Jornada Online
Ponentes:
Jorge Maza
fecha:
12 de Diciembre de 2025
Hora:
9:00 h a 11:00
Objetivo:
1. Definir la aplicación de IA y Analítica predictiva: Explicar cómo la Inteligencia Artificial y la analítica predictiva de datos pueden ser utilizadas por las empresas para obtener una predicción de tendencias de mercado, evolución y alertas de interés para su modelo de negocio.
2. Identificar el terreno de juego: Definir qué es la analítica predictiva, qué puede aportar en la toma de decisiones empresariales, y comprender los requisitos fundamentales para realizar predicciones (necesidad de datos abundantes y de calidad).
3. Proporcionar técnicas básicas para PYMES: Enseñar a los asistentes las técnicas básicas de predicción basadas en series temporales (la analítica más común), incluyendo el uso de herramientas de fácil acceso como Excel, y cómo descomponer una serie temporal en sus componentes clave (tendencia y estacionalidad).
Agenda:
0-15 min
I. Bienvenida y contexto: la necesidad de predecir
Bienvenida bajo el convenio Acelera Pyme. Presentación del objetivo: Analizar la IA para la predicción de tendencias de mercado. Definición preliminar de Analítica Predictiva y su aporte al día a día. Prevención contra el Hype: La analítica predictiva no es magia negra; funciona si hay datos abundantes y de calidad. El problema suele ser de procesos, no solo tecnológico.
15-35 min
II. Clasificación de la analítica y fundamentos
Clasificación por utilidad: Descriptiva (cuadro de mando), diagnóstica (por qué ocurrió), predictiva (la que nos ocupa), y prescriptiva (optimización). El enfoque: La analítica predictiva centrada en las series temporales. Requisito de predictibilidad: Hay que entender los elementos que contribuyen a la variación (procesos aleatorios como la lotería no se pueden pronosticar).
35-60 min
III. Anatomía de la predicción: Series temporales
La descomposición de la serie temporal: Dividir los datos en línea base, tendencia (crecimiento del objeto), estacionalidad (efectos periódicos) y ruido (el componente que dificulta la predicción perfecta). Evolución del forecasting: Desde empresas reactivas hasta procesos automáticos. Introducción a los métodos ingenuos (ej. asumir lo mismo que el mes pasado) y los modelos estadísticos.
60-105 min
IV. Analítica al alcance de la PYME (práctica)
Enfoque de la predicción en PYMES: Uso de métodos estadísticos con datos históricos. Presentación del algoritmo de Suavización Exponencial (ETS) como técnica base disponible en Excel. Ejemplo práctico: Demostración de cómo se puede descomponer una serie de datos para obtener la tendencia y la estacionalidad usando funciones básicas de Excel. Introducción breve a librerías de software libre (Profet, etc.) como siguiente paso de automatización.
105-120 min
V. Impacto empresarial y próximos pasos
Áreas clave de impacto en PYMES: Cadena de suministros (mejor gestión de inventario y demanda), finanzas (decisiones de inversión eficaces) y operaciones (mejor eficiencia). El desafío principal: La dificultad reside en la integración de los procesos y obtener datos de calidad. Consejos finales y cierre del turno de preguntas.