Curso / Taller - d284f45nftegze.cloudfront.netd284f45nftegze.cloudfront.net/Chibras/TRAC.pdf ·...

96
Curso / Taller Forecast Pro TRAC 3.1 Business Forecast Systems, Inc. and FBP-Systems Last Revised: August 18, 2014 Copyright 1999-2014 Todos los derechos reservados

Transcript of Curso / Taller - d284f45nftegze.cloudfront.netd284f45nftegze.cloudfront.net/Chibras/TRAC.pdf ·...

Curso / Taller

Forecast Pro TRAC 3.1

Business Forecast Systems, Inc.

and FBP-Systems

Last Revised: August 18, 2014

Copyright 1999-2014 Todos los derechos reservados

Contenido del material Page 2

Contenido

Introducción a Forecast Pro TRAC

Configuraciones

Datos de entrada y atributos de agrupación

El algoritmo experto y modificadores de pronósticos

Creación de variables de ayuda (de eventos o de peso)

Detección y corrección de datos atípicos (“Outliers”)

Exactitud de los pronósticos – Reporte de desempeño

Reportes de excepciones

Administración de una sesión de pronósticos en TRAC

Sesión estadística y sesión de Ajustes

Introducción Page 3

Introducción a

Forecast Pro TRAC

“Mi interés en el futuro es porque voy a pasar el resto de mi vida allá.”

- C.F. Kettering

Introducción Page 4

Forecast Pro TRAC

Esta diseñado para responder a la necesidad de las empresas de realizar

múltiples pronósticos en múltiples niveles.

Incluye capacidades de colaboración (incluyendo información externa y factores

de conversión), mantenimiento de ajustes, cambio de jerarquías, documentación

de sesión de pronóstico, análisis de desempeño de pronósticos e integración con

otros sistemas.

Introducción Page 5

Forecast Pro TRAC

Forecast Pro se implementa considerando 4 grandes fases:

1. Preparación de datos

2. Entender y analizar las premisas estadísticas con las que se generaron los

pronósticos

3. Capacidad para colaborar y acordar el plan. Funcionalidades de navegación y

priorización como filtros y análisis de Pareto

4. Administración de proceso de pronóstico y proyecto. Mantenimiento e

implicaciones de los indicadores de desempeño

Proceso de implementación

Introducción Page 6

El ambiente de trabajo

Introducción Page 7

Seis pasos para pronosticar

1. Prepare la base de datos.

2. Defina la configuración (formato de datos, ruta de datos de entrada y

salida, horizonte de pronósticos, etc.).

3. Cree el proyecto seleccionando los datos, realizando la lectura y generando

los pronósticos con el sistema experto

4. Revise los resultados y donde sea conveniente agregue calendarios

auxiliares de explicación de eventos

5. Realice ajustes donde sea necesario

6. Exporte los resultados

Datos de Entrada Page 8

Datos de Entrada

“Entra Basura, Sale Basura!”

Datos de Entrada Page 9

Fuentes de Datos de Entrada

El programa acepta archivos de las siguientes fuentes:

Hojas de calculo de Excel

Archivos de Texto delimitados por comas (u otros separadores)

Bases de datos a traves de conexión ODBC

Datos de entrada Page 10

Campos de Atributos

Si su hoja de cálculo incluye campos de atributos antes del nombre de la variable,

Forecast Pro Unlimited automáticamente construirá una estructura jerárquica

multinivel.

Configuraciones Page 11

Configuraciones

“Un buen analista no es más listo que el resto de los demas,

simplemente tiene sus premisas mejor organizadas” Anónimo

Configuraciones Page 12

Configuraciones

Este ícono de acceso al menú de configuraciones del proyecto:

Es necesario hacer clic en el botón de “Fijar configuración” si queremos que la última

configuración establecida prevalezca.

Existen también otras configuraciones* relativas a:

Salidas numéricas

Gráficos

Reporte de pronósticos.

*Para acceder a estas configuraciones da clic derecho sobre la ventana de reporte o gráfico

que desees personalizar.

Configuraciones Page 13

Configuración Básica

La configuración básica le permite definir las rutas de entrada y salida de datos,

ruta de proyectos, modo de datos de entrada, horizonte de pronóstico y límites

de confianza que aplican de manera general.

Configuraciones Page 14

Configuración Formatos

Una configuración común es activar la opción de ignorar ceros al inicio para

descartar todos los campos con cero al inicio de una serie de datos.

Configuraciones Page 15

Configuración Datos atípicos

La configuración de datos atípicos permite establecer el umbral de detección de datos

atípicos entre el modelo ajustado y los datos históricos así como el número de iteraciones

(detección y correción ) al ser ajustado nuevamente un modelo con historia corregida.

Configuraciones Page 16

Que las modificaciones realizadas en las filas de ajustes prevalezcan sobre los pronósticos

estadísticos o que los ajustes sean acumulativos (positivos o negativos) sobre el

pronóstico estadístico de tal forma que el resultado sea el pronóstico final.

Definición de modo de ajustes

Configuración Modificaciones

Configuraciones Page 17

Modificaciones a los pronósticos

Las modificaciones o ajustes realizados a cualquier nivel se propagarán hacia

arriba mediante agregación y hacia abajo mediante asignación proporcional a los

valores “no congelados”.

Si usted restringe sus modificaciones o ajutes a un solo nivel de la jerarquía, el

proceso de conciliación es simple e intuitivo—le sugerimos fuertemente a

realizarlo así.

Las modificaciones o ajustes pueden ser realizados como números fijos o como

número a partir de una fórmula de porcentaje o incremento de partir de números

referencia.

Configuraciones Page 18

Configuración Linea de Comando

La configuración de línea de comando es para establecer los componentes de un proyecto

al momento de realizar una sesión de forma automática así como establecer los diferentes

archivos de salida el momento de ejecturar y cerrar la sesión.

Configuraciones Page 19

Configuración Análisis de Pareto

La configuración de Análisis de Pareto se puede configurar para obtener mediante el

reporte de ítem un análisis de importancia de los items en toda la estructura jerárquica en

diferentes niveles

Configuraciones Page 20

Configuración Controles Avanzados

La configuración del recuadro de controles avanzados permite especificar si el algoritmo

experto debe considerar el uso o no de los modelos ARIMA, activar la funcionalidad de

modelos con estacionalidad simplificada para el caso de datos diarios o semanales , etc.

Configuraciones Page 21

Salida numérica Formato de salida

Establece el modo de salida de datos, la opción modelo de

registros permite exportar la información en formato vertical.

Configuraciones Page 22

Salida numérica Salida de pronósticos

pueden contener información de la serie de tiempo como

historia, pronósticos, valores de ajuste y límites de confianza,

etc.

Configuraciones Page 23

Salida numérica Salida estadística

pueden contener información estadística como la media, MAD,

MAPE, especificación del modelo, etc. de cada uno de los

niveles.

Configuraciones Page 24

Estos recuadros se puede acceder mediante el menú de contexto del gráfico (haciendo clic

en el gráfico con el botón derecho del ratón). Ademas de las opciones presentes en el

menú de contexto, existen cuatro recuadros que permiten ver el detalle de las diferentes

opciones de configuración.

Opciones para acceder a las configuraciones del gráfico

Configuración del Gráfico

Configuraciones Page 25

Configuración del gráfico - Incluir

Indica los componentes que debe incluir el gráfico

Configuraciones Page 26

Configuración del gráfico - Componentes

Indica tipo de gráfico (serie de tiempo o año sobre año, la escala del eje Y, y títulos

generales del gráfico.

Configuraciones Page 27

Configuración del gráfico - Elementos

Indica el estilo del gráfico así como colores y espesores de líneas.

Configuraciones Page 28

Configuración del gráfico - Comparar variables

le permite seleccionar hasta cinco variables a mostrar en un solo gráfico con propósitos

comparativos ya sea en escala relativa o misma escala para todoas las variables.

Configuraciones Page 29

Diseño de Reporte de Pronósticos

El formato y el contenido de salida de un Reporte de Pronóstico será igual al que en ese

momento se encuentre mostrado en pantalla. El gráfico será incluido también en la salida.

Este reporte se puede obtener para la totalidad de los ítems pronosticados o solo para los

ítems listado o mostrados en el filtro.

Filtro del Navegador Page 30

El Filtro del Navegador

Filtro del Navegador Page 31

Filtro del Navegador

Le permite trabajar con una selección de la estructura jerárquica.

Esta selección se realiza con multiples criterios o simplemente

arrastrando de la zona de navegador al área del filtro.

Filtro del Navegador Page 32

El filtro del navegador

El menú de contexto del navegador incluye una opción de Agregar al filtro

la cual le permite enviar a la lista rápida estructuras comunmnete usadas

de manera directa.

El menú de contexto del filtro le permite organizar los ítems del filtro así

como guardar los archivos de salida númerica, reporte de pronóstico y

seguimiento de desempeño.

El Algoritmo Experto de Forecast Pro Page 33

El Algoritmo Experto de

La manera más confiable de pronósticar el futuro es tratar de

entender el presente.

- John Naisbitt

El Algoritmo Experto de Forecast Pro Page 34

Selección experta de Forecast Pro

El algoritmo experto de Forecast Pro sigue una serie de reglas que determina y sugiere la

mejor técnica de pronóstico de entre varias técnicas disponibles en Forecast Pro

El algorítmo inicia realizando una serie de pruebas estadísticas en los datos la cual podría

descartar ciertos métodos en la selección. Si el análisis determina que pudieran ser

utlizados los modelos de suavización exponencial y de Box-Jenkins, entonces realiza una

prueba a una “muestra” que determina la mejor técnica entre las dos familias de modelos.

El Algoritmo Experto de Forecast Pro Page 35

Selección experta de Forecast Pro

El algoritmo experto de Forecast Pro trabaja muy bien y en muchos casos se puede

confiar en este procedimiento, sin embargo, si usted no esta de acuerdo con los pronósticos

propuestos, usted puede dictar la técnica que usted condiere más conveniente o

simplemente ajustar o modificar los resultados apoyado en su experiencia y juicio.

Los métodos de pronósticos Page 36

Los métodos de pronóstico

Los métodos de pronósticos Page 37

Clasificación de los métodos de pronóstico

-Métodos de juicio

Métodos que se basan no sobre un análisis estadístico formal de los

datos históricos sino en:

Experiencia e intuición

Retroalimentación de la fuerza de ventas

Encuesta a clientes y grupos enfocados

Analogías históricas

Etc.

Los métodos de pronósticos Page 38

Clasificación de los métodos de pronóstico

- Métodos de Extrapolación

Cuantifican diferentes patrones de comportamiento como nivel medio,

tendencia y estacionalidad y extrapolan asumiendo que el

comportamiento histórico continuará en el futuro.

- Métodos Causales o Explicativos

Ayudan a cuantificar la relación entre diferentes variables y pueden crear

un pronósticos o escenarios asumiendo que la relación no cambia en el

futuro.

Los métodos de pronósticos Page 39

Algunas familias de técnicas de pronósticos

Promedios Móviles Simples: SMA(n).

Random Walk

Descomposición

Suavización Exponencial

Métodos para Datos Intermitentes

ARIMA

Algoritmos expertos, Etc

Regresión Clásica

Regresión Dinámica

ARIMAX

Modelos Econométricos

Redes Neuronales

Etc

Técnicas de Extrapolación: Técnicas Causales:

Los métodos de pronósticos Page 40

Buscando el balance: “menor error sin complejidad”

Recopilación e Interpretación de los datos Page 41

Recopilación e Interpretación de los datos

Recopilación e Interpretación de los datos Page 42

Series de Tiempo

Los métodos estadísticos utilizan “Series de Tiempo” y tratan de capturar

y cuantificar los distintos componentes de una serie de tiempo y que al

final integran para obtener el pronóstico

Una “serie de tiempo” puede ser definida como una recolección de datos

históricos ordenada cronológicamente en periodos similares dentro de un

cierto intervalo de tiempo.

Recopilación e Interpretación de los datos Page 43

Series de Tiempo

Una serie de tiempo puede ser definida como una colección de datos

históricos ordenada cronológicamente en periodos similares dentro de un

cierto intervalo de tiempo.

Recopilación e Interpretación de los datos Page 44

Componentes de una serie de Tiempo

Tendencia

Estacionalidad

Ciclicidad

Datos atípicos o eventos

Ruido

Recopilación e Interpretación de los datos Page 45

Formas de Tendencia

• Lineal • Constante

4000

5000

6000

7000

8000

9000

10000

11000

70 72 74 76 78 80 82

Legend

SALESTAX

20

40

60

80

100

1945 1950 1955 1960 1965 1970 1975 1980 1985 1990 1995

Legend

IBMEARN

• Amortiguada • Exponencial

Recopilación e Interpretación de los datos Page 46

Estacionalidad

CAUSAS de Estacionalidad

Clima

Dias festivos

Calendario escolar

Impuestos

Etc.

FORMAS de Estacionalidad

Aditiva Varianza constante

Multiplicativa Varianza cambia en el tiempo

Comportamiento que se repite de manera regular en un cierto intervalo

de tiempo

Recopilación e Interpretación de los datos Page 47

Estacionalidad Aditiva vs Multiplicativa

• Multiplicativa

• Aditiva

Recopilación e Interpretación de los datos Page 48

Datos atípicos (Outliers)

Casos discretos que podrían no repetirse:

Promociones no estacionales

Cambios de precios

Faltantes de producto

Catástrofes naturales

Nuevas legislaciones o regulaciones

Días festivos,

Si los eventos no se “explican”, entonces podrían corromper las

mediciones de tendencia o estacionalidad de los modelos estadísticos.

Criterios de Exactitud Page 49

Criterios de Exactitud

Criterios de Exactitud Page 50

Criterios de exactitud estadísticos

Los criterios más utilizados por su simplicidad son:

MAD: Mean Absolute Error (Media del Error Absoluto) mide el promedio de los

errores en unidades.

MAPE: Mean Absolute Percent Error (Media del Error Absoluto en Porcentaje)

mide el promedio del error en porcentaje.

RMSE: Root Mean Square Error (Media de la Raíz del Error Cuadrado) mide el

promedio del error en unidades asignando mayor peso a las desviaciones con

error más grande).

Existen una gran variedad de criterios para determinar cual es el mejor modelo

estadístico. - MAD, MAPE, MSE, RMSE, R2, Etc.

Los métodos de pronósticos Page 51

¿Cuál es el mejor método?

- Dependerá de las propiedades de los datos

Datos diarios, semanales, mensuales, trimestrales, etc.

Cantidad de datos históricos

Series con o sin tendencia, con o sin estacionalidad

- Dependerá del horizonte que requerimos

Para corto plazo normalmente se utilizan los métodos de extrapolación

Para mediano plazo los métodos causales pueden ser de gran ayuda

Para largo plazo se utilizan métodos de juicio, modelos econométricos, etc.

El mejor método depende de los datos, el propósito y la perspectiva

del “Forecaster”.

“El más simple y el más exacto”

Modificadores de Pronósticos Page 52

Modificadores de Pronósticos

Pronosticar eventos futuros es a menudo como buscar un gato

negro en un cuarto obscuro que posiblemente no este ahi.

- Steve Davidson

Modificadores de Pronósticos Page 53

Usando Modificadores de Pronósticos

Los Modificadores de Pronósticos son usados para dictar los argumentos que

generan los pronóstico estadístico. Estos pueden ser los modelos, criterio de

nivel de elaboración (\TOPDOWN), variables de eventos, etc

Modificadores de pronósticos Page 54

Los modificadores son instrucciones que instruyen al programa a realizar una

acción especifica.

Si no se especifica algún modificador, Forecast Pro ajusta un modelo de

pronóstico usando el algoritmo de selección experta y siguiendo la configuración

general. Cuando existen diferentes niveles de agrupaciones los pronósticos son

conciliados de abajo hacia arriba. (Bottom-Up)

- Nivel de elaboración de los pronósticos

\TOPDOWN prevalece el resultado del pronóstico estadístico calculado con la

nivel padre y conciliando a los pronósticos de los hijos

Modificadores de pronósticos

Modificadores de pronósticos Page 55

Modificadores de pronósticos

-Ponderación por Peso

\WGT= _variable -Divide el valor de cada período por el valor de la

variable de peso, ajusta un modelo a la serie ponderada y multiplica los

pronósticos por la ponderación a futuro.

- Índices de nivel padre en niveles hijos

\INDEXES utiliza los índices estacionales del padre para crear los

pronósticos de los hijos desestacionalizados previamente.

Modificadores de pronósticos Page 56

Modificadores de pronósticos

-Suavización Exponencial

\EXSM (Auto) Permite a Forecast Pro Unlimited seleccionar el modelo de

suavización exponencial automáticamente

\SIMPLE, utiliza el modelo de suavización exponencial simple.

\HOLT utiliza el modelo de suavización exponencial de Holt.

\WINTERS utiliza el modelo de suavización exponencial de Winters.

Modificadores de pronósticos Page 57

Uso del principio de descomposición

La familia de modelos de Suavización Exponencial utiliza el principio de

descomposición.

Captura el nivel medio

Captura la variación del nivel medio

Captura la estacionalidad como un índice respecto al nivel medio

Los métodos de pronósticos Page 58

Familia de modelos Holt - Winters

Tendencia

Expoencial

Tendencia

Amortiguada

(WINTERS) (HOLT) Tendencia

Lineal

(SIMPLE) Nivel

Constante

Estacionalidad

Multiplicativa

Estacionalidad

Aditiva

No Estacional

Perfiles de pronóstico de suavización exponencial Adaptado de E. Gardner, Journal of Forecasting, Vol. 4 (1985)

L

D

E

N

A M N

58

Modificadores de pronósticos Page 59

\EXSM=XY Utiliza el modelo de suavización con tendencia tipo X (N=sin

tendencia, L=tendencia lineal, D=tendencia amortiguada, E=tendencia

exponencial, *=Forecast Pro decide) y tipo de estacionalidad Y (N=sin

estacionalidad, M=estacionalidad multiplicativa, A=estacionalidad aditiva,

*=Forecast Pro decide).

- Modelo con eventos (Extensión de modelos de EXSM)

\EVENT=_X utiliza la variable de evento denominada X.

Modificadores de pronósticos

Modificadores de pronósticos Page 60

Modificadores de pronósticos

-Box-Jenkins

\BJ utiliza un ajuste automático al modelo Box-Jenkins.

- La familia de modelos ARMA o ARIMA utiliza el principio de autocorrelación.

- Promedios Móviles Simples

\SMA=n utiliza un término-n en promedio móvil simple.

- Datos Discretos

\DISCRETE basa límites de confianza en una de las distribuciones

discretas (Poisson o binomial negativa).

Modificadores de pronósticos Page 61

Modificadores de pronósticos

-Modelo de Datos Intermitentes de Croston

\INTER utiliza el modelo de datos intermitentes de Croston. Si los datos

no soportan este modelo será utilizado en su lugar un modelo de

suavización exponencial.

- Ajuste a la curva

\CFIT ajusta la mejor línea recta, cuadrática, exponencial o de

crecimiento

Modificadores de pronósticos Page 62

-Datos atípicos

\OUTLIER = OFF

- No detecta ni corrige datos atípicos

\OUTLIER = DETECT

- Detecta datos atípicos de acuerdo al umbral de desviaciones estándares especificadas

en la configuración general de datos atípicos

\OUTLIER = CORRECT

- Detecta y corrige la historia de acuerdo al umbral de deviaciones estándares

especificadas y de acuerdo al número de iteraciones en la configuración general de datos

atípicos

Modificadores de pronósticos

Múltiples Pronósticos en Múltiples Niveles Page 63

Múltiples Pronósticos en

Múltiples Niveles

Múltiples Pronósticos en Múltiples Niveles Page 64

Múltiples niveles

Las empresas típicamente requieren elaborar los pronósticos a diferentes

niveles.

- Los pronósticos a nivel mas agregado conducen la toma de decisiones

financieras y de planeación estratégica de la empresa

- Los pronósticos a nivel de agregación intermedio o funcionales conducen las

actividades de mercadotecnia y Ventas.

- Los pronósticos a nivel SKU conducen a toma de decisiones operacionales

como producción, compras, inventarios, etc.

¿Se pretendería que coincidan en todos los niveles?

Múltiples Pronósticos en Múltiples Niveles Page 65

Múltiples niveles

Orientación al producto

Múltiples Pronósticos en Múltiples Niveles Page 66

Múltiples niveles

Orientación geográfica

Modificadores de pronósticos Page 67

Estrategias para conciliar los niveles

- Bottom-up (De Abajo hacia Arriba o Ascendente) .

Los pronósticos del nivel alto se basan en los pronósticos de los nivel

bajos. Es decir los pronósticos del nivel alto se obtienen sumando los

pronósticos de los niveles bajos.

- Top-down (De Arriba hacia Abajo o Descendente).

Los pronósticos del nivel alto se obtienen a ese nivel y después se

desagregan sobre los pronosticos de los niveles bajos.

Elementos de un proyecto o sesión de pronósticos Page 68

Elementos de un proyecto

o sesión de pronósticos

Pronosticar eventos futuros es a menudo como buscar un gato

negro en un cuarto obscuro que posiblemente no este ahi.

- Steve Davidson

Elementos de un proyecto o sesión de pronósticos Page 69

Archivos de proyecto

El proyecto normalmente consiste de un solo archivo comprimido con la

extensión .FPZip. Este archivo comprimido contiene tres archivos

diferentes

El archivo de configuración del proyecto (.FPProj) es un archivo XLM que

contiene las configuraciones y el scrip de proyecto

El archivo de las tablas del proyecto (.db o .mdb) es una base de datos

de Microsoft Access (mdb) o SQLite (db) que contiene tablas separadas

para la informacion ingresada. La version de 64-bit de Forecast Pro

siempre usara bases en SQLite. La versión de 32-bit puede usar ambas

Elementos de un proyecto o sesión de pronósticos Page 70

Archivos de proyecto

El archivo de Imagen del proyecto (.fcb) es un archivo binario que guarda

los componentes del proyecto para que la sesion pueda ser retomada

donde se dejo o pueda ser compartida con otros usuarios

- Si queremos compartir el proyecto es necesario incluir estos 3 archivos o el

archivo comprimido (.FPZip)

Elementos de un proyecto o sesión de pronósticos Page 71

Abriendo proyectos o sesiones

Si usted abre un proyecto y los archivos de datos no han cambiado (es

decir, la hora y la fecha corresponden),el proyecto restablecerá las

condiciones presentes cuando el proyecto fue guardado permitiéndole

continuar con su trabajo.

Si usted abre un proyecto y los archivos de datos no están disponibles, el

proyecto restablecerá las condiciones presentes cuando el proyecto fue

guardado. Así usted puede revisar proyectos, realizar ajustes, etc. aun si

usted no tiene acceso a los archivos de datos—lo cual es frecuente

cuando comparte sus proyectos con otros.

Elementos de un proyecto o sesión de pronósticos Page 72

Abriendo proyectos o sesiones

Si usted abre un proyecto y los archivos de datos han cambiado,

aparecerá un recuadro permitiéndole generar nuevos pronósticos usando

los datos actualizados o restablecer las condiciones presentes cuando el

proyecto fue guardado (Es decir, no recalcula los pronósticos usando los

nuevos datos).

Variables de ayuda Page 73

Variables de Ayuda

Variables de ayuda Page 74

Creando variables de ayuda

Las variables de Eventos o de Peso son variables de “ayuda”. Los

nombres de las variables de ayuda deben empezar o terminar con una

barra baja ( _ ). No son pronosticadas. Pueden ser incluidas dentro de un

archivo de datos o colocadas en un archivo por separado.

Datos Atípicos (Outliers) Page 75

Detección y Corrección de Datos

Atípicos (Outliers)

Datos Atípicos (Outliers) Page 76

Datos Atípicos (Outliers)

Un dato atípico es aquel que presenta un comportamiento muy diferente

al resto de los demás.

En muchas ocasiones corregir un dato atípico puede mejorar la exactitud

del pronóstico.

En otras ocasiones, corregir un dato atípico puede causar cálculos de

límites de confianza no creíbles.

Idealmente un analista revisará todos los datos atípicos detectados y

decidirá cuales requieren corrección.

Datos Atípicos (Outliers) Page 77

Manejo de datos atípicos

Forecast Pro Unlimited utiliza dos métodos para manejar datos atípicos

que permiten obtener mejores pronósticos.

1. Modelación de eventos. Explicación de períodos con eventos especiales

2. Detección y/o Corrección Automática

Datos Atípicos (Outliers) Page 78

Valores Atípicos

En la construcción del modelo es recomendable explicar los eventos

uno a la vez.

Analizar las condiciones anteriores y posteriores al evento que se

estudia.

No sobrecodificar el modelo con eventos, ya que se esto puede

desvirtuar los resultados de los pronósticos.

Recomendaciones al modelar datos atípicos

Datos Atípicos (Outliers) Page 79

El Procedimiento de Detección y Corrección de Datos Atípicos

El algoritmo de detección y corrección de datos atípicos trabaja como

sigue:

1. El modelo especificado se ajusta sobre la serie de tiempo, se genera una

serie de los residuales (errores del ajuste) y se calcula la desviación

estándar.

2. Si el tamaño del error más grande excede el umbral de datos atípico

entonces el período es valor es identificado como un dato extremo y el valor

histórico del período es remplazado con el valor de ajuste.

3. El procedimiento se repite usando la historia corregida hasta que no se

detecten datos atípicos o el número de iteraciones especificado sea

alcanzado.

Datos Atípicos (Outliers) Page 80

Modos de Detección de Datos Atípicos

Existen tres modos de detección y corrección de datos atípicos.

- No detectar- No corregir. Este es el modo predeterminado. Muchos usuarios

de Forecast Pro Unlimited no usan (ni requieren usar) la detección de datos

atípicos.

- Solo detectar- detectará datos atípicos y mostrará los valores de corrección

sugeridos, sin embargo, los pronósticos serán generados usando la historia sin

corregir.

- Detección y corrección- detectará datos atípicos y automáticamente usará los

valores corregidos para generar los pronósticos.

Datos Atípicos (Outliers) Page 81

En una estructura multinivel la detección se realiza solo en el último nivel

(es decir, no a nivel de grupo). Si esta opción ha sido seleccionada, una

vez que todos los niveles más bajos han sido corregidos los niveles de

grupos son re-agregados para reflejar los valores corregidos.

Modos de Detección de Datos Atípicos

Datos Atípicos (Outliers) Page 82

Usted puede ajustar la configuración de Sensibilidad para que el umbral de

detección sea mayor o menor en términos de numero de desviaciones estándar.

La configuración adecuada dependerá de la estabilidad de sus datos.

Modos de Detección de Datos Atípicos

Datos Atípicos (Outliers) Page 83

El reporte de datos atípicos puede ser mostrado en forma de tabla o con formato. Los

reportes pueden ser impresos y/o guardados en Excel.

La opción de Agregar a la lista rápida>Análisis>Datos atípicos en el menú de contexto del

navegador le provee una manera comoda para generar una lista rápida de datos atípicos.

Trabajando con datos atípicos

Factores de Conversión Page 84

Factores de Conversión

Factores de Conversión Page 85

Factores de conversión

Forecast Pro TRAC le permite utilizar factores de conversión que convierten instantáneamente

el pronóstico en otras unidades de medida.

Datos Externos Page 86

Datos Externos

Datos Externos Page 87

Datos de referencia

Forecast Pro TRAC puede utilizar datos de referencia

como el presupuesto, objetivos de ventas, Etc. Para

comparar relaciones entre los datos

Desempeño de los pronósticos Page 88

Desempeño de los pronósticos

“El desempeño histórico no es garantía en resultados futuros."

- Fidelity Investments

Desempeño de los pronósticos Page 89

¿Porque medir los errores de los pronósticos?

El medir los errores de los pronósticos nos permite:

Comparar diferentes métodos de pronósticos.

Obtener mayor conocimiento de la exactitud esperada.

Determinar eventos no considerados y documentarlos

Obtener la referencia para una mejora continua

Desempeño de los pronósticos Page 90

Errores dentro de la muestra vs. errores fuera de la muestra

- Estadísticas dentro de la muestra .

Estadísticas de ajuste del modelo - le indica con que exactitud el modelo

explica los datos históricos.

- Estadísticas fuera de la muestra

Le indican que tan exacto hubiera sido realmente un modelo de

pronóstico. Estas estadísticas pueden ser obtenidas usando un método

de “esperar y ver” o mediante una simulación

Desempeño de los pronósticos Page 91

Errores dentro de la muestra vs. errores fuera de la muestra

En competencias empíricas como M3, se ha observado que las

estadísticas fuera de la muestra producen una mejor medición de la

exactitud esperada que las estadísticas dentro de la muestra.

Desempeño de los pronósticos Page 92

Consideraciones en la medición de los errores

El MAPE es fácil de interpretar, incluso cuando usted no conoce el

volumen de la demanda de un producto. Sin embargo, el MAPE es

sensible a la escala y llega a no tener un significado para datos con bajo

volumen o datos con períodos de cero demanda.

El MAD es una buena estadística a usar cuando se analiza el pronóstico

de un solo producto, sin embargo, si nosotros agregamos MADs de

múltiples productos debemos de tener cuidado de productos de alto

volumen que sean dominantes en el resultado.

Desempeño de los pronósticos Page 93

Consideraciones en la medición de los errores

Cuando se realizan estos tipos de análisis algunas empresas establecen

mediciones de errores ponderadas para reflejar de manera adecuada la

importancia relativa de los productos para la empresa. Esta es una

excelente práctica.

Desempeño de los pronósticos Page 94

Evaluación fuera de la muestra

Desempeño de los pronósticos Page 95

Ejemplo de reporte cascada de Forecast Pro TRAC

Curso / Taller

Forecast Pro TRAC 3.1

Business Forecast Systems, Inc.

and FBP-Systems

Last Revised: August 18, 2014

Copyright 1999-2014 Todos los derechos reservados