Predictiva
¿Qué va a pasar?
Técnicas y alcance
Series temporales, regresión, clasificación y detección de anomalías.
Datos necesarios
Históricos suficientes, etiquetas fiables y separación temporal entre entrenamiento y prueba.
Validación profesional
Backtesting, comparación con un baseline, error por segmento y seguimiento de deriva.
Aplicación empresarial
Previsión de demanda con intervalos de incertidumbre; el resultado se valida frente a una previsión ingenua y no promete exactitud absoluta.
Entregable
Informe con fuentes, parámetros, resultados, incertidumbre y recomendaciones. La calidad del dato y la validación con información real determinan qué conclusiones se pueden defender.
Marco de referencia: NIST AI RMFLa decisión que resuelve
Preparar recursos y caja para escenarios futuros sin confundir una previsión con una certeza.
Solución paso a paso
- Revisar cobertura histórica, estacionalidad, promociones y cambios estructurales.
- Separar entrenamiento y prueba por fecha para evitar fuga de información.
- Comparar el modelo con un baseline y revisar el error por segmento.
- Presentar escenario central, rango de incertidumbre y condiciones de revisión.
Medición y límites
MAE, WAPE y sesgo en series; precisión, recall y calibración en clasificación. Se evalúa el coste de falsos positivos y negativos, no solo la exactitud global.
Mercado y contexto mundial
Compara tus resultados con indicadores oficiales de actividad, inflación y empleo, manteniendo el mismo periodo y país. Las noticias aportan contexto, no sustituyen tus datos ni prueban causalidad.