Forecast accuracy i Excel: MAD, bias og tracking signal

FORECASTING I EXCEL

Forecast accuracy bliver først nyttig, når definitionerne er entydige. Guiden adskiller fejlens størrelse, den gennemsnitlige signerede fejl og tracking signalet og viser beregningen i Excel.

Udgivet af Mads Hamberg Andersen · Udarbejdet med AI som sparrings- og skriveværktøj · Illustrative beregninger

Start med at definere forecastfejlen

I eksemplet bruges denne definition: faktisk efterspørgsel minus forecast. Et positivt tal betyder derfor, at forecastet var for lavt. Et negativt tal betyder, at forecastet var for højt.

Forecastfejl = Faktisk efterspørgsel − Forecast

Andre virksomheder bruger det modsatte fortegn. Begge definitioner kan fungere, men fortegnet skal stå tydeligt i arket, i KPI-definitionen og i fortolkningen af den gennemsnitlige bias.

Et lille datasæt

Tabellen nedenfor er et illustrativt eksempel med fire perioder. I praksis bør der bruges flere observationer, og forecastet skal være den version, der var gældende før perioden begyndte.

Eksemplet viser, hvordan fejlene udvikler sig fra periode til periode, og hvordan MAD, bias og tracking signal hænger sammen. Åbn billedet for at se detaljerne i fuld størrelse.

MAD viser den gennemsnitlige fejlstørrelse

MAD står for Mean Absolute Deviation. Først tages den absolutte værdi af hver forecastfejl. Derefter beregnes gennemsnittet.

MAD = Σ |Faktisk − Forecast| / antal perioder
MAD = (10 + 5 + 10 + 10) / 4 = 8,75 enheder

MAD er let at forklare, fordi resultatet har samme enhed som efterspørgslen. En MAD på 8,75 fortæller, at forecastet i dette lille eksempel i gennemsnit rammer 8,75 enheder ved siden af – uden at vise retningen.

Excel-opbygning

Hvis faktisk efterspørgsel står i kolonne B og forecast i kolonne C, kan den signerede fejl stå i D og den absolutte fejl i E.

D2: =B2-C2
E2: =ABS(D2)
MAD: =AVERAGE(E2:E5)

Gennemsnitlig bias viser retningen

Bias bruges her som MFE – Mean Forecast Error – og beregnes som den gennemsnitlige signerede forecastfejl. Summen er den kumulerede forecastfejl, mens gennemsnittet er bias/MFE. I eksemplet er summen −5 enheder. Med den valgte fortegnsdefinition var forecastet samlet set 5 enheder for højt.

Kumuleret fejl = −10 + 5 − 10 + 10 = −5
Gennemsnitlig bias = −5 / 4 = −1,25 enheder pr. periode

En lille bias/MFE kan skjule store fejl, der går i hver sin retning, fordi positive og negative fejl kan udligne hinanden. Derfor bør bias/MFE læses sammen med MAD. Målet kan ikke erstatte et mål for fejlstørrelsen.

Tracking signal sætter kumuleret forecastfejl i forhold til MAD

Et klassisk tracking signal beregnes som kumuleret forecastfejl divideret med MAD. Med tallene ovenfor bliver resultatet:

Tracking signal = kumuleret forecastfejl / MAD
Tracking signal = −5 / 8,75 = −0,57

Et resultat tæt på nul tyder i dette eksempel ikke på en kraftig vedvarende retning. ±4 er en illustrativ kontrolgrænse eller tommelfingerregel, ikke en universel grænse. Et signal uden for intervallet bør udløse en undersøgelse af forecastet og processen, ikke en automatisk konklusion.

Hvornår procentmål hjælper, og hvornår de snyder

MAD kan være svær at sammenligne mellem varer med meget forskellig volumen. WMAPE bruges her som en supplerende metode og stammer ikke direkte fra det anvendte HD-materiale. WMAPE er ikke gennemsnittet af de enkelte procentfejl. Metoden kan ikke beregnes meningsfuldt, hvis summen af de faktiske værdier er nul. Ved udelukkende ikke-negative efterspørgselsdata svarer nævneren til summen af faktisk efterspørgsel. Beregningen svarer til det mål, AWS dokumenterer som Weighted Absolute Percentage Error (WAPE).

WMAPE = Σ|Faktisk − Forecast| / Σ|Faktisk|
WMAPE i eksemplet = 35 / 440 = 7,95 %

Rangér ikke alle varer på én procent. Se samtidig på volumen, værdi og kritikalitet. En fejl på 50 procent kan være ubetydelig for en langsom C-vare, mens fem procent kan være dyrt på en stor A-vare.

Det vigtigste er at kende fortegnet og bruge målene konsekvent. Ellers kan de samme tal hurtigt blive tolket forskelligt. Åbn billedet for at se detaljerne i fuld størrelse.

Kontrollér først disse fejl

• Forecastversionen er overskrevet efter periodens start.
• Faktisk salg bruges, selv om varen var udsolgt.
• Forecast og faktisk efterspørgsel måles i forskellige enheder.
• Nye varer, udfasninger og kampagner blandes ind i samme gennemsnit.
• Fejl beregnes på vareniveau, men beslutningen træffes på varegruppe- eller månedsniveau.
• Fortegnet for den signerede forecastfejl er ikke dokumenteret.

Brug målet til en handling

En KPI uden en aftalt reaktion bliver hurtigt pynt. Kobl derfor signalet til en konkret kontrol: Skal modellen genberegnes, skal en faglig justering udfordres, eller skyldes afvigelsen en hændelse, som ikke bør læres ind i basisforecastet?

Udgivet af Mads Hamberg Andersen · Udarbejdet med AI som sparrings- og skriveværktøj