Zo bereken je de nauwkeurigheid en afwijking van voorspellingen
Wat is voorspellingsnauwkeurigheid?
De voorspellingsnauwkeurigheid laat zien hoe dicht je vraagvoorspelling bij de echte vraag ligt. Je kunt dit samen met de voorspellingsfout of -afwijking gebruiken om te kijken hoe goed je vraagvoorspellingsmethoden werken. De voorspellingsfout is het verschil tussen de echte vraag en de voorspelde vraag.
Een manier om de kwaliteit van vraagprognoses te checken, is door de voorspellingsnauwkeurigheid te berekenen, ook wel de voorspellingsfout genoemd. De berekening van de voorspellingsnauwkeurigheid laat zien hoe de werkelijke vraag afwijkt van de voorspelde vraag. Als je weet hoe groot de foutmarge in je eerdere vraagprognoses is, kun je toekomstige prognoses verfijnen en plannen aanpassen als dat nodig is.
Waarom is het belangrijk om de nauwkeurigheid van voorspellingen te meten?
Nauwkeurige voorspellingen zijn ontzettend belangrijk om je voorraad op het juiste peil te houden en te voorkomen dat je te veel of te weinig voorraad aanhoudt. Te veel voorraad betekent dat er geld vastzit in spullen die je niet nodig hebt. Deze spullen moet je uiteindelijk met flinke korting verkopen of helemaal afschrijven.
Te weinig voorraad is ook riskant. Je loopt het risico op voorraadtekorten, omzetverlies en ontevreden klanten, die vervolgens naar concurrenten die artikelen wél op voorraad hebben kunnen overstappen.
Het voorspellen van de vraag is altijd lastig, maar met de aanhoudend complexe wereldwijde economische situatie is het nu een nog uitdagender thema. Voor meer informatie over dit onderwerp kun je onze blog over vraagvoorspelling en omgaan met schommelingen in de vraag lezen.
Wat is een goed nauwkeurigheidspercentage voor vraagvoorspellingen?
In een ideale wereld zouden we allemaal graag 100 procent nauwkeurige vraagvoorspellingen willen doen, maar dat is niet realistisch. Er is geen enkel cijfer dat voor alle bedrijven en sectoren geldt en cijfers kunnen gedurende het jaar variëren. Je focus moet dus liggen op het doen van een zo nauwkeurig mogelijke voorspelling. Er zijn vier dingen die je moet onthouden als het gaat om het meten van de nauwkeurigheid van vraagvoorspellingen. Die zijn het nauwkeurigst als je:
- Hoge verkoopvolumes hebt
- Hoge aggregatieniveaus hebt
- Voorspellingen voor de korte termijn maakt, omdat veranderende marktfactoren van invloed kunnen zijn op langetermijnvoorspellingen
- Je bedrijfsactiviteiten stabiel zijn
Hoe bereken je de voorspellingsnauwkeurigheid en wat zijn de drie maatstaven essentiële maatstaven voor nauwkeurigheid?
In dit artikel leggen we uit hoe je de voorspellingsnauwkeurigheid kunt berekenen met behulp van specifieke formules.
Voorraadplanners kunnen verschillende maatstaven en formules voor voorspellingsnauwkeurigheid gebruiken om deze en de voorspellingsfout te berekenen. Deze berekeningen kunnen variëren van relatief eenvoudig tot uitgebreid en complex.
De drie meestgebruikte methoden voor het berekenen van de vraagnauwkeurigheid zijn:
- Voorspellingsvertekening
- Gemiddelde absolute afwijking (MAD)
- Gemiddelde absolute procentuele fout (MAPE)
Hieronder gaan we hier dieper op in:
1. Voorspellingsvertekening
De voorspellingsvertekening is het verschil tussen de voorspelling en de verkoop. Als je de verkoop te hoog hebt ingeschat, is dat een positieve vertekening. Als je de verkoop te laag hebt ingeschat, is dat een negatieve vertekening.
Hoewel de voorspellingsvertekening laat zien of je voorspellingen over het algemeen goed waren, laat deze niet zien hoe groot de fout was bij het bekijken van meerdere items of lange periodes.
2. Gemiddelde absolute afwijking (MAD)
Een veelgebruikte manier om prognosefouten te berekenen is door de gemiddelde absolute afwijking (MAD, of mean average deviation) te berekenen. Dit laat zien hoe de voorspelde vraag afwijkt van de werkelijke vraag in eenheden.
Bij de het berekenen van de MAD wordt de absolute waarde van de voorspellingsfouten (het verschil tussen de werkelijke vraag en de voorspelling) genomen en gemiddeld over de voorspelde periodes. ‘Absolute waarde’ betekent in dit geval dat zelfs wanneer het verschil tussen de werkelijke vraag en de voorspelde vraag negatief is, dit een positief getal wordt. Dus 25 gedeeld door 4 is 6,25.
De MAD-berekening werkt het beste als je deze voor één product gebruikt, omdat de vraagfout niet evenredig is. Als je de berekening gebruikt voor artikelen met uiteenlopende (grotere) volumes, krijg je een vertekend resultaat.
3. Gemiddelde absolute procentuele fout (MAPE)
Een andere makkelijke manier om de voorspellingsfout te berekenen, is door de gemiddelde absolute procentuele fout (MAPE of mean absolute percent error) van je voorspelling te vinden. Statistisch gezien is de MAPE het gemiddelde van alle procentuele fouten. De MAPE-formule kijkt naar het gemiddelde (M) en de absolute procentuele fout (APE). De formule voor APE is het verschil tussen je werkelijke en voorspelde vraag als percentage.
Nadat je de APE voor elke periode hebt berekend, bereken je het gemiddelde van alle procentuele fouten.
Aangezien de MAPE een maatstaf voor fouten is, zijn hoge cijfers slecht en lage cijfers juist goed.
Dit zijn de drie belangrijkste manieren om de nauwkeurigheid van prognoses te meten, maar er zijn ook andere berekeningen die je kunt gebruiken. Het is belangrijk om de methode te vinden die voor jou het best geschikt is om de nauwkeurigheid van je vraagvoorspellingen te verbeteren.
Voorspellingsfouten gebruiken voor betere vraagvoorspellingen
Zodra je je voorspellingsfout hebt berekend, moet je deze informatie gebruiken om je prognoseprocessen te verfijnen en de nauwkeurigheid ervan te verbeteren. Daarbij moet je ook rekening houden met interne bedrijfsbeslissingen die een directe invloed hebben op de vraag, zoals promoacties en prijswijzigingen.
Nauwkeurigere voorspellingen helpen je om je inkoop en planning te verbeteren, zodat je de juiste voorraadniveaus kunt handhaven.
Dit kun je op verschillende manieren doen:
1. Verminder het risico van onnauwkeurige voorspellingen in de toekomst: de voorspellingsfoutberekening geeft een kwantitatieve schatting van de kwaliteit van je eerdere prognoses. Als je het foutenniveau in eerdere vraagprognoses kunt berekenen, kun je dit risico meenemen in toekomstige voorspellingen.
Door de onzekerheid van een voorspelling voor een bepaalde toekomstige bedrijfsperiode te bepalen, kun je je regels voor voorraadbeheer aanpassen, bijvoorbeeld door de veiligheidsvoorraad te verhogen of de herbestelpunten te wijzigen. Dit helpt om periodes van onzekere vraag op te vangen.
2. Geef prioriteit aan twijfelachtige voorspellingen: door artikelen met een hoge voorspellingsfout te identificeren en prioriteit te geven, kun je je daarop concentreren. Hierdoor kun je de toekomstige vraag nauwlettend in de gaten houden en je voorraadniveaus dienovereenkomstig aanpassen.
3. Verfijn en verbeter de nauwkeurigheid van prognoses: als je consequent hoge prognosefouten ziet, moet je je techniek voor vraagprognoses en voorspellingsmodellen herzien en verbeteren.
De nauwkeurigheid van voorspellingen/voorspellingsfouten meten met automatisering
In plaats van handmatig in Excel te worstelen met formules voor het berekenen van de voorspellingsnauwkeurigheid, kunnen sommige Enterprise Resource Planning- (ERP) en Warehouse Management-systemen (WMS) voorspellingsfouten automatisch berekenen. Elk systeem gebruikt een andere mate van complexiteit. Zorg ervoor dat je weet hoe jouw system werkt en wat de beperkingen ervan zijn. Vraagt je systeem bijvoorbeeld elke SKU af? Welke berekening gebruikt het om fouten te voorspellen? Past het de voorraadparameters aan op basis van de resultaten?
Als je huidige voorraadbeheersysteem bepaalde beperkingen heeft, overweeg dan om te investeren in een plug-in voor voorraadoptimalisatie. Voorraadoptimalisatiesoftware werkt samen met een ERP-, WMS- of voorraadbeheersysteem om statistische vraagvoorspellingen te doen. Dit bespaart je complexe berekeningen en geeft je meer tijd om nauwkeurige prognosegegevens te bekijken en weloverwogen beslissingen te nemen over je voorraadbeheer.
Als je huidige systemen en processen het moeilijk maken om nauwkeurige voorspellingen te doen, neem dan vandaag nog contact op met het EazyStock-team.
Onze software voor vraagvoorspelling biedt geavanceerde mogelijkheden voor voorraadbeheer, waarmee je de dagelijkse activiteiten van je bedrijf snel kunt verbeteren.
