Análisis de series temporales en Power BI
Kevin Barlow
Data Analytics Professional
La predicción es una técnica analítica más avanzada que nos permite intentar saber qué pasará, no solo qué ha pasado.

Forecasting
Ejemplos en la industria
Hindcasting
Ejemplos en la industria
La previsión toma datos históricos e intenta predecir valores para fechas futuras.
Mira esta tabla:
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | |
| January 5 |
Usando la tendencia general de los datos, podemos predecir con bastante fiabilidad cuáles deberían ser los siguientes valores. Esto es un ejemplo de regresión lineal.
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | 20 |
| January 5 | 25 |
Las series temporales suelen ser desordenadas y difíciles de prever si no se «limpian».
El suavizado exponencial es una técnica para «suavizar» el ruido de los datos.

En toda previsión habrá error porque no tenemos datos reales para esas fechas.
Intervalos de confianza: proporcionan un rango de estimaciones en el que caerán los datos con un nivel de confianza asumido (%)
Power BI te permite configurar cuánta confianza quieres en las previsiones.`

Practiquemos la previsión con datos bursátiles de Microsoft (ticker: MSFT). Los datos incluyen información básica sobre el precio de cotización en un día concreto.

Análisis de series temporales en Power BI