Beräkning av Procentuell noggrannhet i prognoserna är en mycket bekant uppgift, inte bara för dem som arbetar med statistik och dataanalys, utan även för dem som arbetar med datavetenskap och maskininlärning. I den här artikeln kommer vi att visa dig fyra av de enklaste och mest effektiva metoderna för att beräkna procentuell andel av prognosens noggrannhet i Excel.

Ladda ner arbetsboken

Du kan ladda ner den kostnadsfria Excel-arbetsboken för övningar här.

Introduktion till prognosens noggrannhet

Prognosens noggrannhet är den Avvikelse mellan den prognostiserade efterfrågan och den faktiska efterfrågan. Den kallas också Prognosfel Om felen från de tidigare efterfrågeprognoserna beräknas korrekt kan du ändra din framtida affärsplanering, t.ex. genom att öka servicegraden, minska lagerhållningen, minska kostnaderna för leveranskedjan osv. för att göra den mer framgångsrik.

Att beräkna prognosens noggrannhet är mycket viktigt i näringslivet, så du måste ha en konsekvent och tillförlitlig metod för att enkelt uppskatta prognosen.

I den här artikeln kommer vi att visa dig hur du kan beräkna prognosens noggrannhet i procent på de fyra mest tillförlitliga sätten. Men innan vi visar dig dessa beräkningsmetoder måste du först veta vad den faktiska efterfrågan på prognosens noggrannhet är.

Introduktion till prognostisering av efterfrågan för att beräkna procentuell noggrannhet i prognosen

Prognostisering av efterfrågan eller . Prognostisering av försäljning är ett mycket brett ämne. Syftet med den här artikeln är att visa hur du kan beräkna Procentuell noggrannhet i prognoserna i Excel. Här kommer vi bara att ge dig en kortfattad beskrivning av prognostisering av efterfrågan.

Å andra sidan, Prognos av efterfrågan är något som inte är så vanligt i alla organisationer. Även om ditt företag har en prognos är du kanske inte medveten om det. Om ditt företag har en ERP- eller liknande programvara har du troligen en prognos.

Formeln för att beräkna Prognos av efterfrågan är,

Genom att använda denna formel kan du enkelt ta reda på din organisations prognos för efterfrågan.

4 metoder för att beräkna prognosens noggrannhetsprocent i Excel

Nu när du känner till Faktiskt Prognos och Prognos av efterfrågan kan du börja med att beräkna Procentuell noggrannhet i prognoserna i Excel.

Stegen för att beräkna Prognosens noggrannhet för varje enskild produkt i Excel ges nedan.

Steg:

• Till en början är det bara att subtrahera prognosen från efterfrågan för att beräkna fel i prognoserna för varje produkt.
• Använd därefter ABS() formel i Excel för att beräkna felets absoluta värde .
• Slutligen kan du helt enkelt Dividera felets absoluta värde med efterfrågan och multiplicera det med 100. för att beräkna procentuell andel av felet på produktnivå.

Alla dessa beräkningssteg visas nedan för en försäljningshorisont på två månader.

Du kan använda dig av Funktionen SUM() för att beräkna Totalt av alla attribut för att beräkna den procentuella prognosprecisionen i Excel.

Som du redan vet är dessa fel på artikelnivå. Vi måste nu veta hur vi får en övergripande indikator baserat på dessa mätningar.

I det här avsnittet kommer du att lära dig de fyra enklaste och vanligaste matematiska formlerna för att beräkna procentsatser för prognosens noggrannhet i Excel.

1. BIAS-prognosens noggrannhet/konsekventa prognosfel för att beräkna procentuell noggrannhet i prognosen.

Förutsägelse BIAS är den analytiska avvikelse mellan de faktiska värdena och de uppskattade värdena. .

För att beräkna prognosens noggrannhet helt enkelt Dividera det totala felet med den totala efterfrågan. .

För att kontrollera om förutsägelsen för alla produkter är överskattad ( BIAS> 0 ) eller underskattad ( BIAS <0 ), kan du använda den här metoden.

Läs mer: Hur man beräknar vinstprocent i Excel (3 metoder)

2. MAPE (Mean Absolute Percentage Error) för att beräkna prognosens noggrannhet i Excel

Ett annat enkelt och effektivt sätt att beräkna prognosfelet är att beräkna Medelabsolut procentuellt fel (MAPE) av prognosen. MAPE definieras som genomsnittligt av felprocenten .

Som MAPE är en beräkning av fel, en hög procentandel betyder dåligt och en låg procentandel betyder bra.

Vi rekommenderar inte denna metod eftersom det inte finns någon viktning av kvantiteter eller värden. Perioder med hög efterfrågan kan lätt underskattas om du helt och hållet förlitar dig på denna indikator för att mäta dina prognoser.

Läs mer: Beräkna procentandelar med absolut cellreferens i Excel (4 metoder)

3. Medelabsolut fel (MAE)/medelabsolut avvikelse (MAD)/vägt absolut procentuellt fel (WAPE).

Medelabsolut fel (MAE) eller . Absoluta medelavvikelsen (MAD) eller . Viktat absolut procentfel (WAPE) är den Medelvärdet av de vägda absoluta felen. Absolutvärde innebär att även om skillnaden mellan den prognostiserade efterfrågan och den faktiska efterfrågan är ett negativt värde blir den positiv.

För att beräkna Medelabsolut fel (MAE) av prognosen bara Dividera det totala absoluta felet med den totala efterfrågan. .

Den här metoden viktas efter kvantitet eller värde, vilket gör att den rekommenderas starkt vid planering av efterfrågan.

Det finns dock en nackdel med den här metoden: Eftersom felet i efterfrågan inte är proportionellt fungerar den här metoden bäst när man arbetar med en produkt. Om den används på produkter med olika volymer kommer resultatet att bli snett med en produkt med större volymer.

Läs mer: Hur man beräknar viktminskningen i procent i Excel (5 metoder)

4. Root Mean Squared Error (RMSE) för att beräkna prognosens noggrannhet i Excel

Kvadratfel med rotmedelvärde (RMSE) beräknas från Kvadratroten av medelvärdet av det kvadratiska felet (MSE). eller . Medelkvadratavvikelse (MSD) .

Vi måste lägga till Kvadratfel (Error^2) för varje produkt för denna indikator. Därefter kan vi beräkna den Medelvärde av det kvadratiska felet . Medelkvadratfel (MSE) är den genomsnittligt fel i kvadrat för varje produkt.

Nu när vi har värdet av MSE kan vi nu mäta RMSE för vår prognos.

För att beräkna RMSE , bara Dividera kvadratroten av MSE med genomsnittet av efterfrågan. .

RMSE Indikatorn är jämförelsevis mer komplicerad att genomföra och få fram resultat, men denna formel straffar kraftigt stora prognosfel.

Detta är också en mycket rekommenderad metod eftersom den kan ignorera beräkningsfel och ge korrekta resultat.

Läs mer: Hur man beräknar procentuell vinst-förlustprocent i Excel (med enkla steg)

Slutsats

Sammanfattningsvis har den här artikeln visat dig 4 enkla och användbara metoder för att beräkna procentuell andel av prognosens noggrannhet i Excel. Jag hoppas att den här artikeln har varit till stor nytta för dig. Du får gärna ställa frågor om ämnet.