Estacionalidad, comparar lo comparable

La estacionalidad es el ritmo que se repite: por hora del día, por día de la semana, por el calendario del negocio. Un conteo de sesiones remotas por hora es muy distinto en horario laboral que de madrugada, así que un único promedio por hora describe muy mal a las dos cosas. La base útil se separa en franjas (laborable de día, laborable de noche, madrugada, fin de semana) y cada observación se compara con su propia franja.

Ese cambio de una pregunta a otra es el más rentable de la estadística de caza: no «¿es mucho para el servidor?» sino «¿es mucho para un sábado a las tres?». Con la misma franja, la desviación se vuelve visible; con todo mezclado, se diluye o se inventa.

Abre la consola. La tabla base_por_franja trae cuatro semanas de sesiones remotas por hora, separadas por franja: cuántas horas tiene la franja cada semana, su promedio por hora y su percentil 95. Ejecuta observado para ver cuatro horas que alguien marcó, y calendario para ver los eventos del negocio de la ventana.

Una observación se sale cuando supera el percentil 95 de su propia franja. Pero eso solo es la primera mitad: si además hay un evento del calendario que la explica, es estacionalidad conocida. La que supera su franja y no tiene evento es la que se convierte en hipótesis.

Hay estacionalidades que solo se ven si la base cubre varias vueltas. El ritmo de la hora y el de la semana se repiten decenas de veces en cuatro semanas; el cierre de mes, solo una. Con una única observación de cierre no se puede decir cuánto sube un cierre normal ni cuánto es de más: hacen falta varios cierres anteriores para medir esa subida.

Mientras no los haya, la forma honesta de tratar un pico de cierre es anotarlo con su evento del calendario, no descartarlo ni dar por bueno que «es normal»: se deja pendiente de comparar con los próximos cierres.

Para dimensionar la desviación se mide cuántas veces supera la observación al promedio de su franja. Es una razón sencilla y comparable entre franjas distintas, porque cada una se mide contra sí misma. Toma la observación de la tarea 2 y divídela por el promedio por hora de su franja en base_por_franja.

Ten presente que con franjas de promedio muy bajo una razón alta puede significar pocos eventos en absoluto; por eso la razón se mira junto al percentil 95 y al valor absoluto, no sola.

Ejecuta base_por_franja | summarize promedio_global = sum(horas_semana * promedio_hora) / sum(horas_semana) para ver el promedio por hora de la semana entera. La observación de un martes a las diez de la mañana supera con holgura ese promedio, y un umbral mezclado la marcaría. Pero compárala con el percentil 95 de la franja laborable de día: queda por debajo.

La conclusión no es que el umbral mezclado sea «un poco conservador», sino que mide otra cosa. Marca como anómalo un martes ordinario y deja pasar un sábado a las tres de la madrugada.