Por Maxime Barbier, junio de 2021Las series de tiempo son una de las herramientas matemáticas más básicas y versátiles en los negocios. Para explicarlo de modo simple, una serie de tiempo consiste en una serie de puntos de datos indexados en el tiempo. Este tipo de series, por lo tanto, pueden modelar lo que sea, desde la evolución de las ventas de una empresa hasta la evolución de los precios de sus productos en base anual, mensual, diaria o incluso por hora. Las series de tiempo son particularmente intuitivas, lo que las hace ideales para describir, visualizar, modelar y, por último, pronosticar un número de variables.
Estadística descriptiva con series de tiempo
Las series de tiempo se utilizan principalmente con una función descriptiva, ya que pueden condensar una gran cantidad de información en un solo gráfico o tabla. Sin embargo, debido a que las series de tiempo son particularmente intuitivas, existe la tendencia a sobresimplificarlas o malinterpretarlas fácilmente. Algo que se presta a la malinterpretación es el agregado de tiempo de utilizan estas series. Nuestros meses calendario son un modo bastante arbitrario de dividir el tiempo, y no debería cometerse el error de considerar que nuestros meses son homogéneos desde un punto de vista de negocios. La cantidad desigual de días y semanas en un mes puede proporcionar una explicación de lo que, a primera vista, podrían parecer discrepancias en los datos. Otro fenómeno que hay que explicar es el de la ciclicidad en la variación de los datos. Las festividades, como Navidad o el Black Friday, por ejemplo, causan sistemáticamente picos de ventas, al igual que los pagos de salarios a principios de mes. Sin embargo, esa ciclicidad no necesariamente se ajusta a nuestro calendario. Tradiciones como el Ramadán o el Año Nuevo Chino causan variaciones cíclicas en los datos aunque el ciclo no es mensual o anual. Se debe evitar, además, sacar conclusiones apresuradas a partir de las series de tiempo o establecer correlaciones demasiado simples entre gráficos. Por estas razones es importante tener en cuenta lo que distingue a una variable de la siguiente (las ventas de la demanda o las ganancias).
Visualización de las series de tiempo
Las series de tiempo a menudo se utilizan también para leer y visualizar datos, así como para comparar diferentes series. De nuevo, las desventajas de esos gráficos yace en su aparente simplicidad. Es posible utilizar diferentes técnicas de mapeo para proporcionar la mejor visualización posible de los datos. Por ejemplo, dibujar líneas entre puntos de datos da la impresión de continuidad. Esto puede ser útil a la hora de mapear, por ejemplo, la evolución horaria de los precios de acciones.
Sin embargo, en el caso de datos particularmente discontinuos, un gráfico de bucket podría ser más apropiado.
Al leer una serie temporal, es preciso prestar mucha atención al eje X. Algunos gráficos se concentran en intervalos de valor pequeños para destacar las variaciones en los datos, con el riesgo de que se sobrestimen las variaciones. Hay también otros fenómenos que una escala linear en el eje X representa erróneamente, como el crecimiento exponencial. Por eso, se puede elegir utilizar una escala logarítmica en la que puedan percibirse tanto las primeras etapas del crecimiento como aquellas más tardías.
Modelado y pronóstico
Las series de tiempo a menudo se utilizan para respaldar modelos estadísticos. El objetivo de estos modelos es doble: explicar el pasado y pronosticar el futuro. En la cadena de suministro, prever la demanda futura es necesario para determinar los pedidos de compra y producción y para minimizar los riesgos de excedentes de stock. Es habitual distinguir, dentro de una serie de tiempo, un nivel primario (llamado base), una evolución a largo plazo (llamada tendencia), variaciones cíclicas o periódicas (llamadas estacionalidad) y otras variaciones aleatorias que llamamos ruido. Esto nos permite identificar variaciones en los datos vinculadas con ciclos regulares a partir una tendencia subyacente de aumento o disminución. Estos patrones proporcionan la base para los pronósticos económicos.
Existen tres tipos principales de pronósticos, cada uno de los cuales tiene finalidades diferentes.
- Los pronósticos de punto tienen como objetivo proporcionar el "mejor" valor futuro de una variable de acuerdo con una métrica de error especificada. Es el caso del pronóstico del tiempo meteorológico, por ejemplo, que para cada día pronostica un único valor de temperatura. Un pronóstico de punto no busca representar de modo fiel la evolución de esta variable (el lector sabe bien que es probable que la temperatura varíe en torno a ese valor pronosticado), pero sirve como indicación útil para el lector y es una base sólida para tomar decisiones futuras.
- Los pronósticos probabilísticos proporcionan todas las distribuciones de probabilidad del valor futuro. A menudo se utilizan intervalos de confianza para visualizar esos pronósticos, que pueden ser útiles, por ejemplo, para fines especulativos.
- Los pronósticos generativos hace que la evolución de la variable parezca "natural" o "plausible", dejando margen para un cierto grado de contingencia y evolución aleatoria. Esta "perspectiva generativa" puede ser útil cuando se realizan simulaciones.
El ecosistema de software en torno a las series de tiempo
Actualmente se utilizan muchos tipos de software para tener en cuenta las complejidades vinculadas con las series de tiempo y proporcionar modelos o pronósticos que se adecuan mejor al diseño de su usuario. Es posible encontrar bases de datos, herramientas de código abierto e incluso lenguajes de programación dedicados exclusivamente a las series de tiempo. Además, se han desarrollado numerosos métodos de pronóstico. Por ejemplo, algunos softwares simplemente calculan valores futuros con una media móvil, mientras que otros optan por el alisado exponencial, lo que significa que el peso de los valores pasados disminuye exponencialmente a medida que estos valores se alejan en el tiempo.
Las series de tiempo son, por lo tanto, una abstracción bastante versátil y una herramienta estadística básica. Sin embargo, su aparente simplicidad puede ser engañosa, ya que varios factores pueden alterar el modo en que se presentan los datos o dar cuenta de variaciones importantes en los datos. Conocer el modo en que se recopilan los datos y tener en cuenta los factores anteriormente mencionados es, por lo tanto, esencial.
