En este artículo exploramos modelos de eventos y métodos de pronóstico avanzado que a menudo superan los enfoques de series de tiempo automáticos para datos con eventos especiales como promociones, huelgas, vacaciones, etc. ocurrido durante el periodo de demanda histórica.

LA EVOLUCIÓN DE UN PROCESO DE PRONÓSTICO EXITOSO

La evolución de un proceso de pronóstico exitoso frecuentemente involucra varios pasos. Es muy común para una organización iniciar mediante la creación de hojas de cálculo que contienen la demanda histórica de los artículos a ser pronosticados usando formulas simples tales como “lo mismo que el año pasado más un porcentaje” para establecer los pronósticos. La exactitud de los pronósticos generados de esta manera son a menudo pobres y el uso de Excel para hacer frente al trabajo por lo general conduce a manejar grandes y complejas hojas de cálculo que son propensas a errores humanos involuntarios y son difíciles de mantener como negocio.

A menudo, el siguiente paso es comprar un paquete de pronóstico específico como Forecast Pro y utilizar su procedimiento de pronósticos por defecto. En Forecast Pro el procedimiento por default consiste en un algoritmo automático que selecciona entre las diferentes series de tiempo el método de pronóstico para cada ítem que está siendo pronosticado. Pasar de las hojas de cálculo a este tipo de enfoque casi siempre mejora la precisión de los pronósticos, simplifica la mecánica de la generación de los pronósticos y ayuda a formalizar el proceso de pronosticar.

Aunque la mayoría de las organizaciones consideran que el enfoque de series de tiempo automatizados funcionan bastante bien para la gran mayoría de sus ítems, por lo general hay una cierta fracción de ítems donde el enfoque de pronóstico personalizado puede superar los enfoques automatizados. Así, el último paso es ajustar el proceso de pronóstico para incorporar los enfoques personalizados donde se agrega valor. Un enfoque personalizado común es el modelamiento de eventos, tema de este artículo.

¿QUÉ ES UN MODELO CON EVENTOS?

Un método de pronósticos de series de tiempo es una técnica de pronósticos que basa el pronóstico únicamente en la historia del ítem que está siendo pronosticado. Cuando la demanda para un ítem está siendo impulsada por factores tales como los niveles de ventas, tendencias y patrones estacionales, los métodos de series de tiempo suelen funcionar bastante bien. Sin embargo, los datos del negocio frecuentemente contienen respuestas a eventos que no pueden ser capturados como parte de los componentes de nivel, tendencia y estacionalidad. Los ejemplos incluyen promoción de productos, días festivos, interrupciones comerciales y otros sucesos irregulares. Cuando una cantidad significativa de la demanda está siendo impulsada por este tipo de eventos, los métodos de series de tiempo no van a funcionar muy bien.

Un modelo de evento es un método de pronóstico que se ha diseñado para cuantificar el impacto de los eventos y utilizar esta información para mejorar los pronósticos. La entrada para un modelo de eventos es la demanda histórica para el ítem que será pronosticado y una lista de los eventos que han ocurrido históricamente y (si aplica) una lista de cualquier evento futuro que pueda ocurrir en el periodo pronosticado.

Modelo de eventos son una extensión de los modelos de suavización exponencial. Trabajan generando índices para ajustar los diferentes tipos de eventos. Estos índices se estiman y se utilizan para modelar el impacto de cada tipo de evento en casi exactamente de la misma manera que los índices estacionales en un modelo tradicional de suavización exponencial son estimados y se utilizan para modelar el impacto de cada periodo estacional.

La línea verde de arriba representa la demanda mensual de un producto envasado de consumo popular. El producto es fuertemente promovido y la fecha de las promociones varía de año en año. Un método de series de tiempo no va a funcionar bien para un producto como este, debido al hecho que una parte significativa de la demanda está siendo impulsada por las promociones. El modelo de eventos de arriba modela satisfactoriamente la respuesta a las promociones (en este ejemplo, se conocen las promociones futuras).

¿QUÉ TAN DIFÍCIL ES CONSTRUIR MODELOS CON EVENTOS?

La construcción de un modelo con eventos es muy sencillo y no requiere conocimientos estadísticos profundos. Es necesario tener conocimiento de los eventos que se han producido, juzgar si el impacto de un evento sobre sus datos es lo suficientemente significativo como para justificar un tratamiento especial y que usted decida cuántos tipos de eventos únicos se necesitan (por ejemplo, son las promociones las que impactaron dos periodos diferentes lo suficientemente similares para modelar como un tipo de evento o necesitan tipos de eventos separados y por lo tanto los índices por separado). También es necesario crear un calendario de eventos que indica la duración de cada evento.

Obviamente, la cantidad de esfuerzo requerido para construir un modelo de evento es mayor que la requerida para un método automatizado de series de tiempo. Sin embargo, para el conjunto de datos donde los eventos impulsan una demanda considerable, los beneficios en una mejor exactitud del pronóstico son muy buenos y vale la pena un esfuerzo extra.