Como medir a precisão de uma previsão de vendas

Se você é um CEO ou um vice-presidente de Vendas, é extremamente importante para você saber como medir a precisão de suas vendas e previsões de demanda. Os processos de previsão mais frequentemente utilizados por empresas, hoje, como um fato, resulta em maiores estoques, tempos de ordem cliente entrega mais longos, e boa performance de entrega ao cliente. No entanto, nem todos os vendedores são bem sucedidos em medir a precisão de uma previsão de vendas. Neste artigo iremos discutir como avaliar a precisão da sua previsão, como comparar as previsões, calcular e mostrar o erro médio absoluto e como calcular MAPE. Sua empresa será previsão de hoje quer utilizando processos puramente manuais, MS Excel ou dedicar ferramentas de previsão.

Calcular o erro absoluto

O erro médio absoluto (MAE) tem fortes capacidades para avaliar a precisão das previsões em um contexto de otimização de estoques e é muito simples de calcular e usar. O erro absoluto é a diferença absoluta entre o valor previsto e efectivo no número de itens. Intuitivamente, podemos pensar no erro absoluto como o número de itens a previsão é de fora do que realmente acontece e absoluta significa que a fórmula ignora resistir a previsão é muito alta ou muito baixa. Tudo o que importa é por quantos itens a previsão é de fora do valor real. Sinais algébricos negativos, portanto, não são considerados. Como mencionado acima o erro médio absoluto é expresso em número de itens, por isso quando se calcula o MAE e tendo o erro absoluto de cada linha que deverá remover o sinal negativo (se houver) e se for positivo deixá-lo, uma vez que é .

Cálculo MAPE

MAPE significa erro médio percentual absoluto. Chegamos ao MAPE dividindo o erro absoluto pelo valor previsto. Intuitivamente Mape como um erro de parentesco nos proporciona a medição do erro de previsão em relação ao valor real
Let &';. S discutir também por isso MAPE não é adequado comparar previsões. MAPE é na maioria dos casos não é adequado comparar a previsão de vendas e previsão de demanda. A questão principal é a sensibilidade para séries temporais escassa. Série esparsas são itens vendidos em quantidades muito reduzidas. A maioria dos varejistas têm grande quantidade de tais produtos.

O que é uma boa previsão?

Declarações como "esta foi uma boa previsão" ou "esta era uma previsão ruim" são ouvidas sair com freqüência. A avaliação da quantidade de precisão da previsão deve ser definida no contexto. Por exemplo erro de 5% a previsão de consumo nacional de electricidade 24 horas à frente é muito pobre, mas de erro de 80% para o lançamento de um produto é extremamente excelente. Fatores que afetam a acccuracy da previsão de demanda são muitos, tais como a volatilidade da demanda, nível de agregação de dados, quantidade de dados, horizonte de previsão, dados esparsos, a disponibilidade de dados de eventos e muito mais. Para concluir, a maneira mais fácil para definir o contexto é ter a sua previsão para ser mais preciso do que o seu status quo. A chave para um planeamento eficaz é ter uma base sólida para construir. Ao planejar de forma eficaz para a demanda futura que você será capaz de adicionar um valor significativo para a sua empresa &'; s rentabilidade e linha de fundo Art  .;