La estacionalidad es uno de los patrones estadísticos más fuertes que se pueden aprovechar para perfeccionar forecast. A continuación, 4 series de tiempo agregadas a nivel semanal (159 semanas). Los datos históricos están en rojo y los forecast están en morado. Los marcadores grises verticales indican el 1 de enero.

Al ilustrar la estacionalidad, todos (incluido Lokad) tienden a usar series de tiempo largas, tal como las tres primeras series arriba. De hecho, son más visuales y más atractivas.

Sin embargo, las series de tiempo largas no representan tu situación típica. En promedio, los bienes de consumo tienen una vida útil de no más de 3 o 4 años. Así, las series de tiempo largas son, por lo general, una pequeña minoría en tu conjunto de datos. Peor aún, esas series de tiempo largas podrían ser valores atípicos, que no reflejan el comportamiento de otros productos de corta duración.

Arriba, la cuarta serie de tiempo corta es un caso mucho más representativo con menos de 1 año de datos. En tal situación, sin embargo, es mucho menos claro cómo se puede aprovechar la estacionalidad. El truco de Lokad para hacerlo consiste en utilizar análisis de series de tiempo múltiples.

Aprende más en nuestro artículo definición de estacionalidad