Como reducir los factores estacionales

Hola, despues de bastante tiempo atareado en otros menesteres, vuelvo a escribir un nuevo artículo en este blog que tenia 'algo' olvidado.

Al grano, voy a describir que son las medidas estacionales y una técnica para desestacionalizar los datos y obtener nuevas conclusiones para el analisis de los datos

¿Medidas estacionales?. Descripción

Habitualmente en los clientes nos encontramos con datos que tienen impacto estacional, como por ejemplo:

• Empresas con ventas al por menor, tiene más ventas en periodos impulsadas por el comportamiento de los consumidores
•   Evolución del tráfico, hay una congestión del tráfico diario a ciertas horas.
• ...

En realidad es cualquier medida que muestra un patrón de repetición de la variación de datos en periodos de tiempo consistentes.

Como eliminar esta estacionalidad

Esta estacionalidad impacta en los valores de los indicadores asociados a esa medida, asi que puede ser muy interesante eliminar la estacionalidad para poder ‘sacar’ conclusiones ocultas.

Como se ve en este gráfico hay dos ‘estaciones’ en estos datos, por un lado los meses de junio y julio y por otro lado los meses de diciembre y enero. Al analizar los datos no vemos bien el resto de los meses al estar afectados por los valores estacionales

Para eliminar esta estacionalidad existen varios métodos, uno muy sencillo es el siguiente:

Se calcula la Media Temporada, que es el valor promedio durante el periodo de la estacionalidad, que podría ser por ejemplo un año.  Por ejemplo el valor de las ventas mensuales, en el primer año serian 95,41 uds.

Después calculamos el Peso Temporada dividiendo los valores de la “Media Temporada” correspondiente. Si las ventas en enero del primer año fueron 150, entonces el Peso Temporada es 1,57.

De este Peso Temporada, calculamos un Factor Estacional para cada mes del año. Este Factor Estacional se calcula tomando el promedio de los “Pesos Temporada” para cada mes. En este caso para enero son 1,57 2,02 y 2,10 con lo que el Factor Estacional para el mes de Enero es de 1,90

Finalmente, eliminamos el efecto estacional de los valores de medida de rendimiento real, para ello dividimos cada valor de medida por el “Factor Estacional” que corresponde a cada mes del año con lo que en enero del primer año el valor desestacionalizado seria 1,57 dividido entre 1,90 que nos daría 78, 86.

Conclusiones nuevas con el gráfico

A continuación vemos el gráfico con los datos desestacionalizados y como se puede observar no se parecen mucho

Ahora vemos que el mejor mes no es un mes ‘estacionalizado’ sino curiosamente el mes de Marzo del 2011, ahora toca analizar que se realizo ese mes para tener esos resultados y obtener conclusiones

Espero que esta técnica os pueda servir para utilizarla en alguna ocasion.

Nos vemos!!!!