Sådan Mål nøjagtigheden af ​​en Sales Forecast

Hvis du er administrerende direktør eller en VP of Sales, er det yderst vigtigt for dig at vide, hvordan man kan måle nøjagtigheden af ​​dit salg og efterspørgselsprognoser. Prognosen processer oftest anvendes af virksomheder i dag, som en kendsgerning, resulterer i højere varebeholdninger, længere kundeordre leveringstider og god kunde leveringssikkerhed. Men ikke alle sælgere har succes i at måle nøjagtigheden af ​​en salgsfremmende prognose. I denne artikel vil vi diskutere, hvordan man kan vurdere rigtigheden af ​​din prognose, hvordan man kan sammenligne prognoser, beregne og vise betyde absolutte fejl og hvordan man beregner MAPE. Din virksomhed vil blive prognoser i dag enten ved hjælp af rent manuelle processer, MS Excel eller dedikere prognoseværktøjer.

Beregning af absolutte fejl

Den gennemsnitlige absolutte fejl (MAE) har stærke kompetencer til at vurdere prognose nøjagtighed i en situation med opgørelse optimering og det er meget simpelt at beregne og bruge. Den absolutte fejl er den absolutte forskel mellem forventede og faktiske værdi i antallet af elementer. Intuitivt vi kan tænke på den absolutte fejl, da antallet af elementer prognosen er slukket fra hvad der rent faktisk sker, og absolut betyder, at formlen ser bort vejr prognosen er for høj eller for lav. Alle, der tæller, er ved hvor mange varer prognosen er slukket den faktiske værdi. Negative algebraiske tegn er derfor ikke betragtes. Som nævnt ovenfor betyder absolutte fejl er udtrykt i antallet af elementer, der er grunden til, ved beregning af Mae og tage den absolutte fejl af hver række, vi bør fjerne negativt fortegn (hvis der er), og hvis den er positiv forlade det, som det er .

Beregning MAPE

MAPE står for gennemsnitlige absolutte procentvise fejl. Vi ankommer til MAPE ved at dividere den absolutte fejl fra forventede værdi. Intuitivt MAPE som en afstamning fejl giver os målingen af ​​prognosen fejl i forhold til den faktiske værdi
Lad &'; s. Diskutere også derfor MAPE ikke er velegnet til at sammenligne prognoser. MAPE er i de fleste tilfælde ikke er egnet til at sammenligne salget prognoser og efterspørgsel prognoser. Det vigtigste spørgsmål er følsomheden over for serien sparsomme tid. Sparsomme serien er elementer, der sælger i meget små mængder. De fleste forhandlere har store mængde af sådanne produkter.

Hvad er en god prognose? Salg

Udsagn som "det var en god prognose" eller "det var en dårlig prognose" høres quit ofte. En mængde vurderingen af ​​nøjagtigheden af ​​prognosen skal i sammenhæng. For eksempel 5% fejl prognoser nationale elforbrug 24 timer frem er meget fattige, men 80% fejl for et produkt lancering er særdeles fremragende. Faktorer, der påvirker acccuracy af efterspørgslen prognose er mange, såsom volatilitet efterspørgslen, data sammenlægning niveau, mængden af ​​data, prognoseperioden, sparsomme data, tilgængelighed af data event og mange flere. Afslutningsvis den nemmeste måde at indstille kontekst er at få din prognose til at være mere præcis end din status quo. Nøglen til effektiv planlægning er at have et solidt fundament at bygge på. Ved effektivt planlægning for den fremtidige efterspørgsel, vil du være i stand til at tilføje en betydelig værdi til din virksomhed &'; s rentabilitet og bundlinje
.