Glosario
Variables explicativas: lo que le cuentas al modelo para que acierte
Definición
Las variables explicativas son los datos de entrada que un modelo usa para prever algo, como la venta de la semana que viene. En stock suelen ser ventas pasadas, calendario (semana, festivos, Semana Santa), promociones, precio y datos del sitio. Se codifican en números o en indicadores de 1 y 0. Solo valen las que se conocen el día de prever; usar una que se sabe después es un error grave.
Un modelo no adivina: solo puede usar lo que le des. Las variables explicativas son esos datos de entrada, desde las ventas de las semanas anteriores hasta si hay festivo o campaña. Elegirlas bien pesa más que elegir el modelo.
Qué es exactamente
Una variable explicativa es cada dato que alimenta a un modelo para explicar o prever la variable que interesa, que aquí es la venta. A la venta se la llama variable objetivo; a lo demás, explicativas, predictoras o regresores. En el aprendizaje automático se les suele llamar features.
Hyndman y Athanasopoulos, en su manual de previsión, recogen las más habituales cuando se prevé una serie en el tiempo: la tendencia, indicadores de categoría (1 o 0), variables estacionales, variables de intervención, días laborables, retardos de otras variables y el efecto de fechas móviles como la Pascua. Todas se traducen en una columna de números por cada fila.
También se le llama
Variables predictoras, predictores, regresores, covariables o variables independientes. En inglés, features o predictors. Si te hablan de variables exógenas, son las que vienen de fuera de la serie de ventas, como el calendario, la meteorología o una promoción del proveedor.
Un ejemplo
Una distribuidora de bebidas prevé la venta semanal de agua con gas en cada cliente. Variables que usa: ventas de la semana anterior y de hace dos semanas, semana del año, si hay festivo en la semana, si el cliente tiene promoción activa y la temperatura media prevista.
La codificación importa. El día de la semana tiene siete valores y se codifica con seis indicadores de 1 y 0: el séptimo día queda recogido en la constante del modelo. Hyndman y Athanasopoulos lo explican con la «trampa de las variables ficticias»: si se añade una séptima, el modelo no se puede calcular. La regla es una variable menos que categorías, de modo que para datos trimestrales son tres, para mensuales once y para diarios seis.
Una promoción es otro caso. Se puede codificar como un pico (1 solo en la semana de la campaña) o como un escalón (0 antes y 1 desde que empieza, para un cambio permanente). Los dos son variables de intervención de la misma fuente y significan cosas distintas.
Ojo con esto
Los errores que más cuestan al elegir variables:
- Usar datos del futuro: si una variable no se conoce el día en que hay que prever, el modelo parecerá excelente en la prueba y fallará en producción. Esto se llama fuga de información.
- Variables que se solapan: «semana del año» y «mes» dicen casi lo mismo; no estorban a un árbol, pero a un modelo lineal le dan problemas.
- Olvidar el calendario móvil: la Semana Santa cambia de semana cada año. Una variable solo con «semana 14» confunde un año con otro.
- Meter todo: más variables no es mejor. Cada una añade ruido y el riesgo de memorizar el pasado.
Dónde aparece en el sistema
Las variables vienen de tu programa (ventas, stock, precios, calendario de promociones) y de un calendario nacional y de la zona de cada sitio. El sistema las construye en la carga semanal con un usuario de solo lectura, sin que tengas que preparar nada.
Si hay una variable que tú sabes que importa y nadie ha anotado, como una feria o una obra cerca de la tienda, se añade a mano para que el modelo la conozca. Cómo funciona la previsión de demanda con ellas se explica en su página.
Términos relacionados
Ingeniería de variables, efecto promoción, estacionalidad, aprendizaje supervisado y calendario promocional.
Preguntas frecuentes
¿Qué variables externas merece la pena incluir?
Las que tengan efecto probado en tus ventas y se conozcan con antelación: festivos, campañas propias, precio. La meteorología sirve solo si hay previsión fiable para las semanas que se prevén.
¿Qué pasa si no tenemos registrado cuándo hubo promociones?
El modelo atribuirá esos picos a la demanda normal y se equivocará cuando se repitan o cuando no. Reconstruir el calendario de promociones pasadas, aunque sea aproximado, mejora mucho la previsión.
¿Cuántas variables son demasiadas?
No hay un número fijo. Se añaden de una en una y se conservan las que mejoran el acierto en el backtest sobre fechas no vistas. Si una no aporta, se quita.