Previsiones en Excel: TENDENCIA, PRONOSTICO.LINEAL, Estacionalidad y los 51.321 Que la Línea Recta Dejó Fuera de Navidad

El presupuesto dice que diciembre de 2026 hará 85.313.

Diciembre de 2025 hizo 93.800. El negocio creció todos los trimestres intermedios. Nadie en la reunión se da cuenta, porque el número salió de una línea de tendencia, y a una línea de tendencia se recurre precisamente para no tener que discutir el número.

La previsión no está mal porque las matemáticas estén mal. PRONOSTICO.LINEAL hizo exactamente lo que promete: trazó la mejor línea recta a través de veinticuatro meses de ingresos y leyó el mes veintinueve. Las matemáticas están bien. El modelo está mal, y lo está de una forma invisible desde dentro de la fórmula — una recta que atraviesa un negocio estacional parte la diferencia entre los picos y los valles, y luego te entrega ese término medio como si fuera la predicción de un mes concreto.

En los cinco meses de agosto a diciembre, cuesta 51.321.

Este artículo va de hacerlo bien, entero dentro de Excel y sin complementos: la línea recta y las tres funciones que la dibujan, por qué un R² de 0,24 no significa que la tendencia sea falsa, cómo sacar la estación de la serie y volver a ponerla sobre la previsión y — la parte que casi todo el mundo se salta — cómo poner a prueba una previsión contra meses cuya respuesta ya conoces, antes de apostar un plan de contratación a ella.

Qué necesitas. PENDIENTE, INTERSECCION.EJE, TENDENCIA, PRONOSTICO, CRECIMIENTO, ESTIMACION.LINEAL, COEFICIENTE.R2, COEF.DE.CORREL y ERROR.TIPICO.XY funcionan en cualquier versión de Excel de este siglo y en Google Sheets. PRONOSTICO.LINEAL es el nombre que PRONOSTICO recibió en 2016 y los dos siguen funcionando. La familia PRONOSTICO.ETS es Excel 2016 y posteriores en Windows y Mac, y no existe en Google Sheets. El desbordamiento de TENDENCIA necesita Microsoft 365 o Excel 2021; en versiones anteriores la misma fórmula funciona como matricial con Ctrl+Mayús+Intro.

1) Veinticuatro Meses, Una Pregunta

🎯 Escenario: Estamos a finales de agosto de 2026. Planificación quiere los ingresos del resto del año — de agosto a diciembre — porque la cifra de diciembre decide si se contratan cuatro personas de refuerzo en octubre. Lo único que hay son ingresos mensuales y número de pedidos desde agosto de 2024.

Veinticuatro meses, con el mes en A2:A25, un número de periodo del 1 al 24 en B2:B25, los ingresos en C2:C25 y los pedidos en D2:D25.

Esa columna de periodo no es decorativa. Todas las funciones de previsión de Excel quieren valores x numéricos, y una columna de fechas técnicamente lo es — pero los números de serie de fecha son cifras de cinco dígitos separadas entre 28 y 31, así que la pendiente sale como ingresos por día y cada cifra intermedia es incómoda de comprobar. Un simple 1, 2, 3… hace que la pendiente se lea como ingresos por mes, que es un número sobre el que se puede discutir en una reunión. Escribe 1 y 2, selecciona ambos y arrastra el controlador de relleno hasta la fila 25.

Mira la columna de ingresos antes de ajustarle nada. Están pasando dos cosas a la vez, y todo el artículo consiste en no confundirlas:

• Los ingresos crecen — agosto de 2024 hizo 57.200, agosto de 2025 hizo 68.300, y los últimos doce meses promedian 79.317 frente a 68.033 de los doce anteriores.
• Los ingresos son estacionales — todos los noviembres y diciembres son pico, todos los eneros y febreros son valle, y julio se desploma.

Una línea recta solo puede describir lo primero.

2) La Línea Recta: PENDIENTE, INTERSECCION.EJE y PRONOSTICO.LINEAL

La recta de mejor ajuste queda definida por dos números, y Excel te da cada uno:

=PENDIENTE(C2:C25; B2:B25)            705,30
=INTERSECCION.EJE(C2:C25; B2:B25)     64.858,70

Fíjate en el orden de los argumentos — primero la y, luego la x. Es al revés de como se dice en voz alta ("ingresos contra periodo"), y es el error más común de toda esta familia de funciones. Si los intercambias obtienes un número plausible que no significa nada: la pendiente del periodo sobre los ingresos, que aquí es 0,000336.

Así que la recta ajustada es:

ingresos = 64.858,70 + 705,30 × periodo

Los ingresos crecen unos 705 al mes. Diciembre de 2026 es el periodo 29 — veinticuatro meses de historia, luego agosto es 25, septiembre 26, octubre 27, noviembre 28 y diciembre 29:

=64858,70 + 705,30*29        85.313

No hace falta hacerlo a mano. PRONOSTICO.LINEAL ajusta la recta y la evalúa de una vez:

=PRONOSTICO.LINEAL(29; $C$2:$C$25; $B$2:$B$25)      85.312,52

Aquí el orden es x, luego conocido_y, luego conocido_x, que es distinto del de PENDIENTE. No tiene lógica, es historia; compruébalo siempre. En Excel 2013 y anteriores, y en Google Sheets, la misma función se llama PRONOSTICO con argumentos idénticos — Microsoft la renombró en 2016, cuando llegó la familia PRONOSTICO.ETS y necesitó el espacio de nombres.

Las referencias absolutas en los dos rangos importan en cuanto rellenas la fórmula hacia abajo por una columna de periodos futuros. Sin los dólares, la fórmula de la fila 2 ajusta la recta a C2:C25 y la de la fila 3 a C3:C26, así que cada previsión sale de una recta distinta y la columna se desvía sin que nadie lo note.

3) TENDENCIA: La Misma Recta, los Cinco Meses de Golpe

PRONOSTICO.LINEAL devuelve un valor. TENDENCIA devuelve tantos como le pidas, del mismo ajuste:

=TENDENCIA($C$2:$C$25; $B$2:$B$25; {25;26;27;28;29})

que desborda cinco cifras:

En Microsoft 365 o Excel 2021 eso desborda solo por cinco celdas. En una versión anterior, selecciona cinco celdas, escribe la fórmula y confirma con Ctrl+Mayús+Intro. Si los cinco números de periodo futuros ya están en F2:F6, usa el rango en vez de la constante matricial:

=TENDENCIA($C$2:$C$25; $B$2:$B$25; F2:F6)

TENDENCIA tiene además un cuarto argumento, constante, que por defecto es VERDADERO. Ponlo en FALSO y Excel fuerza la ordenada al origen a cero — la recta tiene que pasar por el origen. Hay situaciones en las que eso es lo correcto (un coste realmente proporcional al volumen, sin componente fijo), y una serie de ingresos no es una de ellas. Déjalo en paz.

Mira los cinco números como grupo y el problema ya se ve sin estadística ninguna. La recta dice que diciembre será 85.313 — y diciembre de 2025 fue 93.800. El modelo está previendo un mes pico 8.487 por debajo del mismo mes del año anterior, en un negocio que ha crecido todo el año. Eso no es una previsión prudente. Es una previsión equivocada, y su error tiene una causa concreta.

4) El R² Es 0,24 y la Tendencia Sigue Siendo Real

Excel te dirá lo bien que ajusta la recta:

=COEFICIENTE.R2(C2:C25; B2:B25)      0,2368
=COEF.DE.CORREL(C2:C25; B2:B25)      0,4866
=ERROR.TIPICO.XY(C2:C25; B2:B25)     9.155,61

Un R² de 0,2368 dice que la recta explica alrededor del 24% de la variación de los ingresos mensuales. ERROR.TIPICO.XY — el error típico de la estimación — dice que un mes normal cae a 9.156 de la recta, y el peor, noviembre de 2025, está 18.956 por encima.

La lectura natural es "la tendencia es ruido, los ingresos son básicamente aleatorios". Esa lectura es falsa, y merece la pena ser preciso sobre por qué, porque es el punto sobre el que gira todo el artículo.

El R² mide cuánta variación explica una variable explicativa. Aquí hay dos cosas moviendo los ingresos — una tendencia y una estación — y el modelo solo contiene una. El 76% que la recta no explica no es ruido. Es diciembre. Es un patrón grande, regular y completamente predecible que el modelo no tiene forma de representar, así que acaba tirado en los residuos y te lo devuelven etiquetado como error inexplicado.

La pista está en la forma de los residuos. Pon el residuo en E2 y rellena hacia abajo:

=C2 - PRONOSTICO.LINEAL(B2; $C$2:$C$25; $B$2:$B$25)

El ruido aleatorio se dispersa. Estos no: todos los noviembres y diciembres son fuertemente positivos, todos los eneros y febreros fuertemente negativos, y el mismo patrón se repite en el segundo año. Una columna de residuos con una forma que se repite es Excel diciéndote que al modelo le falta una variable, y la variable es el calendario.

Conclusión: quédate con la tendencia y deja de pedirle que describa la estación.

5) La Estación Es Más Grande Que la Tendencia

Antes de modelar la estación conviene ver la tendencia que hay debajo, y la herramienta clásica para eso es una media móvil centrada de doce meses. Doce meses consecutivos contienen exactamente uno de cada mes del calendario, así que promediarlos cancela la estación por completo y deja el nivel subyacente.

Doce es par, así que una media simple de doce meses cae entre dos meses en vez de sobre uno. El arreglo estándar es ponderar a la mitad los dos extremos y usar trece valores, lo que la recentra sobre el mes de en medio. Con el periodo 7 (febrero de 2025) en la fila 8:

=(0,5*C2 + SUMA(C3:C13) + 0,5*C14) / 12        68.495,8

Rellena hacia abajo hasta donde llegue — con 24 meses de historia salen doce valores, de febrero de 2025 a enero de 2026:

Perfectamente suave, subiendo unos 948 al mes. Este negocio no tiene nada de aleatorio. El bamboleo que hacía que el R² pareciera pésimo es la estación, y la estación vale más o menos ±20% alrededor de una tendencia que solo se mueve un 1% al mes.

La media móvil es un diagnóstico, no una previsión. Se queda seis meses corta en cada extremo y no se puede prolongar hacia el futuro — para eso está la recta de tendencia. Lo que establece es que existe una tendencia y que es casi lineal, que es el permiso que necesitabas para seguir ajustando rectas.

6) Índices Estacionales: Cociente Sobre la Tendencia

Un índice estacional es un número por mes del calendario que dice cómo se compara ese mes con un mes normal. El de diciembre ronda 1,20 — diciembre va un 20% por encima del nivel subyacente. El de enero es 0,84 — enero va un 16% por debajo.

Se construyen en tres columnas. Valor de tendencia en F2:

=PRONOSTICO.LINEAL(B2; $C$2:$C$25; $B$2:$B$25)

Cociente entre real y tendencia en G2:

=C2/F2

Número de mes en H2 — esto es lo que permite agrupar agosto de 2024 con agosto de 2025:

=MES(A2)

Y con los números del 1 al 12 en K2:K13, el índice de cada uno es la media de los cocientes de ese mes:

=PROMEDIO.SI($H$2:$H$25; K2; $G$2:$G$25)

Dos comprobaciones antes de usarlos para nada.

Su media debe ser 1. Compruébalo con =PROMEDIO(L2:L13), que aquí da 1,0000 con cuatro decimales. Si el tuyo sale 1,04, los índices están inflando en conjunto todas las previsiones un 4%, y el arreglo es normalizar: =L2*12/SUMA($L$2:$L$13).

Cada índice necesita al menos dos observaciones. Con 24 meses cada mes del calendario aparece exactamente dos veces, que es el mínimo para que la media signifique algo. Con 18 meses, seis de tus índices descansan sobre una sola observación y heredan su ruido para siempre. Tres años es donde este método empieza a estar cómodo.

7) El Atajo con PROMEDIO.SI Que Inclina el Año Entero

Hay una manera más rápida de construir índices que aparece en muchísimas hojas, y lleva dentro un sesgo que conviene entender porque te lo vas a encontrar.

=PROMEDIO.SI($H$2:$H$25; K2; $C$2:$C$25) / PROMEDIO($C$2:$C$25)

Promedia los ingresos de ese mes y divide por la media de todos los ingresos. Ninguna columna de tendencia. Y sobre estos datos produce algo que parece cercano:

La distorsión es sistemática, y una vez ves la causa ya no la puedes ignorar. Nuestra ventana va de agosto de 2024 a julio de 2026. Las dos observaciones de agosto son los periodos 1 y 13 — las dos al principio de una serie creciente, así que la media de agosto queda arrastrada hacia abajo por el nivel de tendencia bajo en el que le tocó caer. Las dos de julio son los periodos 12 y 24 — lo más reciente que hay — así que la media de julio sale favorecida por un nivel de tendencia alto. Dividir por una media global no corrige nada de esto, porque la media global está en el centro de la ventana.

El resultado es un juego de índices que se inclina sin avisar: los meses cercanos al principio de tu historia parecen más flojos de lo que son y los cercanos al final más fuertes. Prevé agosto de 2026 con él y obtienes 72.194 frente a 76.078 del método del cociente sobre la tendencia — 3.884 de menos, en el mes que empieza dentro de una semana.

La versión ingenua está bien cuando la serie es plana. En cuanto hay tendencia, divide por la tendencia, no por la media.

8) Desestacionalizar, Reajustar, Reestacionalizar

Y ahora la recompensa. Los índices se construyeron sobre una recta de tendencia que la propia estación distorsionaba, así que lo honesto es quitar la estación, reajustar la tendencia sobre la serie limpia y volver a poner la estación sobre la previsión.

Ingresos desestacionalizados en I2:

=C2 / BUSCARX(MES(A2); $K$2:$K$13; $L$2:$L$13)

o, sin BUSCARX:

=C2 / INDICE($L$2:$L$13; MES(A2))

Después ajusta la recta otra vez, esta vez sobre la columna desestacionalizada:

=PENDIENTE(I2:I25; B2:B25)             880,63
=INTERSECCION.EJE(I2:I25; B2:B25)      62.747,81
=COEFICIENTE.R2(I2:I25; B2:B25)        0,9513
=ERROR.TIPICO.XY(I2:I25; B2:B25)       1.440,12

Cambiaron tres cosas, y las tres importan.

El R² pasó de 0,2368 a 0,9513. La tendencia siempre estuvo ahí. Estaba enterrada bajo una estación cuatro veces más grande.

La pendiente pasó de 705,30 a 880,63. La pendiente cruda no solo era ruidosa: estaba sesgada a la baja — la serie empieza en el otoño fuerte de 2024 y termina en el julio flojo de 2026, así que la estación por sí sola tira de la recta unos 175 al mes hacia abajo. Este es el daño real que una serie estacional le hace a una línea de tendencia ingenua, y se acumula con cada mes que prevés hacia delante.

El error típico pasó de 9.156 a 1.440. Un mes normal cae ahora a unos 1.400 del modelo en vez de a 9.200.

La previsión es la tendencia limpia, reestacionalizada:

=(62747,81 + 880,63*29) * 1,1959        105.585

o, construida desde la hoja para que sobreviva a los datos nuevos:

=($L$16 + $L$15*F2) * INDICE($L$2:$L$13; MES(E2))

con la ordenada en L16, la pendiente en L15, los periodos futuros en F2:F6 y las fechas futuras en E2:E6.

Fíjate en que la recta no es uniformemente pesimista — sobrestima agosto en 6.413 e infravalora noviembre en 21.311. Eso es lo que hace promediar una estación. Se equivoca en las dos direcciones, y los errores no se compensan donde importa, porque la decisión que alimenta la hoja es sobre capacidad en diciembre, no sobre el total del año.

9) Backtesting: Dos Previsiones, Una Forma de Elegir

🎯 Escenario: Ahora hay dos números para diciembre — 85.313 y 105.585 — y quien tiene que firmar cuatro contrataciones de refuerzo hace la única pregunta razonable de la sala: ¿cómo sabes cuál de los dos es mejor?

Todo lo anterior es un argumento. Esto es la prueba.

Esconde del modelo los últimos seis meses, prevélos con cada método y compara contra lo que pasó de verdad. Ajusta los dos modelos solo sobre los periodos 1 a 18 — de agosto de 2024 a enero de 2026 — y luego predice de febrero a julio de 2026:

El MAPE es el error porcentual absoluto medio — promedia los errores absolutos en porcentaje e ignora los signos:

=PROMEDIO(ABS(rango_previsión - rango_real) / rango_real)

En Microsoft 365 funciona tal cual. En Excel antiguo necesita Ctrl+Mayús+Intro, o una columna auxiliar con =ABS(F2-C2)/C2 y un PROMEDIO normal encima.

Gana el modelo estacional, 2,9% contra 8,2%, y la forma de los errores informa tanto como la media. La recta es tolerable en los meses intermedios y desastrosa en los extremos — se equivoca un 16,3% en febrero y un 17,2% en julio, justo los meses donde un plan construido sobre ella estaría más equivocado. El mayor fallo del modelo estacional es 5,4%, y clava julio con un 0,1%.

Otra cosa que merece verse: el modelo estacional no gana siempre. Mayo se lo lleva la recta, 3,1% contra 3,2%. Si hubieras hecho el backtest solo sobre mayo habrías elegido el modelo equivocado. Seis meses es una prueba fina, y un mes solo no es prueba de nada.

Haz esto antes de entregar una previsión, no después. Cuesta una copia de la hoja con las últimas filas borradas, y es lo único de este artículo que produce evidencia en vez de opinión.

10) CRECIMIENTO y ESTIMACION.LOGARITMICA: Cuando la Curva Es un Porcentaje

TENDENCIA ajusta una recta — una cantidad constante añadida por periodo. CRECIMIENTO ajusta una curva exponencial — un porcentaje constante por periodo. Mismos argumentos, misma forma:

=CRECIMIENTO($C$2:$C$25; $B$2:$B$25; {25;26;27;28;29})
=ESTIMACION.LOGARITMICA(C2:C25; B2:B25)        1,00985

ESTIMACION.LOGARITMICA devuelve el factor de crecimiento por periodo, así que 1,00985 es un 0,99% mensual, o alrededor del 12,5% anual. CRECIMIENTO valora diciembre de 2026 en 85.815 frente a los 85.313 de TENDENCIA — una diferencia de 502, que te dice que los dos modelos son casi indistinguibles sobre estos datos.

Esa casi identidad es el hallazgo útil. Ajustar una curva en vez de una recta no arregla nada aquí, porque la estructura que falta no es la curvatura: es el calendario. El R² del ajuste exponencial es 0,2484, apenas distinto del 0,2368 lineal. Cambiar de modelo cuando el problema es una variable que falta es moverse sin avanzar.

Usa CRECIMIENTO cuando la cosa realmente componga — suscriptores, referidos virales, un mercado en sus primeros años. Usa TENDENCIA para una línea de ingresos madura. Y comprueba la diferencia sobre tu horizonte real antes de angustiarte: en cinco meses estos dos discrepan en menos del 1%, y en cinco años discrepan en un factor de dos.

Una trampa: CRECIMIENTO y ESTIMACION.LOGARITMICA toman logaritmos por dentro, así que un solo valor cero o negativo en el rango de y devuelve #¡NUM!. Un mes sin ingresos mata el ajuste entero.

11) PRONOSTICO.ETS: Excel Haciendo Todo Esto por Ti

Excel 2016 añadió una familia que hace tendencia y estacionalidad en una sola función, con suavizado exponencial triple (Holt-Winters):

=PRONOSTICO.ETS(fecha_objetivo; valores; línea_de_tiempo; [estacionalidad]; [finalización_datos]; [agregación])

Con fechas de primero de mes en A2:A25, ingresos en C2:C25 y diciembre de 2026 en una celda:

=PRONOSTICO.ETS(FECHA(2026;12;1); $C$2:$C$25; $A$2:$A$25; 12)

Las reglas que importan:

• La línea de tiempo tiene que ser de fechas reales con paso constante. Datos mensuales sirven; una línea de tiempo a la que le falta un mes no. Excel interpolará huecos pequeños si dejas finalización_datos en su valor por defecto de 1, y se negará si lo pones a 0.
• La estacionalidad hay que declararla, no adivinarla. En blanco o puesta a 1, Excel detecta el periodo automáticamente, y en series cortas a veces detecta 6 o 4 en lugar de 12. Escribe 12 para datos mensuales. Un 0 desactiva la estacionalidad del todo.
• Pondera más los periodos recientes, que es la diferencia real con el método manual de arriba. El modelo manual trata diciembre de 2024 y diciembre de 2025 como igual de informativos; ETS se apoya en el reciente. Eso normalmente es lo correcto, y es exactamente lo incorrecto el mes siguiente a un pico irrepetible.

Dos compañeras merecen conocerse. PRONOSTICO.ETS.CONFINT devuelve la semianchura de un intervalo de confianza, que sumas y restas a la previsión:

=PRONOSTICO.ETS.CONFINT(FECHA(2026;12;1); $C$2:$C$25; $A$2:$A$25; 12; 0,95)

Y PRONOSTICO.ETS.ESTACIONALIDAD devuelve la longitud de periodo que Excel detectó — ejecútala una vez para comprobar que dice 12 y no 6.

También está el botón Hoja de previsión (Datos ▸ Hoja de previsión), que construye todo esto más un gráfico con bandas de confianza en unos cuatro clics. Escribe fórmulas PRONOSTICO.ETS en una hoja nueva, así que es un generador y no una caja negra: puedes leer lo que produjo.

Trata ETS como una segunda opinión, no como un sustituto. Ejecútala junto a tu modelo manual y, cuando las dos discrepen más de un pequeño porcentaje, averigua qué trozo de historia es responsable antes de elegir. Si ETS está muy por encima de tu cifra, normalmente se ha agarrado a un pico reciente. Y ten en cuenta que ninguna función de la familia PRONOSTICO.ETS existe en Google Sheets — si la hoja tiene que abrirse ahí, el método manual de las secciones 6 a 8 es tu única opción.

12) Prevé los Motores, No el Total

🎯 Escenario: El director comercial lee 105.585 y pregunta qué supone sobre la subida de precios prevista para noviembre. No hay respuesta, porque el modelo no ha oído hablar de los precios en su vida — sabe de meses y de nada más.

Los ingresos son pedidos por valor medio del pedido, y esas dos cosas se mueven por razones completamente distintas. Los pedidos siguen la estación — eso es demanda. El valor medio del pedido sigue a los precios y al mix — eso es política, y se desplaza suavemente.

Preverlos por separado es más trabajo y suele ser más exacto, y siempre es más útil, porque produce una previsión con la que se puede discutir. Valor medio del pedido en E2:

=C2/D2

Esa columna sube de 119,17 a 130,80 a lo largo de los dos años, casi perfectamente recta — un R² de 0,9760 contra el número de periodo, y sin estación visible ninguna:

=PENDIENTE(E2:E25; B2:B25)             0,5342
=INTERSECCION.EJE(E2:E25; B2:B25)      118,503

Así que el valor medio del pedido sube unos 53 céntimos al mes, y diciembre de 2026 es 118,503 + 0,5342 × 29 = 133,99.

Los pedidos reciben el tratamiento estacional completo de las secciones 6 a 8, con una tendencia desestacionalizada de 531,82 + 4,4990 × periodo y un índice de diciembre de 1,1869. Diciembre de 2026 sale a 786,1 pedidos.

786,1 × 133,99 = 105.330

Frente a los 105.585 del modelo a nivel de ingresos — una separación de 255, un 0,2%. Dos caminos construidos con columnas distintas que aterrizan en la misma respuesta es la mejor corroboración que consigue nunca una previsión hecha en una hoja de cálculo.

Y ahora la previsión se puede interrogar. "786 pedidos en diciembre" es una afirmación a la que el equipo comercial puede reaccionar; "105.585 de ingresos" es un número al que solo pueden asentir. Si alguien cree que la subida de precios entra en noviembre, cambias una celda de la recta del valor medio y miras qué pasa, en vez de discutir sobre el total.

13) Una Previsión Sin Rango Es una Suposición con Traje

105.585 tiene cinco cifras significativas y merece unas dos. Todos los modelos de este artículo llevan error dentro, y un número único lo esconde entero.

Los residuos dentro de la muestra dicen ±1.388 — pero esa cifra está ajustada sobre los mismos datos que mide, con trece parámetros (doce índices y una pendiente) haciendo el ajuste, así que es optimista por construcción. El backtest es la fuente honesta: 2,9% de MAPE sobre meses que el modelo no había visto nunca.

105.585 × 2,9% = ±3.062

Así que diciembre de 2026 está entre 102.500 y 108.600, y ese es el error típico, no el peor caso. Duplicarlo para un plan que tiene que sobrevivir a un mes malo da aproximadamente de 99.500 a 111.700.

Dilo así en la reunión. "Diciembre es algo más de 100.000, probablemente entre 102 y 109, y estos son los seis meses sobre los que lo he comprobado" es una frase defendible. "Diciembre es 105.585" invita a alguien a construir un plan de contratación sobre los tres últimos dígitos.

Tres costumbres hacen que el rango sea honesto:

• Ensánchalo con la distancia. Una previsión a un mes es mucho más fiable que una a cinco. Si tu backtest solo cubre errores a un mes vista, está infravalorando el intervalo de diciembre.
• Nunca presentes el total como más seguro que las partes. Los errores mensuales se compensan en parte dentro de un total anual, pero solo si son independientes — y los de un modelo estacional normalmente no lo son, porque un índice malo se equivoca todos los años en la misma dirección.
• Escribe lo que el modelo no puede saber. Una subida de precios en octubre, el lanzamiento de un competidor, la fuga de un cliente grande. El modelo no ha visto ninguna de esas cosas. Una nota de una línea vale más que un número falsamente preciso.

14) Errores Comunes

1. Argumentos en el orden equivocado. PENDIENTE y TENDENCIA toman primero los conocido_y; PRONOSTICO.LINEAL toma primero el valor de x. Intercambiar y con x devuelve un número real que no significa nada.
2. Prever una serie estacional con una línea de tendencia pelada. Todo el tema de este artículo. Aquí cuesta 51.321 en cinco meses y nunca se anuncia.
3. Leer un R² bajo como "no hay tendencia". El R² mide la contribución de una variable. El 0,2368 de aquí significaba una variable ausente, no una tendencia ausente — desestacionalizar lo llevó a 0,9513 sin tocar un solo dato.
4. Construir índices estacionales con PROMEDIO.SI sobre ingresos crudos. Está bien en una serie plana y está sesgado en cuanto hay tendencia: los meses del principio de tu ventana salen demasiado flojos y los del final demasiado fuertes.
5. Olvidarse de normalizar los índices. Si los doce no promedian 1, todas las previsiones quedan infladas o desinfladas el mismo porcentaje, de una forma que ninguna celda individual revela.
6. Referencias relativas en los rangos ajustados. Rellena =TENDENCIA(C2:C25; B2:B25; F2) hacia abajo y cada fila ajusta una recta distinta. Fíjalos: $C$2:$C$25.
7. Extrapolar muy lejos de los datos. Veinticuatro meses de historia soportan una previsión a unos pocos meses. La misma fórmula valorará encantada el periodo 200 y tú la pegarás encantado en un plan a cinco años.
8. Ajustar sobre una serie que cambió de régimen. Si los precios se duplicaron en el mes 14, los meses 1 a 13 describen otro negocio. Ajusta desde el cambio, o modela el cambio.
9. Juzgar una previsión por lo bien que encaja con la historia. Con suficientes parámetros cualquier modelo encaja perfecto y no predice nada. Guárdate los últimos seis meses; esa es la única nota que cuenta.
10. PRONOSTICO.ETS sobre una línea de tiempo irregular. Fechas reales con paso constante, o un #N/D. Y declara la estacionalidad como 12 en vez de dejar que Excel la detecte.
11. Diferencias con Google Sheets. TENDENCIA, PRONOSTICO, CRECIMIENTO, PENDIENTE, INTERSECCION.EJE, ESTIMACION.LINEAL, ESTIMACION.LOGARITMICA, COEFICIENTE.R2, COEF.DE.CORREL y ERROR.TIPICO.XY existen todas y se comportan igual. PRONOSTICO.LINEAL existe como alias. La familia PRONOSTICO.ETS entera no existe — no hay equivalente, y el método manual es todo el instrumental.

Conclusión

La línea recta nunca fue el problema. PRONOSTICO.LINEAL calculó exactamente lo que dice calcular, y si el negocio no tuviera estación habría sido la herramienta correcta y la reunión habría ido bien.

Lo que salió mal es que a un modelo con una variable se le hizo una pregunta sobre dos. Los ingresos se mueven con el tiempo y con el calendario, y un ajuste que solo sabe del tiempo tiene que promediar el calendario hasta hacerlo desaparecer — por eso valoró diciembre en 85.313, por debajo del diciembre anterior, en un negocio cuyos últimos doce meses promediaron un 16,6% por encima de los doce previos. Los 51.321 que se pierden entre agosto y diciembre no son un problema de redondeo ni un mes malo. Son la estación, aplanada y dividida entre doce.

El arreglo son cuatro columnas y ninguna función nueva: divide por la tendencia para tener un cociente, promedia los cocientes por mes del calendario para tener un índice, divide los reales por su índice para tener una serie limpia y ajústale la recta a eso. Novecientos al mes de crecimiento real aparecen desde debajo del ruido, el R² pasa de 0,24 a 0,95 y diciembre vuelve a 105.585, con un modelo de pedidos por precio coincidiendo hasta el 0,2%.

Y luego haz la parte que la mayoría de las previsiones se salta. Borra los últimos seis meses, prevélos y mira qué tal lo hiciste. Todo lo anterior es una discusión sobre qué modelo debería ser mejor; el backtest es el único sitio donde la hoja te dice cuál lo es. Aquí dijo 2,9% contra 8,2%, y llevó unos diez minutos.

Una previsión no es una predicción de lo que va a pasar. Es una afirmación sobre lo que el pasado implica, hecha con el cuidado suficiente para que, cuando el futuro no esté de acuerdo, puedas averiguar qué supuesto se rompió.

Si quieres practicar con TENDENCIA, PRONOSTICO y la familia estadística, prueba los ejercicios de la aplicación — cada escenario funciona con datos de negocio reales, y una fórmula rota ahí no cuesta más que volver a intentarlo.