Berechnung der Prognosegenauigkeit und des Prognosefehlers

Was sind Prognosegenauigkeit und Prognosefehler?

Eine Möglichkeit, die Qualität Ihrer Bedarfsprognose zu überprüfen, ist die Berechnung der Prognosegenauigkeit, auch Prognosefehler genannt. Die Berechnung der Prognosegenauigkeit zeigt die Abweichung der tatsächlichen Nachfrage von der prognostizierten Nachfrage. Wenn Sie die Fehlerquote Ihrer früheren Bedarfsprognosen berechnen können, können Sie diese bei künftigen Prognosen berücksichtigen und die entsprechenden Anpassungen in Ihrer Planung vornehmen.

In diesem Beitrag zeigen wir Ihnen, wie Sie die Genauigkeit Ihrer Prognosen durch die Berechnung des Prognosefehlers messen können, und erörtern, warum dies so wichtig ist.

Berechnungen der Prognosegenauigkeit/des Prognosefehlers

Es gibt eine Reihe von Formeln, die Bestandsplaner zur Berechnung der Prognosegenauigkeit bzw. des Prognosefehlers verwenden können. Diese reichen von recht einfach bis hin zu recht komplex. Zwei der gebräuchlichsten Berechnungen der Prognosegenauigkeit bzw. des Prognosefehlers sind MAD (mittlere absolute Abweichung) und MAPE (mittlerer absoluter prozentualer Fehler).

Schauen wir uns beide genauer an:

1. MAD-Prognoseberechnung

Eine gängige Methode zur Ermittlung des Prognosefehlers ist die Berechnung der mittleren absoluten Abweichung (MAD). Dies zeigt die Abweichung der prognostizierten Nachfrage von der tatsächlichen Nachfrage in Einheiten.

Bei der MAD-Berechnung wird der absolute Wert der Prognosefehler (Differenz zwischen der tatsächlichen Nachfrage und der Prognose) ermittelt und über die prognostizierten Zeiträume gemittelt. „Absoluter Wert“ bedeutet, dass die Differenz zwischen dem tatsächlichen Bedarf und dem prognostizierten Bedarf auch dann positiv ist, wenn sie negativ ist. 25 geteilt durch 4 ist also 6,25.

Die MAD-Berechnung funktioniert am besten, wenn man sie auf ein einziges Produkt anwendet, da der Nachfragefehler nicht proportional ist. Wenn Sie sie auf Artikel mit unterschiedlichen Volumina anwenden, wird das Ergebnis durch die Artikel mit größeren Volumina verzerrt.

2. MAPE-Prognoseberechnung

Eine weitere einfache Möglichkeit zur Berechnung des Prognosefehlers besteht darin, den Mittleren Absoluten Prozentfehler (MAPE) Ihrer Prognose zu ermitteln. Statistisch gesehen ist MAPE definiert als der Durchschnitt der prozentualen Fehler. Die MAPE-Formel besteht aus zwei Teilen: M und APE. Die Formel für APE ist die Differenz zwischen dem tatsächlichen und dem prognostizierten Bedarf in Prozent:

APE calculation

Nach der Berechnung der APE für jede Periode berechnen Sie dann den Mittelwert aller prozentualen Fehler.

Da MAPE ein Fehlermaß ist, sind hohe Zahlen schlecht und niedrige Zahlen gut.

Es gibt auch andere Berechnungen der Prognosegenauigkeit, die Sie verwenden können. Stellen Sie jedoch sicher, dass Sie die für Ihre Bedürfnisse am besten geeignete Methode finden, da es aus einer Reihe von Gründen, die wir jetzt erörtern werden, wichtig ist, zu verstehen, wie genau Ihre Prognosen sind.

Nutzung von Prognosefehlerdaten für bessere Nachfragevorhersagen

Sobald Sie Ihre Prognosefehlerberechnungen vorliegen haben, müssen Sie sicherstellen, dass Sie die Daten auch umsetzen. Kluge Bestandsplaner nutzen ihre Prognosefehlerstatistiken, um die Prognoseverfahren zu verfeinern und die Prognosegenauigkeit insgesamt zu verbessern. Genauere Prognosen helfen daraufhin, den Einkauf und die Planung der Bestände zu verbessern.

Es gibt verschiedene Möglichkeiten, dies zu tun:

1. Minderung des Risikos der zukünftigen Prognosegenauigkeit: Die Berechnung des Prognosefehlers liefert eine quantitative Einschätzung der Qualität Ihrer bisherigen Prognosen. Wenn Sie die Höhe des Fehlers in Ihren früheren Bedarfsprognosen berechnen können, können Sie dieses Risiko bei künftigen Prognosen berücksichtigen. Wenn Sie feststellen können, wie unsicher eine Prognose für einen bestimmten zukünftigen Geschäftszeitraum ist, können Sie die notwendigen Anpassungen an Ihren Bestandsverwaltungsregeln vornehmen, z.B. die Sicherheitsbestände erhöhen und die Wiederbestellungspunkte anpassen, um die unsicheren Nachfrageperioden abzudecken.

2. Priorisieren Sie zweifelhafte Prognosen: Die Identifizierung und Priorisierung von Artikeln mit hohen Prognosefehlern ermöglicht es Ihnen, diesen besondere Aufmerksamkeit zu schenken. Sie können den künftigen Bedarf genau überwachen und die Lagerbestände entsprechend anpassen.

3. Verfeinern und verbessern Sie die Prognosegenauigkeit: Wenn Sie durchweg hohe Fehlerquoten bei den Prognosen feststellen, ist dies ein Anzeichen dafür, dass die von Ihnen verwendete Technik der Bedarfsprognose überprüft und verbessert werden muss.

Messung der Vorhersagegenauigkeit/des Vorhersagefehlers durch Automatisierung

Einige Enterprise Resource Planning (ERP)- und Warehouse Management Systeme (WMS) verfügen über die Funktion, Prognosefehler automatisch zu berechnen. Aber Vorsicht: Jedes System ist unterschiedlich komplex, daher sollten Sie Ihr System genau kennen und seine Grenzen berücksichtigen. Fragt Ihr System zum Beispiel jede einzelne Artikelposition ab? Welche Berechnungen verwendet es zur Fehlerprognose? Passt es die Bestandsparameter auf der Grundlage der Resultate an?

Wenn Sie feststellen, dass Ihr derzeitiges Bestandsverwaltungssystem an seine Grenzen stößt, sollten Sie in ein Bestandsoptimierungs-Add-On investieren. Bestandsoptimierungssoftware arbeitet mit einem ERP-, WMS- oder Bestandsverwaltungssystem zusammen, um statistische Bedarfsprognosen zu erstellen. So sparen Sie Zeit bei der Durchführung komplexer Berechnungen und können stattdessen fundierte Entscheidungen zur Bestandsverwaltung treffen, die auf genauen Daten beruhen.

Wenn es für Sie eine Herausforderung ist, mit Ihren derzeitigen Systemen und Prozessen genaue Prognosen zu erstellen, wenden Sie sich noch heute an das EazyStock-Team. Unsere Software für Bedarfsprognosen bietet Ihnen fortschrittliche Funktionen für die Bestandsverwaltung, die Sie nutzen können, um Ihr Tagesgeschäft zu verbessern – und zwar in kürzester Zeit.

Multiple pins stuck into a light table connected with string to show supply chains
Bedarfsprognose

Wie entwickelt man eine effektive Supply-Chain-Strategie?

Was ist eine Supply-Chain-Strategie? In der Supply-Chain-Strategie wird zusammengefasst, wie ein Unternehmen plant, Waren so effizient wie möglich in das...

Black binoculars lying flat on a green background. The photo is taken from above. Demand forecasting techniques for better inventory management
Bedarfsprognose

8 Techniken der Bedarfsprognose für ein besseres Bestandsmanagement

Was ist eine Nachfrageprognose? Die Nachfrageprognose ist der Prozess der Vorhersage der Nachfrage nach einem Lagerartikel über einen bestimmten Zeitraum...