Het berekenen van de Prognose nauwkeurigheidspercentage is een zeer vertrouwde taak, niet alleen voor mensen die werken met statistiek en gegevensanalyse, maar ook voor mensen die werken met data science en machine learning. In dit artikel laten we u 4 van de gemakkelijkste en meest efficiënte methoden zien om Prognose nauwkeurigheidspercentage berekenen in Excel.

Werkboek downloaden

U kunt de gratis oefen Excel-werkmap hier downloaden.

Inleiding tot prognosenauwkeurigheid

Voorspellingsnauwkeurigheid is de afwijking tussen de voorspelde vraag en de werkelijke vraag Het wordt ook wel Prognosefout Als de fouten van de vorige vraagprognoses correct zijn berekend, kunt u uw toekomstige bedrijfsplanning aanpassen, zoals het verhogen van uw servicegraad, het verminderen van de voorraden, het verlagen van de kosten van de toeleveringsketen, enz. om deze succesvoller te maken.

Het berekenen van de nauwkeurigheid van prognoses is zeer belangrijk in het bedrijfsleven, dus u moet een consistente en betrouwbare methode hebben om de prognose gemakkelijk in te schatten.

In dit artikel laten wij u zien hoe u op de 4 meest betrouwbare manieren het nauwkeurigheidspercentage van prognoses kunt berekenen. Maar voordat wij u die berekeningsmethoden laten zien, moet u eerst weten wat de werkelijke vraag naar nauwkeurigheid van prognoses is.

Inleiding tot vraagprognose om het nauwkeurigheidspercentage van de prognose te berekenen

Voorspelling van de vraag of Verkoopprognose is een zeer breed onderwerp. Het doel van dit artikel is u te laten zien hoe u kunt berekenen Prognose nauwkeurigheidspercentage in Excel. Dus, hier zullen we u een korte samenvatting geven van de vraagvoorspelling.

Aan de andere kant, Prognose van de vraag is iets dat niet in elke organisatie voorkomt. Of zelfs als uw bedrijf er een heeft, bent u zich daar misschien niet van bewust. Als uw bedrijf ERP of aanverwante software heeft, dan heeft u hoogstwaarschijnlijk een prognose.

De formule om de Prognose van de vraag is,

Door deze formule toe te passen, kunt u gemakkelijk de vraagprognose van uw organisatie achterhalen.

4 Methodes voor het berekenen van het nauwkeurigheidspercentage van prognoses in Excel

Nu je weet van de Werkelijk Prognose en de Prognose van de vraag kunt u beginnen met de berekening van de Prognose nauwkeurigheidspercentage in Excel.

De stappen om de Prognosenauwkeurigheid voor product per product in Excel staan hieronder.

Stappen:

• In het begin, gewoon trek de prognose af van de vraag om de prognosefout voor elk product.
• Gebruik daarna de ABS() formule in Excel om de absolute waarde van de fout .
• Tot slot deel de absolute waarde van de fout door de vraag en vermenigvuldig deze met 100 om de percentage van de fout op productniveau.

Alle stappen van deze berekeningen worden hieronder weergegeven voor een verkoophorizon van 2 maanden.

U kunt gebruik maken van de SUM() functie om de Totaal van alle kenmerken bij de berekening van het nauwkeurigheidspercentage van de prognose in Excel.

Nou, zoals u al weet, zijn deze fouten op itemniveau. We moeten nu weten hoe we een algemene indicator gebaseerd op deze metingen.

In dit deel leert u de 4 eenvoudigste en meest gebruikte wiskundige formules om de nauwkeurigheidspercentages van de prognoses berekenen in Excel.

1. BIAS Prognosenauwkeurigheid/consistente prognosefout om percentage prognosenauwkeurigheid te berekenen.

Voorspellende BIAS is de analytische afwijking tussen de werkelijke waarden en de geschatte waarden .

Om de nauwkeurigheid van de prognose gewoon deel de totale fout door de totale vraag .

Om na te gaan of de voorspelling voor alle producten overschat ( BIAS> 0 ) of onderschat ( BIAS <0 ), kunt u deze methode gebruiken.

Lees meer: Hoe winstpercentage berekenen in Excel (3 methoden)

2. Gemiddelde absolute procentuele fout (MAPE) voor het berekenen van de prognosenauwkeurigheid in Excel

Een andere eenvoudige en doeltreffende manier om de prognosefout te berekenen is het berekenen van de Gemiddelde absolute procentuele fout (MAPE) van de voorspelling. MAPE wordt gedefinieerd als de gemiddelde van de foutpercentages .

Als MAPE is een berekening van fouten, een hoog percentage betekent slecht, en een laag percentage betekent goed.

Wij raden deze methode niet aan omdat er geen weging is van hoeveelheden of waarden. Periodes van grote vraag kunnen gemakkelijk worden onderschat als u volledig vertrouwt op deze indicator om uw prognoses te meten.

Lees meer: Percentage berekenen met behulp van absolute celverwijzing in Excel (4 methoden)

3. Gemiddelde absolute fout (MAE)/gemiddelde absolute afwijking (MAD)/gewogen absolute procentuele fout (WAPE).

Gemiddelde absolute fout (MAE) of Gemiddelde absolute afwijking (MAD) of Gewogen absolute procentuele fout (WAPE) is de gemiddelde van gewogen absolute fouten Absolute waarde betekent dat zelfs wanneer het verschil tussen de voorspelde vraag en de werkelijke vraag negatief is, het positief wordt.

Om de Gemiddelde absolute fout (MAE) van de voorspelling net deel de totale absolute fout door de totale vraag .

Deze methode wordt gewogen naar hoeveelheid of waarde, waardoor zij zeer aan te bevelen is bij vraagplanning.

Er is echter één nadeel aan deze methode. Aangezien de vraagfout niet evenredig is, werkt deze methode het best bij het werken aan één product. Als zij wordt gebruikt op producten met verschillende volumes, zal de uitkomst scheef zijn bij het product met zwaardere volumes.

Lees meer: Hoe te berekenen gewichtsverlies percentage in Excel (5 methoden)

4. RMSE (Root Mean Squared Error) om de prognosenauwkeurigheid in Excel te berekenen.

Root Mean Squared Error (RMSE) wordt berekend uit de vierkantswortel van de gemiddelde kwadratische fout (MSE) of Gemiddelde Kwadraat Afwijking (MSD) .

We moeten de Kwadratische fout (Error^2) voor elk product voor deze indicator. Dan kunnen we de Gemiddelde gekwadrateerde fout . de Gemiddelde gekwadrateerde fout (MSE) is de gemiddelde gekwadrateerde fout voor elk product.

Nu we de waarde van MSE kunnen we nu de RMSE voor onze voorspelling.

Om de RMSE gewoon deel de vierkantswortel van MSE door het gemiddelde van de vraag .

De RMSE De uitvoering en de resultaten van de indicator zijn relatief ingewikkelder, maar deze formule bestraft grote prognosefouten sterk.

Dit is ook een sterk aanbevolen methode omdat deze methode rekenfouten kan negeren en nauwkeurige resultaten oplevert.

Lees meer: Hoe Win-Loss Percentage berekenen in Excel (in eenvoudige stappen)

Conclusie

Tot slot heeft dit artikel u 4 eenvoudige en nuttige methoden getoond om Prognose nauwkeurigheidspercentage berekenen Ik hoop dat dit artikel nuttig voor u is geweest. Voel u vrij om vragen over het onderwerp te stellen.