Esta herramienta aplica un relativamente sencillo algoritmo de Machine Learning a los datos (algoritmo llamado Exponential Smoothing o Suavizado Exponencial) para realizar un número de predicciones en el tiempo. Una vez activa la herramienta, nuestro objeto visual tendrá un aspecto semejante al mostrado en la siguiente imagen:
(obsérvese que la gráfica se está mostrando a nivel de meses)
Lo primero que podemos hacer es especificar la unidad temporal para la que realizar la predicción (desplegable Unidades resaltado en rojo en la imagen anterior). El valor “puntos” supone que las predicciones se van a adaptar al nivel temporal mostrado en la gráfica (años, trimestres, meses o días). Es decir, si en el formulario Predecir duración (en verde en la gráfica anterior) se muestra el valor 10 y la gráfica está mostrando datos a nivel de meses, la predicción sería para 10 meses. Si en el objeto visual subiésemos al nivel de trimestres, la predicción sería para 10 trimestres, etc. Si queremos especificar que el período a usar sea uno concreto con independencia de lo que esté mostrando la gráfica, deberemos escoger dicho período en el desplegable Unidades mencionado.
Como se ha sugerido, en el formulario Predecir duración se indica el número de predicciones a realizar.
En el formulario Omitir el último podemos especificar cuántos de los últimos valores se van a ignorar para realizar la predicción. Esto es útil si, por ejemplo, estamos a día 5 del mes. Lógicamente, las ventas del mes actual serán todavía muy inferiores a las que tendremos al final del mes, y pasarle al algoritmo el valor de las ventas del mes actual (estando a día 5) sería interpretado por el algoritmo como una caís brusca de ventas, lo que afectaría negativamente a la predicción. En este caso convendría omitir el último mes.
La estacionalidad hace referencia a la periodicidad de nuestros datos. Por defecto dejaremos que el propio algoritmo la detecte y solo en caso de que no se interpretase bien deberíamos hacerlo nosotros.
Por último, el intervalo de confianza determina la anchura de las bandas grises que se muestran por encima y por debajo de la predicción (cuanto mayor sea el intervalo de confianza que pidamos, más ancha será esta banda).
Los valores que determinan este intervalo de confianza se muestran al mover el cursor por encima de la gráfica:
Además de esta configuración básica, en los bloques de herramientas Línea de previsión, Barra de confianza y Título de información sobre herramientas podemos aplicar configuración adicional a la predicción (color de la línea, etc.).
