Qué estás viendo
La línea sólida es la demanda real de 2025 de un negocio ficticio. Las otras tres son pronósticos hechos cuatro semanas antes, que es cuando normalmente hay que decidir cuánto comprar o producir. El método ingenuo copia la misma semana del año anterior. El promedio móvil toma las últimas ocho semanas conocidas. El modelo es una regresión que aprende de toda la historia disponible y usa lo que se sabe de antemano: la tendencia, la estacionalidad, el calendario de promociones y las fechas que mueven el consumo en Guatemala.
Cada semana, la diferencia entre lo pronosticado y lo real tiene un precio. Si el pronóstico se quedó corto, hubo clientes que no encontraron el producto y se perdió el margen. Si se pasó, sobró inventario que se vence, ocupa bodega o inmoviliza capital. Los dos errores no cuestan lo mismo, y por eso el tablero no se queda en el porcentaje de error: lo traduce a quetzales con el margen y el costo de sobrante que tú defines.
Por qué los métodos simples fallan donde fallan
El método ingenuo se equivoca en Semana Santa porque cambia de fecha cada año, y en las promociones porque el calendario comercial no se repite. El promedio móvil siempre llega tarde: sube cuando el pico ya pasó y baja cuando la temporada ya volvió. Ninguno de los dos sabe nada que no esté en la propia serie. Desmarca el calendario local o las promociones en el panel y vas a ver cómo el modelo pierde justo esas semanas.
Qué cambia con datos reales
En un proyecto real el modelo incorpora precios, inventario disponible, clima, aperturas de tiendas y la demanda de productos relacionados, y se evalúa producto por producto y sucursal por sucursal. Lo que no cambia es la condición de partida: sin historia limpia y consolidada no hay modelo. Prueba reducir la historia disponible a seis meses y mira cuánto se encarece el error. Ese es el valor de tener un data warehouse antes de pedirle algo a la inteligencia artificial.