Please enable JavaScript.
Coggle requires JavaScript to display documents.
Forecasting - Coggle Diagram
Forecasting
Identificar los pronósticos más útiles para la empresa y seguir pasos básicos independientemente del método a utilizar:
2.Obtener datos que vayan de acuerdo a la métrica
3.Calcular estadística básica y hacer gráficos para analizar tendencias
1.Definir la métrica a pronosticarse
4.Hacer pronósticos preliminares para ver si algún método es especialmente revelador
5.Elegir un método para pronosticar y completar el pronostico
6.Después de un corto tiempo comparar el pronóstico con los valores actuales
7.Evaluar la utilidad del pronostico
Ideas importantes
Pronosticar facilita la planificación pues es clave para el éxito
Prepararse para los cambios en el entorno
Buscar en el futuro las causas de lo pasado
Todos los pronósticos son inciertos en alguna medida que es posible conocerla
Pronósticos son sobre predecir el futuro en base a lo que ha ocurrido en el pasado
Algunas formas de reducir la incertidumbre:
-Obtener más datos
-Si es posible, hacer pronósticos agregados
-Actualizar pronósticos previos
Pronósticos basados en juicios de valor
Pronósticos de juicios se basan en la intuición subjetiva de una persona o de un grupo
Requieren información cualitativa y/o cuantitativa, pero se consideran de juicios porque se basan en creencias individuales
Estos pronósticos deben ser metódicos
Los métodos para desarrollar estos pronósticos deben incluir lo siguiente:
-Reconocimiento explícito de quien contribuyó al pronostico
-Reconocimiento explícito de la información utilizada
-Análisis retrospectivo de la precisión del pronóstico para el propósito de mejorar pronósticos futuros
Además, muchos también incluyen:
-Encuestas a clientes
-Opinión de un experto
-Jurado de opinión ejecutiva basada en discusión
-Conjunto de opiniones de expertos
-Consenso de fuerza de ventas
-Delphi, un proceso formal e iterativo para generar pronósticos de un grupo de expertos
Sesgos comunes
-Conservadurismo
-Disponibilidad
-Inconsistencia
-Correlaciones ilusorias
-Efectos de regresión
-Optimismo irrealista
-Infraestimación de la incertidumbre
-Percepción selectiva
Variación
De los cambios se derivan hipótesis para los pronósticos de los cambios en variables
Muchas veces la variación que no se puede explicar cómo error o aleatoriedad
Explicados se refiere encontrar la causa de los cambios
Se trata de separar las señales (variación explicada) del ruido (variación inexplicada)
Cambios en los conjuntos de datos que pueden ser explicados o no explicados
Estadística básica
La media de un conjunto de datos
Es el valor promedio de los mismos
La varianza
Es una medida de la variación de los datos
La desviación estándar
Es la raíz cuadrada de la varianza y también se usa como medida de la variación de los datos
La covarianza entre dos variables
Es la medida de hasta qué punto cambian juntas
El coeficiente de correlación (r)
Es un término sin dimensión basado en la covarianza para indicar la relación entre dos variables
Pronosticando usando hipótesis causales
Regresión lineal simple
Se asume que la relación entre dos variables es linear donde la variable Y depende de la variable X cuyos valores son explicativos
Para comparar hipótesis se analiza el coeficiente de determinación (R2) para ver que tan bien la línea recta se ajusta a los datos.
Se interpreta como la proporción de la variación en Y que puede explicarse con el modelo de regresión
Regresión lineal múltiple
Es una expansión de la regresión lineal simple y es un método poderoso para pronosticar
Se usan múltiples variables explicativas, cada una con su coeficiente de regresión
Asi como R mide que tanta variación puede atribuirse a una variable, el F-test da una significación general del modelo entero
Valores más altos indican mayor significancia para la regresión donde F es la división de la varianza explicada por el modelo de regresión sobre la varianza que no es explicada por el modelo de regresión
Pronósticos basados en análisis cuantitativos
Empiezan con datos objetivos y son derivados de análisis matemáticos y estadísticos
Clases de los datos
La elección de los métodos para pronosticar depende de la naturaleza de los datos:
Datos transversales
Es un conjunto de datos para multiples temas que concuerdan en un punto
Datos longitudinales
También llamado panel de datos incluye datos transversales y datos de series temporales
Datos de series temporales
Es una secuencia de datos de una variable medida en un periodo de tiempo
Análisis de series temporales
Métodos de promedio
Promedios simples
Promedios movibles (medias móviles):
Muestran datos históricos en el tiempo asumiendo que para pronosticar la media de los datos es un buen estimador de una tendencia central alrededor de la variación
Estimación de tendencias
Este método dibuja una línea recta a través de los datos donde la pendiente revela una tendencia hacia arriba o hacia abajo donde la ecuación sería x=a+mt
Análisis de tendencias es un caso de la regresión lineal simple donde una de las variables es el tiempo
Métodos de suavizado de alto orden
Descomposición de series temporales asume que los datos pueden separarse en tres componentes usualmente:
-Tendencia (t)
Captura un aumento o decrecimiento constante
-Estacional (s)
Captura periodicidad en los datos
-Cíclico (c)
Captura tendencias irregulares
-Error (e)
Captura variación no explicada
Autocorrelación
Mide la correlación de una variable consigo misma pero en un tiempo diferente
Medias móviles integradas autoregresivas (ARIMA)
Es un modelo que utiliza autorregresión (AR), integración (I) y medias móviles (MA) para mejorar la precisión de los pronósticos