> For the complete documentation index, see [llms.txt](https://docs.gaiodataos.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.gaiodataos.com/gaio-dataos-spanish/herramientas/tareas/analisis/series-temporales.md).
# Series Temporales
Predecir el comportamiento de ventas en los próximos meses. Esta es una aplicación de Series Temporales. En esencia, la técnica se basa en una columna de fecha y una métrica para analizar tres factores:
Estacionalidad: picos en determinados momentos cíclicos (ej.: Navidad).\
Tendencia: analiza la velocidad de crecimiento, caída o estancamiento.\
Amplitud: si existen subidas y bajadas a lo largo del tiempo, mide si la distancia entre picos y valles se ha intensificado o no.
Gaio puede proyectar los próximos meses o días. Gaio utiliza el algoritmo de Facebook, Prophet, para realizar los cálculos.
Se aplican diversas técnicas y parametrizaciones a los datos, generando varias proyecciones y calculando sus errores. El modelo con menor error es seleccionado y las proyecciones se guardan en una tabla en Gaio.
### Cómo configurar la tarea Forecast
#### 1. Abrir la tarea Forecast
En el Studio, ve al panel **Tareas**.\
En la sección **Analytics**, selecciona **Forecast**.
#### 2. Completar los campos requeridos
* **Etiqueta de la tarea:** (opcional) Nombre para identificar este paso en tu flujo.
* **Tabla de resultado:** Nombre de la tabla de salida que almacenará los resultados de la proyección (ej.: `forecast_times_series`).
* **Tabla origen:** Se completa automáticamente con la tabla seleccionada (ej.: `times_series`).
* **Tabla de métricas:** Tabla auxiliar de referencia de métricas.
* **Fecha:** Columna que representa la fecha o el tiempo.
* **Medida:** Columna que contiene los valores a predecir (ej.: ventas, ingresos).
* **Frecuencia:** Frecuencia temporal de los datos (día, mes).
* **Períodos:** Número de períodos futuros a proyectar.
* **Clasificación (opcional):** Permite realizar proyecciones separadas para cada grupo (ej.: por producto, región, cliente).
#### 3. Comprender la tabla de salida
Una vez ejecutada la tarea, la tabla generada incluirá las columnas correspondientes a los valores históricos y a las proyecciones generadas por el modelo.
| Columna | Descripción |
| -------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| category | La categoría para proyecciones basadas en grupos. Si no se utiliza clasificación, mostrará `nd` (no definido). |
| dt | Fecha del registro (histórico o proyectado). |
| real | Valor histórico de la serie temporal, si está disponible. |
| type | Tipo de valor: `real` (observado) o `forecast` (predicho). |
| forecast | Esta columna contiene valores para todas las filas, tanto históricas como proyectadas. Esto se debe a que el modelo realiza proyecciones para todo el pasado, donde puede calcular qué tan alejadas de la realidad están las proyecciones. |
| lower | Límite inferior del intervalo de confianza. |
| upper | Límite superior del intervalo de confianza. |
***
### 4. Visualization
Generalmente se desea presentar la serie y su proyección de forma gráfica. En la tarea [**Report**](https://docs.gaiodataos.com/gaio-dataos-spanish/~/revisions/4NyXGsCEA6uinNN7A7Mv/herramientas/tareas/entrega/report), existe un gráfico exclusivo para Series Temporales.
Para crear un gráfico cuando solo se proyectó una serie (sin una columna en Clasificación), ve a **Report**, arrastra todos los campos excepto la categoría y ordénalos en orden ascendente por la columna `dt`, que representa la fecha. Luego selecciona el gráfico de tipo **Forecast**.
El resultado debería ser similar al siguiente:\
Los puntos azules representan los resultados históricos reales.\
La línea verde representa el modelo, aplicado tanto al pasado como al futuro, generando las proyecciones.
***
#### Buenas prácticas
* Asegurar una serie temporal limpia: La columna de fecha debe ser continua y consistente (sin fechas faltantes o duplicadas).
* Utilizar clasificaciones para proyectar múltiples categorías de forma independiente (ej.: un modelo por tienda).
* Visualizar los resultados en gráficos (línea, área) para comparar fácilmente los datos históricos con las predicciones.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.gaiodataos.com/gaio-dataos-spanish/herramientas/tareas/analisis/series-temporales.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.