Come misurare l'accuratezza di una previsione di vendita

Se sei un amministratore delegato o un VP delle vendite, è estremamente importante per voi sapere come misurare la precisione delle vendite e le previsioni della domanda. I processi di previsione più utilizzate dalle aziende di oggi, come un dato di fatto, si traduce in maggiori rimanenze, tempi di consegna degli ordini dei clienti più lunghi, e le buone prestazioni di consegna al cliente. Tuttavia, non tutti i venditori sono riusciti a misurare l'accuratezza di una previsione di vendita. In questo articolo parleremo di come valutare l'accuratezza della vostra previsione, come confrontare le previsioni, calcolare e visualizzare intendiamo errore assoluto e come calcolare MAPE. La vostra azienda sarà la previsione oggi sia utilizzando processi puramente manuali, MS Excel o dedicando strumenti di previsione.

Il calcolo l'errore assoluto

La media errore assoluto (MAE) ha una forte capacità per valutare l'accuratezza delle previsioni in un contesto di ottimizzazione delle scorte, ed è molto semplice da calcolare e utilizzare. L'errore assoluto è la differenza assoluta tra prevista e reale valore nel numero di elementi. Intuitivamente possiamo pensare l'errore assoluto come il numero di elementi la previsione è fuori da ciò che effettivamente accade e assoluta significa che la formula non tiene conto delle previsioni meteo è troppo alto o troppo basso. Tutto ciò che conta è da quanti elementi la previsione è spento il valore effettivo. Segni algebrici negativi non sono quindi considerati. Come accennato in precedenza errore medio assoluto è espressa in numero di elementi, è per questo che nel calcolo del MAE e prendendo l'errore assoluto di ogni riga si dovrebbe rimuovere il segno negativo (se esiste), e se è positivo lasciare, come è .

Calcolo MAPE

MAPE è sinonimo di errore percentuale medio assoluto. Arriviamo al MAPE dividendo l'errore assoluto per il valore previsto. Intuitivamente MAPE come un errore di discendenza ci fornisce la misura del l'errore di previsione relativo al valore effettivo
Let &';. S discutere anche perché MAPE non è adatto per confrontare le previsioni. MAPE è nella maggior parte dei casi non adatti a confrontare la previsione delle vendite e previsione della domanda. Il problema principale è la sensibilità di serie storiche sparse. Serie Sparse sono oggetti che vendono in quantità molto basse. La maggior parte dei rivenditori hanno grande quantità di tali prodotti.

Che cosa è una buona previsione?

Dichiarazioni come "questa è stata una buona previsione" o "questo è stata una brutta previsione" si sentono uscire spesso. Una valutazione quantità della precisione della previsione deve essere impostata nel contesto. Per esempio errore del 5% la previsione del consumo elettrico nazionale 24 ore prima è molto povera, ma l'errore 80% per un lancio di prodotto è estremamente eccellente. Fattori che influenzano il acccuracy della previsione della domanda sono molteplici, come la volatilità della domanda, livello di aggregazione dei dati, la quantità di dati, previsioni orizzonte, dati sparsi, disponibilità di dati relativi agli eventi e molti altri. Per concludere, il modo più semplice per impostare il contesto è quello di avere la vostra previsione per essere più preciso il vostro status quo. La chiave per una pianificazione efficace è avere una solida base su cui costruire. In modo efficace la pianificazione per il futuro la domanda si sarà in grado di aggiungere valore significativo per la vostra azienda e' s redditività e profitti Hotel  .;