अंदाज अचूकता टक्केवारी मोजणे हे केवळ आकडेवारी आणि डेटा विश्लेषणासह काम करणाऱ्या लोकांसाठीच नाही तर डेटा सायन्स आणि मशीन लर्निंगसह काम करणाऱ्या लोकांसाठीही खूप परिचित कार्य आहे. या लेखात, आम्ही तुम्हाला एक्सेलमध्ये अंदाज अचूकतेची टक्केवारी कशी मोजायची याच्या 4 सर्वात सोप्या आणि कार्यक्षम पद्धती दाखवू.

वर्कबुक डाउनलोड करा

तुम्ही येथून विनामूल्य सराव एक्सेल वर्कबुक डाउनलोड करू शकता.

Introduction to Forecast Accuracy

अंदाज अचूकता म्हणजे अंदाज केलेली मागणी आणि वास्तविक मागणी यांच्यातील विचलन . त्याला पूर्वानुमान त्रुटी असेही म्हणतात. मागील मागणीच्या अंदाजातील त्रुटींची अचूक गणना केल्यास, ते अधिक यशस्वी होण्यासाठी तुमचा सेवा दर वाढवणे, स्टॉक-आउट्स कमी करणे, पुरवठा साखळीची किंमत कमी करणे इ. यांसारख्या तुमच्या भविष्यातील व्यवसाय नियोजनात बदल करण्याची परवानगी देते.

व्यवसायात अंदाज अचूकतेची गणना करणे खूप महत्वाचे आहे, त्यामुळे अंदाजाचा सहज अंदाज लावण्यासाठी तुमच्याकडे सातत्यपूर्ण आणि विश्वासार्ह पद्धत असणे आवश्यक आहे.

या लेखात, आम्ही तुम्हाला अंदाज अचूकतेची गणना कशी करू शकता ते दर्शवू. 4 सर्वात विश्वसनीय मार्गांनी टक्केवारी. परंतु तुम्हाला त्या गणना पद्धती दाखवण्यापूर्वी, प्रथम, तुम्हाला अंदाज अचूकतेची वास्तविक मागणी काय आहे हे जाणून घेणे आवश्यक आहे.

मागणीचा परिचयअंदाज अचूकता टक्केवारीची गणना करण्यासाठी अंदाज

मागणी अंदाज किंवा विक्री अंदाज हा खूप विस्तृत विषय आहे. या लेखाचा उद्देश तुम्हाला एक्सेलमध्ये अंदाज अचूकतेची टक्केवारी कशी मोजता येईल हे दाखवणे आहे. म्हणून, येथे आम्ही तुम्हाला मागणीच्या अंदाजाची थोडक्यात माहिती देऊ.

दुसरीकडे, मागणी अंदाज ही अशी गोष्ट आहे जी प्रत्येक संस्थेमध्ये फारशी सामान्य नसते. किंवा तुमच्या कंपनीत काही असले तरी तुम्हाला त्याबद्दल माहिती नसेल. तुमच्या कंपनीकडे ईआरपी किंवा संबंधित सॉफ्टवेअर असल्यास, बहुधा तुम्हाला अंदाज असेल.

मागणी अंदाज मोजण्याचे सूत्र आहे,

हे सूत्र लागू करून, तुम्ही तुमच्या संस्थेच्या मागणीचा अंदाज सहजपणे शोधू शकता.

कसे मोजावे यावरील ४ पद्धती एक्सेलमध्ये अंदाज अचूकता टक्केवारी

आता तुम्हाला वास्तविक अंदाज आणि मागणी अंदाज बद्दल माहिती आहे, तुम्ही सुरुवात करू शकता. एक्सेलमध्ये अंदाज अचूकता टक्केवारी ची गणना.

एक्सेलमध्ये उत्पादनानुसार उत्पादनासाठी अंदाज अचूकता ची गणना करण्यासाठी पायऱ्या खाली दिल्या आहेत.

• प्रत्येक उत्पादनासाठी अंदाज त्रुटी मोजण्यासाठी प्रथम फक्त मागणीतून अंदाज वजा करा .
• त्यानंतर, एक्सेलमधील एबीएस() सूत्र वापरून चे संपूर्ण मूल्य मोजा.त्रुटी .
• शेवटी, फक्त त्रुटीचे परिपूर्ण मूल्य मागणीनुसार विभाजित करा आणि 100 ने गुणाकार करा त्रुटीची टक्केवारी मोजण्यासाठी उत्पादन पातळी.

या सर्व गणनांचे चरण 2-महिन्याच्या विक्री क्षितिजासाठी खाली दर्शविलेले आहेत.

तुम्ही <1 वापरू शकता>SUM() फंक्शन Excel मध्ये अंदाज अचूकता टक्केवारीची गणना करण्यासाठी सर्व गुणधर्मांची एकूण गणना करण्यासाठी.

ठीक आहे, तुम्हाला आधीच माहिती आहे, या त्रुटी आयटममध्ये आहेत पातळी या मोजमापांवर आधारित एकूण सूचक कसे मिळवायचे हे आता आम्हाला माहित असणे आवश्यक आहे.

या विभागाचे अनुसरण केल्यावर, तुम्ही अंदाज मोजण्यासाठी 4 सर्वात सोपी आणि सामान्यतः वापरली जाणारी गणिती सूत्रे शिकाल. एक्सेलमध्ये अचूकता टक्केवारी .

1. BIAS अंदाज अचूकता/ अंदाज अचूकता टक्केवारीची गणना करण्यासाठी सातत्यपूर्ण अंदाज त्रुटी

अंदाज BIAS हे विश्लेषणात्मक वास्तविक मूल्ये आणि अंदाजित मूल्यांमधील विचलन आहे .<3

अंदाज अचूकता मोजण्यासाठी फक्त एकूण त्रुटीला एकूण मागणीने विभाजित करा .

सर्व उत्पादनांचा अंदाज अतिरिक्त ( BIAS > 0 ) किंवा आहे हे तपासण्यासाठी कमी अंदाजित ( BIAS < 0 ), तुम्ही ही पद्धत वापरू शकता.

अधिक वाचा: एक्सेलमध्ये नफा टक्केवारी कशी मोजायची (3पद्धती)

2. एक्सेलमध्ये अंदाज अचूकतेची गणना करण्यासाठी सरासरी पूर्ण टक्केवारी त्रुटी (MAPE)

अंदाज त्रुटीची गणना करण्याचा आणखी एक सोपा आणि प्रभावी मार्ग म्हणजे मध्य पूर्ण टक्केवारी त्रुटी (MAPE) ची गणना करणे. अंदाज MAPE एरर टक्केवारीची सरासरी म्हणून परिभाषित केले आहे .

जसे MAPE त्रुटींची गणना आहे, उच्च टक्केवारी म्हणजे वाईट आणि कमी टक्केवारी म्हणजे चांगली.

आम्ही शिफारस करत नाही ही पद्धत, कारण परिमाणांवर किंवा मूल्यांवर कोणतेही वजन नाही. तुमचा अंदाज मोजण्यासाठी तुम्ही या निर्देशकावर पूर्णपणे विसंबून राहिल्यास उच्च मागणीचा कालावधी सहजपणे कमी लेखला जाऊ शकतो.

अधिक वाचा: एक्सेलमधील परिपूर्ण सेल संदर्भ वापरून टक्केवारीची गणना करा (4 पद्धती)

3. मीन अॅब्सोल्युट एरर (MAE)/ मीन अॅब्सोल्युट डेविएशन (MAD)/ वेटेड अॅब्सोल्युट पर्सेंटेज एरर (WAPE)

मीन अॅब्सोल्यूट एरर (MAE) किंवा मीन अॅब्सोल्युट डेविएशन MAD) किंवा भारित परिपूर्ण टक्केवारी त्रुटी (WAPE) ही भारित परिपूर्ण त्रुटींची सरासरी आहे . परिपूर्ण मूल्य म्हणजे अंदाजित मागणी आणि वास्तविक मागणी यांच्यातील फरक नकारात्मक मूल्य असला तरीही, ते सकारात्मक होते.

अंदाजाची मध्य पूर्ण त्रुटी (MAE) मोजण्यासाठी फक्त एकूण निरपेक्ष त्रुटीला एकूण मागणीने विभाजित करा .

ही पद्धत प्रमाण किंवा मूल्यानुसार मोजली जाते, ज्यामुळे मागणीच्या नियोजनात याची अत्यंत शिफारस केली जाते.

तथापि, यात एक कमतरता आहे. पद्धत मागणी त्रुटी आनुपातिक नसल्यामुळे, एका उत्पादनावर काम करताना ही पद्धत सर्वोत्तम कार्य करते. वेगवेगळ्या व्हॉल्यूम असलेल्या उत्पादनांवर त्याचा वापर केल्यास, परिणाम जास्त वजनाच्या उत्पादनासह वाकडा असेल.

अधिक वाचा: एक्सेलमध्ये वजन कमी टक्केवारी कशी मोजायची (5 पद्धती)

4. एक्सेलमध्ये अंदाज अचूकता मोजण्यासाठी रूट मीन स्क्वेअर एरर (RMSE)

रूट मीन स्क्वेअर एरर (RMSE) ची गणना मीन स्क्वेअर एरर (MSE) च्या स्क्वेअर रूटवरून केली जाते ) किंवा मीन स्क्वेर्ड डेविएशन (MSD) .

आम्हाला या निर्देशकासाठी प्रत्येक उत्पादनासाठी स्क्वेअर एरर (एरर^2) जोडणे आवश्यक आहे. मग आपण मीन स्क्वेअर एरर ची गणना करू शकतो. मीन स्क्वेअर एरर (MSE) ही प्रत्येक उत्पादनासाठी सरासरी स्क्वेअर एरर आहे.

आता आमच्याकडे MSE चे मूल्य आहे, आम्ही आता आमच्या अंदाजासाठी RMSE मोजू शकतो.

RMSE ची गणना करण्यासाठी, फक्त MSE चे वर्गमूळ मागणीच्या सरासरीने विभाजित करा .

<18

RMSE सूचक हे परिणाम अंमलात आणण्यासाठी आणि काढण्यासाठी तुलनेने अधिक क्लिष्ट आहे. परंतु हे सूत्र मोठ्या प्रमाणात दंड करतेअंदाज त्रुटी.

ही एक अत्यंत शिफारस केलेली पद्धत आहे कारण ही पद्धत गणनेतील त्रुटींकडे दुर्लक्ष करू शकते आणि अचूक परिणाम देऊ शकते.

अधिक वाचा: कसे एक्सेलमध्ये विन-लूस टक्केवारीची गणना करा (सोप्या पायऱ्यांसह)

निष्कर्ष

समाप्त करण्यासाठी, या लेखाने तुम्हाला 4 सोप्या आणि उपयुक्त पद्धती दाखवल्या आहेत. एक्सेलमध्ये अंदाज अचूकता टक्केवारीची गणना करा. मला आशा आहे की हा लेख तुमच्यासाठी खूप फायदेशीर ठरला आहे. विषयाशी संबंधित कोणतेही प्रश्न मोकळ्या मनाने विचारा.