Tartalomjegyzék
A számítás a Előrejelzési pontosság százalékos aránya nem csak a statisztikával és adatelemzéssel, hanem az adattudománnyal és gépi tanulással foglalkozó emberek számára is nagyon ismerős feladat. Ebben a cikkben megmutatjuk a 4 legegyszerűbb és leghatékonyabb módszert arra, hogy hogyan lehet kiszámítja az előrejelzés pontosságának százalékos arányát Excelben.
Munkafüzet letöltése
Az ingyenes gyakorló Excel munkafüzetet innen töltheti le.
Előrejelzési pontossági százalék kiszámítása.xlsxBevezetés az előrejelzés pontosságába
Előrejelzési pontosság a az előre jelzett kereslet és a tényleges kereslet közötti eltérés . Úgy is nevezik Előrejelzési hiba Ha a korábbi kereslet-előrejelzések hibáit helyesen számítják ki, akkor ez lehetővé teszi a jövőbeli üzleti tervezés módosítását, például a szolgáltatási ráta növelését, a készlethiányok csökkentését, az ellátási lánc költségeinek csökkentését stb. a sikeresebbé tétel érdekében.
Az előrejelzés pontosságának kiszámítása nagyon fontos az üzleti életben, ezért egy következetes és megbízható módszerrel kell rendelkeznie az előrejelzés egyszerű becsléséhez.
Ebben a cikkben megmutatjuk, hogyan számolhatja ki az előrejelzési pontosság százalékos arányát a 4 legmegbízhatóbb módon. De mielőtt megmutatnánk ezeket a számítási módszereket, először is tudnia kell, hogy mi a tényleges igény az előrejelzési pontosságban.
Bevezetés a kereslet előrejelzésébe az előrejelzési pontossági százalék kiszámításához
Kereslet előrejelzés vagy Eladási előrejelzés A cikk célja, hogy bemutassa, hogyan lehet kiszámítani a Előrejelzési pontosság százalékos aránya Itt tehát csak röviden ismertetjük a kereslet előrejelzését.
Másrészt, Keresleti előrejelzés nem minden szervezetnél gyakori. Vagy ha az Ön vállalatánál van is, akkor sem biztos, hogy tisztában van vele. Ha az Ön vállalata ERP vagy kapcsolódó szoftverrel rendelkezik, akkor nagy valószínűséggel rendelkezik előrejelzéssel.
A képlet a Keresleti előrejelzés az,
Keresleti előrejelzés = Átlagos értékesítés X szezonalitás X növekedésE képlet alkalmazásával könnyen megtudhatja a szervezet keresleti előrejelzését.
4 módszer az előrejelzési pontosság százalékos arányának kiszámítására az Excelben
Most, hogy már tudsz a Tényleges Előrejelzés és a Keresleti előrejelzés , akkor elkezdheti a számítást a Előrejelzési pontosság százalékos aránya Excelben.
A számítás lépései Előrejelzési pontosság termékenként Excelben az alábbiakban találhatók.
Lépések:
- Először egyszerűen kivonja az előrejelzést a keresletből a előrejelzési hiba minden egyes termékhez.
- Ezután használja a ABS() képlet az Excelben a a hiba abszolút értéke .
- Végül, egyszerűen a hiba abszolút értékét el kell osztani a kereslettel, és meg kell szorozni 100-zal. a a hiba százalékos aránya a termék szintjén.
A számítások összes lépését az alábbiakban mutatjuk be 2 hónapos értékesítési horizontra.
Használhatja a SUM() függvény a Összesen az összes attribútumot az előrejelzési pontosság százalékos arányának kiszámításakor az Excelben.
Nos, mint már tudod, ezek a hibák az elem szintjén vannak. Most már tudnunk kell, hogy hogyan kaphatunk egy általános indikátor e mérések alapján.
Ezt a részt követően megismerheti a 4 legegyszerűbb és leggyakrabban használt matematikai képletet, hogy előrejelzési pontossági százalékok kiszámítása Excelben.
1. BIAS előrejelzési pontosság/konzisztens előrejelzési hiba az előrejelzési pontosság százalékos arányának kiszámításához
Előrejelzés BIAS az analitikus a tényleges értékek és a becsült értékek közötti eltérés .
Az alábbiak kiszámításához előrejelzési pontosság egyszerűen Ossza el a teljes hibát a teljes kereslettel. .
BIAS Előrejelzési pontosság = Teljes hiba/ Teljes kereslet
Annak ellenőrzése, hogy az összes termékre vonatkozó előrejelzés túlbecsült ( BIAS> 0 ) vagy alábecsült ( BIAS <0 ), akkor használhatja ezt a módszert.
Bővebben: Hogyan számítsuk ki a nyereség százalékos arányát Excelben (3 módszer)
2. Az abszolút százalékos hiba középértéke (MAPE) az előrejelzési pontosság kiszámításához Excelben
Egy másik egyszerű és hatékony módja az előrejelzési hiba kiszámításának az, hogy kiszámítjuk a Abszolút százalékos átlagos hiba (MAPE) az előrejelzés. MAPE a következőképpen van meghatározva átlagos a Hiba százalékos aránya .
MAPE = A hibaszázalék átlaga
Mint MAPE a hibák számítása, a magas százalékos arány rosszat, az alacsony százalékos arány pedig jót jelent.
Nem ajánljuk ezt a módszert, mivel nincs súlyozás sem a mennyiségekre, sem az értékekre vonatkozóan. A nagy keresletű időszakok könnyen alábecsülhetők, ha teljes mértékben erre a mutatóra támaszkodik előrejelzéseinek mérésekor.
Bővebben: Százalékszámítás abszolút cellahivatkozással az Excelben (4 módszer)
3. Abszolút középhiba (MAE)/ abszolút középeltérés (MAD)/ súlyozott abszolút százalékos hiba (WAPE).
Abszolút középhiba (MAE) vagy Átlagos abszolút eltérés (MAD) vagy Súlyozott abszolút százalékos hiba (WAPE) a a súlyozott abszolút hibák átlaga Az abszolút érték azt jelenti, hogy még akkor is pozitívvá válik, ha az előrejelzett kereslet és a tényleges kereslet közötti különbség negatív érték.
Az alábbiak kiszámításához Abszolút középhiba (MAE) az előrejelzés csak ossza el a teljes abszolút hibát a teljes kereslettel. .
MAE = Teljes abszolút hiba/ Teljes kereslet
Ez a módszer mennyiség vagy érték szerint súlyoz, ezért nagyon ajánlott a kereslettervezésben.
Van azonban egy hátránya ennek a módszernek. Mivel a keresleti hiba nem arányos, ez a módszer akkor működik a legjobban, ha egy terméken dolgozunk. Ha különböző térfogatú termékeken használjuk, az eredmény ferde lesz a nagyobb térfogatú termékeknél.
Bővebben: Hogyan számítsuk ki a súlyveszteség százalékos arányát Excelben (5 módszer)
4. Négyzetes hiba középértékének gyökere (RMSE) az előrejelzési pontosság kiszámításához Excelben
Négyzetes középhiba (RMSE) kiszámítása a az átlagos négyzetes hiba négyzetgyöke (MSE) vagy Átlagos négyzetes eltérés (MSD) .
Hozzá kell adnunk a Hiba négyzete (Error^2) minden egyes termék esetében erre a mutatóra. Ezután kiszámíthatjuk a Átlagos négyzetes hiba . Átlagos négyzetes hiba (MSE) a átlagos négyzetes hiba minden egyes termékhez.
MSE = a hiba négyzetének átlagaMost, hogy megvan a MSE , most már mérhetjük a RMSE az előrejelzésünkhöz.
Az alábbiak kiszámításához RMSE , csak az MSE négyzetgyökét elosztjuk a kereslet átlagával. .
RMSE = MSE négyzetgyöke/kereslet átlaga
A RMSE mutatót viszonylag bonyolultabb végrehajtani és eredményeket kinyerni. Ez a képlet azonban erősen bünteti a nagy előrejelzési hibákat.
Ez is egy nagyon ajánlott módszer, mert ez a módszer képes figyelmen kívül hagyni a számítási hibákat és pontosan eredményt produkálni.
Bővebben: Hogyan számítsuk ki a Win-Loss százalékos arányt Excelben (egyszerű lépésekkel)
Következtetés
Összefoglalva, ez a cikk 4 egyszerű és hasznos módszert mutatott meg, hogyan lehet kiszámítja az előrejelzés pontosságának százalékos arányát Excelben. Remélem, hogy ez a cikk nagyon hasznos volt az Ön számára. Nyugodtan tegye fel kérdéseit a témával kapcsolatban.
