No todo pico es un outlier “malo”. Algunos enseñan estacionalidad o el efecto real de una campaña. Ajustar de más aplana el mundo; ajustar de menos ensucia el baseline.
Tipos de outliers comunes
- Error de dato (duplicación, unidad mal, carga incompleta) → corregir siempre.
- Quiebre prolongado → la venta observada subestima demanda; marca y trata aparte.
- Promo / evento → no lo borres: modélalo como variable o escenario.
- One-off no repetible (licitación única, siniestro) → candidata a neutralizar en baseline.
- Cambio estructural (nuevo canal, salida de competitor) → nuevo régimen, no “suavizar y olvidar”.
Criterio práctico de decisión
Pregunta en este orden:
- ¿Es error de dato? → limpia.
- ¿Se va a repetir el driver? → modela (no borres).
- ¿Contamina el baseline de reposición? → ajusta solo la serie base y deja traza.
- ¿Es SKU A? → revisión humana obligatoria.
- ¿Es C de baja materialidad? → automatiza con umbral y sigue.
Qué no hacer
- Recortar todos los picos al percentil 95 “porque sí”.
- Editar el histórico sin log (pierdes aprendizaje).
- Tratar un Cyber Monday como ruido.
Ejemplo
Una semana con venta 5× por campaña documentada:
- Baseline: usa serie depurada o flag de evento.
- Escenario promo: conserva el uplift.
- Post-campaña: no dejes el uplift filtrado al mes siguiente.
FAQ
¿IQR u otros métodos estadísticos bastan? Son buenos para detectar. La decisión sigue siendo de negocio.
Cómo lo aborda Opticks AI
Opticks AI incluye flujos de revisión de outliers en el proceso de forecast, para detectar excepciones y decidir con contexto — no con tijera ciega.
Sigue explorando
¿Quieres ver esto con tus datos? Agendar una demo