Por Joannès Vermorel, junio de 2013En estadística, la precisión del pronóstico es el grado de cercanía entre la
expresión de cantidad y el valor real de esa cantidad. El valor real generalmente no puede medirse en el momento en el que se realiza el pronóstico, porque la expresión se refiere al futuro. Para la mayoría de las actividades comerciales, pronósticos más precisos aumentan su eficacia para responder a la demanda al tiempo que disminuyen los costes operativos totales.
En este artículo, adoptamos una óptima estadística principalmente relevante para el sector de comercio y fabricación, en especial para las áreas de optimización de inventario y planificación de demanda.
Uso de las estimaciones de precisión
La precisión, cuando se calcula, proporciona una
estimación cuantitativa de la calidad esperada de los pronósticos.
Para la optimización del inventario, la estimación de la precisión de los pronósticos puede servir para varios propósitos:
- Para decidir entre varios modelos de pronóstico que sirven para calcular la demanda de tiempo de entrega cuál resulta más apropiado.
- Para calcular las existencias de seguridad, suponiendo generalmente que los errores de pronóstico siguen una distribución normal.
- Para priorizar los artículos que necesitan mayor atención porque los pronósticos estadísticos puros no son lo suficientemente fiables.
En otros contextos, como por ejemplo en la planificación estratégica, las estimaciones de precisión se utilizan para respaldar el análisis de sensibilidad, considerando diferentes escenarios y sus respectivas probabilidades.
Impacto de la agregación en la precisión
Es frecuente el error de interpretar la calidad de un modelo de pronóstico como el factor determinante de la precisión de los pronósticos: esto no es así.
El principal factor que determina el valor de la precisión es la
volatilidad intrínseca del fenómeno que se pronostica. En la práctica, en los sectores de comercio y fabricación, esta volatilidad está en gran medida relacionada con el nivel de agregación:
- grandes áreas, como en el caso de pronósticos nacionales vs pronósticos locales, producen más precisión;
- lo mismo sucede con períodos prolongados, como en el caso de pronósticos mensuales vs pronósticos diarios.
Evidencia anecdótica: En Lokad, observamos continuamente que no existe una precisión buena; esto es algo específico de cada contexto. Al pronosticar el consumo eléctrico nacional para el día siguiente en un país europeo grande, un error del 0,5 % se consideraba relativamente impreciso; mientras que lograr un error de menos del 80 % en pronósticos a nivel de tienda del primer día de ventas de productos apenas lanzados se consideraba un logro significativo.
Entonces, una vez que el nivel de agregación está dado, la calidad del modelo de pronóstico juega verdaderamente un papel primordial en la precisión que se puede lograr. Por último, la precisión disminuye al pronosticar a un futuro más lejano.
Precisión empírica vs precisión real
El término
precisión generalmente se utiliza para referirse a la calidad de una medida física de algún tipo. Lamentablemente, esta visión es un tanto engañosa cuando se trata de pronósticos estadísticos. De hecho, a diferencia de la configuración física, en la que la medida se puede comparar con métodos alternativos, la
precisión real del pronóstico debería medirse estrictamente
con respecto a datos que no se tienen.
De hecho, una vez que los datos están disponibles, siempre es posible elaborar pronósticos totalmente precisos, ya que basta con imitar los datos.
Esta cuestión ha tenido
a los estadísticos en vilo durante más de un siglo, ya que un punto de vista totalmente satisfactorio se encontró recién a fines del siglo XX con la llegada de la teoría Vapnik-Chervonenkis (1).
La precisión de los pronósticos solo puede ser medida prácticamente comparándola con datos disponibles; sin embargo, esos
pronósticos dejan de ser verdaderos pronósticos, ya que son expresiones acerca del pasado en lugar de ser expresiones acerca del futuro. Por lo tanto, esas medidas se refieren a la
precisión empírica, en oposición a la
precisión real.
Los problemas de
sobreajuste pueden llevar a discrepancias entre la precisión empírica y la precisión real. En la práctica, un uso atento del análisis retrospectivo puede mitigar la mayoría de los problemas de sobreajuste al pronosticar
series de tiempo.
Métricas de precisión populares
Existen muchas métricas para medir la precisión de los pronósticos. Las métricas más utilizadas son las siguientes:
En la práctica, una métrica debería privilegiarse sobre otra de acuerdo con su capacidad para reflejar los costes en los que incurre la compañía debido a las imprecisiones de los pronósticos.
La solución de Lokad
Es mejor que algo sea aproximadamente correcto que que sea totalmente equivocado. En nuestra experiencia con compañías de comercio o fabricación, con frecuencia vemos que se presta muy poca atención a la elección de la métrica de precisión.
De hecho, la métrica
ideal no debería dar valores expresados en porcentajes, sino que debería dar como resultado dólares o euros, precisamente
reflejando el coste de las ineficiencias causadas por los pronósticos imprecisos. En particular, a pesar de que la mayoría de las métricas populares son simétricas (la pérdida
pinball es una excepción notable), los riesgos de sobrepronosticar contra los de subpronosticar no son simétricos en la práctica. Sugerimos adoptar un punto de vista en el que la métrica esté más cerca de una función de coste económico —atentamente modelizada para ajustarse a las limitaciones de la actividad— en lugar de un indicador estadístico puro.
Además, es muy importante no realizar ninguna planificación suponiendo implícitamente que los pronósticos son
exactos. La incertidumbre es inevitable en los negocios y debería darse cuenta de ella.
Material adicional
