Glosario
Valor atípico: el pedido que no se va a repetir y por qué importa
Definición
Un valor atípico es una observación muy distinta del resto de la serie: una venta puntual enorme, un registro duplicado o una caída absurda. Puede ser un error o un hecho real que no se repetirá. Se detecta con reglas como marcar lo que queda a más de tres rangos intercuartílicos del centro, una vez descontados tendencia y temporada. Antes de corregirlo hay que saber por qué ocurrió.
Un cliente compra 500 cajas un martes cualquiera y el resto de la semana el producto vende 40. Esa venta es un valor atípico. Si el modelo la toma por normal, subirá la previsión de todas las semanas siguientes; si se borra sin pensar, se pierde una pista sobre el negocio. Hay que mirarla antes de decidir.
Qué es exactamente
Un valor atípico, u outlier, es una observación que se aleja mucho del resto de los datos. Hyndman y Athanasopoulos lo definen como observaciones muy distintas de la mayoría de la serie, que pueden ser errores o simplemente algo inusual. En ventas, puede ser un pedido excepcional, una devolución masiva o un registro duplicado.
Importa porque, según el mismo manual, ninguno de los métodos de previsión que repasa funciona bien si hay valores extremos. Un solo pedido de 500 cajas puede subir la media de varias semanas y hacer que el sistema proponga enviar de más a esa tienda durante un mes.
También se le llama
Outlier, dato anómalo, valor extremo, anomalía u observación atípica. En scikit-learn se distingue la detección de valores atípicos, cuando los datos de entrenamiento ya los contienen, de la detección de novedades, cuando los datos de entrenamiento están limpios y se quiere juzgar un dato nuevo. En stock se usa mucho la segunda: «¿esta venta de hoy es normal para este producto?».
Cómo se calcula
El manual de Hyndman propone descomponer la serie con STL en versión robusta, que separa tendencia, temporada y resto, y mirar el resto: se marcan como atípicos los valores que quedan a más de 3 rangos intercuartílicos (IQR) por fuera del 50 % central. Esa regla es más estricta que la habitual de 1,5 IQR, que en datos normales marcaría unos 7 de cada 1.000, mientras que con 3 IQR sale uno de cada 500.000.
Ejemplo. Una distribuidora de menaje descompone las ventas de una cacerola. Los restos habituales van de −2 a +2 unidades: el primer cuartil es −2 y el tercero +2, de modo que el IQR vale 4. El límite superior es 2 + 3 × 4 = 14 y el inferior −2 − 3 × 4 = −14. Una semana la previsión era de 40 unidades y se vendieron 220: el resto es +180, muy por encima de 14. Se marca.
El siguiente paso es mirar la causa. Era un pedido único de un cliente por una reforma. El manual lo resume bien: sustituir valores atípicos sin pensar por qué ocurrieron es una práctica peligrosa; es razonable hacerlo si se supone que son errores o que no se repetirán en el periodo que se prevé. Aquí no se repetirá, así que se sustituye por el valor esperado, 40, y se deja anotada la corrección.
Ojo con esto
Lo que más se hace mal con los valores atípicos:
- Borrarlos todos: un pico que se repite cada año en la misma semana no es atípico, es temporada. Si se elimina, el modelo no la aprenderá.
- Dejarlos todos: un pedido único que se queda en el historial enseña al modelo una demanda que no existe.
- No dejar rastro: corregir una cifra sin anotar cuál era y por qué impide revisarlo luego. En una auditoría o ante una duda del cliente, hay que poder enseñar el original.
- Confundirlos con roturas: una caída a cero no es siempre un valor atípico de la demanda; puede ser que no hubiera producto. En ese caso la causa es otra.
Dónde aparece en el sistema
En la carga semanal el sistema marca las ventas que se salen del patrón de cada producto y sitio, y las presenta con su explicación posible (pedido grande puntual, duplicado, devolución). Quien conoce el negocio decide si se corrigen, se dejan o se tratan como una promoción. El modelo no se las traga sin aviso, y la corrección queda registrada.
Cuando falta contexto, el asistente permite preguntar «¿qué pasó en Zaragoza la semana del 3?» y enseña el pedido que subió la cifra, para decidir sobre algo concreto y no sobre una sospecha. El resto de la preparación se describe en la limpieza de datos.
Términos relacionados
Limpieza de datos, datos faltantes, demanda base, efecto promoción y alerta temprana.
Preguntas frecuentes
¿Una promoción es un valor atípico?
No debería tratarse así si se repite y se conoce de antemano. Es mejor darle al modelo una variable de promoción para que aprenda su efecto, en lugar de quitar esas semanas y perder la información.
¿Cuántos valores atípicos son normales?
Con una regla estricta como 3 IQR, muy pocos. Si el sistema marca muchos, lo habitual es que haya un problema en los datos (duplicados, unidades mezcladas) y no que haya muchos casos raros.
¿Detectar un valor atípico es lo mismo que detectar un fraude?
No. Un valor atípico es una venta rara respecto al patrón, con mil causas inocentes. Detectar fraude exige otro tipo de análisis y de normas, que no es lo que hace el sistema de reposición.