உள்ளடக்க அட்டவணை
முன்கணிப்பு துல்லிய சதவீதத்தைக் கணக்கிடுவது என்பது புள்ளிவிவரங்கள் மற்றும் தரவுப் பகுப்பாய்வில் பணிபுரியும் நபர்களுக்கு மட்டுமின்றி தரவு அறிவியல் மற்றும் இயந்திரக் கற்றலில் பணிபுரிபவர்களுக்கும் மிகவும் பரிச்சயமான பணியாகும். இந்தக் கட்டுரையில், எக்ஸெல் இல் முன்கணிப்பு துல்லிய சதவீதத்தை கணக்கிடுவது எப்படி என்பதற்கான 4 எளிதான மற்றும் திறமையான முறைகளைக் காண்பிப்போம்.
ஒர்க்புக்கைப் பதிவிறக்கு
இங்கிருந்து இலவச பயிற்சி Excel பணிப்புத்தகத்தை பதிவிறக்கம் செய்யலாம்.
முன்கணிப்பு துல்லிய சதவீதத்தை கணக்கிடுங்கள்.xlsx
முன்கணிப்பு துல்லியம் அறிமுகம்
முன்கணிப்புத் துல்லியம் என்பது முன்கணிக்கப்பட்ட தேவைக்கும் உண்மையான தேவைக்கும் இடையே உள்ள விலகல் ஆகும். இது முன்கணிப்புப் பிழை என்றும் அழைக்கப்படுகிறது. முந்தைய தேவை முன்னறிவிப்புகளிலிருந்து பிழைகள் சரியாகக் கணக்கிடப்பட்டால், உங்கள் சேவை விகிதத்தை அதிகரிப்பது, ஸ்டாக்-அவுட்களைக் குறைப்பது, விநியோகச் சங்கிலியின் விலையைக் குறைப்பது போன்ற உங்கள் எதிர்கால வணிகத் திட்டத்தை மாற்றியமைக்க இது உங்களை அனுமதிக்கிறது.
வணிகத்தில் முன்னறிவிப்புத் துல்லியத்தைக் கணக்கிடுவது மிகவும் முக்கியமானது, எனவே முன்னறிவிப்பை எளிதாகக் கணிக்க நிலையான மற்றும் நம்பகமான முறை உங்களிடம் இருக்க வேண்டும்.
இந்தக் கட்டுரையில், முன்னறிவிப்பு துல்லியத்தை எவ்வாறு கணக்கிடுவது என்பதை நாங்கள் உங்களுக்குக் காண்பிப்போம். 4 மிகவும் நம்பகமான வழிகளில் சதவீதம். ஆனால் அந்த கணக்கீட்டு முறைகளை உங்களுக்குக் காண்பிக்கும் முன், முதலில், முன்னறிவிப்பு துல்லியத்தின் உண்மையான தேவை என்ன என்பதை நீங்கள் அறிந்து கொள்ள வேண்டும்.
தேவைக்கான அறிமுகம்முன்னறிவிப்பு துல்லிய சதவீதத்தை கணக்கிடுவதற்கான முன்னறிவிப்பு
தேவை முன்னறிவிப்பு அல்லது விற்பனை முன்னறிவிப்பு என்பது மிகவும் பரந்த தலைப்பு. எக்செல் இல் முன்கணிப்பு துல்லிய சதவீதத்தை எப்படிக் கணக்கிடலாம் என்பதைக் காண்பிப்பதே இந்தக் கட்டுரையின் நோக்கமாகும். எனவே, தேவை முன்னறிவிப்பின் சுருக்கத்தை இங்கே நாங்கள் உங்களுக்கு வழங்குகிறோம்.
மறுபுறம், தேவை முன்னறிவிப்பு என்பது ஒவ்வொரு நிறுவனத்திலும் மிகவும் பொதுவானதல்ல. அல்லது உங்கள் நிறுவனத்தில் ஏதேனும் இருந்தாலும், அது உங்களுக்குத் தெரியாமல் இருக்கலாம். உங்கள் நிறுவனத்தில் ERP அல்லது தொடர்புடைய மென்பொருள் இருந்தால், பெரும்பாலும் உங்களிடம் முன்னறிவிப்பு இருக்கும்.
தேவை முன்னறிவிப்பை கணக்கிடுவதற்கான சூத்திரம்,
தேவை முன்னறிவிப்பு = சராசரி விற்பனை X பருவநிலை X வளர்ச்சிஇந்த சூத்திரத்தை செயல்படுத்துவதன் மூலம், உங்கள் நிறுவனத்தின் தேவை முன்னறிவிப்பை நீங்கள் எளிதாகக் கண்டறியலாம்.
4 எப்படி கணக்கிடுவது என்பதற்கான முறைகள் Excel இல் முன்னறிவிப்பு துல்லியம் சதவீதம்
இப்போது உண்மையான முன்கணிப்பு மற்றும் தேவை முன்னறிவிப்பு பற்றி நீங்கள் அறிந்திருக்கிறீர்கள், நீங்கள் தொடங்கலாம் எக்செல் இல் முன்கணிப்பு துல்லிய சதவீதத்தின் கணக்கீடு> படிகள்:
- முதலில், ஒவ்வொரு தயாரிப்புக்கும் முன்கணிப்புப் பிழை கணக்கிட தேவையிலிருந்து முன்னறிவிப்பைக் கழிக்கவும் .
- அதன் பிறகு, எக்செல் இல் ABS() சூத்திரத்தைப் பயன்படுத்தி முழு மதிப்பைக் கணக்கிடவும்பிழை .
- இறுதியாக, பிழையின் முழுமையான மதிப்பை கோரிக்கையால் வகுத்து, அதை 100 ஆல் பெருக்கி பிழையின் சதவீதத்தை கணக்கிடுங்கள் தயாரிப்பு நிலை.
இந்தக் கணக்கீடுகளின் அனைத்துப் படிகளும் 2-மாத விற்பனை அடிவானத்திற்கு கீழே காட்டப்பட்டுள்ளன.
நீங்கள் <1ஐப் பயன்படுத்தலாம் எக்செல் இல் முன்னறிவிப்பு துல்லிய சதவீதத்தைக் கணக்கிடுவதில் உள்ள அனைத்து பண்புக்கூறுகளின் மொத்தம் ஐ கணக்கிடுவதற்கு>SUM() செயல்பாடு நிலை. இந்த அளவீடுகளின் அடிப்படையில் ஒட்டுமொத்த காட்டி ஐப் பெறுவது எப்படி என்பதை நாம் இப்போது தெரிந்துகொள்ள வேண்டும்.
இந்தப் பகுதியைப் பின்பற்றி, முன்கணிப்பைக் கணக்கிடுவதற்கு மிகவும் எளிமையான மற்றும் பொதுவாகப் பயன்படுத்தப்படும் 4 கணித சூத்திரங்களைக் கற்றுக்கொள்வீர்கள். எக்செல் இல் துல்லிய சதவீதங்கள்.
1. BIAS முன்னறிவிப்பு துல்லியம்/ முன்னறிவிப்பு துல்லிய சதவீதத்தை கணக்கிடுவதில் நிலையான முன்னறிவிப்பு பிழை
கணிப்பு BIAS என்பது பகுப்பாய்வு உண்மையான மதிப்புகள் மற்றும் மதிப்பிடப்பட்ட மதிப்புகள் .
முன்கணிப்புத் துல்லியத்தைக் கணக்கிடுவதற்கு மொத்தப் பிழையை மொத்தத் தேவையால் வகுக்கவும் .
BIAS முன்னறிவிப்பு துல்லியம் = மொத்தப் பிழை/ மொத்த தேவை 
அனைத்து தயாரிப்புகளுக்கான கணிப்பும் அதிகமாக மதிப்பிடப்பட்டுள்ளதா ( BIAS > 0 ) அல்லது குறைத்து மதிப்பிடப்பட்டது ( BIAS < 0 ), நீங்கள் இந்த முறையைப் பயன்படுத்தலாம்.
மேலும் படிக்க: எக்செல் (3) இல் லாப சதவீதத்தை எவ்வாறு கணக்கிடுவதுமுறைகள்)
2. எக்செல் இல் முன்னறிவிப்புத் துல்லியத்தைக் கணக்கிடுவதற்கான சராசரி முழுமையான சதவீதப் பிழை (MAPE)
முன்கணிப்புப் பிழையைக் கணக்கிடுவதற்கான மற்றொரு எளிய மற்றும் பயனுள்ள வழி சராசரி முழுமையான சதவீதப் பிழை (MAPE) ஐக் கணக்கிடுவது. முன்னறிவிப்பு. MAPE பிழை சதவீதங்களின் சராசரி என வரையறுக்கப்படுகிறது.
MAPE = பிழை சதவீதத்தின் சராசரி 
MAPE என்பது பிழைகளின் கணக்கீடு, அதிக சதவீதம் என்றால் கெட்டது, குறைந்த சதவீதம் என்றால் நல்லது.
நாங்கள் பரிந்துரைக்கவில்லை இந்த முறை அளவுகள் அல்லது மதிப்புகள் மீது எந்த எடையும் இல்லை. உங்கள் கணிப்புகளை அளவிட இந்தக் குறிகாட்டியை நீங்கள் முழுமையாக நம்பினால், அதிக தேவை உள்ள காலங்களை எளிதாகக் குறைத்து மதிப்பிடலாம்.
மேலும் படிக்க: எக்செல் (4 முறைகள்) இல் முழுமையான செல் குறிப்பைப் பயன்படுத்தி சதவீதத்தைக் கணக்கிடுங்கள்.
3. சராசரி முழுமையான பிழை (MAE)/ சராசரி முழுமையான விலகல் (MAD)/ எடையுள்ள முழுமையான சதவீத பிழை (WAPE)
சராசரி முழுமையான பிழை (MAE) அல்லது சராசரி முழுமையான விலகல் ( MAD) அல்லது எடையிடப்பட்ட முழுமையான சதவீதப் பிழை (WAPE) என்பது எடையிடப்பட்ட முழுமையான பிழைகளின் சராசரி ஆகும். முழுமையான மதிப்பு என்பது முன்னறிவிக்கப்பட்ட தேவைக்கும் உண்மையான தேவைக்கும் இடையே உள்ள வேறுபாடு எதிர்மறை மதிப்பாக இருந்தாலும் கூட, அது நேர்மறையாக மாறும்.
சராசரி முழுமையான பிழையை (MAE) கணக்கிடுவதற்கு மொத்த முழுமையான பிழையை மொத்த தேவையால் வகுக்கவும் .
MAE = மொத்த முழுமையானபிழை/ மொத்தத் தேவை 
இந்த முறை அளவு அல்லது மதிப்பின் அடிப்படையில் கணக்கிடப்படுகிறது, இது தேவை திட்டமிடலில் மிகவும் பரிந்துரைக்கப்படுகிறது.
இருப்பினும், இதில் ஒரு குறைபாடு உள்ளது. முறை. தேவை பிழை விகிதாசாரமாக இல்லாததால், ஒரு தயாரிப்பில் பணிபுரியும் போது இந்த முறை சிறப்பாக செயல்படுகிறது. வெவ்வேறு தொகுதிகளைக் கொண்ட தயாரிப்புகளில் இதைப் பயன்படுத்தினால், அதன் விளைவு கனமான தொகுதிகளின் தயாரிப்புடன் வளைந்திருக்கும்.
மேலும் படிக்க: எக்செல் (5) இல் எடை இழப்பு சதவீதத்தைக் கணக்கிடுவது எப்படி முறைகள்)
4. எக்செல்
ரூட் மீன் ஸ்கொயர் எரர் (ஆர்எம்எஸ்இ) என்பது எக்செல் இல் முன்னறிவிப்பு துல்லியத்தை கணக்கிட ரூட் மீன் ஸ்கொயர் எரர் (ஆர்எம்எஸ்இ) சதுர மூலத்தில் இருந்து கணக்கிடப்படுகிறது. ) அல்லது சராசரி ஸ்கொயர் விலகல் (MSD) .
இந்த குறிகாட்டிக்காக ஒவ்வொரு தயாரிப்புக்கும் சதுரப் பிழை (பிழை^2) சேர்க்க வேண்டும். பிறகு நாம் சராசரி ஸ்கொயர் பிழை கணக்கிடலாம். சராசரி சதுரப் பிழை (MSE) என்பது ஒவ்வொரு தயாரிப்புக்கும் சராசரி சதுரப் பிழை ஆகும்.
MSE = சதுரப் பிழையின் சராசரி0>இப்போது நம்மிடம் MSEமதிப்பு இருப்பதால், இப்போது நமது முன்னறிவிப்புக்கான RMSEஐ அளவிடலாம்.RMSE கணக்கிட, எம்எஸ்இயின் வர்க்க மூலத்தை தேவையின் சராசரி ஆல் வகுக்கவும்
RMSE காட்டியானது, முடிவுகளை செயல்படுத்துவதற்கும் பிரித்தெடுப்பதற்கும் ஒப்பீட்டளவில் மிகவும் சிக்கலானது. ஆனால் இந்த சூத்திரம் கடுமையாக அபராதம் விதிக்கிறதுமுன்னறிவிப்பு பிழைகள்.
இது மிகவும் பரிந்துரைக்கப்பட்ட முறையாகும், ஏனெனில் இந்த முறையானது கணக்கீட்டு பிழைகளை புறக்கணித்து துல்லியமாக முடிவுகளை உருவாக்க முடியும்.
மேலும் படிக்க: எப்படி எக்செல் இல் வெற்றி-இழப்பு சதவீதத்தைக் கணக்கிடுங்கள் (எளிதான படிகளுடன்)
முடிவு
முடிவடைய, இந்தக் கட்டுரை உங்களுக்கு 4 எளிதான மற்றும் பயனுள்ள வழிகளைக் காட்டுகிறது <1 எக்செல் இல் முன்னறிவிப்பு துல்லிய சதவீதத்தை கணக்கிடவும். இந்த கட்டுரை உங்களுக்கு மிகவும் பயனுள்ளதாக இருந்தது என்று நம்புகிறேன். தலைப்பைப் பற்றி ஏதேனும் கேள்விகள் கேட்கலாம்.
