Modelamiento prospectivo de la tendencia de adquirir casa propia o usada, aplicando series de tiempo como método de pronóstico a partir de datos suministrados por la herramienta Google Trends

La tradicional frase “quien tiene la información tiene el poder”, en estos tiempos de auge de la Internet parece sufrir un cambio a “quien entiende la información tiene el poder”. Actualmente todo ser humano con acceso a la Web puede consultar, aprender y visitar en tiempo real los sitios a los cuales no ha podido ir; así, por ejemplo, a través de la herramienta libre Google Trends se puede acceder a una diversidad de variables de búsquedas que utilizamos los habitantes de la tierra, sin ser de uso exclusivo de un país, organismo, edad o estrato social. 

Al acceder a Google Trends, la herramienta genera un historial a partir de las búsquedas en la Web que realiza la población mundial o un determinado país. Esto da origen a una mega cantera de datos (Big Data), a través de la cual se pueden formular análisis en torno a aspectos como, por ejemplo, el interés de la población en momentos o temas específicos, con lo cual se pueden identificar líneas de actuación masivas. Estas últimas pueden ser puntos de partida para abordar cuestiones más profundas gracias a la correlación de variables, en especial cuando se construyen patrones específicos en un modelo planteado, como pueden ser terapias de medicina alternativa y complementaria, la tendencia de comprar carro nuevo o usado, la dispersión de una enfermedad, entre otros (Rocha y Correia, 2013).

La herramienta Google Trends se ha utilizado ampliamente en los últimos años, durante los cuales se ha demostrado su aplicación en modelos de pronóstico en diversas áreas como la medicina, propagación de enfermedades y compra de carros. No obstante, su mayor aplicación se encuentra en el marketing y la vigilancia tecnológica, donde pueden identificarse tendencias de compra y de búsqueda de tecnología o productos a nivel mundial, nacional, regional o local.

Las series de tiempo, como herramienta de pronóstico, son básicamente la sucesión de los eventos convertidos en variables, ocurridos aleatoriamente con el trascurrir del tiempo; esto da como resultado un conjunto de datos que se pueden tratar estadísticamente arrojando tendencias que se pueden modelar matemáticamente, entregando así modelos que se pueden utilizar para pronosticar los posibles valores que tomará la variable en periodos posteriores a los relacionados en los datos iniciales. 

Como caso de aplicación, se desea identificar la tendencia de compra de casa nueva o usada en el periodo 2004 a agosto de 2017 para Colombia, con el fin de analizar patrones de búsqueda y posibles modelos de pronóstico propuestos para cada conjunto de datos “casa nueva” y “casa usada”, consideradas como las frases de búsqueda del interés en la investigación, utilizando las series de tiempo como herramienta generadora de modelos de pronóstico que, pese a ser complejas, presentan la posibilidad de evaluar la pertinencia o no de su aplicación. Los cálculos se realizan en Microsoft Excel, debido a la facilidad para construir el modelo y las funcionalidades del Solver, como lo son: la posibilidad de seleccionar entre dos algoritmos de optimización (GRG con reinicios aleatorios múltiples y algoritmos evolutivos) y el manejo de restricciones (Sánchez y Martínez, 2009).