La situación
La pregunta del board: '¿por qué nuestro modelo predice mal?'. La respuesta típica: 'volatilidad del mercado'. La respuesta real: el equipo no separa error sistemático (bias) del error aleatorio (MAPE).
Bias = signo. Si el modelo subestima 9 de 10 meses, hay bias estructural. MAPE = magnitud. Si el modelo varía ±15% sin patrón, es ruido inherente. El primero se corrige; el segundo no. Confundirlos garantiza mejorar la métrica equivocada.
Las palancas
1
Auditar bias mensualmente
Para cada componente del forecast (revenue, opex, capex), trackear forecast vs actual durante 6 meses. Si signo se repite, hay bias.
2
Identificar driver del bias
Sales conservadores? Marketing optimistas? Vendor estimaciones inflada? Cada bias tiene su driver — fix el driver, no la cifra.
3
MAPE define floor de accuracy alcanzable
Mid-market businesses tienen MAPE inherente 10-15%. Forecast accuracy >90% en mid-market es señal de smoothing, no de modelo bueno.
El resultado
71% accuracy
→
88% accuracy
Manufactura $40M ARR auditó bias por 3 quarters y removió el sistemático
Lecciones aplicables
- Bias y MAPE son métricas distintas — confundirlas garantiza mejorar la métrica equivocada.
- Bias se corrige; MAPE se acepta. Pretender reducir MAPE inherente más allá del floor es teatro.
- Auditar bias por componente (revenue, opex, capex) en lugar de forecast agregado revela el driver real del error.
Esta edición se publicó el 19 jun 2026
La edición completa salió por correo el viernes a las 7am CDMX. Suscribite para recibir la próxima edición — gratis, una a la semana.
Suscribirse al newsletter →