การคำนวณ เปอร์เซ็นต์ความแม่นยำของการคาดการณ์ เป็นงานที่คุ้นเคยเป็นอย่างดี ไม่เพียงเฉพาะกับผู้ที่ทำงานกับสถิติและการวิเคราะห์ข้อมูลเท่านั้น แต่ยังรวมถึงผู้ที่ทำงานกับวิทยาการข้อมูลและแมชชีนเลิร์นนิงด้วย ในบทความนี้ เราจะแสดงวิธีที่ง่ายและมีประสิทธิภาพมากที่สุด 4 วิธีในการ คำนวณเปอร์เซ็นต์ความแม่นยำของการคาดการณ์ ใน Excel

ดาวน์โหลดสมุดงาน

คุณสามารถดาวน์โหลดสมุดงาน Excel แบบฝึกหัดได้ฟรีจากที่นี่

ข้อมูลเบื้องต้นเกี่ยวกับความแม่นยำในการคาดการณ์

ความแม่นยำในการคาดการณ์ คือ ค่าเบี่ยงเบนระหว่างความต้องการที่คาดการณ์และความต้องการจริง ซึ่งเรียกอีกอย่างว่า ข้อผิดพลาดในการคาดการณ์ หากข้อผิดพลาดจากการคาดการณ์อุปสงค์ก่อนหน้านี้คำนวณได้ถูกต้อง จะช่วยให้คุณสามารถปรับเปลี่ยนการวางแผนธุรกิจในอนาคตได้ เช่น เพิ่มอัตราค่าบริการ ลดการสต๊อกสินค้า ลดต้นทุนของห่วงโซ่อุปทาน เป็นต้น เพื่อให้ประสบความสำเร็จมากขึ้น

การคำนวณความแม่นยำของการคาดการณ์เป็นสิ่งสำคัญมากในธุรกิจ ดังนั้นคุณต้องมีวิธีการที่สอดคล้องและเชื่อถือได้เพื่อประเมินการคาดการณ์ได้อย่างง่ายดาย

ในบทความนี้ เราจะแสดงให้คุณเห็นว่าคุณสามารถคำนวณความแม่นยำของการคาดการณ์ได้อย่างไร เปอร์เซ็นต์ใน 4 วิธีที่น่าเชื่อถือที่สุด แต่ก่อนที่จะแสดงวิธีการคำนวณเหล่านั้น ก่อนอื่นคุณต้องทราบว่าความต้องการที่แท้จริงในการคาดการณ์มีความแม่นยำเป็นอย่างไร

ข้อมูลเบื้องต้นเกี่ยวกับความต้องการการพยากรณ์เพื่อคำนวณเปอร์เซ็นต์ความแม่นยำในการคาดการณ์

การพยากรณ์ความต้องการ หรือ การพยากรณ์การขาย เป็นหัวข้อที่กว้างมาก เป้าหมายของบทความนี้คือการแสดงให้คุณเห็นว่าคุณสามารถคำนวณ เปอร์เซ็นต์ความแม่นยำในการคาดการณ์ ใน Excel ได้อย่างไร ดังนั้น ในที่นี้ เราจะให้ข้อมูลสั้นๆ เกี่ยวกับการคาดการณ์ความต้องการ

ในทางกลับกัน การคาดการณ์ความต้องการ เป็นสิ่งที่พบไม่บ่อยนักในทุกองค์กร หรือแม้ว่าบริษัทของคุณจะมีก็ตาม คุณอาจไม่ทราบ หากบริษัทของคุณมี ERP หรือซอฟต์แวร์ที่เกี่ยวข้อง คุณน่าจะมีการคาดการณ์เป็นส่วนใหญ่

สูตรในการคำนวณ การคาดการณ์ความต้องการ คือ

การใช้สูตรนี้ คุณสามารถค้นหาการคาดการณ์ความต้องการขององค์กรของคุณได้อย่างง่ายดาย

4 วิธีในการคำนวณ เปอร์เซ็นต์ความแม่นยำในการคาดการณ์ใน Excel

ตอนนี้คุณทราบเกี่ยวกับ จริง การคาดการณ์ และ การคาดการณ์ความต้องการ แล้ว ก็เริ่มได้เลย การคำนวณ เปอร์เซ็นต์ความแม่นยำในการคาดการณ์ ใน Excel

ขั้นตอนในการคำนวณ ความแม่นยำในการคาดการณ์สำหรับผลิตภัณฑ์ต่อผลิตภัณฑ์ ใน Excel แสดงไว้ด้านล่าง

ขั้นตอน:

• ในตอนแรก เพียง ลบการคาดการณ์ออกจากความต้องการ เพื่อคำนวณ ข้อผิดพลาดในการคาดการณ์ สำหรับแต่ละผลิตภัณฑ์
• หลังจากนั้น ใช้สูตร ABS() ใน Excel เพื่อคำนวณ ค่าสัมบูรณ์ของข้อผิดพลาด .
• สุดท้าย เพียง หารค่าสัมบูรณ์ของข้อผิดพลาดด้วยความต้องการ และคูณด้วย 100 เพื่อคำนวณ เปอร์เซ็นต์ของข้อผิดพลาด ที่ ระดับผลิตภัณฑ์

ขั้นตอนการคำนวณทั้งหมดนี้แสดงไว้ด้านล่างสำหรับระยะเวลาการขาย 2 เดือน

คุณสามารถใช้ <1 ฟังก์ชัน>SUM() เพื่อคำนวณ ผลรวม ของแอตทริบิวต์ทั้งหมดในการคำนวณเปอร์เซ็นต์ความแม่นยำของการคาดการณ์ใน Excel

อย่างที่ทราบกันดีอยู่แล้วว่าข้อผิดพลาดเหล่านี้อยู่ที่รายการ ระดับ. ตอนนี้เราจำเป็นต้องทราบวิธีรับ ตัวบ่งชี้โดยรวม ตามการวัดเหล่านี้

จากส่วนนี้ คุณจะได้เรียนรู้สูตรทางคณิตศาสตร์ 4 สูตรที่ง่ายและใช้บ่อยที่สุดเพื่อ คำนวณการคาดการณ์ เปอร์เซ็นต์ความแม่นยำ ใน Excel

1. ความแม่นยำในการคาดการณ์ BIAS/ ข้อผิดพลาดในการคาดการณ์ที่สอดคล้องกันเพื่อคำนวณเปอร์เซ็นต์ความแม่นยำในการคาดการณ์

BIAS การคาดการณ์ คือ ค่าเบี่ยงเบนเชิงวิเคราะห์ระหว่างค่าจริงและค่าประมาณ .

ในการคำนวณ ความแม่นยำในการคาดการณ์ เพียงแค่ หารข้อผิดพลาดทั้งหมดด้วยความต้องการทั้งหมด .

เพื่อตรวจสอบว่าการคาดการณ์สำหรับผลิตภัณฑ์ทั้งหมด ประเมินค่าสูงเกินไป ( BIAS > 0 ) หรือ ประเมินต่ำกว่า ( BIAS < 0 ) คุณสามารถใช้วิธีนี้ได้

อ่านเพิ่มเติม: วิธีคำนวณเปอร์เซ็นต์กำไรใน Excel (3วิธีการ)

2. Mean Absolute Percentage Error (MAPE) เพื่อคำนวณความแม่นยำของการคาดการณ์ใน Excel

อีกวิธีที่ง่ายและมีประสิทธิภาพในการคำนวณข้อผิดพลาดในการคาดการณ์คือการคำนวณ Mean Absolute Percentage Error (MAPE) ของ พยากรณ์. MAPE ถูกกำหนดเป็น ค่าเฉลี่ย ของเปอร์เซ็นต์ข้อผิดพลาด

เนื่องจาก MAPE เป็นการคำนวณข้อผิดพลาด เปอร์เซ็นต์สูงหมายความว่าไม่ดี และเปอร์เซ็นต์ต่ำหมายความว่าดี

เราไม่แนะนำ วิธีนี้ไม่มีการให้น้ำหนักกับปริมาณหรือมูลค่า ช่วงเวลาที่มีความต้องการสูงสามารถประเมินค่าต่ำไปได้ง่ายๆ หากคุณพึ่งพาตัวบ่งชี้นี้อย่างเต็มที่ในการวัดการคาดการณ์ของคุณ

อ่านเพิ่มเติม: คำนวณเปอร์เซ็นต์โดยใช้การอ้างอิงเซลล์สัมบูรณ์ใน Excel (4 วิธี)

3. Mean Absolute Error (MAE)/ Mean Absolute Deviation (MAD)/ Weighted Absolute Percentage Error (WAPE)

Mean Absolute Error (MAE) or Mean Absolute Deviation ( MAD) หรือ Weighted Absolute Percentage Error (WAPE) คือ ค่าเฉลี่ยของข้อผิดพลาดสัมบูรณ์ถ่วงน้ำหนัก ค่าสัมบูรณ์หมายถึงแม้ว่าความแตกต่างระหว่างความต้องการที่คาดการณ์และความต้องการจริงจะเป็นค่าลบ ค่านั้นจะกลายเป็นค่าบวก

ในการคำนวณ Mean Absolute Error (MAE) ของการคาดการณ์เพียงแค่ หารข้อผิดพลาดสัมบูรณ์โดยรวมด้วยความต้องการทั้งหมด .

วิธีนี้มีการถ่วงน้ำหนักตามปริมาณหรือมูลค่า จึงแนะนำเป็นอย่างยิ่งในการวางแผนอุปสงค์

อย่างไรก็ตาม มีข้อเสียอย่างหนึ่งสำหรับวิธีนี้ กระบวนการ. เนื่องจากข้อผิดพลาดของความต้องการไม่ได้สัดส่วน วิธีนี้จึงได้ผลดีที่สุดเมื่อทำงานกับผลิตภัณฑ์เดียว หากใช้กับผลิตภัณฑ์ที่มีปริมาณต่างกัน ผลลัพธ์ที่ได้จะคดเคี้ยวกับผลิตภัณฑ์ที่มีปริมาณมาก

อ่านเพิ่มเติม: วิธีคำนวณเปอร์เซ็นต์การลดน้ำหนักใน Excel (5 วิธีการ)

4. Root Mean Squared Error (RMSE) เพื่อคำนวณความแม่นยำในการพยากรณ์ใน Excel

Root Mean Squared Error (RMSE) คำนวณจาก รากที่สองของ Mean Squared Error (MSE) ) หรือ Mean Squared Deviation (MSD) .

เราจำเป็นต้องเพิ่ม Squared Error (Error^2) สำหรับแต่ละผลิตภัณฑ์สำหรับตัวบ่งชี้นี้ จากนั้น เราสามารถคำนวณ Mean Squared Error ข้อผิดพลาดกำลังสองเฉลี่ย (MSE) คือ ข้อผิดพลาดกำลังสองเฉลี่ย สำหรับแต่ละผลิตภัณฑ์

ตอนนี้เรามีค่า MSE แล้ว เราสามารถวัด RMSE สำหรับการคาดการณ์ของเรา

ในการคำนวณ RMSE เพียงแค่ หารรากที่สองของ MSE ด้วยค่าเฉลี่ยของอุปสงค์ .

<18

ตัวบ่งชี้ RMSE ค่อนข้างซับซ้อนกว่าในการปรับใช้และแยกผลลัพธ์ แต่สูตรนี้ให้โทษมากข้อผิดพลาดในการคาดการณ์

นี่เป็นวิธีที่แนะนำเป็นอย่างยิ่ง เนื่องจากวิธีนี้สามารถละเว้นข้อผิดพลาดในการคำนวณและให้ผลลัพธ์ที่แม่นยำ

อ่านเพิ่มเติม: วิธีการ คำนวณเปอร์เซ็นต์การแพ้-ชนะใน Excel (ด้วยขั้นตอนง่ายๆ)

บทสรุป

โดยสรุป บทความนี้แสดงวิธีที่ง่ายและมีประโยชน์ 4 วิธีให้คุณทราบ คำนวณเปอร์เซ็นต์ความแม่นยำของการคาดการณ์ ใน Excel ฉันหวังว่าบทความนี้มีประโยชน์มากสำหรับคุณ อย่าลังเลที่จะถามคำถามเกี่ยวกับหัวข้อนี้