Los datos vuelven
como decisiones.
Boros Labs es un laboratorio de inteligencia aplicada. Convertimos tu información histórica en pronósticos, simulaciones de riesgo, valuaciones y modelos de optimización que dicen qué puede pasar, con qué probabilidad y bajo qué supuestos.
- Pronósticos
- Riesgo y Monte Carlo
- Valuación financiera
- Optimización
- Econometría
Modelos que responden preguntas de dinero y de riesgo.
Miles de escenarios para saber no sólo cuánto se espera, sino con qué probabilidad sale mal. Este histograma se está calculando ahora mismo.
- 0
- —
- —
- —
Proyecciones que declaran su método y cuánto pueden equivocarse, comparadas siempre contra una referencia ingenua.
Flujos, VAN, TIR, punto de equilibrio y sensibilidad: la economía de una decisión, lista para discutirla con números.
Asignar presupuesto, inventario o cartera con restricciones reales y una función objetivo explícita.
Cuánto se mueve una variable cuando cambia otra, y cuánta confianza merece esa relación.
Y el resto de la caja de herramientas
- Cadenas de Markov 6
- Análisis de decisiones 7
- Segmentación y patrones 5
- Inferencia y experimentación 8
De un registro a una decisión, y de vuelta.
Ciclo de transformación en cinco estaciones: 1, Datos; 2, Modelo; 3, Escenario; 4, Decisión; 5, Observación; y vuelta a Datos. Usa las pestañas para leer cada estación.
Lo que ya ocurrió
Ventas, costos, operaciones, tiempos. Antes de modelar hay que saber qué mide cada columna, con qué frecuencia se registra y qué le falta. La mayoría de los errores de un modelo entran aquí.
Rigor que se puede comprobar.
88
modelos ejecutables
Todos corren en el navegador; 22 pueden usar series oficiales reales (FRED).
10
familias de métodos
Pronóstico, regresión, simulación, optimización, finanzas, riesgo y más.
650+
pruebas automáticas
Los cálculos numéricos se contrastan con valores de referencia conocidos.
0
cálculos enviados a un servidor
Lo que calculas o escribes en las demostraciones se procesa en tu equipo y no se envía a ningún servidor.
- 1
Supuestos: escritos para que alguien del negocio pueda discutirlos.
- 2
Incertidumbre: cuánto puede variar el resultado y por qué.
- 3
Validación: cómo se comprueba que el modelo acierta.
- 4
Cuándo falla: las condiciones en que deja de ser válido.
- 5
Referencia: el origen académico o técnico del método.
Un modelo que no puede decir cuándo se equivoca no está listo para una decisión financiera.
Cuatro familias, de los datos a la decisión.
- 01
Analítica y modelación
Indicadores con una sola definición, pronósticos validados y modelos que se pueden discutir con números.
- 02
BI y automatización
Tableros conciliados con su fuente y procesos que se repiten solos, igual, dejando rastro.
- 03
Marketing con datos
Medición honesta, campañas con objetivos claros y redes con línea editorial, sin prometer ventas.
- 04
Software
Sitios, aplicaciones y herramientas internas con requisitos escritos y entrega reproducible.
Tócalos: recalculan de verdad.
- 01
Escenarios de negocio
¿Qué le pasa al resultado si cambio precio, volumen o estructura de costos?
- 02
Explorar incertidumbre
¿Qué rango de resultados es compatible con una demanda que no conozco con certeza?
- 03
Del histórico al escenario
¿Mi método de proyección supera a repetir simplemente el año anterior?
Siete pasos, y el séptimo devuelve al primero.
01
Definir la pregunta
La pregunta cabe en una frase y tiene una decisión asociada.
- 01
Definir la pregunta
Una pregunta utilizable dice qué se decide, con qué horizonte y qué diferencia haría conocer la respuesta. «Queremos entender mejor a nuestros clientes» no es todavía una pregunta.
La pregunta cabe en una frase y tiene una decisión asociada.
Empezar por la herramienta disponible en lugar de por la decisión pendiente.
- 02
Revisar los datos
Qué existe, desde cuándo, con qué frecuencia y con qué huecos. Se comprueban duplicados, unidades, cambios de criterio a mitad de la serie y registros imposibles.
Se conoce la cobertura real y los defectos están documentados, no corregidos en silencio.
Tratar un cambio de sistema de registro como una variación del negocio.
- 03
Elegir el modelo
Se escoge la familia de modelos más simple capaz de responder la pregunta, y se escriben sus supuestos antes de ejecutarlo. La complejidad se añade sólo cuando una comparación la justifica.
Los supuestos están escritos y son discutibles por alguien del negocio.
Elegir un modelo por su sofisticación y ajustar después la pregunta para que encaje.
- 04
Comparar alternativas
Todo modelo compite contra una referencia deliberadamente simple: repetir el período anterior, usar el promedio, no hacer nada. Si no la supera de forma medible, la referencia gana.
Existe al menos una referencia y una métrica de comparación acordada.
Presentar un único modelo sin nada contra qué contrastarlo.
- 05
Validar
Se reserva una parte de los datos que el modelo no ha visto y se mide el error sobre ella. También se prueban casos extremos: valores nulos, divisiones por cero, series demasiado cortas.
El error está medido sobre datos no usados en el ajuste.
Medir el error sobre los mismos datos con los que se ajustó el modelo.
- 06
Comunicar
El resultado se entrega con su incertidumbre, sus supuestos y las condiciones en que deja de ser válido. Una cifra sin rango ni supuestos no es un resultado: es una opinión con decimales.
Quien decide puede explicar el resultado con sus propias palabras.
Reportar precisión numérica que el método no sostiene.
- 07
Revisar
Pasado el horizonte, se compara lo previsto con lo ocurrido y se decide si el modelo se ajusta, se cambia o se retira. Sin este paso no hay aprendizaje, sólo entregables acumulados.
Hay una fecha de revisión fijada antes de entregar.
Dar por cerrado el trabajo el día de la entrega.
- Leer el método completo
Si tienes una pregunta y algunos datos, eso es suficiente para empezar.
El formulario guiado sirve para describir el problema en cinco pasos. No pide datos confidenciales ni archivos: llega como correo y la respuesta se coordina desde ahí.
Las demostraciones usan datos sintéticos generados en el navegador y series oficiales públicas de EE. UU. (vía FRED). Ninguna usa datos de clientes.