> For the complete documentation index, see [llms.txt](https://docs.flowlity.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.flowlity.com/es/gestion-de-la-demanda/demand/diagnose-forecast-errors.md).
# Diagnosticar errores de pronóstico
Reconozca las causas raíz habituales de un mal pronóstico y aplique la corrección adecuada.
Cuando un producto muestra un gran error de pronóstico, la primera pregunta no es "¿cuál debería ser la cifra?", sino "¿por qué el pronóstico es erróneo?". La mayoría de los errores proceden de unas pocas causas, y muchas de ellas tienen su origen en los datos de los que aprende el modelo, más que en el propio modelo. Esta página le ayuda a identificar la causa y a elegir la corrección.
### Las tres causas más habituales
#### 1. Una caída de la demanda que el modelo aún no ha absorbido
**Lo que ve:** la demanda se ha mantenido más baja durante varios meses, pero el pronóstico sigue el nivel anterior.
**Por qué ocurre:** Flowlity se adapta rápido a un cambio duradero, salvo cuando la estacionalidad es fuerte. El modelo también aprende del mismo periodo de años anteriores, así que una caída en un mes que fue alto el año pasado tarda más en absorberse.
**Cómo comprobarlo:** en el detalle del producto de [Demanda](/es/gestion-de-la-demanda/demand.md), active **Demanda pasada bruta (N-1)** y **Demanda pasada bruta (N-2)** desde la leyenda del gráfico. Si los mismos meses fueron altos en años anteriores, la estacionalidad mantiene alto el pronóstico.
**Qué hacer:**
* Verifique la causa con el equipo comercial. ¿Es estructural (cliente perdido, gama retirada, producto descatalogado) o temporal?
* Si es estructural y está ligada a un producto descatalogado, consulte *Fin de vida y reemplazos de productos* más abajo.
* Si es estructural y el producto sigue vendiéndose al nuevo nivel, aplique un modelo experto que siga la demanda reciente, como el **Modelo promedio de los últimos periodos** o el **Modelo promedio + tendencia**, en **Estrategia de producto** > **Pronóstico** > **Modelos de previsión**. Haga clic en **Calcular pronóstico** para ver el resultado antes de la siguiente ejecución semanal.
* Si es temporal, deje que el modelo siga y observe en las revisiones siguientes con qué rapidez se adapta.
#### 2. Un lanzamiento con poco o ningún historial
**Lo que ve:** un producto nuevo con unas semanas o meses de historial y una [Previsibilidad de la demanda](/es/conceptos/concepts/metrics-glossary.md) baja o nula. A menudo, una nueva versión o color que sustituye a un producto anterior.
**Qué hacer:**
* Para un producto totalmente nuevo, aplique el modelo experto **Modelo de lanzamiento**: aprende el patrón de lanzamiento de productos similares, elegidos por Flowlity o por usted.
* Para un producto que sustituye a otro anterior, vincule el producto anterior como producto similar para que el modelo pueda aprovechar su historial. Consulte [Similitudes de productos](/es/conceptos/concepts/product-similarities.md).
#### 3. Un historial anómalo
**Lo que ve:** semanas que no reflejan la demanda normal, como una caída causada por una rotura de stock, un pico o un descenso puntual, o una promoción pasada.
**Qué hacer:** revise las correcciones que el agente de anomalías de demanda hizo para la escasez, los valores atípicos y las promociones pasadas: consérvelas, cambie su valor o elimínelas, y añada las suyas con **Agregar ajuste de demanda pasada**. Consulte [Investigar y corregir anomalías de demanda](/es/gestion-de-la-demanda/demand/investigate-demand-anomalies.md). Confirme la causa antes de limpiar: un pedido puntual real es demanda auténtica, no ruido.
### Otros patrones que conviene reconocer
#### Fin de vida y reemplazos de productos
**Lo que ve:** un producto importante cuya demanda cae casi a cero tras un largo periodo estable, mientras que solo quedan uno o dos productos en su familia.
**Por qué ocurre:** el producto se descatalogó o se sustituyó, pero el cambio no llegó a Flowlity. El producto antiguo conserva un pronóstico y el nuevo empieza sin historial.
**Qué hacer:**
* Defina la fecha de **Fin de vida** del producto antiguo en **Estrategia de producto** > **Pronóstico**, para que deje de influir en el plan. Para muchos productos, selecciónelos y use **⋮** > **Editar estrategia de producto** > **Editar ciclo de vida**. Una [automatización](/es/ia-y-automatizaciones/automations.md) también puede ajustar el ciclo de vida de forma programada.
* Vincule el reemplazo a su predecesor como producto similar, o pida a su contacto en Flowlity que transfiera el historial.
* Revise el stock restante del predecesor al validar pedidos para el reemplazo: en Planificación, la serie **Stock de productos similares** lo muestra.
* Si los reemplazos son frecuentes, acuerde un proceso regular con su contacto en Flowlity (por ejemplo, una recarga del historial más frecuente) en lugar de corregir los productos uno a uno.
#### Canibalización por una nueva variante
**Lo que ve:** una nueva edición o variante crece mientras una existente cae. Cada SKU muestra un gran error, pero el total de la familia se acerca al pronóstico.
**Qué hacer:** evalúe la precisión de estos productos a nivel de familia o de modelo: en la lista de Demanda, haga clic en **Agrupar** > **Añadir grupo** y agrupe por la categoría de etiqueta de familia para leer el subtotal de la familia. Vincule la nueva variante a la existente. Si las nuevas ediciones forman parte habitual de su modelo comercial, conserve esta agrupación en su vista de revisión.
#### Una caída en toda una categoría
**Lo que ve:** la demanda cae en toda una categoría al mismo tiempo, sin roturas de stock.
**Qué hacer:** compruebe con el equipo comercial si la causa es externa (situación económica, un acontecimiento importante, un cambio del mercado) y si es puntual o duradera. Si se espera de nuevo una interrupción similar en un periodo conocido, cree un evento de pronóstico para ese periodo. Consulte [Crear y aplicar eventos de pronóstico](/es/optimizacion-de-ingresos/promotions/create-forecast-events.md).
#### Una caída sin explicación
**Lo que ve:** una caída brusca en un producto sin rotura de stock, mientras que los productos similares de la misma familia se pronostican bien.
**Qué hacer:** anótela y pregunte al equipo comercial o de control de ventas si hay un motivo, como una acción comercial, un cambio de cliente o una decisión de precios. Si hay una causa sistemática, el equipo de planificación debe conocerla para el siguiente pronóstico. Si es realmente aleatoria, no se puede pronosticar y no debe motivar cambios en su proceso.
### Referencia rápida
| Lo que ve | Causa probable | Qué comprobar | Corrección |
| ----------------------------------------------------------- | ------------------------------ | --------------------------------------------------- | ----------------------------------------------- |
| Demanda más baja durante meses, pronóstico todavía alto | Caída aún no absorbida | Equipo comercial, superposiciones N-1 / N-2 | Esperar y vigilar, o tratarlo como fin de vida |
| Demanda más baja durante meses, sin estacionalidad | Cambio duradero | Superposiciones N-1 / N-2 | Modelo experto basado en la demanda reciente |
| Poco historial, baja previsibilidad | Lanzamiento o reemplazo | ¿Modelo de lanzamiento o producto similar definido? | Modelo de lanzamiento, o vincular el predecesor |
| Semanas a cero o bajas, luego recuperación | Rotura de stock | Corrección de escasez | Conservar o cambiar la corrección |
| Un pico o un descenso aislado | Valor atípico o pedido puntual | Corrección de valor atípico, equipo comercial | Conservar, cambiar o eliminar la corrección |
| Demanda cercana a cero tras un periodo estable | Fin de vida o reemplazo | Estrategia de producto, familia de productos | Definir el fin de vida, vincular el sucesor |
| Una variante sube, otra baja | Canibalización | Total a nivel de familia | Revisar a nivel de familia |
| Toda una categoría a la baja | Acontecimiento externo | Equipo comercial | Evento de pronóstico si se repite |
| Caída brusca, sin rotura de stock, productos similares bien | Desconocida | Equipo comercial o de control de ventas | Anotar y escalar |
{% hint style="info" %}
Antes de cuestionar el modelo, revise los datos. En la práctica, muchos errores grandes proceden de los datos maestros: productos descatalogados todavía activos, reemplazos sin historial o etiquetas de jerarquía que faltan.
{% endhint %}
### Páginas relacionadas
* [Ejecutar una revisión de la precisión del pronóstico](/es/gestion-de-la-demanda/demand/run-forecast-review.md): dónde encaja el diagnóstico en la rutina de revisión.
* [Investigar y corregir anomalías de demanda](/es/gestion-de-la-demanda/demand/investigate-demand-anomalies.md): escasez, valores atípicos y promociones pasadas.
* [Similitudes de productos](/es/conceptos/concepts/product-similarities.md): aproveche el historial para los reemplazos.
* [Demanda](/es/gestion-de-la-demanda/demand.md): modelos expertos, Estrategia de producto y Calcular pronóstico.
* [Eventos de pronóstico y ajustes de demanda](/es/conceptos/concepts/forecast-events.md): cómo los eventos y las correcciones modifican el pronóstico.
* [Pronóstico de demanda explicado](/es/conceptos/concepts/demand-forecasting.md): cómo aprende el modelo del historial.
