A continuación, encontrarán una referencia detallada de los cubos de pronósticos de precios de materias primas  y los campos que los componen; con el fin de facilitar a los usuarios su interpretación y aprovechamiento en el mejoramiento continuo de los procesos de planeación, en términos de precisión y eficiencia.

Qmfcst-week: Cubo de Pronósticos

Reúne los pronósticos y backtests semanales (evaluaciones de las datos históricos contra las predicciones del modelo) por cada ítem y fechas del período a predecir, sugiriendo los precios más probables para los procesos de operación, abastecimiento o S&OP.

Los intervalos de pronóstico son las zonas de impacto de los pronósticos, medidos como la desviación de los pronósticos con respecto a la observación real. Estas zonas estan delimitadas por: Forecast Point, Forecast Lo95, Forecast Lo80, Forecast Lo60, Forecast Up60, Forecast Up80 y Forecast Up95.

Qmfcst-mo: Cubo de Pronósticos

Reúne los pronósticos y backtests del mes (evaluaciones de las datos históricos contra las predicciones del modelo) por cada ítem y fechas del período a predecir, sugiriendo los precios más probables para los procesos de operación, fabricación, abastecimiento o S&OP. 

Qimportance: Cubo de importancia

Enseña el impacto de las variables más relevantes que se están incluyendo en el pronóstico, este cubo se organiza de mayor a menor los ítems o variables que tiene mayor importancia o incidencia porcentual en el pronóstico y en los demás ítems cuando estos presenten alguna variación.  

Qcorrelation: Cubo de Correlación

En este cubo señala cuáles son los ítems cuya historia es directa o inversamente relacionada con una variable particular, subiendo o bajando en la misma proporción. Cuando son inversamente correlacionados mientras una variable sube, normalmente la otra tiende a bajar en la misma proporción.

La correlación se mide de 1 a -1 donde 1 es un valor altamente correlacionado y -1 es inversamente correlacionado y cualquier valor que esté entre 0.6 o -0.6 son variables débilmente correlacionadas,  significa que no tienen una correlación significativa entre sí.  

Es importante mencionar que en el cubo encontrarás los resultados organizados de mayor a menor correlación para facilitar el análisis de los datos.

Qcausality: Cubo de causalidad

Por último, el cubo de causalidad muestra cuando una variable tiene un efecto directo sobre otra variable del pronóstico. Su comportamiento hacia arriba o hacia abajo es una causa del comportamiento de la variable de interés. Es decir, cuando hay una variación en un ítem o variable A, afecta un ítem B. En este apartado binario donde se define si la variable es causal  o no es causal.

La causalidad se mide de la siguiente manera, si el ítem o variable es superior a 0 se dice que es causal,  – 0 no casual.  No obstante, en el cubo se presentan los resultados organizados de mayor a menor casualidad para facilitar el análisis de estos.  

¿Te resultó útil este artículo?

¿Te resultó útil este artículo?