Hur man mäter noggrannheten hos ett försäljnings Forecast

Om du är en vd eller en VP of Sales, är det oerhört viktigt för dig att veta hur man mäter noggrannheten i din försäljning och efterfrågeprognoser. Prognos processer oftast används av företag idag, som ett faktum, resulterar i högre varulager, längre kundorder ledtider och bra kund leveranssäkerhet. Men inte alla säljare är framgångsrika i att mäta noggrannheten hos en försäljningsprognos. I denna artikel kommer vi att diskutera hur man ska bedöma riktigheten av din prognos, hur man kan jämföra prognoser, beräkna och visa medelabsolutfel och hur man kan beräkna MAPE. Ditt företag kommer att prognostisera idag antingen rent manuella processer, MS Excel eller avsätta prognosverktyg.

Beräkning av absoluta felet Omdömen

medelabsolutfel (MAE) har stor kapacitet för att bedöma prognossäkerhet inom ramen för lageroptimering och det är mycket enkelt att beräkna och använda. Den absoluta felet är den absoluta skillnaden mellan prognostiserade och verkligt värde i antalet artiklar. Intuitivt kan vi tänka på den absoluta felet som antalet objekt prognosen är avstängd från vad som faktiskt händer och absolut innebär att formeln bortser väder prognosen är för hög eller för låg. Allt som räknas är hur många objekt prognosen är avstängd det verkliga värdet. Negativa algebraiska tecken betraktas därför inte. Som nämnts ovan medelabsolutfel är uttryckt i antal artiklar, det är därför vid beräkningen av MAE och ta det absoluta felet hos varje rad som vi ska ta bort minustecken (om det finns) och om det är positivt lämna det, eftersom det är .

Beräkning MAPE Omdömen

MAPE står för medel absolut procentuellt fel. Vi anländer till MAPE genom att dividera den absoluta felet genom det beräknade värdet. Intuitivt MAPE som en härstamning fel ger oss mätning av prognosfelet i förhållande till det faktiska värdet
Låt &'; s. Diskuterar också varför MAPE inte är lämpad att jämföra prognoser. MAPE i de flesta fall inte lämpade att jämföra försäljningsprognoser och efterfrågan prognoser. Den viktigaste frågan är känsligheten för glesa tidsserier. Glesa serien är objekt som säljer i mycket små mängder. De flesta återförsäljare har stora mängder av sådana produkter.

Vad är en bra prognos?

Uttalanden som "detta var en bra prognos" eller "det här var en dålig prognos" hörs sluta ofta. En kvantitet bedömning av exaktheten av prognos måste ställas in i sammanhanget. Till exempel 5% fel prognoser nationella elförbrukningen 24 timmar framåt är mycket dålig, men 80% fel för en produktlansering är extremt bra. Faktorer som påverkar acccuracy av prognos efterfrågan är många som volatiliteten i efterfrågan, uppgifter aggregeringsnivå, mängden data, prognoshorisonten, glesa uppgifter, tillgång till uppgifter händelse och många fler. Avslutningsvis, det enklaste sättet att ställa in sammanhanget är att ha din prognos att vara mer exakt än din status quo. Nyckeln till effektiv planering är att ha en stabil grund att bygga vidare på. Genom att effektivt planera för framtiden kräver att du kommer att kunna addera betydande värde till ditt företag och' s lönsamhet och nedre raden Omdömen  ..