Погрешности прогноза

Точность прогноза определяется разницей между фактическими и прогнозными продажами. Повышение точности прогнозов требует измерения и анализа погрешностей. Для начала нужно определить подходящие способы измерения погрешностей. Затем следует выбрать надлежащий уровень выявления и оценки погрешностей. И наконец, необходимо наладить механизм обратной связи для своевременного обнаружения и учета погрешностей.

Таблица 9.3.

Факторы прогноза для различных временных диапазонов

Измерение погрешностей. Существует несколько методов измере­ния погрешностей прогнозирования в абсолютных или относительных величинах. В принципе понятно, что погрешность прогноза равна разнице между фактическим спросом и его прогнозным значением, но для расчетов и сопоставлений требуется более строгое определение. В табл. 9.4 представлены данные о фактическом и прогнозном месячном спросе на продукт в региональном распределительном центре. Этот пример иллюстрирует различия в методах измерения погрешностей прогнозов. Один из методов вычисления погрешности прогноза заключается в следующем. Сначала надо суммировать погрешности за все периоды, как это сделано в столбце (4) табл. 9.4.

Таблица 9.4.

Прогнозный и фактический спрос на продукт за месяц

а – среднее абсолютное отклонение; б – средняя квадратов погрешности;

в – отношение простой средней арифметической погрешности к средней величине спроса;

г – отношение средней абсолютной погрешности к средней величине спроса;

д – отношение средней квадратической погрешности (корня квад­ратного из средней квадратов погрешности) к средней величине спроса.

Вычислив сумму погрешностей за год, делим ее на 12 и находим простую среднюю арифметическую погрешностей. Как видно из табл. 9.4, простая средняя погрешность довольно близка к пулю, хотя в отдель­ные месяцы погрешности прогноза были весьма велики. Недостаток этого метода в том, что завышенные и заниженные прогнозные оценки взаимно погашаются, и это маскирует существенную неточность прогнозирования в отдельные месяцы. Избежать этого позволяет другой метод, который сводится к вычислению абсолютной погрешности.

В столбце (5) табл. 9.4 показано, как получить абсолютную величи­ну погрешности и среднее абсолютное отклонение прогноза от факти­ческих показателей. Этот метод часто применяют для измерения по­грешностей, но проблема в том, что он придает равные веса и крупным, и незначительным отклонениям. Еще один путь – вычислить среднюю квадратическую погрешность, как показано в столбце (6) и в примечании «д», и использовать этот показатель для сопоставления разных прогнозов. Преимущество средней квадратической погрешности состоит в том, что крупные погрешности получают в ней больший вес, чем малые. Например, при использовании абсолютных величин погрешность прогноза на 2 средних абсолютных отклонения считается лишь вдвое большей, чем погрешность на одно среднее абсолютное отклонение. Если же погрешность измеряется через среднюю квадратическую, то 2 отклонения приобретают вчетверо больший вес, чем одно. Этот метод придает намного большее значение не­скольким крупным погрешностям в прогнозах, нежели множеству мелких промахов.

Показатели средней, абсолютной средней и средней квадратической погрешности хороши для оценки точности прогнозов по отдельным единицам хранения и отдельным распределительным центрам, но именно поэтому они не слишком подходят для оценки агрегированных прогнозов. Например, при отклонении прогноза от фактического объема продаж на 40 единиц все эти показатели придадут одинаковое значение погрешности независимо от того, чему равен месячный спрос – 40 единицам или 4 тыс. единиц. Между тем в первом случае прогноз ошибочен на 100 %, во втором – только па 1 %. Первый прогноз очень плох, второй, наоборот, весьма точен. Для сопоставления точности прогнозов по разным единицам хранения и рынкам с неодинаковым средним спросом принято исчислять относительную величину погрешности в процентном выражении; для этого среднюю погрешность прогноза надо разделить на среднюю величину спроса. В качестве средней погрешности для этой цели подходят как абсолютная средняя, представленная в столбце (5), так и средняя квадратическая, представленная в столбце (6) табл. 9.4. Как явствует из табл. 9.4, относительная величина средней квадратической погрешности (22,0 %) существенно превышает относительную величину простой средней по­грешности прогноза (3,3 %). Это объясняется тем, что средняя квадратическая придает большее значение крупным погрешностям, нежели мелким. Оба этих показателя пригодны для сравнения прогнозов, но предпочтительнее использовать среднюю квадратическую, ибо она облегчает выявление «проблемных» прогнозов. В действительности выбор способа оценки точности должен определяться решаемой задачей. Правильная постановка задачи включает в себя выбор адекватного метода оценки точности.

Уровень оценки. Вторая задача заключается в выборе уровня оцен­ки, или агрегирования. Имея все данные прогнозов по отдельным еди­ницам хранения, погрешность прогноза можно вычислять для сочетаний «единица хранения – распределительный центр», для групп единиц хранения или распределительных центров либо для национального рынка в целом. В общем случае чем выше уровень агрегирования, тем меньше относительная величина погрешности прогноза.

При выборе уровня агрегирования прогноза следует учитывать два соображения. Во–первых, чем ниже этот уровень, тем легче выявлять проблемы и преодолевать ошибки, совершенствуя прогнозирования. Во–вторых, чем менее агрегирован прогноз (и соответственно, чем более детальным может быть анализ погрешностей), тем больше требуется вычислений и исходных данных, поскольку у типичной фирмы число комбинаций «единица хранения – распределительный центр» обычно очень велико. Впрочем, в условиях широкой доступности дешевой компьютерной и вычислительной техники, а также изощренных средств обработки информации последнее соображение становится все менее существенным.

При обсуждении современных методов прогнозирования мы уже говорили, что важнейшая задача состоит в отслеживании и выявлении погрешностей прогнозов. Для обеспечения достоверности прогнозов в долговременной перспективе нужно четко определить подходящий уровень (уровни) оценки их точности и регулярно проводить «работу над ошибками».

Обратная связь. Третий этап в обеспечении точности прогнозов предполагает создание механизма обратной связи, помогающего совершенствовать процесс прогнозирования. Для этого нужно, чтобы служащие были заинтересованы в выявлении проблем и в поиске путей совершенствования и чтобы они хорошо представляли себе, какое вознаграждение их за это ждет. При наличии должной мотивации про­гнозисты в состоянии выявить главные источники ошибок и разработать способы, позволяющие: их избегать. В некоторых случаях развитие методов прогнозирования, примером чему может служить упомянутая выше концепция фокусировки, дает поразительное повышение точности прогнозов. В других случаях удается существенно снизить ошибочность прогнозов за счет улучшения обмена информацией, относящейся, в частности, к таким маркетинговым мероприятиям, как изменение цен, внедрение новой упаковки или стимулирование продаж. В любом случае при оценке качества прогнозирования важно отдавать себе отчет в том, что прогноз в принципе не может быть абсолютно точным, а значит, и связанные с этим ожидания не должны быть чересчур завышенными.

С помощью прогнозов компании устанавливают для себя общие количественные цели, служащие рабочими ориентирами для всей ло­гистической системы. Эти цели определяют, «что, где и когда» делать в сфере логистики. Важная задача состоит в том, чтобы собирать как можно больше информации, анализировать ее и своевременно строить на ее основе прогнозы с желательной степенью точности. Поскольку операции по сбору и обработке информации становятся все более дешевыми, руководители фирм просто обязаны оценивать качество используемых прогнозов. Совершенствование процесса прогнозирования в результате более полного обмена информацией, повышения качества анализа или накопления опыта ведет к оптимизации уровня запасов.