Un pronóstico es una manipulación de resultados que prevé resultados futuros a partir de los patrones detectados en los datos.
El pronóstico utiliza valores de los campos de fecha con al menos dos ciclos de datos. Un ciclo de datos es un periodo dividido en diferentes valores. Por ejemplo, un año se divide en meses o semanas. En el modo automático, se necesitan dos años para crear un pronóstico, ya que cada año se reconoce como un ciclo.
En este artículo, se tratan los siguientes temas:
Principios básicos de los pronósticos
Utilice este procedimiento para aprender a agregar un pronóstico a un informe.
Para agregar un pronóstico a un informe
- En el generador de informes, cree un informe temporal. Por ejemplo, podría agregar COUNT(Tickets) al panel Métricas y Ticket creado - Año al panel Columnas.
- Haga clic en el icono Manipulación de resultados () y haga clic en Pronóstico.
- En el menú Pronóstico, marque Calcular un pronóstico en el resultado
Se muestran las opciones para configurar el pronóstico.
- Ruta determina si el pronóstico se basa en las columnas o las filas del gráfico. Cualquiera que sea la opción elegida, deberá contener un atributo que dependa del tiempo. La ruta siempre contiene el atributo dependiente del tiempo para su pronóstico.
- Bajo Método, elija Tendencia aditiva y temporada multiplicativa o Tendencia aditiva y temporada aditiva.
Si desea más información sobre los métodos de pronóstico que puede usar, consulte Cómo funciona el pronóstico más abajo.
- Bajo Valores para predecir, elija uno de los siguientes:
- Automático: deje que Explore calcule automáticamente el número óptimo de valores para hacer la predicción.
- Personalizado: especifique el número de valores para predecir. Por ejemplo, si su atributo se basa en años, especificaría el número de años para incluir en su predicción.
- Bajo Valores por ciclo, puede configurar el número de puntos de datos que puede incluir en cada ciclo, (por ejemplo, 6 valores por ciclo para 12 meses de datos). Si selecciona Automático, Explore se encarga de calcular el número óptimo de valores que utilizará.
- Cuando termine, haga clic en Aplicar.
- En el menú de visualización (), elija entre barra, columna, área, línea o minigráfico. Los resultados de pronóstico no se muestran en otros tipos de gráficos.
La parte del pronóstico del gráfico se muestra en un estilo diferente. Por ejemplo, la parte de pronóstico de un gráfico de línea se muestra como una línea punteada:
Por ejemplo, si un informe contiene el atributo Ticket creado - Mes y ha estado recopilando datos por más de un año, los valores en este campo son agregados y verá el mensaje de error. Al agregarse el atributo Ticket creado - Año, el error queda subsanado.
Cómo funcionan los pronósticos (avanzado)
El método empleado por Explore se basa en el modelo Holt-Winters que consiste en un suavizamiento exponencial triple que se basa en el nivel, la tendencia y la temporada de una serie temporal.
Explore se vale de dos submodelos que reflejan la mayoría de los casos de uso, además de que toma en cuenta los cambios estacionales.
El método AA
El modelo AA (tendencia aditiva y temporada aditiva) es el que se usa de manera predeterminada porque es el más usado y produce los resultados más realistas.
Los valores iniciales se procesan con la siguiente fórmula:
Luego se puede aplicar el modelo AA Holt-Winters:
El método AM
El modelo AM (tendencia aditiva y temporada multiplicativa) es, en algunos casos, una tendencia que depende del tiempo.
Los valores iniciales se procesan con la siguiente fórmula:
Luego se puede aplicar el modelo AM Holt-Winters:
Periodos por ciclo
En los cálculos también usamos el valor “Periodos por ciclo”. Este se usa para determinar la duración de una temporada, algo que se necesita para procesar los índices de temporada En las fórmulas anteriores, este valor está representado por “h”.
Parámetros de suavizamiento
También se tienen que definir otros tres parámetros antes de procesar el pronóstico. Se trata de los parámetros de suavizamiento llamados “α” para el nivel, “β” para la tendencia y, por último, “γ” para la estacionalidad. En breve, corresponden al ratio de la importancia que se le da a los primeros y últimos valores de la serie temporal e influyen en los resultados de cada periodo. Este es un ejemplo:
“Los valores estimados de alfa, beta y gamma son de 0,41, 0,00 y 0,96, respectivamente. El valor de alfa es relativamente bajo (0,41), lo que indica que el estimado del nivel en el punto de tiempo actual se basa en observaciones hechas recientemente y observaciones hechas en un pasado más distante. El valor de beta es 0,00, lo que indica que el estimado de la pendiente b del componente de tendencias no se actualiza a lo largo de la serie temporal, y en su lugar se establece como igual a su valor inicial. Este hecho cobra sentido desde un punto de vista intuitivo ya que el nivel cambia mucho a lo largo de la serie temporal, pero la pendiente b del componente de tendencia permanece prácticamente invariable. En contraste, el valor de gamma (0,96) es alto, lo que indica que el estimado del componente estacional en el punto de tiempo actual se basa exclusivamente en observaciones muy recientes”.
En relación a los tres parámetros de optimización, no existe un algoritmo oficial que se encargue de buscar los mejores. Esto se convierte en un problema NP-completo, donde el problema de optimización consiste en reducir al mínimo el error de la media cuadrática de los resultados pronosticados, con 0≤α≤1, 0≤β≤1, 0≤γ≤1.
Así las cosas, Explore utiliza su propio algoritmo para buscar en un tiempo lineal los tres mejores parámetros, con una precisión de 0,01.