Glosario
Serie temporal: qué es y cómo se lee
Definición
Una serie temporal es una secuencia de valores del mismo fenómeno medidos a intervalos regulares y ordenados por fecha, como las unidades vendidas de un producto en un almacén cada semana. En control de stock es el punto de partida de la previsión: de su forma (nivel, tendencia, estacionalidad, picos puntuales) depende qué método sirve. Para que sea fiable necesita fechas completas, una unidad de medida constante y los huecos sin venta distinguidos de los huecos sin dato.
Cada producto en cada sitio deja un rastro: cuántas unidades se vendieron la semana pasada, la anterior y la anterior. Esa lista ordenada por fechas es una serie temporal, y es la materia prima de cualquier previsión de demanda. Aquí va qué contiene, qué se le exige y dónde suele estropearse.
Qué es exactamente
Una serie temporal es un conjunto de observaciones de una misma magnitud, tomadas a intervalos regulares y ordenadas por fecha. Lo que la distingue de una simple tabla es que el orden importa: la venta de esta semana se parece más a la de la semana pasada que a la de hace un año, y los métodos de previsión se apoyan en esa dependencia.
En un almacén o en una cadena de tiendas hay una serie por cada combinación de producto y sitio. Una distribuidora con 4.000 referencias y 12 delegaciones maneja hasta 48.000 series, cada una con su propio carácter: algunas estables, otras con picos, otras casi vacías. El método de previsión de demanda se elige mirando cómo es cada una.
También se le llama
Time series en inglés, serie cronológica o simplemente histórico de ventas. En conversación de compras casi nadie dice «serie temporal», pero es lo que se tiene entre manos cuando se exporta un listado de ventas por semana.
Un ejemplo
Una tienda vende aceite de oliva de 5 litros. Las ventas semanales de las últimas ocho semanas son 14, 12, 15, 13, 22, 24, 13 y 14 garrafas. Las semanas 5 y 6 destacan: coinciden con una oferta de dos semanas. Si alguien calcula la media sin mirar el contexto, obtiene 16,4 unidades por semana; si separa el efecto de la oferta, el ritmo normal está más cerca de 13,5. Con la primera cifra se pide de más, con la segunda se acierta.
Cuando esa serie se alarga a tres años, aparecen los patrones que una ventana de ocho semanas esconde. Según el libro de referencia de Hyndman y Athanasopoulos, hay tendencia cuando existe un aumento o descenso a largo plazo; hay estacionalidad cuando la serie la afectan factores del calendario con un periodo fijo y conocido; y hay ciclos cuando suben y bajan sin frecuencia fija, normalmente ligados a la economía. Una buena parte del trabajo de previsión consiste en separar esas capas y lo que queda, el ruido, que no se puede predecir.
Ojo con esto
La mayoría de los fallos en una previsión nacen en la serie, no en el modelo. Los cuatro más habituales:
- Semanas sin dato que parecen semanas sin venta: si un producto estuvo roto de stock, la serie marca cero y el sistema aprende que no se vende. Hay que distinguir «no se vendió» de «no se pudo vender».
- Fechas mezcladas: pedidos por fecha de pedido en unos sitios y por fecha de albarán en otros desplazan los picos una o dos semanas.
- Unidades que cambian: pasar de vender cajas de 6 a cajas de 12 sin reflejarlo hace que la serie parezca caer a la mitad.
- Ventas que no son demanda: una venta de liquidación o un pedido extraordinario de un cliente grande no se repite y conviene marcarlo antes de que contamine la previsión.
Dónde aparece en el sistema
Lo primero que hacemos al conectarnos a tu programa, con un usuario que solo puede leer, es reconstruir la serie de cada producto y sitio: ventas por semana, stock al cierre y los periodos en que no hubo existencias. A partir de ahí la previsión de demanda elige un método por serie y te enseña cuál ha usado.
La calidad de esa reconstrucción se revisa con la simulación con tus datos: se repiten fechas pasadas con lo que se sabía ese día y se comprueba si la serie, tal como la entendió el sistema, habría llevado a buenas decisiones.
Términos relacionados
Tendencia de la demanda, estacionalidad, media móvil, granularidad de la previsión y SKU. Para el caso de series con muchos ceros, el método de Croston.
Preguntas frecuentes
¿Cuántos datos necesita una serie temporal para poder predecir?
Depende de lo que quieras captar. Para el nivel y una tendencia suave bastan unas semanas; para ver una temporada anual hacen falta al menos dos años, porque con uno solo no se distingue la temporada de un hecho aislado. Con menos historia se recurre al grupo (la familia de producto o el resto de sitios).
¿Una serie con muchas semanas a cero se puede prever?
Se puede, pero con métodos pensados para demanda intermitente y con previsión por rango en lugar de una sola cifra. El error está en tratarla como una serie normal y dar un número medio que nunca coincide con una semana real.
¿Hay que limpiar la serie antes de usarla?
Sí, pero con criterio y a la vista: marcar roturas de stock, ofertas y pedidos extraordinarios, no borrarlos en silencio. Lo que se marca se puede discutir con compras; lo que se borra deja de existir.