Прогнозирование для продаж

Сразу обозначим главное: MAPE, WAPE и Bias оценивают прогноз с разных сторон. Поэтому при выборе метрики сначала стоит понять, что именно компания хочет проверить, а уже потом использовать один показатель или их сочетание. В предыдущих материалах мы отдельно разбирали каждую из этих метрик. Теперь соберем их в одну систему и посмотрим, какую метрику выбирать под разные задачи и почему одной цифры часто недостаточно. Удобнее всего сравнить их по смыслу: MAPE показывает, насколько прогноз спроса в среднем отклоняется от факта в процентах...

В предыдущих статьях серии мы разобрали MAPE и WAPE, а сегодня предлагаем посмотреть на Bias. Он показывает, есть ли устойчивое смещение прогноза в одну сторону. Например, прогноз спроса несколько периодов подряд оказывается выше фактического значения или регулярно оказывается ниже. IBF определяет bias как устойчивую разницу между фактическими продажами и прогнозом, которая проявляется в систематическом завышении или занижении прогноза. Давайте разберем, как считать bias, как читать результат и что проверять при устойчивом смещении...

В прошлой статье мы разобрали MAPE, а сегодня предлагаем посмотреть на метрику WAPE. Обычно её используют для оценки общей ошибки по группе товаров или другому набору данных. WAPE показывает, какую долю от общего фактического объема составляет абсолютная ошибка прогноза спроса. Разберемся, как она считается, чем отличается от MAPE и как читать полученный результат. WAPE расшифровывается как Weighted Absolute Percentage Error, взвешенная абсолютная процентная ошибка. Стандартная формула: WAPE =...

В отчете по прогнозированию спроса появляется цифра: MAPE 12%. Чтобы понять, хороший это результат или нет, нужно знать, по каким данным и на каком уровне считалась ошибка. Разберемся, что показывает MAPE, как его считать и в каких случаях результат требует дополнительной проверки. MAPE расшифровывается как Mean Absolute Percentage Error, средняя абсолютная процентная ошибка. Метрика показывает, на сколько процентов прогноз спроса в среднем отклоняется от фактического значения. Возьмем простой пример...

52% руководителей цепей поставок называют доверие к решениям AI одним из главных барьеров для более быстрого внедрения технологии. Еще 51% хотят видеть понятный ROI и срок получения результата от инвестиций. Такие данные приводит IDC в исследовании Making Supply Chain AI Accountable. В нем участвовали более 2 000 руководителей цепей поставок на 9 рынках. Сегодня 6% компаний называют свои цепи поставок автономными в масштабе бизнеса, а через один-два года 41% ожидают, что такой подход станет основной моделью работы...