Неликвиды и излишки: как выявить и обезвредить. Как выявить неликвиды товаров и материалов, ликвидировать их, определить причины их возникновения и не только - [48]

MAE — средняя абсолютная ошибка

Кроме указанных методов, иногда используют другие оценки ошибки — менее популярные, но также применимые.

MSE — среднеквадратичная ошибка

RMSE — квадратный корень из среднеквадратичной ошибки

SD — стандартное отклонение

,где ME — средняя ошибка, определенная по формуле выше.

Оценка ошибки прогноза — формула Валерия Разгуляева

(сайт http://upravlenie-zapasami.ru/)

Одной из самых используемых формул оценки ошибки прогнозирования является следующая:

где P — это прогноз, а S — факт за тот же месяц. Однако у этой формулы есть серьезное ограничение: как оценить ошибку, если факт равен нулю? Возможный ответ: в таком случае D = 100 %, это означает, что мы полностью ошиблись. Однако простой пример показывает, что такой ответ не верен:

Оказывается, что в варианте развития событий № 2, когда мы точнее угадали спрос, чем в варианте № 1, ошибка по данной формуле оказалась больше. То есть ошиблась уже сама формула. Есть и другая проблема: если мы посмотрим на варианты № 2 и № 3, то увидим, что имеем дело с зеркальной ситуацией в прогнозе и факте, а ошибка при этом отличается в разы! То есть при такой оценке ошибки прогноза нам лучше его заведомо делать менее точным, занижая показатель, — тогда ошибка будет меньше! Хотя понятно, что чем точнее будет прогноз — тем лучше будет и закупка. Поэтому для расчета ошибки Валерий Разгуляев рекомендует использовать следующую формулу:

В таком случае для тех же примеров ошибка рассчитается иначе:

Как видим, в варианте № 1 ошибка становится равной 100 %, причем это уже не наше предположение, а чистый расчет, который можно доверить машине. Зеркальные же варианты № 2 и № 3 имеют и одинаковую ошибку, причем эта ошибка меньше ошибки самого плохого варианта № 1. Единственная ситуация, когда данная формула не сможет дать однозначного ответа, — это равенство знаменателя нулю. Но максимум из прогноза и факта равен нулю, только когда они оба равны нулю. В таком случае получается, что мы спрогнозировали отсутствие спроса, и его действительно не было, то есть ошибка тоже равна нулю, — значит, мы сделали совершенно точное предсказание.

Визуальный метод: графический

Визуальный метод состоит в том, что мы на график выводим значение прогнозной модели и факта продаж по тем моделям, которые хотим сравнить. Далее сравниваем визуально, насколько прогнозная модель близка к фактическим продажам.

Связь точности и ошибки прогнозирования

Ошибка прогноза — апостериорная величина отклонения прогноза от действительного состояния объекта. Если говорить о прогнозе продаж, то это показатель отклонения фактических продаж от прогноза.

Точность прогнозирования есть понятие прямо противоположное ошибке прогнозирования. Если ошибка прогнозирования велика, то точность мала, и наоборот: если ошибка прогнозирования мала, то точность велика. По сути дела, оценка ошибки прогноза MAPE есть обратная величина для точности прогнозирования — зависимость здесь простая.

Точность прогноза в % = 100 % — MAPE, еще встречается название этого показателя Forecast Accuracy. Вы практически не найдете материалов о прогнозировании, в которых приведены оценки именно точности прогноза, хотя с точки зрения здравого маркетинга корректнее говорить именно о высокой точности. В рекламных статьях всегда будет написано о высокой точности. Показатель точности прогноза выражается в процентах:

• если точность прогноза равна 100 %, то выбранная модель описывает фактические значения на 100 %, т. е. очень точно. Нужно сразу оговориться, что такого показателя никогда не будет: основное свойство прогноза в том, что он всегда ошибочен;

• если 0 % или отрицательное число, то совсем не описывает продажи товара, и данной модели доверять не стоит.

Выбрать подходящую модель прогноза можно с помощью расчета показателя точности прогноза. Модель прогноза, у которой показатель точности будет ближе к 100 %, с большей вероятностью даст более точный прогноз. Такую модель можно назвать оптимальной для выбранного временного ряда. Говоря о высокой точности, мы подразумеваем низкую ошибку прогноза, и в этой области недопонимания быть не должно. Не имеет значения, что именно вы будете отслеживать, но важно, чтобы вы сравнивали модели прогнозирования или целевые показатели по одному показателю — ошибке прогноза или точности прогнозирования.

Ранее я использовала оценку MAPE, до тех пор пока не встретила формулу, которую рекомендует Валерий Разгуляев.

3. Прогноз более точен для большей группы наименований.

Действительно, прогноз спроса по отдельной номенклатурной позиции менее точен, чем по группе товаров. На продажи каждой товарной единицы влияет много случайных факторов, но если их объединить в группу, то влияние этих случайных факторов нивелируется. Это же утверждение справедливо и для прогноза спроса товара на отдельном складе, например в магазине, или на региональном складе.

4. Прогноз будет точнее для более коротких промежутков времени.

Хотя многие неточности прогнозирования являются следствием использования неподходящих методов расчета. Суть этой проблемы состоит в том, что ошибка прогнозирования увеличивается по мере увеличения периода планирования.