Preguntas frecuentes sobre tecnología de pronósticos

Preguntas frecuentes sobre Tecnología de pronósticos


Tecnología de pronósticos » Aquí

Esta página presenta las preguntas frecuentes sobre nuestra tecnología de pronósticos clásicos. En la práctica, los pronósticos clásicos han sido superados ampliamente tanto los pronósticos cuantílicos como por las grillas de cuantiles. Las grillas de cuantiles, introducidas en marzo de 2013, son la mejor tecnología de pronóstico ofrecida por Lokad. Cuando se trata del inventario, le recomendamos que elija las grillas de cuantiles para obtener los mejores resultados.


Conceptos básicos



Una introducción accesible, en vídeo



¿Qué modelos de pronóstico utilizan?

Responder a esta pregunta es un poco complicado por dos razones: en primer lugar, nuestra tecnología de pronóstico es una valiosa propiedad intelectual que no estamos dispuestos a divulgar en detalle; en segundo lugar, nuestra tecnología es compleja y viene con muchos modelos. Habiendo dicho esto, Lokad aprovecha un teoría muy conocida llamada la teoría del aprendizaje estadístico. Esta teoría combina los métodos de pronóstico más modernos, como el método regresión de vector soporte, redes bayesianas, métodos de mezcla o de boosting, y métodos metaheurísticos o algoritmos genéticos... Y no descartamos los métodos clásicos: de autorregresión lineal, de media móvil, de alisado exponencial (doble, triple), de Box-Jenkins, de Holt-Winters, ARMA, ARIMA. No obstante, los clásicos son generalmente poco eficaces cuando se trata de aprovechar correlaciones entre series de tiempo.

¿Cuán precisos son sus pronósticos?

La exactitud de los pronósticos depende mayormente del set de datos específico que se tome en consideración. Nos hemos encontrado en situaciones en las que un error del 0,5 % era considerado pobre, como en el caso de pronósticos por hora del consumo de electricidad a nivel nacional 24 horas por adelantado; y otras situaciones en las que un error del 80 % era considerado excelente, como en el caso de una operación promocional excepcional realizada durante el lanzamiento de un producto. La precisión depende ampliamente del horizonte: cuanto más por adelantado se pronostique, menos exactos serán los pronósticos; pero la precisión también depende en gran medida del nivel de agregación: cuanto más agregados sean los pronósticos, más exactos serán.

Competiciones de pronóstico, ¿Lokad cuenta con validación académica para su tecnología?

Existen muchísimas competencias de data mining (extracción de datos) que se realizan cada año. En Lokad, generalmente estamos atentos a esos eventos, y evaluamos nuestra tecnología de pronósticos en modo comparativo con los sets de datos de la competencia cuando los datos son relevantes para Lokad (sólo procesamos series de tiempo, no imágenes ni perfiles de cliente, por ejemplo). No obstante, hasta hoy, no hemos observado aún ninguna competencia de data mining pública significativamente representativa de los desafíos que enfrentamos a diario. En primer lugar, los sets de datos académicos tienden a ser pequeños —menos de unos pocos cientos de series temporales— con series de tiempo largas (cientos de puntos de datos por serie temporal). Esto es prácticamente lo opuesto de lo que típicamente observamos en la distribución: miles, si no millones de series de tiempo, pero series muy cortas debido a que los productos tiene un ciclo de vida breve. Dicho esto, Lokad generalmente tiene un buen desempeño en estas competencias, y muy bueno si se tiene en cuenta que, con Lokad, los resultados se obtienen listos para usar, sin que se necesiten conocimientos específicos para producir los resultados.

¿Evalúan la exactitud de sus pronósticos?

Así es. Las mediciones cuantitativas precisas de la exactitud de los pronósticos lograda con nuestra tecnología de pronósticos representan alrededor de la mitad de nuestra tecnología principal. Sin entrar demasiado en detalles, podemos decir que es un gran desafío no sólo producir modelos que realmente se ajusten a sus datos, sino que estos modelos sean realmente efectivos para los datos con los que usted no cuenta, es decir, los datos futuros. Vea también Sobreajuste: cuando la medición de la exactitud falla. La tarea diaria típica del equipo de I+D de Lokad consiste en pasar una y otra vez los sets de datos de nuestros clientes por nuestro motor de pronósticos, midiendo los errores de pronóstico e intentando reducirlos. Además, un aspecto notable de nuestra tecnología es que usted no recibe sólo pronósticos, sino también la exactitud esperada de cada valor pronosticado, expresada en error MAPE (error absoluto medio relativo). Así, no tiene que esperar para descubrir al final del proceso que un pronóstico era en realidad muy poco fiable: Lokad le da la información por adelantado para que usted pueda, de consecuencia, ajustar su estrategia.

¿Qué cantidad de datos históricos se necesita?

No existe una cantidad mínima requerida de datos históricos. Habiendo dicho esto, Lokad ofrece una tecnología estadística, por lo que cuantos más datos históricos haya disponibles, más precisos serán los pronósticos. En la práctica, 2 años de datos históricos se consideran un buen punto de partida, y 3 años o más se consideran una excelente base. Si usted cuenta con menos de 1 año de datos históricos, Lokad no podrá refinar los pronósticos a través de la estacionalidad, que es un patrón muy importante para muchas actividades comerciales. Por otro lado, para aprovechar la estacionalidad, Lokad no necesita más de 1 año de historial de cada serie de tiempo (es decir, de ventas de producto), sólo necesitamos contar con algunas series de tiempo que tengan más de 1 año para establecer los perfiles de estacionalidad presentes en su actividad comercial. Para los nuevos emprendimientos y los negocios emergentes, Lokad puede ser utilizado desde el principio. De hecho, podemos entregar no solo pronósticos sino también la precisión de pronóstico esperada. Así, los primeros pronósticos generalmente presentan niveles de error bastante elevados pero gradualmente mejoran con el tiempo. Además, Lokad le ofrece también un modo para cuantificar la inexactitud.

Patrones generales

¿Cómo se procesan las macrotendencias (ej. crisis financieras)?

Creemos que existen dos malentendidos típicos con respecto a las macrotendencias: En primer lugar, las macrotendencias sólo pueden ser aprovechadas para refinar los pronósticos de demanda si esas macrotendencias mismas pueden ser pronosticadas en forma precisa. Si los bancos hubieran podido pronosticar la crisis financiera, entonces nunca hubiera habido una crisis. Pronosticar macrotendencias es generalmente mucho más difícil que pronosticar la demanda para su producto promedio, por lo que resulta con frecuencia una opción inabordable. En segundo lugar, una recesión anual de -3 % al año es considerada una macrotendencia importante pero, en la práctica, se traduce en un impacto de -0,6 % a nivel semanal. Con esto podemos comparar que nosotros observamos regularmente una variación en las ventas de productos del 20 % de una semana a otra. Lokad es la mejor opción para pronósticos a corto plazo y, viendo algunas semanas por adelantado, las macrotendencias generalmente se ven eclipsadas por los factores microeconómicos como las promociones, la canibalización, las campañas publicitarias, etc. En conclusión, Lokad generalmente ignora las macrotendencias pero, en nuestra experiencia, esta es la única opción razonable para el 99 % de las situaciones.

¿Cómo se procesan la estacionalidad y la tendencia?

En Lokad detectamos automáticamente patrones en base al calendario. No necesita decirle a Lokad que el producto es estacional, ya que la estacionalidad es uno de los patrones frecuentes que nuestra tecnología de pronósticos aborda en forma nativa. De hecho, la estacionalidad es mucho más compleja de lo que muchos creen. Desde nuestra perspectiva, no existe una única estacionalidad, sino muchos patrones cíclicos que interactúan en múltiples maneras. Existen la estacionalidad anual; el efecto del día de la semana; el efecto de pagos a nivel mensual; la estacionalidad cuasi-anual, tales como la celebración del Día de la Madre el segundo domingo de mayo en Estados Unidos; etc. Además, cuando se consideran los pronósticos de ventas en el punto de venta (POS), los patrones cíclicos de los productos se combinan con los patrones cíclicos del POS mismo. De hecho, cada POS tiene un ambiente más o menos único que genera sus propios patrones de demanda. Así, la estacionalidad implica sólo proporcionar algún tipo de aviso SÍ/NO, sino que es un grupo de patrones interdependientes más bien complejo. La buena noticia es que Lokad se encarga de esta complejidad por usted.

¿Y qué hay de eventos como Pascua, Ramadán, Día de la Madre y otros eventos cuasi estacionales?

Algunos patrones de calendario son, en la jerga de Lokad, cuasi estacionales: patrones que se repiten de un año a otro, pero que no son estrictamente anuales en el sentido del calendario gregoriano (también conocido como el calendario occidental o cristiano). La Pascua, el Ramadán, el Año Nuevo chino, el Día de la Madre son varios ejemplos de patrones cuasi-estacionales. Lokad detecta automáticamente patrones cuasi estacionales, de modo que no necesitará dedicar esfuerzos específicos a gestionar estos patrones. Luego, en un modo muy similar al de la estacionalidad clásica, Lokad se vale principalmente del análisis de series de tiempo múltiples para detectar series de tiempo que poseen patrones cuasi estacionales similares para refinar el análisis de patrones.

¿Cómo se procesan los ciclos de vida y los lanzamientos de los productos?

La mayoría de los bienes de consumo atraviesa un ciclo de vida. Los productos se lanzan, maduran, entran en declive y finalmente desaparecen del mercado. Lokad puede pronosticar las ventas al momento del lanzamiento, si se proporciona una fecha de lanzamiento. Por supuesto, cuando un producto está por ser lanzado, no existen datos de ventas disponibles para este producto particular que puedan servir de base para el pronóstico. Aún así, al contrario de los kits de herramientas de pronóstico clásicos, Lokad no se limita sólo al pronóstico de series de tiempo clásico. En particular, los productos pueden ser descritos mediante etiquetas, donde una etiqueta puede representar casi cualquier propiedad del producto: categoría, subcategoría, familia, marca, color, tamaño, etc. Para poder pronosticar las ventas de un producto que se va a lanzar, Lokad analiza los lanzamientos históricos de productos similares, y evalúa las similitudes en base a las etiquetas proporcionadas por cada producto. Aplicamos el mismo principio para otros patrones de ciclo de vida.

¿Cómo se procesan los volúmenes intermitentes/bajos de los productos?

Si usted tiene un producto que se vende una vez al año, entonces hay poco que se puede hacer en el campo del pronóstico estadístico. En la práctica, es más bien una elección de marketing tener 1 unidad en almacén o cero. Sin embargo, entre este caso de producto de rotación extremadamente baja y sus productos más vendidos existe una vasta área gris de productos que se venden con poca frecuencia pero aún así con la frecuencia suficiente como para necesitar una optimización del inventario. Los kits de herramientas de pronóstico más clásicos tienen un desempeño bastante pobre en lo que se refiere a las ventas intermitentes. En Lokad, nos hemos esforzado en este patrón de demanda porque muchos negocios, como el eCommerce, se valen en gran medida del largo plazo para alcanzar la rentabilidad. Aún así, los productos de movimiento lento, a menos que sean gestionados muy cuidadosamente, pueden generar más inventario que los de mayor venta. Para poder procesar los productos de baja rotación, le sugerimos que opte por los pronósticos cuantílicos.

¿Cómo se procesa el clima?

En algunos negocios, como las tiendas de comestibles, el clima es un factor de demanda muy importante. Hasta hoy, Lokad no toma pronósticos del clima como datos de entrada en nuestra tecnología de pronósticos. Aún así, este punto es parte de nuestra hoja de ruta de mitad de trimestre. Nuestro objetivo es no sólo admitir datos de entrada del clima, sino automatizar en gran parte el proceso, de modo que básicamente requiera un esfuerzo casi nulo por parte de nuestros clientes para obtener el beneficio resultante de la exactitud adicional.

Irregularidades de la demanda

¿Cómo se procesan las ventas perdidas causadas por falta de existencias?

Las ventas no equivalen a la demanda. Una falta de existencias es una irregularidad que desvirtúa las ventas, alejándolas de la demanda original. De hecho, una falta de existencias causa una baja en las ventas mientras que la demanda se mantiene constante. Al contrario de los kits de herramientas de pronósticos clásicos, con Lokad usted no necesita alterar ni retocar sus datos históricos para intentar expresar las ventas que hubiera habido si no hubiera existido una falta de existencias. Los eventos pueden utilizarse para indicar el momento en el que se verificó la falta de existencias. Esta información se utiliza para estimar en forma más precisa todos los patrones que, de otro modo, se hubieran visto afectados (estacionalidad, tendencia, etc.). Si la falta de existencias no se señala como tal mediante eventos, Lokad filtra esos patrones como ruido. Tener un registro de las faltas de existencias es algo útil, pero no necesariamente un requisito para comenzar a utilizar Lokad.

¿Cómo se procesan las ventas excepcionales?

De acuerdo con el sector, su negocio puede tener ventas excepcionales. Debido a que estas ventas son excepcionales en términos de dimensiones, en general también se distinguen con bastante facilidad con un abordaje puramente estadístico. Así, sugerimos que no retoque sus datos históricos para borrar esas ventas excepcionales. En primera lugar, probablemente sea una pérdida de tiempo; en segundo lugar, las ventas excepcionales en sí mismas pueden incluir información importante que ayude a pronosticar la demanda. Lokad no puede pronosticar ventas excepcionales futuras individuales que, por ejemplo, pueden depender del resultado de una negociación. Si existen ventas excepcionales conocidas para el futuro, le sugerimos que modifique manualmente los pronósticos de Lokad con la información adicional.

Agregación: ¿descendente (top-down) o ascendente (bottom-up)?

Algunas compañías pronostican la demanda a nivel de grupos o familias y luego dividen esos pronósticos para llegar a los productos individuales. Este es un método de pronóstico de producto descendente (top-down). TLa misma idea se puede aplicar a la frecuencia de los pronósticos: algunas compañías realizan pronósticos primero a nivel semanal, y luego aplican coeficientes de día de la semana. Este es el caso de un método de pronóstico de frecuencia descendente (top-down). Al contrario, los pronósticos semanales pueden ser el resultado de la suma de los pronósticos diarios. En Lokad, le sugerimos ajustar sus pronósticos para que correspondan lo más cercanamente posible con sus necesidades operativas: si una cadena de suministro necesita pronósticos semanales para cada producto, entonces solicite a Lokad pronósticos semanales para cada producto. Solicitar pronósticos diarios y luego combinarlos no mejorará su exactitud. Siguiendo la misma idea, dejar que Lokad pronostique las ventas a nivel de grupo del producto y luego dividir los pronósticos manualmente para cada SKU probablemente no sea la mejor idea, ya que es probable que se genere un error significativo en el pronóstico como resultado de la división. Internamente, Lokad se vale de muchos algoritmos de agregación/desagregación, y generalmente preferimos aprovechar los datos más refinados disponibles. Por ejemplo, aprovechamos los datos de ventas diarias para entregar pronósticos mensuales. De hecho, un mes puede incluir 4 o 5 fines de semana, que impactan significativamente en la mayoría de los comercios. Como siempre, usted no tiene que preocuparse por el nivel de agregación: Lokad procesa sus necesidades.