പ്രവചന കൃത്യതാ ശതമാനം കണക്കാക്കുന്നത് സ്ഥിതിവിവരക്കണക്കുകൾക്കും ഡാറ്റ വിശകലനത്തിനും ഒപ്പം പ്രവർത്തിക്കുന്ന ആളുകൾക്ക് മാത്രമല്ല, ഡാറ്റാ സയൻസിലും മെഷീൻ ലേണിംഗിലും പ്രവർത്തിക്കുന്ന ആളുകൾക്കും ചെയ്യാൻ വളരെ പരിചിതമായ ഒരു ജോലിയാണ്. ഈ ലേഖനത്തിൽ, Excel-ൽ പ്രവചന കൃത്യത ശതമാനം എങ്ങനെ കണക്കാക്കാം എന്നതിന്റെ ഏറ്റവും എളുപ്പവും കാര്യക്ഷമവുമായ 4 രീതികൾ ഞങ്ങൾ നിങ്ങളെ കാണിക്കും.

വർക്ക്ബുക്ക് ഡൗൺലോഡ് ചെയ്യുക

നിങ്ങൾക്ക് ഇവിടെ നിന്ന് സൗജന്യ പ്രാക്ടീസ് Excel വർക്ക്ബുക്ക് ഡൗൺലോഡ് ചെയ്യാം.

പ്രവചന കൃത്യതയുടെ ആമുഖം

പ്രവചന കൃത്യത എന്നത് പ്രവചിച്ച ഡിമാൻഡും യഥാർത്ഥ ഡിമാൻഡും തമ്മിലുള്ള വ്യതിയാനമാണ് . ഇതിനെ പ്രവചന പിശക് എന്നും വിളിക്കുന്നു. മുമ്പത്തെ ഡിമാൻഡ് പ്രവചനങ്ങളിൽ നിന്നുള്ള പിശകുകൾ ശരിയായി കണക്കാക്കിയാൽ, അത് കൂടുതൽ വിജയകരമാക്കുന്നതിന് നിങ്ങളുടെ സേവന നിരക്ക് വർദ്ധിപ്പിക്കുക, സ്റ്റോക്ക്-ഔട്ടുകൾ കുറയ്ക്കുക, വിതരണ ശൃംഖലയുടെ വില കുറയ്ക്കുക തുടങ്ങിയ നിങ്ങളുടെ ഭാവി ബിസിനസ് പ്ലാനിംഗ് പരിഷ്കരിക്കാൻ ഇത് നിങ്ങളെ അനുവദിക്കുന്നു.

പ്രവചന കൃത്യത കണക്കാക്കുന്നത് ബിസിനസ്സിൽ വളരെ പ്രധാനമാണ്, അതിനാൽ പ്രവചനം എളുപ്പത്തിൽ കണക്കാക്കാൻ നിങ്ങൾക്ക് സ്ഥിരവും വിശ്വസനീയവുമായ ഒരു രീതി ഉണ്ടായിരിക്കണം.

ഈ ലേഖനത്തിൽ, നിങ്ങൾക്ക് പ്രവചന കൃത്യത എങ്ങനെ കണക്കാക്കാമെന്ന് ഞങ്ങൾ കാണിച്ചുതരാം. ഏറ്റവും വിശ്വസനീയമായ 4 വഴികളിലെ ശതമാനം. എന്നാൽ നിങ്ങൾക്ക് ആ കണക്കുകൂട്ടൽ രീതികൾ കാണിക്കുന്നതിന് മുമ്പ്, പ്രവചന കൃത്യതയിലെ യഥാർത്ഥ ആവശ്യം എന്താണെന്ന് ആദ്യം നിങ്ങൾ അറിയേണ്ടതുണ്ട്.

ആമുഖം ഡിമാൻഡ്പ്രവചന കൃത്യത ശതമാനം കണക്കാക്കുന്നതിനുള്ള പ്രവചനം

ഡിമാൻഡ് പ്രവചനം അല്ലെങ്കിൽ വിൽപ്പന പ്രവചനം എന്നത് വളരെ വിശാലമായ ഒരു വിഷയമാണ്. Excel-ൽ പ്രവചന കൃത്യത ശതമാനം നിങ്ങൾക്ക് എങ്ങനെ കണക്കാക്കാം എന്ന് കാണിക്കുക എന്നതാണ് ഈ ലേഖനത്തിന്റെ ലക്ഷ്യം. അതിനാൽ, ഡിമാൻഡ് പ്രവചനത്തിന്റെ ഒരു സംക്ഷിപ്തമാണ് ഞങ്ങൾ ഇവിടെ നൽകുന്നത്.

മറുവശത്ത്, ഡിമാൻഡ് പ്രവചനം എന്നത് എല്ലാ സ്ഥാപനങ്ങളിലും വളരെ സാധാരണമല്ലാത്ത ഒന്നാണ്. അല്ലെങ്കിൽ നിങ്ങളുടെ കമ്പനിക്ക് എന്തെങ്കിലും ഉണ്ടെങ്കിൽ പോലും, നിങ്ങൾ അതിനെക്കുറിച്ച് അറിഞ്ഞിരിക്കില്ല. നിങ്ങളുടെ കമ്പനിക്ക് ERP അല്ലെങ്കിൽ അനുബന്ധ സോഫ്‌റ്റ്‌വെയർ ഉണ്ടെങ്കിൽ, മിക്കവാറും നിങ്ങൾക്ക് ഒരു പ്രവചനമുണ്ടാകാം.

ഡിമാൻഡ് പ്രവചനം കണക്കാക്കുന്നതിനുള്ള സൂത്രവാക്യം,

ഈ ഫോർമുല നടപ്പിലാക്കുന്നതിലൂടെ, നിങ്ങളുടെ സ്ഥാപനത്തിന്റെ ഡിമാൻഡ് പ്രവചനം നിങ്ങൾക്ക് എളുപ്പത്തിൽ കണ്ടെത്താനാകും.

4 എങ്ങനെ കണക്കാക്കാം എന്നതിനെക്കുറിച്ചുള്ള രീതികൾ Excel-ലെ പ്രവചന കൃത്യത ശതമാനം

ഇപ്പോൾ നിങ്ങൾക്ക് യഥാർത്ഥ പ്രവചനം , ഡിമാൻഡ് പ്രവചനം എന്നിവയെക്കുറിച്ച് അറിയാം, നിങ്ങൾക്ക് ഇതിൽ ആരംഭിക്കാം Excel-ലെ പ്രവചന കൃത്യത ശതമാനത്തിന്റെ കണക്കുകൂട്ടൽ.

എക്‌സലിൽ ഉൽപ്പന്നത്തിന്റെ പ്രവചന കൃത്യത കണക്കാക്കുന്നതിനുള്ള ഘട്ടങ്ങൾ ചുവടെ നൽകിയിരിക്കുന്നു.

ഘട്ടങ്ങൾ:

• ആദ്യം, ഓരോ ഉൽപ്പന്നത്തിനും പ്രവചന പിശക് കണക്കാക്കാൻ ഡിമാൻഡിൽ നിന്ന് പ്രവചനം കുറയ്ക്കുക.
• അതിനുശേഷം, എക്സൽ ലെ എബിഎസ്() ഫോർമുല ഉപയോഗിച്ച് സമ്പൂർണ മൂല്യം കണക്കാക്കുകപിശക് .
• അവസാനം, കേവലം പിശകിന്റെ സമ്പൂർണ്ണ മൂല്യത്തെ ഡിമാൻഡ് കൊണ്ട് ഹരിച്ച് അതിനെ 100 കൊണ്ട് ഗുണിച്ച് പിശകിന്റെ ശതമാനം കണക്കാക്കുക ഉൽപ്പന്ന നില.

2 മാസത്തെ വിൽപ്പന ചക്രവാളത്തിനായി ഈ കണക്കുകൂട്ടലുകളുടെ എല്ലാ ഘട്ടങ്ങളും ചുവടെ കാണിച്ചിരിക്കുന്നു.

നിങ്ങൾക്ക് <1 ഉപയോഗിക്കാം Excel-ലെ പ്രവചന കൃത്യത ശതമാനം കണക്കാക്കുന്നതിലെ എല്ലാ ആട്രിബ്യൂട്ടുകളുടെയും മൊത്തം കണക്കാക്കാൻ>SUM() ഫംഗ്‌ഷൻ .

ശരി, നിങ്ങൾക്ക് ഇതിനകം അറിയാവുന്നതുപോലെ, ഈ പിശകുകൾ ഇനത്തിലാണ്. നില. ഈ അളവുകൾ അടിസ്ഥാനമാക്കി ഒരു മൊത്തത്തിലുള്ള സൂചകം എങ്ങനെ നേടാമെന്ന് ഞങ്ങൾ ഇപ്പോൾ അറിയേണ്ടതുണ്ട്.

ഈ വിഭാഗത്തിന് ശേഷം, പ്രവചനം കണക്കാക്കാൻ ഏറ്റവും ലളിതവും സാധാരണയായി ഉപയോഗിക്കുന്നതുമായ 4 ഗണിത സൂത്രവാക്യങ്ങൾ നിങ്ങൾ പഠിക്കും. Excel-ൽ കൃത്യത ശതമാനം .

1. BIAS പ്രവചന കൃത്യത/ പ്രവചന കൃത്യത ശതമാനം കണക്കാക്കുന്നതിൽ സ്ഥിരമായ പ്രവചന പിശക്

പ്രവചനം BIAS എന്നത് യഥാർത്ഥ മൂല്യങ്ങളും കണക്കാക്കിയ മൂല്യങ്ങളും തമ്മിലുള്ള വിശകലന വ്യതിയാനമാണ് .<3

പ്രവചന കൃത്യത കണക്കാക്കാൻ മൊത്തം പിശകിനെ മൊത്തം ഡിമാൻഡ് കൊണ്ട് ഹരിക്കുക .

എല്ലാ ഉൽപ്പന്നങ്ങളുടെയും പ്രവചനം അമിതമായി കണക്കാക്കിയിട്ടുണ്ടോ ( BIAS > 0 ) അല്ലെങ്കിൽ കുറച്ചുകാണിച്ചു ( BIAS < 0 ), നിങ്ങൾക്ക് ഈ രീതി പ്രയോജനപ്പെടുത്താം.

കൂടുതൽ വായിക്കുക: എക്സെൽ (3)-ൽ ലാഭ ശതമാനം എങ്ങനെ കണക്കാക്കാംരീതികൾ)

2. Excel-ലെ പ്രവചന കൃത്യത കണക്കാക്കുന്നതിനുള്ള ശരാശരി സമ്പൂർണ്ണ ശതമാന പിശക് (MAPE)

പ്രവചന പിശക് കണക്കാക്കുന്നതിനുള്ള ലളിതവും ഫലപ്രദവുമായ മറ്റൊരു മാർഗ്ഗം മീൻ സമ്പൂർണ്ണ ശതമാന പിശക് (MAPE) കണക്കാക്കുക എന്നതാണ് പ്രവചനം. MAPE എറർ ശതമാനത്തിന്റെ ശരാശരി ആയി നിർവചിച്ചിരിക്കുന്നു .

MAPE എന്നത് പിശകുകളുടെ ഒരു കണക്കുകൂട്ടൽ ആയതിനാൽ, ഉയർന്ന ശതമാനം എന്നത് മോശമാണ്, കുറഞ്ഞ ശതമാനം എന്നാൽ നല്ലത് എന്നാണ് അർത്ഥമാക്കുന്നത്.

ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നില്ല. അളവുകളിലോ മൂല്യങ്ങളിലോ വെയിറ്റിംഗ് ഇല്ലാത്തതിനാൽ ഈ രീതി. നിങ്ങളുടെ പ്രവചനങ്ങൾ അളക്കാൻ നിങ്ങൾ ഈ സൂചകത്തെ പൂർണ്ണമായി ആശ്രയിക്കുകയാണെങ്കിൽ ഉയർന്ന ഡിമാൻഡുള്ള കാലഘട്ടങ്ങൾ എളുപ്പത്തിൽ കുറച്ചുകാണാം.

കൂടുതൽ വായിക്കുക: Excel-ലെ സമ്പൂർണ്ണ സെൽ റഫറൻസ് ഉപയോഗിച്ച് ശതമാനം കണക്കാക്കുക (4 രീതികൾ)

3. ശരാശരി സമ്പൂർണ്ണ പിശക് (MAE)/ ശരാശരി സമ്പൂർണ്ണ വ്യതിയാനം (MAD)/ വെയ്റ്റഡ് കേവല ശതമാനം പിശക് (WAPE)

അർത്ഥം സമ്പൂർണ്ണ പിശക് (MAE) അല്ലെങ്കിൽ അർത്ഥം സമ്പൂർണ്ണ വ്യതിയാനം ( MAD) അല്ലെങ്കിൽ വെയ്‌റ്റഡ് അബ്‌സല്യൂട്ട് പെർസന്റേജ് എറർ (WAPE) എന്നത് ഭാരമുള്ള കേവല പിശകുകളുടെ ശരാശരിയാണ് . സമ്പൂർണ്ണ മൂല്യം അർത്ഥമാക്കുന്നത്, പ്രവചിച്ച ഡിമാൻഡും യഥാർത്ഥ ഡിമാൻഡും തമ്മിലുള്ള വ്യത്യാസം ഒരു നെഗറ്റീവ് മൂല്യമായിരിക്കുമ്പോൾ പോലും, അത് പോസിറ്റീവ് ആയി മാറുന്നു.

പ്രവചനത്തിന്റെ മനുഷ്യ സമ്പൂർണ്ണ പിശക് (MAE) കണക്കാക്കാൻ വെറും ആകെ സമ്പൂർണ്ണ പിശകിനെ മൊത്തം ഡിമാൻഡ് കൊണ്ട് ഹരിക്കുക .

ഈ രീതി അളവോ മൂല്യമോ അനുസരിച്ചാണ് കണക്കാക്കുന്നത്, ഡിമാൻഡ് ആസൂത്രണത്തിൽ ഇത് വളരെ ശുപാർശ ചെയ്യുന്നു.

എന്നിരുന്നാലും, ഇതിന് ഒരു പോരായ്മയുണ്ട്. രീതി. ഡിമാൻഡ് പിശക് ആനുപാതികമല്ലാത്തതിനാൽ, ഒരു ഉൽപ്പന്നത്തിൽ പ്രവർത്തിക്കുമ്പോൾ ഈ രീതി മികച്ച രീതിയിൽ പ്രവർത്തിക്കുന്നു. വ്യത്യസ്‌ത വോള്യങ്ങളുള്ള ഉൽപ്പന്നങ്ങളിൽ ഇത് ഉപയോഗിക്കുകയാണെങ്കിൽ, ഭാരമേറിയ വോള്യങ്ങളുടെ ഉൽപ്പന്നം ഉപയോഗിച്ച് ഫലം വളച്ചൊടിക്കും.

കൂടുതൽ വായിക്കുക: എക്‌സൽ (5)-ൽ ഭാരനഷ്ടത്തിന്റെ ശതമാനം എങ്ങനെ കണക്കാക്കാം രീതികൾ)

4. Excel-ലെ പ്രവചന കൃത്യത കണക്കാക്കുന്നതിനുള്ള റൂട്ട് ശരാശരി സ്ക്വയർ പിശക് (RMSE)

റൂട്ട് ശരാശരി സ്ക്വയർ പിശക് (RMSE) സ്ക്വയർ റൂട്ടിൽ നിന്ന് കണക്കാക്കുന്നു (MSE). ) അല്ലെങ്കിൽ മീൻ സ്‌ക്വയേർഡ് ഡീവിയേഷൻ (MSD) .

ഈ സൂചകത്തിനായി ഓരോ ഉൽപ്പന്നത്തിനും ഞങ്ങൾ സ്‌ക്വയേർഡ് എറർ (പിശക്^2) ചേർക്കേണ്ടതുണ്ട്. അപ്പോൾ നമുക്ക് മീൻ സ്ക്വയർ എറർ കണക്കാക്കാം. മീൻ സ്‌ക്വയർ പിശക് (MSE) എന്നത് ഓരോ ഉൽപ്പന്നത്തിനും ശരാശരി സ്‌ക്വയർ പിശക് ആണ്.

RMSE കണക്കാക്കാൻ, എംഎസ്ഇയുടെ വർഗ്ഗമൂലത്തെ ഡിമാൻഡിന്റെ ശരാശരി കൊണ്ട് ഹരിക്കുക>

RMSE സൂചകം ഫലപ്രാപ്തിയിലും എക്‌സ്‌ട്രാക്‌റ്റിലും താരതമ്യേന കൂടുതൽ സങ്കീർണ്ണമാണ്. എന്നാൽ ഈ സൂത്രവാക്യം ശക്തമായി പിഴ ചുമത്തുന്നുപ്രവചന പിശകുകൾ.

ഇത് വളരെ ശുപാർശ ചെയ്യപ്പെടുന്ന ഒരു രീതിയാണ്, കാരണം ഈ രീതിക്ക് കമ്പ്യൂട്ടേഷൻ പിശകുകൾ അവഗണിക്കാനും കൃത്യമായ ഫലങ്ങൾ നൽകാനും കഴിയും.

കൂടുതൽ വായിക്കുക: എങ്ങനെ Excel-ൽ വിജയ-നഷ്‌ട ശതമാനം കണക്കാക്കുക (എളുപ്പമുള്ള ഘട്ടങ്ങളോടെ)

ഉപസംഹാരം

അവസാനിപ്പിക്കുന്നതിന്, ഈ ലേഖനം നിങ്ങൾക്ക് <1 എങ്ങനെ എളുപ്പവും ഉപയോഗപ്രദവുമായ 4 രീതികൾ കാണിച്ചുതന്നു Excel-ൽ പ്രവചന കൃത്യത ശതമാനം കണക്കാക്കുക. ഈ ലേഖനം നിങ്ങൾക്ക് വളരെ പ്രയോജനപ്രദമായിരുന്നുവെന്ന് ഞാൻ പ്രതീക്ഷിക്കുന്നു. വിഷയവുമായി ബന്ധപ്പെട്ട് എന്തെങ്കിലും ചോദ്യങ്ങൾ ചോദിക്കാൻ മടിക്കേണ്ടതില്ല.