Como director financiero, siempre me enfrento al reto de equilibrar las decisiones a corto y largo plazo. Comprender las perspectivas a corto plazo me permite acelerar o frenar adecuadamente las inversiones a largo plazo sin comprometer los resultados a corto plazo.Demasiados ejecutivos adivinan la tendencia a corto plazo basándose en su instinto o experiencia, particularmente cuando existe un método muy simple de series de tiempo - apropiadamente llamado Análisis de Tendencia - para darnos una visión estadística del corto plazo. Aquí le mostramos cómo Minitab puede ayudarle a hacer pronósticos confiables a corto plazo en minutos (¡o menos!).
Análisis de tendencias: Su método a corto plazo para pronosticar
Para ser claros, existen muchos métodos estadísticos poderosos que se pueden utilizar para pronosticar. El análisis de tendencias se favorece en el corto plazo debido a su simplicidad y a la capacidad de configurar y ejecutar un modelo rápidamente. Otros métodos como ARIMA u otros métodos de aprendizaje automático son bastante poderosos, pero pueden tardar más tiempo en configurarse o ejecutarse.
Ver la tendencia e identificarla antes de pronosticar
Por muy sencillo que sea el análisis de tendencias, como la mayoría de los métodos estadísticos, requiere cierta reflexión. En este caso, la forma o la pendiente de la tendencia va a ser fundamental para el análisis. El trazado de los datos debería darle una pista visual sobre qué modelo de análisis de tendencias utilizar. Sin embargo, a veces, las formas pueden parecerse, por lo que tener un conocimiento más profundo de los escenarios típicos descritos por estos modelos le ayudará a decidir. Si todavía no está seguro, puede ejecutar cada modelo en su conjunto de datos y medir el ajuste del modelo utilizando medidas de precisión como MAPE, MAD y MSD. Medir el ajuste de cada modelo puede ser diligente, pero también puede llevar mucho tiempo.
Para visualizar su tendencia, utilice Minitab Statistical Software y vaya a nuestro popular Graph Builder y seleccione time series plot o vaya a Stat Menu/Time Series/Time Series Plot y grafique sus datos. Una vez que tenga su gráfica, es probable que su modelo se asemeje a uno de los tipos de modelo más comunes: Lineal, Cuadrático, Crecimiento Exponencial y Logístico S-Curve/Pearl-Reed.
A continuación se muestran ejemplos de gráficos de series temporales de los tipos de tendencias que se asocian con los diferentes tipos de modelos.
Comprensión de los modelos lineales: Los modelos lineales son líneas rectas (para los matemáticos, están representados por la ecuación Y = a + bX). En términos prácticos, los modelos lineales representan tendencias con tasas constantes o fijas. En la fabricación, esto podría ser una simple tasa de producción (es decir, cuánto produce una máquina por minuto).En términos de previsión de ventas, el modelo lineal se utiliza cuando se espera una tasa de crecimiento similar .
Modelos cuadráticos: ¿Una sonrisa o un ceño fruncido?
A diferencia de los modelos lineales, los modelos cuadráticos reflejan una tasa de cambio que no es constante. Los modelos cuadráticos pueden reflejar una tendencia de aceleración o desaceleración y, como resultado, pueden confundirse con un modelo exponencial (¡exactamente por eso también es tan importante entender los datos!). Un ejemplo común de fabricación cuadrática podría ser el modelado de la producción como una función de la mano de obra. En algún momento, añadir demasiados trabajadores o aumentar sus horas conduce a rendimientos decrecientes. Otro ejemplo común es el modelado de precios y beneficios. Mientras que el aumento de los precios aumenta los beneficios, con el tiempo, un precio más alto podría obstaculizar la demanda, perjudicando así la demanda y frenando el crecimiento incremental de los beneficios.
Crecimiento expon encial: Tanto si el crecimiento es ascendente, ascendente y descendente como si experimenta un decaimiento exponencial, este modelo significa que la tasa de cambio no sólo se acelera o desacelera (como los modelos cuadráticos), sino que la tasa cambia más rápidamente que los modelos cuadráticos. Este tipo de modelo puede utilizarse en diversas disciplinas. En finanzas, puede emplearse para modelizar el interés compuesto, mientras que en ciencia podría modelizar la propagación de una pandemia o la propagación de bacterias en un experimento. El crecimiento exponencial también puede observarse en el lanzamiento de un nuevo producto o fármaco, ya que la adopción se acelera con el conocimiento y la aceptación.
Como he dicho antes, en caso de duda, compare los modelos cuadrático y exponencial midiendo el ajuste mediante medidas de precisión como MAPE, MAD y MSD.
CurvaS/Logística Pearl-Reed: La curva S, a menudo denominada curva logística Pearl-Reed, fue formalizada por primera vez en 1920 por Raymond Pearl y Lowell J. Reed, dos biólogos estadounidenses. Introdujeron esta función logística para describir el crecimiento de la población bajo restricciones como los recursos limitados. Básicamente, a medida que los recursos se hacen más escasos, el crecimiento de la población se ralentiza y se nivela. Fuera de la biología, la curva en S suele asociarse con la adopción de productos o tecnología.En general, refleja un escenario que tiene margen para crecer, pero que en última instancia llegará a la saturación y, a efectos de previsión, se suele utilizar cuando el pronosticador reconoce que la saturación está empezando a producirse.
¡Ahora está listo para pronosticar! Tutorial rápido de Minitab
Una vez que haya identificado el tipo de modelo, pronosticar es muy sencillo. Utilizando los mismos datos que utilizó para trazar su tendencia, vaya a Stat/Time Series/Trend Analysis. Aparecerá un cuadro de diálogo que le preguntará qué Variable desea pronosticar
Una vez seleccionada la variable, seleccione el tipo de modelo y marque Generar previsiones. En este ejemplo, quiero generar 5 puntos de datos más, así que escribí "5" en el número de previsiones.
Lea sus resultados...
Tus resultados te proporcionarán una ecuación para tu previsión, medidas de precisión, puntos de datos previstos y un gráfico. ¡Listo! Misión de previsión cumplida.
Ecuación de tendencia ajustada
Yt = (10^4) / (10,0320 + 4601,91×(0,663545^t))
Medidas de precisión
MAPE
1.9285
MAD
2.5353
MSD
11.4483
Previsiones
Periodo
Previsión
31
995.441
32
995.902
33
996.209
34
996.412
35
996.547
...y deje que Minitab AI le dé la confianza para explicarlos
Muchos de los responsables de realizar previsiones no somos necesariamente expertos en estadística. Si bien usted ya domina el arte de los pronósticos a corto plazo, proporcionar un contexto adicional le dará más confianza en sus predicciones. Al utilizar Minitab AI para generar un resumen en lenguaje natural, usted puede comprender rápidamente toda la gran información que Minitab proporciona. En nuestro ejemplo, el contenido generado por AI explica que el conjunto de datos es lo suficientemente grande como para realizar una predicción precisa y que el modelo producido es confiable.
Minitab AI
Resumen del análisis estadístico
Propósito
El análisis tiene como objetivo evaluar la tendencia de S_Curve_Values durante un período de tiempo específico utilizando un modelo de tendencia de curva S. Proporciona información sobre el comportamiento futuro de los datos basándose en la ecuación de tendencia ajustada.
Principales resultados
- Ecuación de tendencia ajustada: El modelo predice los valores de la curva S mediante la ecuación ( Yt = \frac{10^4}{10,0320 + 4601,91 \times (0,663545^t)} ), lo que indica una tendencia decreciente a medida que pasa el tiempo.
- Valores previstos: Las previsiones para los próximos cinco periodos (31 a 35) muestran valores que aumentan gradualmente de 995,441 a 996,547, lo que sugiere una estabilización de los valores de la curva S.
- Medidas de precisión: El modelo demuestra buena precisión con un Error Porcentual Absoluto Medio (MAPE) de 1.9285, Desviación Absoluta Media (MAD) de 2.5353, y Desviación Cuadrática Media (MSD) de 11.4483, indicando predicciones confiables.
- Datos completos: El análisis utilizó un conjunto de datos completo sin valores perdidos (NMissing = 0), lo que garantiza la solidez del análisis de tendencias.
- Longitud de los datos: El análisis se basa en un conjunto de datos de 30 periodos de tiempo, lo que proporciona una base sólida para la evaluación de tendencias.
Comience a pronosticar sus datos con el Centro de soluciones Minitab
Explore el Centro de soluciones