TimesFM es un modelo fundacional de series temporales de Google Research. Produce pronósticos zero-shot, lo que significa que un retailer puede ver un pronóstico creíble para cientos de productos en días en lugar de meses.
Un piloto empieza por el historial: ventas por producto o categoría, al menos un año, idealmente con promociones y quiebres marcados. Reservamos períodos recientes que el modelo nunca ve.
Pronosticamos con TimesFM 2.5, mostramos un rango de incertidumbre y siempre graficamos una línea base simple al lado. Si el modelo fundacional no supera al pronóstico ingenuo en WAPE o MASE, lo decimos.
La capa de decisión importa más que el modelo. Los pronósticos se convierten en sugerencias de reposición, con monitoreo de error, quiebres y sobrestock para que el comprador pueda confiar o corregir.
La precisión se verifica por negocio. Cada catálogo se comporta distinto, y el piloto existe para descubrir cómo se comporta el tuyo.