Pronósticos de Series de Tiempo Clásicas (2008)
Detalles y pormenores
¿Qué modelos de pronóstico están utilizando?
Responder a esta pregunta es complicado por dos razones: primero, nuestra tecnología de pronóstico es un activo de propiedad intelectual (IP) central que no estamos dispuestos a revelar en detalle; segundo, nuestra tecnología es compleja y viene con muchos modelos. Dicho esto, Lokad está aprovechando una teoría bien conocida llamada teoría del aprendizaje estadístico. Esta teoría abarca la mayoría de los métodos modernos de pronóstico como la Regresión de Vectores de Soporte, Redes Bayesianas, métodos de mezcla o impulso y metaheurísticas incluyendo redes neuronales o algoritmos genéticos… Luego, tampoco descartamos los viejos clásicos: autoregresión lineal, media móvil, suavizado exponencial (doble, triple), Box-Jenkins, Holt-Winters, ARMA, ARIMA. Sin embargo, estos clásicos suelen ser muy débiles cuando se trata de aprovechar las correlaciones entre las series de tiempo.
¿Qué tan precisos son sus pronósticos?
La precisión del forecast es extremadamente dependiente del conjunto de datos muy específico que se está considerando. Hemos encontrado situaciones en las que se consideraba pobre un error del 0.5% (como un pronóstico horario del consumo de electricidad a nivel nacional 24 horas antes), y otras situaciones en las que se consideraba excelente un error del 80% (como una operación promocional única en su tipo realizada durante el lanzamiento de un producto). La precisión depende en gran medida del horizonte - cuanto más adelante los pronósticos, menos precisos son los pronósticos -, pero la precisión también depende en gran medida del nivel de agregación - cuanto más agregados los pronósticos, más precisos son los pronósticos.
Competencias de pronóstico, ¿tienen alguna validación académica de su tecnología?
Hay muchas competencias de minería de datos que se llevan a cabo cada año. En Lokad, normalmente mantenemos un ojo en estos eventos, y rutinariamente comparamos nuestra tecnología de pronóstico con los conjuntos de datos de estas competencias cuando los datos son relevantes para Lokad (sólo procesamos series de tiempo, no imágenes o perfiles de clientes, por ejemplo). Aunque, hasta hoy, aún no hemos observado ninguna competencia pública de minería de datos que creemos que sea profundamente representativa de los desafíos que enfrentamos a diario. En primer lugar, los conjuntos de datos académicos tienden a ser pequeños - menos de unas pocas centenas de series de tiempo - con series de tiempo largas - cientos de puntos de datos por serie de tiempo. Esto es casi lo opuesto a lo que normalmente observamos en el comercio minorista: miles si no millones de series de tiempo, pero series muy cortas porque los productos tienen una vida corta. Dicho esto, Lokad normalmente se desempeña bien en estas competencias, y muy bien si se tiene en cuenta que, con Lokad, los resultados se obtienen de manera automática, no se requiere experiencia para producir los resultados.
¿Evalúan la precisión de sus pronósticos?
Sí, lo hacemos. Las mediciones cuantitativas precisas de la precisión del forecast lograda con nuestra tecnología de pronóstico representan aproximadamente la mitad de nuestra tecnología central. Sin entrar demasiado en detalles, digamos que es un gran desafío, no sólo producir modelos que realmente se ajusten a sus datos, sino que resulten ser realmente buenos en los datos que aún no tiene, es decir, datos futuros. Vea también Sobreajuste: cuando la medida de precisión falla. La tarea diaria típica del equipo de I+D de Lokad consiste en ejecutar una y otra vez nuestro motor de pronóstico sobre los conjuntos de datos de los clientes, medir los errores de pronóstico e intentar reducirlos. Luego, un aspecto notable de nuestra tecnología es que no sólo obtienes pronósticos, sino que también, para cada valor pronosticado, obtienes la precisión esperada de este valor, expresada como un error MAPE. Por lo tanto, no tienes que esperar para finalmente descubrir que un pronóstico era poco fiable, Lokad te da la información por adelantado para que ajustes tu estrategia en consecuencia.
¿Cuántos datos históricos necesitan?
No hay un requisito mínimo para la cantidad de datos históricos. Dicho esto, Lokad ofrece una tecnología estadística, por lo tanto, cuanto más datos históricos, más precisos serán los pronósticos. En la práctica, se considera bueno tener 2 años de datos históricos, y 3 años o más se considera excelente. Si tienes menos de 1 año de datos históricos, entonces Lokad no podrá refinar los pronósticos a través de la estacionalidad que es un patrón importante para muchos negocios. Además, para aprovechar la estacionalidad, Lokad no necesita más de 1 año en cada serie de tiempo individual (es decir, ventas de productos), solo necesitamos tener un par de series de tiempo con más de 1 año de historia para establecer los perfiles de estacionalidad que existen en tu negocio. Para las startups y los negocios emergentes, Lokad puede ser utilizado desde el principio. De hecho, no solo entregamos pronósticos sino también la precisión esperada del pronóstico. Por lo tanto, los primeros pronósticos suelen tener niveles de error muy altos y mejoran gradualmente con el tiempo. Lokad te ofrece una forma de cuantificar la incertidumbre también.
Patrones generales
Tendencias macro (ej: crisis financiera), ¿cómo se manejan?
Creemos que hay dos malentendidos típicos sobre las tendencias macro. Primero, las tendencias macro solo pueden ser aprovechadas para refinar los pronósticos de demanda si esas tendencias macro pueden ser pronosticadas con precisión. Si los bancos hubieran podido pronosticar la crisis financiera, no habría habido una crisis en primer lugar. Pronosticar las tendencias macro es típicamente mucho más difícil que pronosticar la demanda de tu producto promedio, por lo que frecuentemente es una opción bastante inmanejable. Segundo, una recesión del -3% / año se considera una gran tendencia macro, pero en la práctica significa un impacto del -0.06% a nivel semanal. En comparación, observamos rutinariamente ventas de productos que varían un 20% de una semana a la siguiente. Lokad es más adecuado para pronósticos a corto plazo, y mirando unas pocas semanas por delante, las tendencias macro son típicamente eclipsadas por factores microeconómicos como promociones, canibalización, campañas publicitarias, … En conclusión, Lokad típicamente ignora la mayoría de las tendencias macro, pero en nuestra experiencia, es la única opción razonable para el 99% de las situaciones.
Estacionalidad, tendencia, ¿cómo se manejan?
Detectamos automáticamente los patrones basados en el calendario. No necesitas decirle a Lokad que un producto es estacional, la estacionalidad es un patrón frecuente que nuestra tecnología de pronóstico aborda de forma nativa. De hecho, la estacionalidad es mucho más compleja de lo que la mayoría de las personas esperan. En nuestros ojos, no hay una estacionalidad sino muchos patrones cíclicos que interactúan de múltiples formas. Está la estacionalidad anual, el efecto del día de la semana, el efecto del cheque de pago a nivel mensual, la estacionalidad casi anual como el día de la madre celebrado el segundo domingo de mayo en los Estados Unidos, … Además, cuando se consideran los pronósticos de ventas a nivel del Punto de Venta, entonces los patrones cíclicos de los productos se combinan con los patrones cíclicos del propio Punto de Venta. De hecho, cada Punto de Venta tiene un entorno más o menos único que genera sus propios patrones de demanda. Por lo tanto, la estacionalidad no se trata solo de proporcionar alguna bandera de SÍ/NO, es un conjunto bastante complejo de patrones interdependientes. La buena noticia es que Lokad maneja esta complejidad por ti.
¿Pascua, Ramadán, Día de la Madre y otros eventos cuasi-estacionales?
Algunos patrones de calendario son, en la jerga de Lokad, cuasi-estacionales: los patrones se repiten de un año a otro, pero no son estrictamente anuales en el sentido del calendario gregoriano (también conocido como el calendario occidental o cristiano). Pascua, Ramadán, Año Nuevo Chino, Día de la Madre son tantos ejemplos de patrones cuasi-estacionales. Lokad detecta automáticamente los patrones cuasi-estacionales, por lo que no necesitas dedicar ningún esfuerzo específico para manejar estos patrones. Luego, de una manera muy similar a la estacionalidad clásica, Lokad se basa principalmente en el análisis de múltiples series de tiempo para detectar series de tiempo que tienen patrones cuasi-estacionales similares con el fin de refinar el análisis de patrones.
¿Cómo se manejan los Ciclos de Vida del Producto y los lanzamientos de productos?
La mayoría de los bienes de consumo pasan por un ciclo de vida. Los productos se lanzan, crecen, se marchitan y finalmente, se eliminan del mercado. Lokad puede pronosticar las ventas en el lanzamiento, considerando que se da la fecha de lanzamiento. Obviamente, cuando un producto está a punto de ser lanzado, no hay datos de ventas disponibles para este mismo producto para respaldar el pronóstico. Sin embargo, a diferencia de los kits de herramientas de pronóstico clásicos, Lokad no se trata solo de pronóstico de series de tiempo clásicas. En particular, los productos pueden describirse a través de etiquetas. Una etiqueta puede representar cualquier propiedad del producto: categoría, subcategoría, familia, marca, color, tamaño, … Para pronosticar las ventas de un producto que se está lanzando, Lokad analiza los lanzamientos históricos de productos similares, y las similitudes se evalúan en base a las etiquetas proporcionadas para cada producto. Aplicamos el mismo principio para otros patrones de ciclo de vida.
¿Cómo se manejan los productos intermitentes / de bajo volumen?
Si tienes un producto que se vende una vez al año, bueno, hay poco que se pueda hacer en lo que respecta al pronóstico estadístico. En la práctica, es más bien una elección de marketing tener 1 unidad en la tienda o cero. Sin embargo, entre este caso extremo de movimiento lento y tus productos más vendidos, hay toda una área gris de productos que se venden con poca frecuencia pero aún con suficiente frecuencia para requerir optimización de inventario. La mayoría de los kits de herramientas de pronóstico clásicos se comportan mal contra las ventas intermitentes. En Lokad, hemos hecho muchos esfuerzos en este patrón de demanda porque muchos negocios, como el ecommerce, dependen en gran medida de la cola larga para alcanzar la rentabilidad. Sin embargo, los productos de movimiento lento, a menos que se manejen con cuidado, pueden generar incluso más inventario que los productos más vendidos. Para lidiar con los productos de movimiento lento, sugerimos optar por el pronóstico probabilístico.
¿Cómo se maneja el clima?
En ciertos negocios, como las tiendas de comestibles, el clima es un factor de demanda muy importante. Hasta hoy, Lokad no está utilizando los pronósticos del clima como entrada en nuestra tecnología de pronóstico. Aunque, este ítem es parte de nuestra hoja de ruta a medio plazo. Nuestro objetivo no es solo admitir entradas de clima, sino automatizar en gran medida el proceso, de modo que básicamente requeriría un esfuerzo cercano a cero por parte de nuestros clientes para beneficiarse de la precisión adicional.
Artefactos de demanda
¿Cómo se manejan las ventas perdidas causadas por faltantes de stock?
Las ventas no equivalen a la demanda. Un faltante de stock es un artefacto que distorsiona las ventas alejándolas de la demanda original. De hecho, un faltante de stock causa que las ventas disminuyan mientras la demanda permanece constante. Contrariamente a los kits de herramientas de pronóstico clásicos, con Lokad, no necesitas alterar o ajustar tus datos históricos en un intento de expresar las ventas que habrían ocurrido si no se hubieran producido faltantes de stock. En su lugar, los eventos pueden usarse para indicar cuándo ocurrieron los faltantes de stock. La información de faltante de stock se utiliza para estimar con mayor precisión todos los patrones que se habrían visto afectados (estacionalidad, tendencia, …) de lo contrario. Si los faltantes de stock no se señalan como tales con eventos, Lokad filtra esos patrones como ruido. Mantener un registro de los faltantes de stock es bueno, pero no es un requisito para comenzar con Lokad.
Ventas excepcionales, ¿cómo se manejan?
Dependiendo de tu industria, tu negocio podría enfrentar ventas excepcionales. Dado que esas ventas son, bueno, excepcionales en tamaño, también suelen ser bastante fáciles de detectar con un enfoque puramente estadístico. Por lo tanto, sugerimos no ajustar tus datos históricos para limpiar esas ventas excepcionales. Primero, probablemente sea una pérdida de tiempo, segundo, las ventas excepcionales en sí mismas pueden contener información valiosa que ayuda a pronosticar la demanda. Luego, Lokad no puede pronosticar ventas excepcionales futuras individuales, que pueden depender del resultado de una negociación, por ejemplo. Si se conoce una venta excepcional futura, sugerimos anular manualmente los pronósticos de Lokad con la información adicional.
Agregación, ¿de arriba hacia abajo o de abajo hacia arriba?
Algunas empresas pronostican la demanda a nivel de grupos o familias y luego dividen esos pronósticos para llegar a productos individuales. Este es un método de pronóstico de productos de arriba hacia abajo. La misma idea se puede aplicar a la frecuencia de pronóstico: algunas empresas pronostican primero a nivel semanal, y luego aplican coeficientes de día de la semana. En este caso, este es un método de pronóstico de frecuencia de arriba hacia abajo. Al revés, los pronósticos semanales se pueden producir sumando pronósticos diarios. En Lokad, sugerimos ajustar tus pronósticos para que coincidan lo más posible con tus necesidades operativas: si la supply chain necesita pronósticos semanales para cada producto, entonces solicita pronósticos semanales para cada producto de Lokad. Solicitar pronósticos diarios y luego sumar esos pronósticos no mejorará tu precisión. Siguiendo la misma idea, dejar que Lokad pronostique las ventas a nivel de grupo de productos, y luego dividir manualmente los pronósticos para cada SKU es una mala idea, porque es probable que se introduzca un error de pronóstico significativo a través de la división en sí. Internamente, Lokad se basa en muchos algoritmos de agregación/desagregación, y normalmente nos gusta aprovechar los datos más detallados disponibles. Por ejemplo, utilizamos datos de ventas diarias para entregar pronósticos mensuales. De hecho, un mes puede venir con 4 o 5 fines de semana, lo que impacta significativamente a la mayoría de los negocios minoristas. Como siempre, no tienes que preocuparte por el nivel de agregación, Lokad maneja tus requisitos.