Hoy empieza nuestro nuevo artículo dedicado a los modelos predictivos en Tableau Desktop. ¿Sabías que es posible hacer predicciones reales sobre nuestros datos? Si la respuesta es no, ¡esperamos poder ofrecerte una nueva herramienta que dará más valor a tus análisis!

Nuestro viaje tratará diferentes tema, como qué modelos implementa Tableau por defecto, cómo personalizarlos y cómo implementar otros modelos predictivos gracias a las integraciones nativas de Tableau hacia Python y R.

Modelar el futuro con Tableau Desktop

Los modelos predictivos son uno de los temas que la comunidad de Tableau no suele abordar. En la base de esta función hay diferentes modelos que pueden ayudar a los analistas a comprender la evolución de sus datos a lo largo del tiempo.
La predicción de los valores futuros se refiere al análisis de las llamadas time-series, las series temporales que utilizan modelos llamados Exponential Smoothing.

La elección del modelo que tenemos que aplicar para la predicción varía en función de los datos que queremos analizar. Automáticamente, Tableau recomienda al usuario el mejor modelo que debe aplicar, pero este se puede personalizar aún más en función de determinados parámetros en los que profundizaremos a continuación.

Los modelos Exponential Smoothing

En la base del modelo predictivo de Tableau encontramos los llamados modelos de suavizado exponencial (Exponential Smoothing Models). Estos modelos predicen los valores de una serie temporal a partir de una media ponderada, con ponderaciones que aumentan exponencialmente. De esta forma, las observaciones recientes tendrán más peso en comparación con los valores pasados. Según la lógica de este modelo, los valores futuros son el resultado de un componente general que resume los valores pasados ​​y de una contribución específica de los valores más recientes.

Elige el modelo indicado para los datos

Para tener una buena predicción, necesitamos encontrar un modelo que explique de la mejor manera los datos que tenemos delante. Sin un buen modelo, tendremos una predicción de baja calidad y la estimación realizada no será precisa. Tableau selecciona automáticamente el mejor de diferentes modelos, es decir, el que genera predicciones de mayor calidad.
Podemos dejar que Tableau se encargue de seleccionar la mejor configuración para el modelo o personalizarlo nosotros. Si elegimos la segunda opción, podremos especificar las características de tendencia y estacionalidad de forma independiente entre ellas. Con «tendencia» nos referimos a la tendencia de los datos a aumentar o disminuir con el tiempo; la estacionalidad es, en cambio, una variación que se repite en el tiempo y que se puede predecir.

En Tableau podemos decidir cómo configurar la tendencia y la estacionalidad eligiendo entre dos características del modelo: Additive y Multiplicative.

En el modelo Additive, el efecto combinado de diferentes factores independientes es la suma de los efectos aislados de cada factor. En otras palabras, se suma la contribución de los diferentes componentes del modelo.
En cambio, en el modelo Multiplicative, el efecto combinado de diferentes factores independientes es el producto de los efectos aislados de cada factor. En otras palabras, se multiplica la contribución de los diferentes componentes del modelo. Este modelo permite mejorar la calidad de la predicción para los datos donde la tendencia y la estacionalidad están influenciadas por la cantidad de datos disponibles.

¿Qué modelo es preferible?

La elección del modelo que debemos aplicar es un elemento clave que se debe tener en cuenta para realizar predicciones precisas. Tableau nos recomienda por defecto la mejor configuración para nuestros análisis, pero (como veremos más adelante) también nos permite personalizar la configuración del modelo a aplicar. Una opción posible es intentar aplicar diferentes modelos, para saber cuál se adapta mejor a los datos que queremos analizar.

¿Tienes curiosidad por saber más sobre las predicciones en Tableau? Continúa siguiéndonos en nuestro blog y en nuestras redes sociales de Facebook y LinkedIn y visita la página oficial de Tableau.