Descripción
En esencia, la práctica del forecast numérico consiste en utilizar un enfoque científico para definir una anticipación futura basada en datos históricos previos.
Cuando producimos o transportamos bienes, existen retrasos involucrados en cada proceso. Esto significa que lo que decidas hoy, en última instancia, refleja una condición anticipada sobre el futuro. Por ejemplo, cuando produces un producto, se espera que haya una demanda que coincida con esa producción.
Lo que todos los métodos de forecast tienen en común, desde la media móvil simple hasta modelos machine learning complejos y sofisticados, es el método de proyectar una tendencia del pasado al futuro. En otras palabras, si el futuro no es una continuación exacta del pasado, el forecast no puede detectarlo, por ejemplo, en un mercado cambiante como el auge del ecommerce. Dependiendo de su configuración, los modelos reaccionarán más rápido o más lento ante nuevos datos, pero esencialmente se basan en una observación del pasado: la accuracy of the forecast dependerá en gran medida de cuánto el pasado represente los eventos futuros.
