¡Asegúrate que tu MMM está correctamente validado!
Antes de aceptar cualquier output, hay al menos cuatro preguntas que deben responderse con rigor:
01 · ¿Tenemos todos los datos necesarios? No solo si están, sino si son suficientes para explicar el negocio. Un MMM con datos incompletos puede ser matemáticamente correcto… y estratégicamente erróneo.
02 · ¿Tienen errores los datos? Errores, rupturas de serie, cambios metodológicos, proxies mal construidos. La calidad del modelo nunca será superior a la calidad del dato que entra.
03 · ¿Hemos hecho las transformaciones pertinentes? Adstocks, saturaciones, retardos, no linealidades. Un mal diseño de transformaciones convierte causalidad en correlación espuria.
04 · ¿Es robusto el modelo? ¿Damos garantías? Estabilidad de coeficientes, sensibilidad a supuestos, validaciones cruzadas. Un modelo que solo funciona “una vez” no es un buen modelo.
Solo cuando estas preguntas están bien respondidas, el resultado empieza a ser útil.
En MMM, saber qué preguntar y por qué es tan importante como el número final. Sin ese cuestionamiento, el “OK” es solo una ilusión de control.
