Analítica web
Reflexiones sobre madurez digital, datos y tecnología

Técnicas de previsión en analítica web – Segunda parte

Se lee en 2 minutos

En un anterior post hicimos una breve introducción a las técnicas de previsión que se pueden aplicar dentro del mundo de la analítica web, para conocer el siguiente valor que van a tomar nuestros KPI. En concreto vimos, entre otras cosas, las características de las series temporales sobre las que se realizan las previsiones. En esta ocasión vamos a ver más en profundidad dos de las técnicas de previsión cuantitativas más utilizadas, para llevar a cabo estas predicciones, que son las medias móviles y los alisados exponenciales, cuyo objetivo es el de realizar las previsiones basándose en la tendencia y en la componente cíclica de las series temporales, tratando de mitigar a su vez, las variaciones aleatorias que se pudieran producir.

Dentro de las medias móviles tenemos por ejemplo, la media móvil simple que es uno de los métodos más sencillos que permite obtener una predicción del siguiente valor que van a tomar nuestros indicadores, en base a las últimas observaciones obtenidas. Este método no tiene en cuenta ni la tendencia, ni las componentes cíclica y estacional, por lo que su uso es adecuado sobretodo en series temporales irregulares, en las que no se pueden calcular con precisión las características fundamentales de las series temporales que nos permiten llevar a cabo las predicciones. Si por ejemplo las visitas que recibiera nuestra página web, durante un determinado periodo de tiempo, fueran las que aparecieran en la siguiente tabla:

La media móvil simple, de los tres últimos valores obtenidos, sería simplemente la media de los tres últimos valores que aparecen en la tabla anterior, es decir, la suma de las 7.500 visitas, más las 11.000 visitas del siguiente periodo, más las 8.000 visitas del último periodo, es decir 8.833 visitas aproximadamente.

Dentro de las medias móviles existen otros métodos, como la media móvil doble, que aplicando una nueva media móvil, a partir de la primera media móvil calculada, consiguen tener en cuenta en cierta medida, la tendencia que experimenta la serie temporal correspondiente.

El alisado exponencial es un método más complejo que la media móvil simple, que tiene en cuenta la tendencia y estacionalidad de las series temporales para realizar las previsiones. Este método se utiliza frecuentemente, debido a su simplicidad y precisión. Además, es similar a las medias móviles, pero mientras que estas técnicas otorgan el mismo peso a todos valores tenidos en cuenta para realizar las previsiones, el alisado exponencial da más importancia a las observaciones más recientes, que a las antiguas.

Además, al igual que con las medias móviles, el alisado exponencial se puede aplicar múltiples veces sobre los valores obtenidos previamente. De esta forma tenemos el alisado exponencial simple, el alisado exponencial doble, e incluso el alisado exponencial triple. Cabe destacar que el alisado exponencial doble permite capturar la tendencia que posee la serie temporal, y el alisado exponencial triple, a su vez, tiene en cuenta la componente estacional.

A parte de las técnicas utilizadas para realizar las previsiones, también nos interesará saber si los valores obtenidos son buenos indicadores o no, de los valores que toma la serie temporal en realidad. Para ello tenemos lo que se conoce como suma de los errores cuadráticos y la media de los errores cuadráticos, que como su nombre indica no son más que la suma de la diferencia entre los valores reales y las estimaciones, y la media de las diferencias entre los valores reales y las estimaciones, nuevamente.

De esta forma ya conocemos más en profundidad algunos de los métodos más comunes, utilizados para calcular las previsiones de los valores que van a tomar en el futuro nuestras series temporales. Aunque en principio estos métodos pudieran parecer demasiado complicados de utilizar, existen lenguajes de programación y entornos de computación numéricos, como es el proyecto R, que nos permiten aplicar cualquiera de estos métodos, e incluso calcular de manera automática, el que mejor se adapte a las características de los indicadores con los que estemos trabajando.

Escribe tu comentario

veinte − cuatro =

Navegar