Duracion: 3 dìas.
Este curso le enseña a los analistas de negocios cómo llevar a cabo proyectos de forecasting. Es recomendable alguna familiaridad con problemas de forecasting de negocios, pero no es necesario que los participantes posean experiencia de forecasting o programación para beneficiarse con este curso.
Aprenda cómo:
-Identificar tendencia y estacionalidad en series de tiempo.
-Proponer modelos de tendencia simple, tendencia avanzada y/o estacionalidad y ajustar estos modelos a los datos.
-Identificar variables de entrada a incluir en un modelo de regresión.
-Identificar la relación entre la variable target y las variables de entrada.
-Proponer y ajustar modelos de regresión dinámicos.
Quiénes debieran asistir
Pronosticadores y analistas de negocios.
Prerrequisitos
Es recomendable que haya realizado algún curso en un área cuantitativa como estadística básica. También debiera tener alguna experiencia en el uso de Microsoft Excel o algún producto similar para la sumarización y presentación de datos. Es conveniente también que sea capaz de evaluar predicciones cuantitativas relacionadas con problemas de negocios en base a su conocimiento de dominio en un área como finanzas, manufactura o retail.
Contenido
Forecasting de negocios:
-Introducción al forecasting de negocios.
-Introducción al forecasting de series de tiempo.
-Medición de la precisión de una predicción.
-Análisis descriptivo y exploratorio de una serie de tiempo.
Modelos simples de forecasting:
-Modelización de tendencia.
-Modelización de estacionalidad.
-Uso de variables indicadoras para modelizar sucesos.
-Modelos de suavizamiento exponencial con componentes de tendencia.
-Modelos de suavizamiento exponencial con componentes de tendencia y estacionalidad.
Modelos de forecasting avanzados para series de tiempo estacionarias:
-Introducción al forecasting de Box-Jenkins.
-Modelos autorregresivos.
-Modelos de media móvil.
-Modelos mixtos autorregresivos y de media móvil.
-Identificación de un modelo ARMA apropiado.
-Métodos de estimación y forecasting.
Modelos de forecasting avanzados para series de tiempo no estacionarias:
-Uso de diferenciación para modelizar tendencia y estacionalidad.
-Modelos de tendencia.
-Modelos de estacionalidad.
Modelos de forecasting con variables explicativas:
-Modelos de regresión ordinaria.
-Modelos de sucesos.
-Modelos de regresión para series de tiempo.
-Análisis de sucesos.
-Evaluación de efectividad de intervenciones.
Procesamiento de datos temporales:
-Procesamiento de datos fechados.
-Aumento de los datos con variables de sucesos.