Definición de estacionalidad

Definición de estacionalidad


Por Joannès Vermorel, última revisión: septiembre del 2011)

En estadística, se dice que la demanda —o las ventas— de un determinado producto muestra estacionalidad cuando la serie de tiempo subyacente atraviesa una variación cíclica predecible, dependiendo de la época del año. La estacionalidad es uno de los patrones estadísticos más utilizados para mejorar la precisión de los pronósticos de demanda.

Ejemplo: la mayoría de los minoristas occidentales tienen ventas pico en la época de Navidad.

Ilustración de series de tiempo estacionales

El gráfico a continuación ilustra 4 series de tiempo estacionales (haga clic para agrandar). Las series de tiempo son agregadas a nivel semanal durante un período de 159 semanas (alrededor de 3 años). Los datos representan los envíos semanales correspondientes a 4 productos distintos del depósito de un gran minorista europeo.

Image

El primer día del año (1.º de enero) está señalado con un marcador vertical gris. Los datos históricos aparecen en rojo, mientras que el pronóstico de Lokad se muestra en color violeta. La estacionalidad se puede observar como una similitud de patrones de un año a otro. Utilice los marcadores grises como referencia.

Modelo básico para la descomposición estacional

La Y(t) corresponde a la demanda en el momento t. Descomponemos la demanda Y(t) en dos componentes: S(t), una función estrictamente cíclica, y Z(t), el complemento no estacional. Esto da:

Y(t) = S(t) * Z(t) donde S(t + 1 año) = S(t)

Si la función S(t) puede ser calculada, entonces el proceso de pronóstico generalmente pasa por tres etapas:

  1. Calcular las series de tiempo desestacionadas como Z(t) = Y(t) / S(t).
  2. Elaborar el pronóstico a partir de las series de tiempo Z(t), en lo posible mediante la media móvil.
  3. Volver a aplicar los índices de estacionalidad a los pronósticos.

Volviendo al problema inicial de calcular los índices estacionales S(t), suponiendo que no existe una tendencia (entre otros) S(t) puede ser calculada con:

S(t) = AVERAGE( Y(t-1)/MA(t-1) + Y(t-2)/MA(t-2) + Y(t-3)/MA(t-3) + ... )

donde Y(t-1) es la abreviación para Y(t - 1 año) y MA(t) la media móvil en 1 año de Y(t).

El método propuesto en esta sección es un poco ingenuo, pero puede ser implementado fácilmente en Excel. En la literatura específica se pueden encontrar muchos modelos para abordar la estacionalidad con métodos más complicados. Por ejemplo: Box-Jenkins, ARMA, ARIMA, Holt-Winters...

Desafíos en el cálculo de índices de estacionalidad

El modelo de estacionalidad ilustrado más arriba es un abordaje un tanto ingenuo que puede funcionar para las series de tiempo estacionales llanas. Sin embargo, hay varias dificultades prácticas que se presentan al calcular la estacionalidad:

  1. Las series de tiempo son cortas. La vida útil de muchos bienes de consumo no excede los 3 o 4 años. Como resultado, para un determinado producto, la historia de ventas ofrece, en promedio, muy pocos puntos en el pasado para calcular cada índice estacional (es decir, los valores de S(t) durante el curso del año. Ver sección precedente).
  2. Las series de tiempo presentan ruido. Las fluctuaciones arbitrarias del mercado tienen impacto sobre las ventas, y hacen difícil aislar la estacionalidad.
  3. Varias estacionalidades involucradas. Cuando se observan las ventas a nivel de tienda, la estacionalidad del producto en sí generalmente está entrelazada con la estacionalidad de la tienda.
  4. Otros patrones, como la tendencia o el ciclo de vida del producto, también tienen impacto en las series de tiempo, introduciendo varios tipos de desviaciones en el cálculo.

Un método simple —aunque requiere de mucho personal— para abordar estos problemas consiste en crear en forma manual perfiles de estacionalidad a partir de agregados de productos de los que se sabe que tienen igual comportamiento estacional. La vida útil del agregado de producto es generalmente más larga que la vida útil de los productos individuales, lo que elimina esos problemas de cálculo.

La solución de Lokad

En nuestra experiencia, la estacionalidad afecta la gran mayoría de las actividades humanas. En particular, en series de tiempo que representan ventas de bienes de consumo (comestibles o no), donde el factor estacional está siempre presente. Sin embargo, con frecuencia sucede que, debido a la cantidad de ruido del mercado, la calidad del cálculo de los índices estacionales termina siendo demasiado baja para ser utilizada para refinar los pronósticos.

La tecnología de pronóstico de Lokad elabora en forma nativa tanto la estacionalidad como la cuasi-estacionalidad, de modo que usted no necesita señalárselas a Lokad, la tecnología se encarga de todo.

Para solucionar los problemas que genera la información limitada en términos históricos disponible para la mayoría de las series de tiempo en el comercio minorista o en la fabricación, Lokad utiliza análisis de series de tiempo múltiples y la estacionalidad se evalúa no en un producto individual, sino observando muchos productos. Al hacer esto, reducimos el ruido en nuestros cálculos de estacionalidad, pero también introducimos la estacionalidad en los pronósticos, incluso cuando los productos hayan sido vendidos durante menos de un año.

Pronósticos de ventas avanzados con su aplicación web Salescast. Lokad se especializa en la optimización de inventario a través del pronóstico de la demanda. La gestión de la estacionalidad —y mucho más— son funciones nativas de Salescast.