How accurate is your demand forecast — and would AI actually improve it?¿Qué tan exacto es tu pronóstico de demanda — y la IA realmente lo mejoraría?
Run a forecast on sample or uploaded data, read MAPE, WMAPE and bias on a real holdout, and get the statistical baseline any AI platform must beat.Corre un pronóstico sobre datos de ejemplo o propios, lee MAPE, WMAPE y sesgo sobre un holdout real, y obtén la línea base estadística que cualquier plataforma de IA debe superar.
3 classical methods3 métodos clásicosOut-of-sample holdoutHoldout fuera de muestra100% in-browser · no upload100% en navegador · sin subir datos
This is the statistical baseline, not an AI model. These are transparent, classical methods — the benchmark every machine-learning or AI forecast has to beat. The accuracy you see here is the bar; AI-native platforms (RELEX, o9, SAP IBP, Blue Yonder) earn their keep only by improving on it. See where AI adds value in the Demand Forecasting reference.
Esta es la línea base estadística, no un modelo de IA. Son métodos clásicos y transparentes — el punto de referencia que todo pronóstico con aprendizaje automático o IA tiene que superar. La exactitud que ves aquí es la vara; las plataformas nativas de IA (RELEX, o9, SAP IBP, Blue Yonder) solo justifican su costo si la mejoran. Consulta dónde aporta valor la IA en la referencia Pronóstico de demanda.
Forecast vs. actualsPronóstico vs. demanda real
History (train)Historia (entrenamiento)
Holdout actualsReales de validación (holdout)
ForecastPronóstico
95% confidence bandBanda de confianza del 95%
How these methods workCómo funcionan estos métodos
The active method is highlighted. Choose by SKU profile, not by fashion — matching the method to the demand pattern matters more than the algorithm's sophistication.El método activo aparece resaltado. Elige según el perfil del SKU, no por moda — ajustar el método al patrón de demanda importa más que la sofisticación del algoritmo.
Forecast detailDetalle del pronóstico
Holdout rows show actual vs. forecast; future rows show the forward forecast with bounds.Las filas de validación (holdout) muestran real vs. pronóstico; las filas futuras muestran el pronóstico hacia adelante con sus límites.
About this tool. The Studio runs entirely in your browser — no data is uploaded or stored. The models are transparent, classical implementations (Holt-Winters triple exponential smoothing, simple moving average, additive seasonal decomposition) intended to teach the workflow and let you sanity-check a demand series, not to replace a production forecasting platform such as RELEX, SAP IBP, o9, Kinaxis or Blue Yonder. MAPE, bias and WMAPE are computed on a held-out tail of the series so the accuracy figures reflect out-of-sample performance.
Sobre esta herramienta. El Estudio corre completamente en tu navegador — no se sube ni se almacena ningún dato. Los modelos son implementaciones clásicas y transparentes (suavizamiento exponencial triple de Holt-Winters, promedio móvil simple, descomposición estacional aditiva) pensadas para enseñar el flujo de trabajo y ayudarte a validar una serie de demanda, no para reemplazar una plataforma de pronóstico en producción como RELEX, SAP IBP, o9, Kinaxis o Blue Yonder. El MAPE, el sesgo y el WMAPE se calculan sobre el tramo final reservado de la serie (validación), de modo que las cifras de exactitud reflejan el desempeño fuera de muestra.