ARIMA y SARIMA explicados sin matemáticas (casi)

Si te has acercado al mundo de la previsión de demanda, tarde o temprano aparecen dos siglas: ARIMA y SARIMA. Suenan intimidantes, pero la idea detrás es bastante intuitiva. Vamos a desmontarlas sin ecuaciones, porque entender qué hacen ayuda a saber cuándo confiar en ellas.

Las tres letras de ARIMA

ARIMA combina tres ideas para explicar una serie temporal a partir de su propio pasado. Cada una aporta una pieza distinta del puzle.

• AR (autorregresivo): el valor de hoy depende de los valores recientes. Si vendiste mucho ayer, probablemente vendas bastante hoy.
• I (integrado): se trabaja con las diferencias entre periodos para eliminar tendencias y estabilizar la serie.
• MA (media móvil): el valor de hoy depende también de los errores recientes de previsión, corrigiendo el rumbo.

La S de SARIMA: la estacionalidad

ARIMA por sí solo no captura patrones que se repiten cada semana, mes o temporada. SARIMA añade justo eso: una capa estacional que reconoce, por ejemplo, que cada diciembre se dispara la demanda o que los lunes venden distinto a los sábados. Para productos con estacionalidad marcada, esa S marca la diferencia.

ARIMA aprende del pasado reciente; SARIMA, además, reconoce los ritmos que se repiten. La elección depende de si tu producto tiene estación o no.

Cuándo brillan y cuándo no

Estos modelos funcionan muy bien con series largas, regulares y con patrones claros. Donde flaquean es con demanda intermitente, con muchos productos a la vez (ajustar cada uno a mano es inviable) o cuando influyen factores externos como promociones, que no viven dentro de la propia serie.

No tienes que elegir el modelo a mano referencia por referencia. Star4cast prueba distintos enfoques para cada producto, incluidos los de la familia ARIMA, y se queda con el que mejor predice según el error medido, de modo que cada serie reciba el tratamiento que le conviene.