Hoe te meten van de nauwkeurigheid van een verkoopprognose

Als u een CEO of VP van Sales, is het uiterst belangrijk om te weten hoe u de juistheid van uw verkoop- en vraagvooruitzichten meten. De voorspelling processen het meest gebruikt door bedrijven vandaag de dag, als een feit, resulteert in hogere voorraden, langer klantorder doorlooptijden, en een goede klantenservice leverbetrouwbaarheid. Echter, niet alle verkopers zijn succesvol in het meten van de nauwkeurigheid van een verkoopprognose. In dit artikel zullen we bespreken hoe de nauwkeurigheid van uw voorspelling te beoordelen, hoe te vergelijken prognoses, berekenen en tonen gemiddelde absolute fout en hoe te berekenen MAPE. Uw bedrijf zal worden voorspellen vandaag hetzij met behulp van puur handmatige processen, MS Excel of wijden prognose-instrumenten.

Het berekenen van de absolute fout

De gemiddelde absolute fout (MAE) heeft sterke mogelijkheden voor het beoordelen prognosenauwkeurigheid in een context van de inventaris optimalisatie en het is zeer eenvoudig te berekenen en te gebruiken. De absolute fout is het absolute verschil tussen de geprojecteerde en werkelijke waarde van het aantal artikelen. Intuïtief kunnen we denken aan de absolute fout als het aantal items de prognose af van wat er werkelijk gebeurt en absolute betekent dat de formule negeert weer de prognose is te hoog of te laag. Het enige dat telt is door hoeveel items de prognose is van de werkelijke waarde. Negatieve algebraïsche tekens worden daarom niet beschouwd. Zoals hierboven vermeld gemiddelde absolute fout wordt uitgedrukt in aantal stuks, daarom de berekening van het MAE en het nemen van de absolute fout van elke rij moeten we het minteken verwijderen (indien aanwezig) en indien positief laten, aangezien het .

Het berekenen MAPE

MAPE staat voor gemiddelde absolute procentuele fout. We komen aan bij de MAPE door de absolute fout te delen door de voorspelde waarde. Intuïtief Mape als ouders fout biedt ons de meting van de verwachte fout in verhouding tot de werkelijke waarde
Let &';. S bespreken ook de reden waarom MAPE niet geschikt is om te vergelijken prognoses. MAPE is in de meeste gevallen niet geschikt voor verkoopprognoses en vraagvoorspelling vergelijken. Het belangrijkste probleem is de gevoeligheid voor schaarse tijdreeksen. Schaars serie artikelen verkopen in zeer kleine hoeveelheden. De meeste winkeliers hebben grote hoeveelheid van deze producten.

Wat is een goede voorspelling?

Uitspraken zoals 'dit was een goede voorspelling "of" dit was een slechte prognose "worden gehoord vaak stoppen. Een hoeveelheid beoordeling van de nauwkeurigheid van de prognoses moet worden ingesteld in de context. Bijvoorbeeld 5% fout voorspellen van het nationale elektriciteitsverbruik 24 uur vooruit is zeer slecht, maar 80% fout voor een product te lanceren is zeer uitstekend. Factoren die de acccuracy van de verwachte vraag naar zijn vele, zoals de volatiliteit van de vraag, data aggregatieniveau, hoeveelheid gegevens, prognoseperiode, dun data, de beschikbaarheid van event data en nog veel meer. Tot slot, de eenvoudigste manier om de context te stellen is om uw voorspelling nauwkeuriger dan uw status quo te zijn. De sleutel tot effectieve planning is het hebben van een solide basis om op te bouwen. Door het effectief plannen voor de toekomstige vraag u in staat om significante waarde toe te voegen aan uw bedrijf en ' zijn; s rentabiliteit en bottom line
.