Calculadora de Suavizamiento Exponencial (SES y Holt, con Alfa y Beta Optimizados)

Que calcula esta herramienta

La calculadora toma tu serie de demanda y el metodo que elijas y te devuelve dos cosas que van juntas: el pronostico del siguiente periodo y la calidad de ese pronostico sobre tu propio historial. Le das el metodo, suavizamiento exponencial simple o Holt con tendencia; decides si optimizas alfa y beta de forma automatica o los fijas a mano; eliges si la tendencia de Holt es amortiguada; y pegas el historial de demanda, un valor por linea. Con eso calcula el pronostico del proximo periodo, el alfa usado, el beta usado cuando aplica, el MAD, el RMSE, el MAPE y el sesgo, y proyecta el horizonte que pidas. No es un solo numero suelto: es el numero mas su margen de error y su direccion.

Lo que separa a esta herramienta de suavizar a mano en una hoja de calculo es que califica el metodo antes de que lo uses. Para cada periodo, calcula cual habria sido el pronostico de un paso y lo compara con la demanda que de verdad ocurrio; de esa comparacion salen el MAD, el RMSE, el MAPE y el sesgo. Asi no eliges el metodo por costumbre sino por evidencia: ves con numeros que tan bien habria funcionado el SES con la alfa optimizada, el SES con una alfa fija, o el Holt con tendencia, sobre exactamente los datos que vas a pronosticar.

El otro diferenciador es visual. La herramienta grafica la demanda real como una linea solida y el pronostico como una linea punteada, periodo por periodo, y extiende la proyeccion sobre el horizonte que pediste. En una sola imagen se ve lo que las tablas esconden: el SES proyecta una linea plana, porque solo sigue el nivel; el Holt proyecta una linea con pendiente, porque tambien sigue la tendencia; y con tendencia amortiguada esa pendiente se va aplanando en lugar de dispararse. Ver la proyeccion junto al error deja claro si tu serie necesita el nivel, la tendencia, o la tendencia contenida.

Como funciona: las formulas del suavizamiento exponencial

El suavizamiento exponencial simple es el mas directo. El pronostico para el siguiente periodo es F(t+1) = alfa por D(t) mas (1 menos alfa) por F(t). En palabras, el nuevo pronostico es una mezcla del ultimo dato real y del pronostico anterior, y alfa decide cuanto pesa cada uno. El pronostico inicial toma por defecto el primer valor real, y la herramienta ofrece la opcion de arrancar con el promedio de la serie. Una consecuencia clave: el pronostico del SES es plano. Todos los periodos futuros reciben el mismo numero, porque el SES sigue solo el nivel de la demanda, no una tendencia.

El metodo de Holt, o metodo de tendencia lineal de Holt, agrega una segunda ecuacion para que el pronostico suba o baje. El nivel es L(t) = alfa por D(t) mas (1 menos alfa) por (L(t-1) mas phi por T(t-1)); la tendencia es T(t) = beta por (L(t) menos L(t-1)) mas (1 menos beta) por phi por T(t-1); y el pronostico a m pasos es F(t+m) = L(t) mas (phi mas phi al cuadrado mas … mas phi elevado a m) por T(t). Con phi igual a 1 este es el Holt clasico y la proyeccion es una recta con pendiente. La inicializacion habitual toma L como el segundo valor real y T como el segundo valor menos el primero. Beta, la constante de tendencia, se llama delta en algunos textos; es el mismo parametro con otro nombre.

La tendencia amortiguada usa un phi entre 0 y 1; la herramienta usa 0.9. La proyeccion sigue subiendo o bajando, pero la pendiente se encoge cada periodo, asi que no se dispara sobre un horizonte largo. Es el termino medio entre el SES, que proyecta plano, y el Holt clasico, que extrapola la pendiente reciente para siempre. En horizontes largos suele ser la opcion mas prudente, porque una tendencia rara vez se mantiene igual de empinada por muchos periodos.

Para elegir alfa y beta, la herramienta hace un barrido por rejilla y se queda con el par que da el menor RMSE dentro de la muestra, con paso 0.01 para el SES y paso 0.05 para Holt. Un alfa alto reacciona rapido al cambio reciente pero es nervioso; un alfa bajo es suave pero lento. Las metricas de error se calculan sobre los pronosticos internos de un paso: el error es e = real menos pronostico; el MAD es el promedio de |e|; el RMSE es la raiz del promedio de e al cuadrado; el MAPE es el promedio de |e / real| en porcentaje, y salta los periodos donde la demanda real es cero; el sesgo es la suma de los errores. Un sesgo positivo significa que el pronostico va por debajo de la demanda real, es decir, se rezaga de una tendencia al alza.

SES contra Holt: nivel contra nivel mas tendencia

Los dos metodos responden la misma pregunta, cual sera la demanda del proximo periodo, pero modelan cosas distintas. El SES sigue un solo componente, el nivel, es decir el valor central alrededor del cual oscila la demanda. Cada periodo ajusta ese nivel un poco hacia el ultimo dato, segun alfa. Como no tiene nocion de direccion, su proyeccion es plana: el pronostico del proximo periodo es el mismo que el del periodo veinte. Es el metodo correcto cuando la demanda es estable y solo tiene ruido alrededor de un nivel mas o menos fijo.

El Holt agrega un segundo componente, la tendencia, que captura cuanto sube o baja la demanda por periodo. Con esa pieza extra, el pronostico ya no es plano: arranca en el nivel actual y se mueve segun la pendiente estimada. Sobre demanda que sube o baja de forma sostenida, esto suele bajar el error de manera clara, porque el pronostico acompana la subida en lugar de quedarse abajo. El costo es que hay un parametro mas que estimar, beta, y que sobre una serie plana el Holt puede inventar una tendencia que no existe y empeorar el pronostico.

La regla practica es dejar que el error decida. Si el SES optimizado deja un sesgo grande y del mismo signo, tu demanda tiene una tendencia que el nivel solo no puede seguir, y Holt casi siempre gana. Si la serie es plana, el SES con una alfa pequena suele ganarle a Holt, que ahi sobreajusta. El suavizamiento exponencial es primo cercano del promedio movil: los dos pertenecen a la familia de suavizamiento y pronostican promediando el pasado, pero el promedio movil pesa por igual los ultimos n periodos dentro de una ventana, mientras que el suavizamiento exponencial reparte pesos que decrecen de forma geometrica y nunca llegan a cero del todo. El promedio movil olvida de golpe; el suavizamiento exponencial olvida de forma gradual.

Como funcionan alfa y beta

Alfa es la constante de suavizamiento de nivel, y vive entre 0 y 1. Controla cuanto peso recibe el dato mas reciente frente a toda la historia resumida en el pronostico anterior. Con alfa cerca de 1, el pronostico casi copia el ultimo dato: reacciona rapidisimo a un cambio, pero tambien copia cada pico de ruido y se vuelve nervioso. Con alfa cerca de 0, el pronostico apenas se mueve: es muy estable, casi un promedio de largo plazo, pero tarda mucho en reaccionar a un cambio real de nivel. La alfa correcta equilibra reaccion y estabilidad, y ese equilibrio depende de tu serie.

Beta es la constante de tendencia, y solo aparece en Holt. Controla que tan rapido se actualiza la pendiente estimada cuando el nivel cambia. Con beta alto, la tendencia se reajusta agresivamente a cada movimiento del nivel, lo que sigue bien un cambio de pendiente pero puede sobrerreaccionar; con beta bajo, la pendiente cambia despacio y da una proyeccion mas estable. En una serie con tendencia clara y constante, un beta moderado a alto suele funcionar; en una serie donde la pendiente cambia poco, un beta bajo evita que la proyeccion se sacuda con cada dato.

Los dos parametros interactuan, y por eso conviene optimizarlos juntos en lugar de por separado. Un alfa alto con un beta alto da un modelo muy reactivo que sigue de cerca los cambios recientes pero amplifica el ruido; un alfa bajo con un beta bajo da un modelo muy suave que puede quedarse atras. La herramienta recorre la rejilla de pares y elige la combinacion con menor RMSE, lo que quita la parte adivinatoria de ajustar a mano. Aun asi conviene mirar los valores elegidos: un alfa muy alto suele indicar una serie ruidosa donde el modelo persigue el ultimo dato, y vale la pena revisar si esos saltos se van a repetir.

Por que optimizar por RMSE

Elegir alfa y beta a mano es un ejercicio de tanteo que rara vez da con el mejor par. La herramienta lo resuelve con un barrido por rejilla: prueba muchas combinaciones de constantes, calcula el RMSE de los pronosticos internos de un paso para cada una, y se queda con la que da el menor error. Para el SES recorre alfa con paso 0.01, fino porque solo hay un parametro; para Holt recorre alfa y beta con paso 0.05, mas grueso porque la rejilla es bidimensional y crece rapido. El resultado es el par que mejor habria pronosticado tu propio historial, no una regla generica.

Se usa el RMSE como criterio porque castiga mas los errores grandes que el MAD, al elevar al cuadrado antes de promediar. En pronostico de demanda eso suele ser lo que importa: un solo periodo muy fallado, un faltante grande o un exceso caro, pesa mas que muchos periodos apenas desviados. Optimizar por RMSE elige constantes que evitan esos errores gruesos, no solo las que bajan el error promedio. En la serie por defecto, la alfa optimizada de 0.76 da un RMSE de 2.92, casi la mitad del que se obtiene con una alfa de manual de 0.3, que sobre esa misma serie da un RMSE de 4.21.

La optimizacion no lo arregla todo, y ahi entra el sesgo. Optimizar por RMSE encuentra las mejores constantes para el metodo que elegiste, pero no cambia de metodo por ti. En la serie por defecto, incluso la alfa optimizada del SES deja un sesgo de +21.1, enorme para una demanda que ronda las 30 unidades: el mejor SES posible todavia se queda atras de la tendencia. Esa es justo la senal para cambiar de SES a Holt, no para seguir buscando una alfa mejor. La optimizacion afina el metodo; el sesgo te dice si el metodo es el correcto.

Tendencia amortiguada y horizontes largos

El Holt clasico proyecta una recta: toma la pendiente estimada al final de la serie y la extiende sin cambio periodo tras periodo. Para dos o tres periodos adelante eso suele estar bien, pero para un horizonte largo es arriesgado, porque una demanda rara vez sigue subiendo o bajando con la misma pendiente por mucho tiempo. Extrapolar una subida reciente diez o veinte periodos hacia adelante puede dar un pronostico absurdamente alto que nadie usaria para planear.

La tendencia amortiguada resuelve eso con el factor phi, un numero entre 0 y 1; la herramienta usa 0.9. En cada periodo de la proyeccion, la pendiente se multiplica por phi, asi que va perdiendo fuerza: la proyeccion todavia sube o baja, pero cada vez menos, y termina por aplanarse en lugar de dispararse. Es un termino medio entre el SES, que proyecta plano desde el primer periodo, y el Holt clasico, que mantiene la pendiente para siempre. En la practica, el amortiguamiento suele dar proyecciones de largo plazo mas realistas y, en muchas series, un mejor error dentro de la muestra.

En la serie por defecto, el Holt amortiguado con phi 0.9 y constantes optimizadas de alfa 0.40 y beta 0.95 da un RMSE de 2.59, el mas bajo de las variantes probadas, con una proyeccion que sube 37.54, 39.16, 40.63, 41.94, 43.12, 44.19 sobre seis periodos. Comparalo con el Holt clasico, que proyecta 38.10, 40.14, 42.17, 44.21 con pasos casi iguales que no ceden. Se ve el efecto del amortiguamiento: los primeros pasos son parecidos, pero el amortiguado va cerrando la distancia entre periodo y periodo, lo que da una vista de largo plazo mas conservadora.

Leer las metricas de error y el sesgo

Un pronostico sin su error es solo una opinion, y por eso la herramienta calcula cuatro medidas que se leen juntas. El MAD, la desviacion absoluta media, es el promedio de cuanto se equivoca el pronostico en cada periodo, sin importar el signo, y esta en las mismas unidades que tu demanda; es el mas facil de comunicar. El RMSE, la raiz del error cuadratico medio, tambien esta en unidades de demanda, pero castiga mas los errores grandes; un RMSE bastante mayor que el MAD avisa de algunos periodos muy fallados escondidos entre muchos aceptables. El MAPE pone el error en porcentaje del valor real, util para comparar productos de escalas distintas, y salta los periodos con demanda cero para no dividir entre cero.

El sesgo, la suma de los errores con su signo, es la unica de las cuatro que dice hacia donde se equivoca el pronostico, no solo cuanto. Si el pronostico se pasa por arriba unos periodos y por debajo otros, los errores se cancelan y el sesgo queda cerca de cero, que es lo sano. Si se equivoca casi siempre para el mismo lado, los errores se acumulan y el sesgo se vuelve grande. Un sesgo positivo significa que la suma de reales supera a la suma de pronosticos, es decir, subpronosticas de forma sistematica, que es lo que pasa cuando el suavizamiento se rezaga de una tendencia al alza.

La forma correcta de leerlas es en conjunto. El MAD y el RMSE te dicen el tamano del error y si hay fallas gruesas; el MAPE lo pone en escala comparable; el sesgo te dice si el modelo esta descalibrado en una direccion. En la serie por defecto, el SES optimizado da MAD 2.34, RMSE 2.92 y MAPE 8.1%, numeros que por si solos se ven bien, pero el sesgo de +21.1 delata el problema: el modelo va corto una y otra vez. Sin mirar el sesgo, uno se quedaria contento con el SES; con el sesgo a la vista, queda claro que conviene probar Holt.

Cuando el suavizamiento exponencial es el metodo equivocado

El suavizamiento exponencial, en sus formas SES y Holt, cubre demanda estable y demanda con tendencia, pero deja fuera un patron importante: la estacionalidad. Si tu demanda sube en ciertas temporadas y baja en otras de forma repetida, ni el SES ni el Holt conservan esa senal; el SES la aplana y el Holt la confunde con una tendencia. Para ese patron se necesita un componente estacional, ya sea un indice estacional que ajusta el pronostico por temporada o el metodo de Holt-Winters, que agrega una tercera ecuacion para la estacionalidad. El indice estacional es una herramienta hermana de este silo pensada justo para eso.

El segundo caso es la demanda intermitente o a saltos, con muchos periodos en cero y picos aislados. El suavizamiento exponencial promedia ceros y picos y da un numero que no describe ni a los ceros ni a los picos, y el MAPE se dispara porque divide entre demandas chicas. Para ese patron existen metodos especificos de demanda intermitente, y el primer paso practico es clasificar el articulo, por ejemplo con una clasificacion XYZ que separa la demanda estable de la variable y de la erratica. Si tu articulo cae en la categoria erratica, el suavizamiento exponencial no es la respuesta.

Hay un tercer limite que conviene tener presente: el suavizamiento exponencial es un metodo univariado. Solo mira el propio historial de la demanda y no incorpora causas externas como precio, promociones, clima o actividad de la competencia. Cuando un factor externo mueve la demanda de forma sistematica, un modelo causal como una regresion suele explicar mejor lo que pasa. Las Metricas de Error de Pronostico, otra herramienta hermana de este silo, van mas a fondo en como comparar metodos y vigilar el error con una senal de rastreo, y son el complemento natural cuando quieres decidir entre suavizamiento y un modelo causal con evidencia.

Preparar una serie de demanda limpia

El pronostico es tan bueno como la serie que le das, asi que vale la pena preparar el historial antes de pegarlo. El suavizamiento exponencial supone un valor por periodo igual, sin huecos, asi que rellena o marca los periodos faltantes antes de meter la serie. Un hueco tratado como si fuera un cero real distorsiona tanto el nivel como la tendencia, y sobre Holt un solo hueco puede torcer la pendiente por varios periodos. Manten una sola frecuencia, mensual o semanal, sin mezclar periodos de distinta duracion.

Lo segundo es usar demanda real, no ventas. Cuando hubo un faltante, las ventas cayeron porque no habia producto, no porque no hubiera clientes; si pronosticas sobre esas ventas censuradas, vas a subestimar la demanda una y otra vez, y el suavizamiento arrastrara ese sesgo hacia abajo. En lo posible, reconstruye la demanda de los periodos con faltante. Conviene tambien revisar picos atipicos por una promocion fuerte o un pedido unico de un cliente grande, porque el suavizamiento los incorpora al nivel y los propaga varios periodos.

Lo tercero es tener suficiente historial. Con muy pocos periodos, la inicializacion domina el resultado y las constantes optimizadas se vuelven inestables, porque la rejilla tiene poca informacion con que comparar. Una buena practica es dar al modelo al menos ocho a doce periodos, y reoptimizar alfa y beta a medida que llega nueva demanda, para que las constantes sigan el ritmo de tu serie en lugar de quedarse congeladas en un valor viejo. La herramienta acepta un valor por linea, con el periodo mas reciente al final, que es de donde salen el pronostico y la proyeccion.

Cinco ejemplos resueltos

Ejemplo 1: SES a mano con alfa 0.3, serie corta

Serie corta 10, 12, 13, 12, 15, 16, con suavizamiento exponencial simple, alfa 0.3 y pronostico inicial igual al primer valor, 10. Los pronosticos rodados quedan 10, 10.6, 11.32, 11.52, 12.57, y el pronostico del siguiente periodo es 13.60. El error da MAD 2.40, RMSE 2.61, MAPE 17.1% y un sesgo de +11.99 sobre 5 periodos. Cada pronostico es 0.3 del ultimo dato real mas 0.7 del pronostico anterior; asi, F despues del 12 es 0.3 por 12 mas 0.7 por 10, que da 10.6, y asi sucesivamente. La leccion es que el valor plano de 13.60 se repite para cada periodo futuro: el SES sigue el nivel, no la tendencia.

Ejemplo 2: SES optimizado contra SES de manual

La serie trending por defecto 20, 24, … 37 con SES y alfa optimizada da alfa 0.76, un pronostico del siguiente periodo de 36.04, RMSE 2.92 y sesgo +21.1. Compara eso con una alfa fija de 0.3 sobre la misma serie: pronostico 32.67, RMSE 4.21 y sesgo +42.2. Optimizar la alfa casi parte a la mitad el error frente a la alfa de manual de 0.3, y sube el pronostico de 32.67 a 36.04, mucho mas cerca de la demanda real reciente. La leccion tiene dos partes: la optimizacion vale la pena, pero incluso el mejor SES se queda atras de la tendencia, porque el sesgo sigue grande y positivo.

Ejemplo 3: Holt con tendencia, misma serie

La misma serie trending con Holt y constantes optimizadas da alfa 0.45, beta 0.95, un pronostico del siguiente periodo de 38.10, RMSE 2.69 y sesgo -4.59, con una proyeccion que sube 38.10, 40.14, 42.17, 44.21 sobre cuatro periodos. Agregar el termino de tendencia le gana al mejor SES, con un RMSE de 2.69 frente a 2.92, y el sesgo pasa de +21.1 a -4.59, mucho mas cerca de cero. La leccion es clara: en una serie con tendencia, el Holt no solo baja el error sino que endereza el sesgo, porque el pronostico acompana la subida en lugar de quedarse plano.

Ejemplo 4: Holt con tendencia amortiguada, misma serie

La misma serie con Holt, tendencia amortiguada de phi 0.9 y constantes optimizadas da alfa 0.40, beta 0.95, un pronostico del siguiente periodo de 37.54, RMSE 2.59 y sesgo -1.63, con una proyeccion 37.54, 39.16, 40.63, 41.94, 43.12, 44.19 sobre seis periodos. El amortiguamiento da el RMSE mas bajo de las variantes probadas, 2.59, y el sesgo mas cercano a cero, con una proyeccion de largo plazo mas conservadora que la del Holt clasico. La leccion es que amortiguar la tendencia contiene la pendiente en vez de extrapolar para siempre la subida reciente, y aqui ese freno mejora tanto el ajuste como la vista de largo plazo.

Ejemplo 5: demanda estable, sin tendencia

Serie estable 50, 52, 48, 51, 49, 50, 53, 47, 50, 51, que oscila alrededor de un nivel fijo. El SES optimizado elige una alfa de 0.01, casi un promedio de largo plazo, con un pronostico del siguiente periodo de 50.01, RMSE 1.80 y MAPE 2.9%. El Holt optimizado sobre la misma serie da un RMSE de 3.18, peor. La leccion es el espejo de los casos con tendencia: sobre demanda plana, una alfa diminuta gana porque suaviza todo el ruido, y el Holt sobreajusta una tendencia que no existe. Hay que casar el metodo con el patron: SES para nivel, Holt para tendencia.

Tres consejos de experto

Deja que el RMSE elija alfa y beta, luego revisa el sesgo

La herramienta busca por rejilla las constantes de suavizamiento con el menor RMSE, lo que quita la parte adivinatoria de ajustar a mano y suele bajar el error a la mitad frente a una alfa de manual. Pero lee tambien el sesgo. Un sesgo grande y positivo sobre una serie que sube significa que incluso el modelo optimizado se queda atras, y esa es la senal para cambiar de SES a Holt, no para seguir buscando una alfa mejor. La optimizacion afina el metodo que elegiste; el sesgo te dice si elegiste el metodo correcto.

Usa SES para nivel, Holt para tendencia, amortiguamiento para horizontes largos

El SES da un pronostico plano y encaja con demanda estable; el Holt agrega una pendiente para demanda con tendencia; la variante amortiguada evita que esa pendiente se dispare cuando proyectas muchos periodos adelante. Elige segun el patron de tu serie y segun que tan lejos necesitas pronosticar. Ninguna de las tres maneja estacionalidad, asi que una serie con un patron semanal o mensual repetido necesita un indice estacional o el metodo de Holt-Winters en su lugar.

Alimenta una serie limpia y con suficiente historia

El suavizamiento exponencial supone un valor por periodo igual, sin huecos, asi que rellena o marca los periodos faltantes antes de pegar la serie. Una serie corta deja que la inicializacion domine y vuelve inestables las constantes optimizadas, asi que da al modelo al menos ocho a doce periodos. Usa demanda real y no ventas censuradas, revisa los picos atipicos, y reoptimiza alfa y beta a medida que llega nueva demanda, para que las constantes sigan el ritmo de tu serie.

Donde encaja esta calculadora

Sirve a quien planea o audita demanda: planeadores que fijan el pronostico base de cada articulo, analistas de inventario que dimensionan el stock de seguridad a partir del error del pronostico, responsables de compras que deciden cuanto pedir, y equipos de operaciones que quieren un pronostico defendible antes de invertir en un modelo mas complejo. La idea es tener el pronostico del siguiente periodo, las constantes adecuadas y el error medido con numeros claros, para llevar a la mesa de planeacion una recomendacion que cualquiera pueda revisar.

El suavizamiento exponencial es una de las herramientas centrales del silo de pronostico, y se conecta de forma natural con sus calculadoras hermanas. Su primo directo es el promedio movil, ya en linea, la otra mitad de la familia de suavizamiento: donde el promedio movil pesa por igual los ultimos n periodos dentro de una ventana, el suavizamiento exponencial reparte pesos que decrecen de forma geometrica. Cuando tu demanda tiene temporadas repetidas, el Indice Estacional conserva esa senal que el SES y el Holt aplanan; cuando quieres comparar metodos y vigilar el sesgo con una senal de rastreo, las Metricas de Error de Pronostico van mas a fondo en la exactitud; cuando la demanda es erratica, la Clasificacion XYZ te dice si el suavizamiento siquiera aplica; y para una tendencia pura, el Pronostico por Regresion Lineal ajusta una recta con minimos cuadrados. Estas ultimas cuatro calculadoras hermanas todavia no estan en linea; en cuanto se publiquen, seran las companeras directas de esta herramienta. Mientras tanto, vuelve al hub de Pronosticos y Analitica para ver el conjunto completo, o explora el silo hermano de Cadena de Suministro, donde el pronostico alimenta el inventario, el punto de reorden y el flete.

Estandares y buenas practicas

El suavizamiento exponencial simple, el metodo de Holt y la variante amortiguada, junto con las metricas MAD, RMSE, MAPE y sesgo, son material base de cualquier curso y manual de planeacion de demanda y gestion de operaciones, no la receta de una sola empresa. El SES mezcla el ultimo dato con el pronostico previo segun alfa; Holt agrega una ecuacion de tendencia gobernada por beta; el amortiguamiento encoge la pendiente con phi; el error se mide sobre los pronosticos internos de un paso, con el error definido como real menos pronostico. El MAPE salta los periodos con demanda cero, y el sesgo positivo indica subpronostico. Son convenciones estables y ampliamente ensenadas.

Los numeros de referencia ayudan a leer tu caso. Un sesgo cercano a cero indica un pronostico equilibrado; un sesgo grande del mismo signo indica un error sistematico, tipico del suavizamiento simple sobre una tendencia. Un RMSE bastante mayor que el MAD avisa de errores grandes ocultos. Un MAPE por debajo de 10% suele considerarse bueno para demanda estable, mientras que un MAPE arriba de 40% o 50% casi siempre indica que el metodo no encaja con el patron, casi siempre demanda intermitente. Estos umbrales son guias generales; tu contexto, el costo de un faltante y la variabilidad natural de tu producto mandan sobre cualquier regla fija.

Como toda estimacion, los resultados de esta calculadora son un punto de partida para planeacion y educacion, no una garantia de la demanda futura. Ningun metodo estadistico ve un cambio de mercado, una promocion nueva o un evento fuera de lo comun antes de que ocurra. Usa el suavizamiento exponencial para el pronostico base, vigila el sesgo para saber cuando cambiar de metodo, y complementa el numero con el juicio de quien conoce el negocio. Esta calculadora y su guia las construye y revisa el equipo de OpsCalculators; consulta nuestra Politica Editorial para saber como se investiga, construye y prueba cada herramienta.

Preguntas frecuentes

Que es el suavizamiento exponencial?

Es un metodo de pronostico que mezcla el dato mas reciente con el pronostico anterior, dando mas peso a lo reciente y menos a lo viejo de forma gradual. Tambien se le llama suavizacion exponencial. En su forma simple, el pronostico del siguiente periodo es F(t+1) = alfa por D(t) mas (1 menos alfa) por F(t), donde alfa entre 0 y 1 decide cuanto pesa el ultimo dato. A diferencia del promedio movil, que olvida de golpe cuando un periodo sale de la ventana, el suavizamiento exponencial reparte pesos que decrecen de forma geometrica y nunca llegan a cero del todo.

Cual es la diferencia entre SES y el metodo de Holt?

El suavizamiento exponencial simple, SES, sigue un solo componente, el nivel, asi que su proyeccion es plana: todos los periodos futuros reciben el mismo numero. El metodo de Holt agrega una segunda ecuacion para la tendencia, asi que el pronostico sube o baja con la demanda y su proyeccion es una recta con pendiente. Usa SES cuando la demanda es estable alrededor de un nivel; usa Holt cuando la demanda sube o baja de forma sostenida. En la serie por defecto, Holt da un RMSE de 2.69 contra 2.92 del mejor SES, porque acompana la tendencia.

Que significan alfa y beta?

Alfa es la constante de suavizamiento de nivel, entre 0 y 1: controla cuanto pesa el dato mas reciente frente al pronostico anterior. Un alfa alto reacciona rapido pero es nervioso; uno bajo es estable pero lento. Beta es la constante de tendencia y solo aparece en Holt: controla que tan rapido se ajusta la pendiente cuando el nivel cambia. En algunos textos a beta se le llama delta; es el mismo parametro. Los dos interactuan, por eso conviene optimizarlos juntos, y la herramienta lo hace buscando el par con menor RMSE.

Como elige la herramienta alfa y beta?

Hace un barrido por rejilla: prueba muchas combinaciones de constantes, calcula el RMSE de los pronosticos internos de un paso para cada una, y se queda con la que da el menor error. Para el SES recorre alfa con paso 0.01; para Holt recorre alfa y beta con paso 0.05. El resultado es el par que mejor habria pronosticado tu propio historial. Puedes apagar la optimizacion y fijar las constantes a mano si quieres comparar con un valor de manual como alfa 0.3.

Por que se optimiza por RMSE y no por MAD?

Porque el RMSE castiga mas los errores grandes al elevarlos al cuadrado antes de promediar, y en pronostico de demanda un solo periodo muy fallado suele costar mas que muchos periodos apenas desviados. Optimizar por RMSE elige constantes que evitan esos errores gruesos, no solo las que bajan el error promedio. En la serie por defecto, la alfa optimizada de 0.76 da un RMSE de 2.92, casi la mitad del 4.21 que da una alfa de manual de 0.3 sobre la misma serie.

Por que el pronostico del SES es plano?

Porque el SES sigue solo el nivel de la demanda, no una tendencia. Su formula proyecta el mismo nivel hacia adelante, asi que el pronostico del proximo periodo es igual al del periodo veinte: una linea recta y horizontal. Si tu demanda sube o baja de forma sostenida, ese pronostico plano se queda atras, lo que se ve en un sesgo grande. Para que el pronostico suba o baje con la demanda necesitas el metodo de Holt, que agrega una ecuacion de tendencia.

Que es la tendencia amortiguada y cuando conviene?

Es una variante de Holt que multiplica la pendiente por un factor phi entre 0 y 1 en cada periodo de la proyeccion; la herramienta usa 0.9. La proyeccion todavia sube o baja, pero la pendiente se encoge cada periodo y termina por aplanarse, en lugar de extrapolar para siempre la subida reciente. Conviene para horizontes largos, donde extender una pendiente sin freno da pronosticos poco realistas. En la serie por defecto, el Holt amortiguado da el RMSE mas bajo, 2.59, con una proyeccion de largo plazo mas conservadora.

Que significan MAD, RMSE y MAPE?

Son tres medidas del tamano del error. El MAD, desviacion absoluta media, es el promedio de cuanto se equivoca el pronostico en cada periodo, en unidades de demanda. El RMSE, raiz del error cuadratico medio, tambien esta en unidades de demanda pero castiga mas los errores grandes. El MAPE es el error en porcentaje del valor real, util para comparar productos de escalas distintas, y salta los periodos con demanda cero. En el caso por defecto valen MAD 2.34, RMSE 2.92 y MAPE 8.1%. Un RMSE mucho mayor que el MAD avisa de errores grandes ocultos.

Que es el sesgo y por que importa?

El sesgo es la suma de los errores con su signo, y dice hacia donde se equivoca el pronostico, no solo cuanto. Cerca de cero significa que los errores por arriba y por debajo se cancelan, que es lo sano. Un sesgo grande del mismo signo indica un error sistematico. En el caso por defecto el sesgo del SES es +21.1, enorme para una demanda que ronda 30, porque el suavizamiento simple se rezaga de la tendencia. Un sesgo positivo significa que subpronosticas. Un sesgo asi es la senal para pasar de SES a Holt.

Cuando debo usar Holt en lugar de SES?

Cuando tu demanda sube o baja de forma sostenida. La pista mas clara es el sesgo del SES: si es grande y del mismo signo, el nivel solo no alcanza y hay una tendencia que Holt puede seguir. En la serie por defecto, el mejor SES deja un sesgo de +21.1, y al pasar a Holt el sesgo cae a -4.59 y el RMSE baja de 2.92 a 2.69. En cambio, sobre demanda plana el SES con una alfa pequena le gana a Holt, que ahi sobreajusta una tendencia inexistente.

El suavizamiento exponencial maneja estacionalidad?

No. El SES sigue el nivel y el Holt agrega tendencia, pero ninguno modela un patron que se repite por temporadas. Sobre demanda estacional, el SES aplana la senal y el Holt la confunde con una tendencia. Para ese patron se necesita un componente estacional, ya sea un indice estacional que ajusta el pronostico por temporada o el metodo de Holt-Winters, que agrega una tercera ecuacion. Si tu serie tiene un patron semanal o mensual repetido, usa una herramienta con componente estacional en lugar del SES o el Holt.

En que se diferencia del promedio movil?

Los dos son metodos de suavizamiento que pronostican promediando el pasado, pero reparten los pesos distinto. El promedio movil pesa por igual los ultimos n periodos dentro de una ventana y olvida de golpe cuando un periodo sale de ella. El suavizamiento exponencial reparte pesos que decrecen de forma geometrica y nunca llegan a cero del todo, asi que olvida de forma gradual. En la practica, el suavizamiento suele reaccionar de manera mas suave a los cambios. Puedes comparar ambos con la calculadora de promedio movil, que ya esta en linea.

Sobre cuantos periodos se calcula el error?

Sobre los pronosticos internos de un paso, es decir cada periodo donde ya existe un pronostico previo con que compararse. En la serie por defecto de 12 periodos, el error se calcula sobre 11 pronosticos internos. Por eso conviene tener suficiente historial: con muy pocos periodos, la inicializacion domina y las constantes optimizadas se vuelven inestables. Una buena practica es dar al modelo al menos ocho a doce periodos y reoptimizar alfa y beta a medida que llega nueva demanda.

Que pronostico inicial debo elegir?

La herramienta ofrece dos opciones: el primer valor real, que es el predeterminado, o el promedio de la serie. El primer valor real es la convencion mas comun y funciona bien en la mayoria de los casos. El promedio de la serie puede dar un arranque mas estable en series cortas o muy ruidosas, porque no depende de un solo dato inicial. En Holt, la inicializacion habitual toma el nivel como el segundo valor real y la tendencia como el segundo valor menos el primero. En series largas, la eleccion del arranque pesa poco en el resultado final.

Debo pronosticar sobre ventas o sobre demanda real?

Sobre demanda real siempre que puedas. Cuando hubo un faltante, las ventas cayeron porque no habia producto, no porque no hubiera clientes; si pronosticas sobre esas ventas censuradas, vas a subestimar la demanda una y otra vez, y el suavizamiento arrastrara ese sesgo hacia abajo. En lo posible, reconstruye la demanda de los periodos con faltante antes de pegar la serie. Tambien conviene revisar picos atipicos por promociones o pedidos unicos, porque el suavizamiento los incorpora al nivel y los propaga varios periodos.

Esta calculadora es gratis y guarda mis datos?

Si, la herramienta es gratis y sin registro, y todo el calculo ocurre en tu navegador. La serie que ingresas nunca se envia a un servidor, ni se guarda, ni se comparte. Ademas puedes descargar un PDF limpio, exportar un CSV o compartir el resultado por WhatsApp. Esta calculadora es para fines de planeacion y educacion; el pronostico es un punto de partida basado en tu historial, no una garantia de la demanda futura, asi que complementa el numero con el juicio de quien conoce el negocio y con el sesgo para saber cuando cambiar de metodo.