstico de los mismos datos históricos que ya se tienen del tercer período.

A continuación con dicho tercer set de datos, se comparará los pronósticos realizados con los verdaderos datos históricos y con dicha comparación se calibrarán los parámetros alpha, beta y gamma para determinar que tan relevantes son los datos recientes en contraste con los anteriores. Posterior a esto, será posible realizar un pronóstico real para predecir los futuros períodos de tiempo.

Datos, datos y más datos!

Ahora que ya hemos entendido un poco mejor como utilizar este modelo, es importante mencionar la relevancia de tener datos disponibles que nos permitan construir, implementar, corregir y mantener actualizadas nuestras predicciones.

“Para tú futuro conocer, el pasado has de saber” — Yoda

Tal como dice el mayor sabios entre los maestros de la Orden Jedi, si se quiere realizar un buen pronóstico a futuro, se necesita de información histórica fiable que permita conocer y entender el pasado.

Asimismo, unas de las grandes ventajas que tiene realizar un pronóstico con Holt-Winters, es que permite corregir las predicciones a medida que se van conociendo datos de nuevas estaciones dentro de un período proyectado.

De esta forma, sí se llevará a cabo una fuerte campaña de marketing que ocasionará un incrementó inesperado en las ventas de un producto o si se desatará una recesión económica que redujera fuertemente la demanda por productos de lujo. El modelo consideraría esto, y se adaptaría ante dichos cambios de tendencia y nivel para ajustar las proyecciones de lo que resta del período.

— Obtener información se vuelve crucial

Es por tanto fundamental recolectar información sobre los procesos, tanto para iniciar un buen pronóstico, como para mantenerlo actualizado y corregir su curso si es necesario.

Usualmente el manejo de datos se asocia a una tarea tediosa y difícil de mantener en el tiempo. Sin embargo, vivimos en la era digital y con la evolución de la tecnología se ha vuelto más simple y automatizable la labor de levantar información.

Hoy existen varias herramientas disponibles en el mercado que brindan estos beneficios, personalmente utilizó DataScope, que además de permitirme recolectar todos los datos que necesito a través del celular. A continuación, puedo visualizarlos directamente en google sheets gracias a su integración, y luego implementar el modelo de Holt-Winter directamente ahí para pronosticar cuál serán los desempeños que tendré a futuro.