# Previsión de series temporales con el gráfico de líneas Los usuarios de empresa y analistas de negocio a menudo gustan de supervisar sus medidas como una tendencia a lo largo del tiempo y con la previsión de series de tiempo pueden estimar cómo irá la secuencia histórica de datos en el futuro. La capacidad de predecir cómo es probable que evolucionen las líneas de tendencia puede informar acerca de la estrategia y la toma de decisiones más adecuada. En Qlik Cloud, una opción de previsión de series de tiempo produce visualizaciones que amplían las líneas de tendencia con los valores pronosticados en el gráfico de líneas. Dependiendo del método empleado, un área sombreada representa los valores posibles con un nivel de confianza configurable. Las previsiones o pronósticos de series de tiempo se producen utilizando funciones de predicción fiables; El algoritmo SSA (análisis de espectro singular) proporciona un intervalo de confianza y el método OLS (mínimos cuadrados ordinarios) proporciona una línea de regresión lineal simple. gráfico de previsión de series de tiempo creado con el método OLS gráfico de previsión de series de tiempo creado con el método OLS gráfico de previsión de series de tiempo creado con el método OLS ![gráfico de previsión de series de tiempo creado con el método OLS](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_OLS_rev.png) gráfico de previsión de series de tiempo creado con el método SSA gráfico de previsión de series de tiempo creado con el método SSA gráfico de previsión de series de tiempo creado con el método SSA ![gráfico de previsión de series de tiempo creado con el método SSA](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_SSA_rev.png) La previsión de series de tiempo diferencia claramente entre los valores pronosticados y los valores históricos. La visualización muestra la previsión de forma incremental según la configuración de los Pasos de la previsión y las selecciones del multiplicador en Tamaño de paso en las propiedades de la dimensión. Cuando se selecciona el método SSA en la medida, se muestra una región sombreada que representa el intervalo de confianza de la predicción. Este intervalo se configura desde las propiedades de medida: Mostrar confianza y Nivel de confianza. La región sombreada muestra el intervalo de valores plausibles (por ejemplo, 95%), lo que significa que se espera que los valores futuros se encuentren dentro del área sombreada con una probabilidad del 95%. [Time series forecasting](https://play.vidyard.com/xGKootWFwW6RqSnhqGUitu) ## Comportamiento de los requisitos y las propiedades Aparece un conmutador de previsión en las propiedades avanzadas de la medida cuando se cumplen los siguientes requisitos: * Una dimensión numérica o de tiempo * Una medida y una dimensión * El eje de dimensión debe ser continuo. Es importante tener en cuenta que la configuración de alternancia de Previsión aparece en las propiedades de la medida solo cuando la medida es una dimensión numérica o de tiempo y el eje de la dimensión es continuo. Cuando está activado, las propiedades de la serie temporal de pronóstico se muestran en los paneles de dimensión y medida. Las propiedades de dimensión abordan la distancia del horizonte y la configuración de incremento. Las propiedades de la medida establecen el método, el estilo de líneas y sombras, la configuración de confianza y el nivel. ## Los métodos OLS y SSA OLS (Ordinary Least Square o Mínimos cuadrados ordinarios, en español) es un método de modelo de regresión simple que calcula una línea de tendencia minimizando la suma de los cuadrados de las diferencias entre la variable dependiente observada y la variable dependiente predicha. Esta opción de previsión de series de tiempo es buena cuando el usuario quiere ver la tendencia lineal de sus datos; no controla el ruido o los valores atípicos, simplemente usa todos los datos para generar una línea de regresión lineal. En relación con OLS, SSA (Singular Spectrum Analysis o Análisis de Espectro Singular, en español), es un algoritmo sofisticado capaz de identificar el ruido y la estacionalidad, así como la tendencia. SSA requiere que los muestreos de datos tengan suficiente regularidad; si exceden un determinado límite devuelve un error indicando que los datos son demasiado irregulares. SSA es la mejor opción para pronosticar tendencias con un comportamiento cíclico u oscilatorio. En un caso en el que se emplea el método SSA para producir un pronóstico, este algoritmo estima la mitad del rango de valores posibles que toma la medida dependiente. La línea está aumentada por un intervalo de predicción que proporciona un rango de valores que podría tomar. En lugar de mostrar muchos valores posibles, el intervalo de predicción se muestra como un área sombreada. ## Limitaciones de la previsión de series de tiempo La previsión de series de tiempo tiene las siguientes limitaciones: * La previsión no está habilitada para las dimensiones jerárquicas. * La previsión no está habilitada para gráficos con más de una dimensión. En el caso de una dimensión y varias medidas, solo una medida puede tener habilitada la previsión. * La previsión solo funciona cuando la clasificación predeterminada está en su lugar. Para más información, vea [Cambiar el orden de una visualización](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/change-sorting-of-visualization.htm). * Mínimo de puntos de datos: OLS requiere al menos 2 puntos de datos. SSA requiere al menos 6 puntos de datos. * Máximo de puntos de datos: no se recomienda usar algoritmos en conjuntos de datos con más de 5000 puntos de datos. Los usuarios comenzarán a ver problemas de rendimiento si se ejecuta la previsión de series de tiempo para conjuntos de datos con más de 5000 puntos de datos. Los usuarios y diseñadores de aplicaciones deben usar la condición de cálculo según sea necesario para que cuando el conjunto de datos se reduzca mediante selecciones, se muestre el gráfico. Las selecciones deberían ser continuas; consulte el siguiente punto sobre muestreo de tiempo irregular. * La previsión funcionará con muestreos de tiempo irregulares bajo ciertas circunstancias: OLS siempre funcionará, ya que no se limita a pronósticos de series de tiempo o datos regulares. SSA requiere que el muestreo de datos sea lo suficientemente regular y, si excede un límite impuesto, devuelve un error que indica que los datos eran demasiado irregulares. * La previsión no funcionará en la aplicación móvil Qlik Analytics en modo fuera de conexión. * Si se exporta una aplicación con previsión desde Qlik Cloud y se importa en QSEoW, el gráfico de previsión no se mostrará. La previsión no es compatible con QSEoW. * Cuando descarga un gráfico de líneas como un archivo de Microsoft Excel, los valores pronosticados no se incluyen en el archivo. * Cuando hace clic con el botón derecho en un gráfico de líneas y selecciona Ver datos, no se muestran los valores pronosticados. * La previsión de series temporales no está disponible si alguna de las dimensiones o medidas del gráfico de líneas utiliza una condición de presentación. ## Ejemplo [](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/LineChart/timeseries-forecast.htm) #### Ejemplo: pronóstico de series de tiempo Este ejemplo demuestra la creación de un gráfico de líneas con la previsión de series de tiempo habilitada. El ejemplo toma un conjunto de datos con dos campos: Date para la dimensión continua y Tot-KWh, consumo eléctrico diario (Kilovatios hora) para la medida. La previsión está habilitada para visualizar dónde es probable que caigan las tasas de consumo de energía dentro de un intervalo de confianza configurable. Script de carga Cargue los datos siguientes como una carga inline en el editor de carga de datos. ``` MyTable: Load * Inline [ Date,Tot-KWh 2021-10-27,269 2021-10-28,380 2021-10-29,410 2021-10-30,380 2021-10-31,344 2021-11-01,275 2021-11-02,299 2021-11-03,545 2021-11-04,326 2021-11-05,405 2021-11-06,333 2021-11-07,395 2021-11-08,416 2021-11-09,697 2021-11-10,500 2021-11-11,600 2021-11-12,560 2021-11-13,494 2021-11-14,362 2021-11-15,470 2021-11-16,366 2021-11-17,548 ]; ``` Para más información sobre el uso de cargas inline, vea [Usar cargas inline para cargar datos](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/Scripting/inline-loads-qs.htm). Crear un gráfico de líneas con una previsión en unas series de tiempo Haga lo siguiente: 1. Desde el panel de activos, arrastre un gráfico de líneas vacío a una nueva hoja. 2. Seleccione Haga clic para agregar un título y denomine al gráfico Consumo diario de electricidad en KW/hora. 3. Seleccione Añadir dimensión y añada el campo Date. 4. Seleccione Añadir medida y añada la medida Avg([Tot-KWh]). 5. En la sección Aspecto del panel de propiedades, expanda las propiedades de Presentación y seleccione Ninguna para la Barra de desplazamiento. 6. Abra las propiedades de la medida y seleccione las siguientes propiedades: * Utilice el selector para activar la Previsión. * Cambie el Color a #006580. * Mueva el control deslizante para cambiar el Grosor de línea a 2. * Seleccione Tipo de línea: Línea discontinua. * Mantenga el valor predeterminado para Línea curva: Lineal. * Mantenga el valor predeterminado de Mostrar confianza: activado. * Cambie el valor de Nivel de confianza del valor predeterminado en .95 a .85. Propiedades de la medida para la previsión Propiedades de la medida para la previsión Propiedades de la medida para la previsión![Propiedades de la medida de previsión](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_MeasureProps.png) 7. Abra las propiedades de la dimensión y seleccione las siguientes propiedades: * Mantenga el valor predeterminado en Pasos de la previsión: 3 * Mantenga el valor predeterminado en Tamaño de paso multiplicador: 1. * Mantenga la selección desplegable de unidades de tiempo y número: Días. Propiedades de la dimensión para la previsión Propiedades de la dimensión para la previsión Propiedades de la dimensión para la previsión![Propiedades de la dimensión de previsión](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_DimensionProps.png) Gráfico de líneas con una previsión/pronóstico que muestra el intervalo de días Gráfico de líneas con una previsión/pronóstico que muestra el intervalo de días Gráfico de líneas con una previsión/pronóstico que muestra el intervalo de días ![Gráfico de líneas con una previsión de serie de tiempo habilitado con intervalo de tiempo de día](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_Timeseries_UnitDay.png) 8. Expanda las propiedades de la dimensión: * Mantenga el valor de Pasos de la previsión en: 3. * Mantenga el valor predeterminado en Tamaño de paso multiplicador: 1. * Cambie la selección de unidades de tiempo y número en el menú desplegable: Semanas. 9. En la sección Presentación, seleccione Mostrar puntos de datos. Hacer una previsión con un intervalo de semanas a lo largo de 3 semanas Hacer una previsión con un intervalo de semanas a lo largo de 3 semanas Hacer una previsión con un intervalo de semanassemanas a lo largo de 3 semanas ![Previsión de 3 semanas con intervalo de semanas](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_3Weeks.png) 10. Expanda las propiedades de la dimensión: * Cambie el valor de Pasos de previsión: 21. * Mantenga el valor predeterminado en Tamaño de paso multiplicador: 1. * Cambie la selección de unidades de tiempo y número en el menú desplegable: Días. 11. En la sección Presentación, seleccione Mostrar puntos de datos. Esta demostración destaca cómo las previsiones se pueden representar de manera muy diferente en función de la granularidad de las unidades de tiempo (días frente a semanas) durante el mismo intervalo de tiempo. Hacer una previsión con un intervalo de días a lo largo de 3 semanas Hacer una previsión con un intervalo de días a lo largo de 3 semanas Hacer una previsión con un intervalo de díasdías a lo largo de 3 semanas ![Previsión de 3 semanas con intervalo de días](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_21Days.png) Nota informativaTenga en cuenta que, si bien los gráficos pueden pronosticar la misma duración de tiempo, los cambios en la granularidad pueden dar lugar a formas muy diferentes. ## Previsión de series de tiempo con Qlik Predict Con Qlik Predict, puede entrenar modelos de aprendizaje automático para predecir métricas futuras basándose en datos de series temporales. Las predicciones son específicas del tiempo y se pueden incorporar en el gráfico de líneas y otras visualizaciones de su aplicación de análisis. Los modelos permiten múltiples funciones y predicciones individualizadas para diferentes grupos que categorizan los datos para su métrica objetivo. Esto le permite explorar y predecir patrones para escenarios con múltiples variantes, aquellos que implican la interacción de más de una variable a lo largo del tiempo. Para crear pronósticos de series temporales en Qlik Predict, cree un experimento de series temporales y, a continuación, implemente un modelo para crear predicciones sobre datos nuevos. Para más información, vea: * [Trabajar con experimentos de series temporales](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm) * [Trabajar con la previsión de series temporales multivariante](https://help.qlik.com/es-ES/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm) Contenido de aprendizaje relacionado: * [¿Cómo hago una previsión o pronóstico en base a datos de series temporales en Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud) ## Más información * [¿Cómo hago una previsión o pronóstico en base a datos de series temporales en Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)