فهرست مطالب
محاسبه درصد دقت پیش‌بینی یک کار بسیار آشنا است که نه تنها برای افرادی که با آمار و تجزیه و تحلیل داده‌ها کار می‌کنند، بلکه برای افرادی که با علم داده و یادگیری ماشین کار می‌کنند نیز انجام می‌شود. در این مقاله، ما 4 روش از ساده ترین و کارآمدترین روش های محاسبه درصد دقت پیش بینی را در اکسل به شما نشان خواهیم داد.
دانلود کتاب کار
می توانید کتاب تمرین رایگان Excel را از اینجا دانلود کنید.
Ccalculate Forecast Accuracy Percentage.xlsx
مقدمه ای بر دقت پیش بینی
دقت پیش بینی انحراف بین تقاضای پیش بینی شده و تقاضای واقعی است. به آن خطای پیش بینی نیز می گویند. اگر خطاهای پیش‌بینی‌های قبلی تقاضا به درستی محاسبه شود، به شما امکان می‌دهد برنامه‌ریزی تجاری آینده خود را تغییر دهید، مانند افزایش نرخ خدمات، کاهش انبارها، کاهش هزینه‌های زنجیره تامین و غیره برای موفقیت بیشتر.
محاسبه دقت پیش بینی در تجارت بسیار مهم است، بنابراین شما باید یک روش ثابت و قابل اعتماد برای تخمین آسان پیش بینی داشته باشید.
در این مقاله به شما نشان خواهیم داد که چگونه می توانید دقت پیش بینی را محاسبه کنید. درصد به 4 روش قابل اعتماد. اما قبل از اینکه آن روش های محاسبه را به شما نشان دهیم، ابتدا باید بدانید که تقاضای واقعی در صحت پیش بینی چقدر است.
مقدمه ای بر تقاضاپیش بینی برای محاسبه درصد دقت پیش بینی
پیش بینی تقاضا یا پیش بینی فروش موضوع بسیار گسترده ای است. هدف این مقاله این است که به شما نشان دهد چگونه می توانید درصد دقت پیش بینی را در اکسل محاسبه کنید. بنابراین، در اینجا ما فقط مختصری از پیش بینی تقاضا را در اختیار شما قرار می دهیم.
از سوی دیگر، پیش بینی تقاضا چیزی است که در هر سازمانی چندان رایج نیست. یا حتی اگر شرکت شما چنین چیزی داشته باشد، ممکن است از آن آگاه نباشید. اگر شرکت شما دارای ERP یا نرم افزار مرتبط است، به احتمال زیاد شما یک پیش بینی دارید.
فرمول محاسبه پیش بینی تقاضا این است،
پیش بینی تقاضا = میانگین فروش X فصلی X رشدبا اجرای این فرمول می توانید به راحتی از پیش بینی تقاضای سازمان خود مطلع شوید.
4 روش در نحوه محاسبه درصد دقت پیش‌بینی در اکسل
اکنون که از واقعی پیش‌بینی و پیش‌بینی تقاضا مطلع شدید، می‌توانید شروع به کار کنید. محاسبه درصد دقت پیش‌بینی در اکسل.
مراحل محاسبه دقت پیش‌بینی برای محصول به محصول در اکسل در زیر آورده شده است.
مراحل:
- در ابتدا، به سادگی پیش بینی را از تقاضا کم کنید تا خطای پیش بینی را برای هر محصول محاسبه کنید.
- پس از آن، از فرمول ABS() در اکسل برای محاسبه مقدار مطلق استفاده کنید.خطا .
- در نهایت، به سادگی قدر مطلق خطا را بر تقاضا تقسیم کرده و آن را در 100 ضرب کنید تا درصد خطا را محاسبه کنید. سطح محصول.
همه مراحل این محاسبات برای یک افق فروش 2 ماهه در زیر نشان داده شده است.
شما می توانید از <1 استفاده کنید>تابع ()SUM برای محاسبه Total کلیه ویژگی ها در محاسبه درصد دقت پیش بینی در اکسل.
خب، همانطور که می دانید، این خطاها در مورد وجود دارد. مرحله. اکنون باید بدانیم که چگونه یک شاخص کلی را بر اساس این اندازه گیری ها بدست آوریم.
در ادامه این بخش، 4 فرمول ریاضی ساده و پرکاربرد برای محاسبه پیش بینی را خواهید آموخت. درصد دقت در اکسل.
1. دقت پیش‌بینی BIAS/ خطای پیش‌بینی ثابت برای محاسبه درصد دقت پیش‌بینی
پیش‌بینی BIAS انحراف تحلیلی بین مقادیر واقعی و مقادیر برآورد شده است.
برای محاسبه دقت پیش‌بینی به سادگی خطای کل را بر تقاضای کل تقسیم کنید .
BIAS Forecast Accuracy = خطای کل/ تقاضای کل 
برای بررسی اینکه آیا پیش بینی همه محصولات بیش از حد برآورد شده است ( BIAS > 0 ) یا کمتر برآورد شده ( BIAS < 0 )، می توانید از این روش استفاده کنید.
بیشتر بخوانید: نحوه محاسبه درصد سود در اکسل (3روش ها)
2. میانگین درصد خطای مطلق (MAPE) برای محاسبه دقت پیش‌بینی در اکسل
یک راه ساده و موثر دیگر برای محاسبه خطای پیش‌بینی، محاسبه متوسط درصد خطای مطلق (MAPE) پیش بینی. MAPE به عنوان میانگین درصد خطا تعریف می شود.
MAPE = میانگین درصد خطا 
از آنجایی که MAPE محاسبه خطاها است، درصد بالا به معنای بد، و درصد پایین به معنای خوب است.
ما توصیه نمی کنیم این روش به این دلیل است که هیچ وزنی بر روی مقادیر یا مقادیر وجود ندارد. اگر برای اندازه‌گیری پیش‌بینی‌های خود کاملاً به این شاخص اعتماد کنید، دوره‌های تقاضای بالا را می‌توان به راحتی دست کم گرفت.
بیشتر بخوانید: محاسبه درصد با استفاده از مرجع مطلق سلول در اکسل (4 روش)
3. میانگین خطای مطلق (MAE)/ میانگین انحراف مطلق (MAD)/ خطای درصد مطلق وزنی (WAPE)
میانگین خطای مطلق (MAE) یا میانگین انحراف مطلق ( MAD) یا خطای درصد مطلق وزنی (WAPE) میانگین خطاهای مطلق وزنی است. مقدار مطلق یعنی حتی زمانی که تفاوت بین تقاضای پیش‌بینی‌شده و تقاضای واقعی یک مقدار منفی باشد، مثبت می‌شود.
برای محاسبه متوسط خطای مطلق (MAE) پیش‌بینی فقط تقسیم کل خطای مطلق بر تقاضای کل .
MAE = مجموع مطلقخطا/ تقاضای کل 
این روش بر حسب کمیت یا ارزش وزن می شود، بنابراین در برنامه ریزی تقاضا به شدت توصیه می شود.
با این حال، یک اشکال در این مورد وجود دارد. روش. از آنجایی که خطای تقاضا متناسب نیست، این روش هنگام کار بر روی یک محصول بهترین کار را دارد. اگر در محصولات با حجم های مختلف استفاده شود، نتیجه با حاصلضرب حجم های سنگین تر کج می شود.
بیشتر بخوانید: نحوه محاسبه درصد کاهش وزن در اکسل (5) روش ها)
4. ریشه میانگین مربعات خطا (RMSE) برای محاسبه دقت پیش‌بینی در اکسل
خطای میانگین مربع ریشه (RMSE) از ریشه مربع میانگین مربع خطا (MSE) محاسبه می‌شود. ) یا میانگین مربعات انحراف (MSD) .
باید خطای مربع (خطا^2) را برای هر محصول برای این نشانگر اضافه کنیم. سپس می توانیم میانگین مربعات خطا را محاسبه کنیم. میانگین مربعات خطا (MSE) میانگین مربع خطا برای هر محصول است.
MSE = میانگین مربع خطااکنون که مقدار MSE را داریم، اکنون می توانیم RMSE را برای پیش بینی خود اندازه گیری کنیم.
برای محاسبه RMSE ، فقط جذب MSE را بر میانگین تقاضا تقسیم کنید .
RMSE = ریشه مربع MSE/ میانگین تقاضا 
شاخص RMSE برای پیاده سازی و استخراج نتایج نسبتاً پیچیده تر است. اما این فرمول به شدت بزرگ را جریمه می کندخطاهای پیش بینی.
این نیز یک روش بسیار توصیه می شود، زیرا این روش قادر است خطاهای محاسباتی را نادیده بگیرد و نتایج را با دقت تولید کند.
بیشتر بخوانید: چگونه محاسبه درصد برد و باخت در اکسل (با مراحل آسان)
نتیجه گیری
برای نتیجه گیری، این مقاله 4 روش آسان و مفید را به شما نشان می دهد که چگونه محاسبه درصد دقت پیش بینی در اکسل. امیدوارم این مقاله برای شما بسیار مفید بوده باشد. هر گونه سوالی در مورد موضوع بپرسید.
