Series de tiempo: cómo pronosticar las ventas de tu PyME (con simulador)

Series de tiempo: cómo pronosticar las ventas de tu PyME (con simulador) | El Elefante Económico

Series de tiempo: cómo pronosticar las ventas de tu PyME (con simulador)

El Elefante Económico

¿Cuánto vas a vender en los próximos meses? De esa respuesta dependen casi todas las decisiones de una PyME: cuánta mercadería comprar, cuántas personas necesitás en temporada alta, cuánta plata te va a hacer falta en caja y cuándo. Pronosticar mal tiene un costo real: faltante de stock y ventas perdidas por un lado, o capital inmovilizado en mercadería que no se vende por el otro.

Las series de tiempo son la herramienta natural para este problema. En este post vemos cómo se descompone una serie de ventas en sus partes, cómo funcionan los métodos de pronóstico más usados y, sobre todo, cómo saber si un pronóstico es bueno. Todo con un simulador donde podés cambiar la tendencia, la estacionalidad, el ruido y hasta provocar un quiebre, como la llegada de un competidor.

1. Qué es una serie de tiempo

Es una secuencia de datos medidos a intervalos regulares: ventas por mes, visitas por día, saldo de caja por semana. Lo que la distingue de otros datos es que el orden importa: el dato de este mes depende de lo que pasó los meses anteriores, y mezclar el orden destruye la información. Por eso las técnicas de series de tiempo tratan el tiempo de manera explícita.

2. Los componentes de una serie

Una serie de ventas suele mezclar cuatro elementos:

  • Tendencia: la dirección de fondo, que crece, cae o se mantiene. Responde a cambios estructurales: más clientes, más precio, un mercado que se achica.
  • Estacionalidad: un patrón que se repite cada año (o semana, o día): más ventas en diciembre, menos en agosto, picos los fines de semana.
  • Ciclo: oscilaciones más largas y de duración irregular, ligadas a la economía en general.
  • Ruido (componente irregular): lo que queda: variaciones aleatorias, clima, un día atípico. No se puede pronosticar.

Hay dos formas de combinarlos. En el modelo aditivo, la estacionalidad suma o resta una cantidad fija (diciembre vende 300 unidades más). En el multiplicativo, el efecto es proporcional al nivel (diciembre vende 25% más), que es lo habitual cuando el negocio crece, porque la estacionalidad crece con él.

3. Simulador: descomposición y pronóstico

El simulador genera 48 meses de ventas ficticias de una PyME. Elegí un escenario o ajustá los controles a tu gusto. La parte A separa la serie en tendencia, estacionalidad y ruido; la parte B prueba métodos de pronóstico contra datos que el método no vio.

Experimentos para probar:

  1. En la parte A, subí la estacionalidad y mirá cómo los índices por mes reflejan el patrón. Subí el ruido y fijate cuánto cuesta distinguir la señal.
  2. En la parte B, compará el «Ingenuo estacional» (repetir el mismo mes del año anterior) con Holt-Winters. En el escenario turístico, con mucha estacionalidad y poco crecimiento, el ingenuo casi empata con el método sofisticado. En la panadería, donde el negocio crece, se queda corto porque repite las ventas del año pasado sin incorporar el crecimiento.
  3. Elegí «Crecimiento fuerte sin estacionalidad»: los métodos sin tendencia (ingenuo, media móvil, suavizamiento simple) se quedan sistemáticamente cortos.
  4. Elegí «Quiebre de nivel» y comparalos. En promedio, los métodos simples que solo siguen el nivel (suavizamiento simple, media móvil) se recuperan mejor. El ingenuo estacional repite durante varios meses las ventas anteriores al quiebre, y Holt-Winters tiende a confundirlo con tendencia y estacionalidad. A veces un método más sofisticado es más frágil ante un cambio brusco.
  5. Tocá «Optimizar parámetros» y mirá el error en entrenamiento contra el error de prueba: lo que mejor ajusta el pasado no siempre pronostica mejor el futuro.
Datos de ventas (ficticios)
Parte A. Componentes de la serie
Ventas observadas   Tendencia (media móvil centrada de 12 meses)
Parte B. Pronóstico y evaluación
Los métodos aprenden con los primeros meses y se evalúan en el período de prueba, que no usaron para ajustarse.
Ventas usadas para ajustar   Ventas reales del período de prueba   Pronóstico   Ajuste dentro de la muestra

4. Los métodos de pronóstico más usados

  • Ingenuo: el pronóstico es el último valor observado. Parece trivial, pero es el punto de comparación obligatorio: un método sofisticado tiene que ganarle.
  • Ingenuo estacional: el pronóstico para un mes es lo que se vendió ese mismo mes el año anterior. Muy eficaz cuando hay una estacionalidad fuerte.
  • Media móvil: el promedio de los últimos k meses. Suaviza el ruido, pero no capta ni tendencia ni estacionalidad. Con k grande es estable y lento; con k chico, reactivo y ruidoso.
  • Suavizamiento exponencial simple: un promedio que pondera más lo reciente: nivel nuevo = α · dato actual + (1 − α) · nivel anterior. Con α alto reacciona rápido; con α bajo, es más estable. Sirve para series sin tendencia ni estacionalidad.
  • Holt: agrega una tendencia al suavizamiento simple, controlada por el parámetro β.
  • Holt-Winters: suma además la estacionalidad (parámetro γ), en su versión aditiva o multiplicativa. Es la opción habitual para ventas con tendencia y patrón anual.

5. Cómo saber si un pronóstico es bueno

La regla más importante: nunca evalúes un método con los mismos datos con los que lo ajustaste. Cualquier modelo puede ajustar bien el pasado; lo que importa es cómo pronostica datos que no vio. Por eso se reserva el último tramo de la serie como período de prueba, como hace el simulador.

Las medidas de error más usadas son:

  • MAE (error absoluto medio): cuánto se equivoca en promedio, en las mismas unidades de la serie.
  • RMSE (raíz del error cuadrático medio): parecida, pero penaliza más los errores grandes.
  • MAPE (error porcentual absoluto medio): el error como porcentaje de la venta real. Es fácil de comunicar, pero no sirve cuando hay valores cercanos a cero.

Siempre conviene comparar contra un método de referencia simple (el ingenuo o el ingenuo estacional). Si un modelo complejo no los mejora de forma clara, no vale la complejidad adicional.

6. Errores frecuentes

  • Evaluar con los datos de ajuste. Da una sensación de precisión que desaparece al pronosticar el futuro. Es el famoso sobreajuste, que se ve al optimizar los parámetros en el simulador.
  • Ignorar los quiebres. Un nuevo competidor, un cambio de precios, un local nuevo o una crisis cambian el nivel de la serie. Los datos anteriores al quiebre pueden dejar de ser representativos, y los métodos con tendencia y estacionalidad pueden interpretar mal el cambio. Conviene detectarlo y, si es necesario, ajustar el modelo solo con los datos posteriores.
  • Usar muy pocos datos. Para estimar estacionalidad hacen falta al menos dos años completos, y más es mejor.
  • Extrapolar la tendencia indefinidamente. Ningún negocio crece al 3% mensual para siempre. Para horizontes largos, conviene amortiguar la tendencia o usar escenarios.
  • Dar un solo número sin rango. Un pronóstico es una estimación con incertidumbre: planificá con un escenario base y uno pesimista.
  • Confundir demanda con ventas. Si te quedaste sin stock, la venta registrada es menor que la demanda real, y el pronóstico sale subestimado.
  • Olvidar el calendario y las acciones comerciales. Feriados, promociones o campañas mueven las ventas de maneras que estos métodos simples no ven.
  • Creer que más complejo es mejor. Para muchas PyMEs, un ingenuo estacional bien aplicado supera a un modelo mal usado.

7. Para qué sirve en una PyME

  • Compras e inventario: cuánto pedir y cuándo, para no quedarte sin stock ni inmovilizar capital.
  • Caja y capital de trabajo: anticipar los meses de menor ingreso y planificar financiamiento.
  • Personal: dimensionar turnos y contrataciones temporales.
  • Presupuesto y metas: fijar objetivos de venta realistas y detectar desvíos a tiempo.
  • Detección de anomalías: un dato muy alejado del pronóstico es una señal para investigar.

8. Hacelo en tu propio Excel

Con tu historial de ventas mensuales (idealmente 24 meses o más) en dos columnas, fecha y venta, Excel ya trae las herramientas. La opción más directa es Datos → Hoja de previsión, que arma un pronóstico con suavizamiento exponencial triple, estacionalidad incluida, y un intervalo de confianza. Las mismas funciones se pueden usar en celdas: PRONOSTICO.ETS, PRONOSTICO.ETS.ESTACIONALIDAD y PRONOSTICO.ETS.CONFINT. Para una referencia simple, la media móvil se calcula con PROMEDIO sobre las últimas celdas, y el ingenuo estacional es simplemente referenciar la celda de 12 meses atrás. Probá reservar los últimos 6 o 12 meses como período de prueba y comparar los errores, tal como hace el simulador.

Este simulador tiene fines educativos. Los datos son ficticios y se generan con ruido aleatorio, y los métodos son versiones simplificadas. No constituyen asesoramiento: con datos reales, validá los supuestos y comparalos siempre contra un método de referencia.

Comentarios

Entradas populares de este blog

Diálogos con la I.A.: Los Eslavos: un pueblo, un territorio y una historia que ordena Europa

Diálogos con la I.A.: La presión demográfica y el empuje de las estepas: ¿por qué los eslavos migraron?

Próximos Diálogos y Escritos