Excel / Sheets Bilingüe ES/EN 100% privado Offline-ready Sin upload WASM local

Pronóstico ETS Online — predicción de series temporales 100% client-side

Predice valores futuros de tu serie temporal con ETS (Hyndman), AutoARIMA y AutoTheta ejecutándose directamente en tu navegador. Soporta CSV y XLSX con timestamps + valores, auto-detecta la frecuencia (diaria, semanal, mensual, trimestral, anual), y devuelve bandas de confianza 80/90/95/99% en un gráfico interactivo. Exporta a CSV y XLSX. Sin subir nada a ningún servidor. Bilingüe ES/EN.

🔒 Tus datos nunca salen de tu navegador. Esta herramienta ejecuta el modelo de predicción en tu dispositivo, sin enviar nada a ningún servidor. Solo es una ayuda: para colaboración y modelos más complejos (redes neuronales, Prophet, ensambles bayesianos), considera Google Sheets, Excel, R o Python.

Inicializando motor ETS (WASM)…

Qué hace esta herramienta

Predice valores futuros de una serie temporal (ventas, visitas, ingresos, demanda, producción, precios, etc.) directamente en tu navegador, sin enviar nada a ningún servidor. Cargas tu CSV/XLSX con timestamps + valores, la herramienta auto-detecta la frecuencia (diaria, semanal, mensual, trimestral o anual), ajusta un modelo ETS de la familia Hyndman (Error / Trend / Seasonal — hasta 13 variantes), o un ensemble AutoETS+AutoARIMA+AutoTheta, y devuelve N predicciones futuras con bandas de confianza 80/90/95/99% en un gráfico interactivo. Exporta el resultado a CSV o XLSX.

El motor estadístico es anofox-forecast v0.11.0 (WASM, MIT, port Rust de la librería anofox-forecast con el framework ETS completo de Hyndman & Athanasopoulos FPP3, incluyendo AutoETS, AutoARIMA y AutoTheta). Toda la computación ocurre en tu dispositivo: ningún byte de tu serie temporal sale al exterior. Una vez el Service Worker cachea los assets, la herramienta funciona offline sin conexión.

Casos de uso típicos

  • Previsión de ventas: predice los próximos N meses de ventas a partir del histórico, con bandas que reflejan la incertidumbre estacional.
  • Planificación de tráfico web: usa los últimos 90 días de visitas para prever el próximo mes y detectar anomalías estructurales.
  • Proyección de ingresos trimestrales: predice ingresos Q1, Q2, Q3, Q4 con horizonte anual y bandas conservadoras para presentación a consejo.
  • Demanda de inventario: anticipa la demanda de SKUs con estacionalidad marcada (Navidad, Black Friday, verano) para ajustar compras.
  • Análisis académico: usa AutoETS como baseline reproducible para tus artículos o tesis, sin instalar Python ni R.

Cómo se usa

  1. Carga tu serie temporal arrastrando un CSV/XLSX, pegando texto o eligiendo uno de los 3 ejemplos precargados (ventas mensuales, visitas diarias, ingresos trimestrales).
  2. Revisa la frecuencia auto-detectada (diaria/semanal/mensual/trimestral/anual). Si la detección falla, puedes corregirla manualmente en el desplegable.
  3. Selecciona el modelo: AutoETS (recomendado, elige la mejor variante de las 13 según AICc) o un ensemble AutoForecast (ETS+ARIMA+Theta). También puedes fijar manualmente una variante específica como AAA (Holt-Winters aditivo) o MAM (multiplicativo).
  4. Define horizonte y nivel de confianza: horizonte 1–365 pasos (12 por defecto para mensuales) y nivel 80/90/95/99% (95% recomendado).
  5. Pulsa "Predecir valores futuros". Verás el gráfico con histórico (azul), predicción (naranja) y bandas sombreadas, además de la tabla con cada paso, valor predicho, banda inferior y banda superior.
  6. Exporta la predicción a CSV plano o XLSX con las 5 columnas (paso, fecha, valor, inferior, superior).

Las 13 variantes ETS soportadas

ETS(AAA) — Holt-Winters aditivo. La elección clásica para series con tendencia lineal y estacionalidad de amplitud constante.

ETS(AAdA) — Holt-Winters aditivo con tendencia amortigüada. Más conservador cuando la tendencia pierde fuerza.

ETS(MAA) — Error multiplicativo, tendencia aditiva. Útil cuando los errores crecen con el nivel.

ETS(MAdA) — Error multiplicativo con tendencia aditiva amortiguada. Para series con errores proporcionales al nivel.

ETS(AAN) — Holt lineal sin componente estacional. Para series con tendencia pero sin estacionalidad clara.

ETS(AAdN) — Holt con tendencia amortiguada. Para series con tendencia que se estabiliza (saturación).

ETS(ANN) — Suavizado exponencial simple. Para series sin tendencia ni estacionalidad.

ETS(ANA) — Error aditivo, sin tendencia, estacionalidad aditiva. Estacionalidad sin tendencia.

ETS(ANM) — Error aditivo, sin tendencia, estacionalidad multiplicativa. Estacionalidad creciente.

ETS(MAN) — Error multiplicativo, tendencia aditiva, sin estacionalidad. Errores proporcionales al nivel.

ETS(MAM) — Holt-Winters multiplicativo completo. Para series donde la estacionalidad crece con el nivel.

ETS(MAdM) — Holt-Winters multiplicativo con tendencia amortiguada. Variante conservadora del multiplicativo.

ETS(MNA) — Error multiplicativo, sin tendencia, estacionalidad aditiva. Variante mixta para datos intermitentes.

Nota honesta: anofox-forecast implementa 13 de las 18 variantes posibles del framework ETS (taxonomía FPP3). Las 5 combinaciones no soportadas son combinaciones técnicamente inestables (M,A,A y M,Ad,A y combinaciones relacionadas que pueden generar varianza negativa o divergencia). Para esos casos, AutoETS selecciona automáticamente la variante válida más cercana.

Por qué esta herramienta

El mercado hispano tiene acceso a ETS solo dentro de Google Sheets (PRONOSTICO.ETS) o Excel (FORECAST.ETS), pero ambos requieren el ecosistema Microsoft/Google, conexión constante y datos ya cargados. mathnal.tech es la alternativa web más cercana (free + multi-modelo + MAPE/RMSE), pero sube los datos a sus servidores, pide nombre + email y está solo en inglés. nixtla TimeGPT tiene el estado del arte (foundation model) pero es de pago después del free tier limitado. AWS Forecast es enterprise con costos por predicción.

Esta herramienta es la única que combina 13 variantes ETS + AutoForecast ensemble + 100% client-side + bilingüe ES/EN nativo + sin upload + offline-ready + export CSV/XLSX. La implementación en WASM garantiza que series grandes (10K+ puntos) se procesan en pocos segundos, y el Service Worker cache-first permite uso offline tras la primera carga.

Privacidad y honestidad

Funciona 100% en tu navegador · Sin registro · Sin tracking · Tu serie nunca sale de tu dispositivo. Esta herramienta no envía tus datos a ningún servidor nuestro: ni la serie que cargas, ni las predicciones generadas. Puedes verificarlo abriendo DevTools → Network — después de la carga inicial verás cero peticiones con tus datos.

Lo que esta herramienta NO hace: no sube nada a la nube; no implementa Prophet (Meta, Bayesian additive); no implementa LSTM / redes neuronales; no implementa ensembles bayesianos (TimeGPT, N-BEATS); solo cubre 5 granularidades temporales (diaria, semanal, mensual, trimestral, anual — no sub-diaria ni intra-día); solo 13 variantes ETS de las 18 posibles (las 5 no soportadas son combinaciones técnicamente inestables que anofox-forecast v0.11.0 no expone); bundle 2.9 MB raw (WASM ~2.6MB), justo en el límite de los 3MB; no predice variables exógenas (sin regresores); no entrena modelos personalizados (siempre usa AutoETS o la variante que elijas).

Riesgos residuales que debes conocer: aunque el procesamiento es 100% local, los archivos que cargues pueden quedar cacheados por tu navegador (descargas, autocompletado, historial de archivos recientes). Si compartes dispositivo, limpia regularmente la caché con Ctrl+Shift+Del y usa modo incógnito para series especialmente sensibles. El WebAssembly compilado (~2.6 MB) también queda cacheado en disco; la herramienta no controla ni evita ese caché del navegador.

Compatibilidad: soporta CSV, TSV y XLSX (SheetJS). NO soporta archivos Excel protegidos con contraseña (la contraseña impide el parseo). NO soporta ODS nativamente (queda en backlog). El init del WASM tarda ~2-3 segundos la primera vez; tras ello el Service Worker cachea todos los assets y la carga es instantánea + offline. En móvil se recomienda no superar los 2.000 puntos para una experiencia cómoda; en escritorio soporta hasta 5.000 puntos recomendados (10.000 con aviso). El servidor Apache de Hostinger necesita el .htaccess con AddType application/wasm .wasm incluido en el directorio de la herramienta (incluido por defecto) para servir el WASM con el MIME type correcto y evitar el +20% de latencia en el init.

Licencias y atribución

  • anofox-forecast v0.11.0 — MIT — Framework ETS (Hyndman) + AutoETS + AutoARIMA + AutoTheta + ensemble, port Rust a WebAssembly por sipemu, vendored local (~2.6 MB WASM + 0.3 MB JS bindings).
  • SheetJS CE 0.20.3 — Apache-2.0 — Parser/escritor XLSX/XLS/CSV/TSV, vendored local.
  • PapaParse 5.4.1 — MIT — Parser CSV robusto con auto-detección de delimitador y quote, vendored local.
  • uPlot 1.6.31 — MIT — Charting Canvas ultra-rápido para series temporales con bandas sombreadas, vendored local (~50 KB JS + 2 KB CSS).
  • Algoritmo de auto-detección de frecuencia — código propio, inline en app.js, ~40 líneas. Detecta diferencia mediana entre timestamps y mapea a diaria/semanal/mensual/trimestral/anual.
  • Funding Choices + AdSense — Google, scripts externos necesarios para CMP y monetización.

Apoya el proyecto

Este proyecto es independiente. Si te ayuda en tu trabajo diario, considera apoyar con un café en Ko-Fi. La donación es completamente voluntaria y no desbloquea ninguna función: todo es gratis y seguirá siéndolo.

Limitaciones técnicas conocidas

  • Hasta 5.000 puntos recomendados (10.000 con aviso). El límite duro es 50.000 puntos pero más allá de 5K puede notarse lag en máquinas modestas. En móvil se recomienda no superar los 2.000 puntos.
  • Horizonte máximo 365 pasos. Para predicciones a más de 1 año vista en series mensuales, conviene usar datos diarios o semanales como entrada.
  • Granularidad soportada: diaria, semanal, mensual, trimestral, anual. No soporta series sub-diarias (intradía, minutos, segundos) ni series con timestamps irregulares sin pre-procesado.
  • 5 variantes ETS no implementadas (de las 18 posibles en taxonomía FPP3): MAA, MAdA, MNA con tendencia aditiva, MAdA con estacional multiplicativa, y combinaciones relacionadas técnicamente inestables. Para esos casos usa AutoETS que selecciona automáticamente la variante válida más cercana.
  • Tamaño máximo recomendado 10 MB por archivo. SheetJS maneja bien este tamaño. Para archivos mayores conviene partir el dataset.
  • Encoding soportado: UTF-8 (default), Latin-1 (ISO-8859-1), Windows-1252. UTF-16 detectado por BOM. Otros encodings pueden aparecer con caracteres corruptos.
  • Si el XLSX tiene varias hojas, solo se procesa la hoja seleccionada. Para procesar varias hojas del mismo workbook, ejecuta la herramienta varias veces.
  • Sin predicción de variables exógenas. El modelo usa únicamente la serie temporal histórica; no acepta regresores externos (precio, clima, marketing, etc.).
  • Sin persistencia entre sesiones. Tu serie y predicciones se borran al cerrar la pestaña. Exporta a CSV/XLSX antes de cerrar si quieres conservarlas.
  • Esta herramienta es una ayuda para predicción. No sustituye a Google Sheets, Excel, R o Python para uso profesional; verifica siempre las predicciones antes de usarlas en decisiones críticas de negocio.

Preguntas frecuentes

¿Esta herramienta sube mi serie temporal a algún servidor?

No. La herramienta procesa tu serie directamente en tu navegador, sin enviar nada a ningún servidor. Puedes verificarlo abriendo DevTools → Network después de cargar la página: no verás ninguna petición con tus datos, ni con los archivos cargados, ni con las predicciones generadas. Las únicas excepciones requeridas por la política de Google son el CMP de Funding Choices (gestión de consentimiento) y AdSense (anuncios).

¿Qué diferencia hay entre AutoETS, AutoForecast y elegir una variante específica?

AutoETS (recomendado) prueba las 13 variantes ETS válidas y selecciona la que minimiza el AICc (criterio de información de Akaike corregido). AutoForecast es un ensemble que combina AutoETS + AutoARIMA + AutoTheta (puede ser más robusto pero también más pesado). Elegir una variante específica (AAA, AAdA, MAM, etc.) fuerza al modelo a usar exactamente esa configuración — útil para reproducibilidad o cuando conoces bien la estructura de tu serie.

¿Qué formatos puedo cargar?

CSV (valores separados por comas o punto y coma), TSV (separados por tabulación) y XLSX de Microsoft Excel. La autodetección del separador funciona para 4 delimitadores comunes: coma, punto y coma, tabulador y barra vertical. Para XLSX con varias hojas, aparece un selector para elegir la hoja concreta. Para CSV y TSV también puedes pegar el texto directamente en el área correspondiente en lugar de arrastrar un archivo.

¿Tiene límite de puntos por serie?

El límite recomendado para que la experiencia sea fluida es 5.000 puntos. El límite duro es 50.000 (con Web Worker). En móvil se recomienda no superar los 2.000 puntos. Para datasets aún mayores, usa Python con statsforecast/sktime o R con fable.

¿Qué nivel de confianza debo elegir?

El 95% es el estándar y el recomendado para la mayoría de casos: significa que si repitiéramos el experimento muchas veces, el 95% de las veces el valor real caería dentro de la banda. El 99% da bandas más anchas (más conservadoras) — útil para decisiones críticas. El 80% da bandas más estrechas (menos conservadoras) — útil para visualizar tendencia central.

¿Necesito registrarme, pagar o instalar algo?

No. Cero registro, cero email, cero tarjeta, cero paywall, cero plan premium, cero instalación. Todas las funciones (carga de archivos, auto-detección de frecuencia, 13 variantes ETS, AutoForecast, bandas de confianza, export CSV/XLSX) están disponibles para todo el mundo sin condición. La monetización del proyecto es por donaciones voluntarias en Ko-Fi, no por tu uso de la herramienta.

¿Qué algoritmo usa internamente?

anofox-forecast v0.11.0 (port Rust a WebAssembly, MIT). Implementa el framework ETS completo de Hyndman & Athanasopoulos (FPP3) con 13 variantes (Error A/M × Trend N/A/Ad × Seasonal N/A/M, excepto combinaciones técnicamente inestables). Incluye también AutoARIMA (con búsqueda AICc sobre p,d,q,P,D,Q), AutoTheta (descomposición + extrapolación) y AutoForecast (ensemble de los tres). La inicialización del WASM tarda 2-3 segundos la primera vez.

¿Cómo se calculan las bandas de confianza?

Para AutoForecast y AutoTheta, las bandas se calculan mediante predicción paramétrica con varianza del error in-sample propagada al horizonte (distribución Normal/Normal-innovations). Para variantes ETS específicas sin bandas nativas (AAN, AAA, etc.), calculamos manualmente la varianza residual in-sample y propagamos ±z·σ·√h al horizonte (aproximación Normal estándar). La banda superior es predicción + z·σ·√h, la inferior es predicción - z·√h, donde z es el cuantil de la Normal para el nivel elegido (1.28 para 80%, 1.645 para 90%, 1.96 para 95%, 2.576 para 99%).

¿Funciona sin conexión a internet una vez cargada?

Sí. Un Service Worker con estrategia cache-first guarda en tu dispositivo todos los assets necesarios (HTML, CSS, JavaScript, las librerías vendored: anofox-forecast WASM+JS para predicción, SheetJS para XLSX, PapaParse para CSV, uPlot para gráficos). Una vez cargada la página, puedes desconectar internet y seguir cargando series y ejecutando predicciones. Los anuncios de AdSense no se mostrarán sin conexión, pero toda la funcionalidad principal sigue operativa.

¿Cómo se exportan las predicciones?

Hay dos formas: descargar como CSV plano con codificación UTF-8 con BOM y 5 columnas (paso, fecha, predicción, banda_inferior, banda_superior), y descargar como XLSX con las mismas 5 columnas y el auto-ajuste de ancho en Excel o Google Sheets. Ambos formatos son directamente importables en herramientas de BI (Power BI, Tableau, Looker) y hojas de cálculo.

Más información oficial

Esta herramienta es una ayuda para predicción de series temporales, no una garantía profesional. Verifica las predicciones antes de tomar decisiones con datos personales, financieros o legales. Tu serie nunca sale de tu navegador — pero tu dispositivo debe estar protegido (antivirus actualizado, no compartir sesión). RGPD: no se ejecuta tracking, no se instalan cookies de marketing, el único almacenamiento local son tus preferencias (idioma) en localStorage.