Ir al contenido principal
Español— Elegir un idioma
Menú

Análisis de tendencias y previsiones

Lección 9 de 14 Actualizado el 5 de noviembre de 2026 Intermedio
En esta página
  1. Mira más allá de las cifras actuales
  2. Identificación de una tendencia
  3. Medias móviles
  4. Previsiones sencillas
  5. Análisis de puntos de inflexión
  6. Comparación periodo a periodo
  7. Más razonamiento para las previsiones
  8. Te toca a ti
  9. Puntos clave

Mira más allá de las cifras actuales

Las estadísticas descriptivas te dicen qué ha ocurrido. El análisis de tendencias te dice qué está ocurriendo. Las previsiones te dicen qué podría ocurrir. Estos tres niveles de análisis responden a tres preguntas distintas en una reunión, y confundirlos sale caro: nadie toma la misma decisión basándose en un hecho histórico que basándose en una proyección. Con ChatGPT, puedes realizar los tres sin escribir ni una sola línea de código.

Identificación de una tendencia

La forma más sencilla de tendencia es la lineal: ¿tus datos suben o bajan, y a qué velocidad? El reflejo útil es solicitar la línea de tendencia y su indicador de fiabilidad en la misma frase; de lo contrario, estarás comentando una pendiente cuya solidez no puedes verificar.

Plot monthly revenue for the last 12 months with a trend line.
Indicate the average monthly growth rate and whether the trend
is statistically significant.

ChatGPT calcula una regresión lineal, dibuja la línea y te ofrece el coeficiente de determinación (R²), que mide la fiabilidad de la tendencia. Un R² cercano a 1 significa que la línea resume bien tus doce puntos; un R² bajo te advierte de que la «tendencia» que estabas a punto de anunciar es mayoritariamente ruido, y que un decimotercer mes podría invertirla.

Además, muchos conjuntos de datos empresariales siguen ciclos, y un aumento en diciembre no es necesariamente una buena noticia: puede ser simplemente el diciembre habitual. Para decidirlo, solicita una descomposición.

Decompose monthly sales into 3 components:
underlying trend, seasonality, and residuals.
Display the 3 curves separately.

ChatGPT aplica un método de descomposición estacional, que puede especificarte, para aislar cada componente. Necesita al menos dos ciclos completos —dos años de datos mensuales para una estacionalidad anual— para que la descomposición tenga sentido. Así verás claramente si el aumento de diciembre se debe a un efecto estacional o a un crecimiento real, y la curva de residuos señalará los meses que ninguna de las dos explicaciones cubre.

Medias móviles

Las medias móviles suavizan las variaciones y destacan la tendencia subyacente. En los ingresos diarios, la caída del fin de semana casi siempre enmascara el movimiento real; superponer dos ventanas diferentes permite leer tanto el corto como el medio plazo en el mismo gráfico.

Plot raw daily revenue and overlay a 7-day moving average
and a 30-day moving average.

Eliges la ventana en función de la granularidad de tus datos y del ciclo que quieras eliminar.

VentanaUsoQué revela
7 díasDatos diariosTendencia semanal, elimina el ruido día a día
30 díasDatos diarios/semanalesTendencia mensual, elimina las variaciones semanales
3 mesesDatos mensualesTendencia trimestral, suaviza la estacionalidad
12 mesesDatos mensualesTendencia anual, elimina toda la estacionalidad

Previsiones sencillas

Para una estimación rápida, extender la tendencia observada suele ser suficiente, siempre que reconozcas la incertidumbre en lugar de ocultarla.

Project revenue for the next 3 months by extending
the linear trend of the last 12 months.
Display the 95% confidence interval.

El intervalo de confianza es la parte decisiva del resultado: muestra el margen de incertidumbre, y cuanto más se ensanche a medida que avanza hacia el futuro, menos fiable será la previsión. Esta es también tu mejor protección en una reunión de comité. Anunciar «entre 480 k€ y 620 k€» te compromete menos que una cifra única que nadie puede garantizar, y desencadena la conversación adecuada: la de qué podría empujar los resultados de un extremo al otro del rango.

En cuanto tus datos muestren patrones recurrentes, la proyección lineal se vuelve engañosa y necesitarás un modelo que integre el ciclo.

Use a forecasting model that accounts for seasonality
to estimate sales for the next 6 months.
Compare the result with a simple linear projection.

ChatGPT puede utilizar modelos que integran la estacionalidad, como el suavizado exponencial de Holt-Winters o un modelo ARIMA estacional, que capturan tanto la tendencia como el ciclo. La comparación solicitada al final del prompt es instructiva por sí misma: la brecha entre las dos curvas mide exactamente el peso de la estacionalidad en tu negocio.

Análisis de puntos de inflexión

A veces, una tendencia no se deforma gradualmente: se rompe. Un lanzamiento, un cambio de precio o un evento externo desplaza la trayectoria de un mes a otro, y una línea de tendencia calculada sobre todo el periodo no describe entonces nada real.

Identify breakpoints in the evolution of monthly revenue.
Are there months where the trend changes direction significantly?
For each breakpoint, indicate the date and the magnitude of the change.

Este análisis es valioso para comprender el impacto de eventos específicos: lanzamientos de productos, cambios de precios, eventos externos. A continuación, coteja las fechas obtenidas con tu calendario interno: revisión de precios, campaña, salida de un comercial. Este cotejo, y solo este, convierte una curva en una explicación.

Comparación periodo a periodo

Dos lecturas se complementan, y el desacuerdo surge a menudo porque dos partes interesadas no están utilizando la misma. La comparación interanual neutraliza la estacionalidad, ya que cada mes se confronta con su homólogo del ejercicio fiscal anterior.

Compare sales month by month between 2025 and 2026.
Calculate the percentage variation for each month
and flag the months with a decline.

El crecimiento secuencial, por otro lado, mide el movimiento inmediato de un mes al siguiente. Reacciona mucho más rápido a las inflexiones recientes, a costa de una alta sensibilidad a la estacionalidad.

Calculate sequential growth (month vs. previous month)
and display a bar chart with growth months in green
and decline months in red.

Más razonamiento para las previsiones

Algunas previsiones no pueden reducirse a un cálculo: requieren integrar factores que tus datos históricos aún no contienen, como un producto que no existía el trimestre pasado.

Taking into account seasonality, the underlying trend,
and the fact that we are launching a new product in April,
estimate sales for the next quarter.
Explain your reasoning step by step.

Un nivel de razonamiento superior —Alto o Extra Alto en el selector de ChatGPT, según tu plan— ayuda en este tipo de razonamiento multifactorial, donde debes combinar el análisis cuantitativo con el juicio contextual. El resultado sigue siendo una estimación basada en tus supuestos, no un hecho. Exigir una explicación paso a paso no es un capricho: te permite cuestionar un supuesto concreto —el ritmo de rampa del nuevo producto, por ejemplo— en lugar de rechazar la cifra en bloque porque no sabes de dónde procede.

Tres niveles de lectura Tres columnas. El hallazgo: ¿qué ha ocurrido? Estadísticas descriptivas. La tendencia: ¿qué está ocurriendo? Línea de tendencia y R², medias móviles, descomposición. La previsión: ¿qué podría ocurrir? Proyección con intervalo de confianza, modelos estacionales. TENDENCIAS Tres niveles de lectura Hallazgo Pregunta ¿Qué ha ocurrido? Herramientas Estadísticas descriptivas Tendencia Pregunta ¿Qué está ocurriendo? Herramientas Línea y R², medias móviles Previsión Pregunta ¿Qué podría ocurrir? Herramientas Proyección, intervalo Una previsión se presenta como un rango, con sus supuestos.
Método de la lección; series temporales basadas en el artículo «Extracting Insights with ChatGPT Data Analysis» del Centro de Ayuda de OpenAI (noviembre de 2026).

Te toca a ti

Tu primera previsión.

  1. Representa tus ingresos mensuales con una línea de tendencia y su R²
  2. Si tienes al menos dos años de historial, descompón tendencia, estacionalidad y residuos
  3. Proyecta los próximos tres meses con un intervalo de confianza del 95 %
  4. Compara con un modelo que integre la estacionalidad
  5. Presenta un rango en lugar de una cifra única, junto con sus supuestos

Fuentes oficiales: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centro de Ayuda de OpenAI)

Puntos clave

  • La línea de tendencia y el R² miden la dirección y la fiabilidad de la tendencia
  • La descomposición estacional separa tendencia, estacionalidad y ruido
  • Las medias móviles suavizan las variaciones: elige la ventana según tu granularidad
  • Toda previsión debe incluir un intervalo de confianza: nada de cifras únicas
  • Los puntos de inflexión identifican los momentos en los que todo cambió