Прогнозування у виробництві: які метрики варто використовувати?

Уявіть, що у вас на виробництві є ретельно розраховані прогнози, які визначають подальші кроки вашого бізнесу. Проте залишається важливе питання: як оцінити їх правильність і на що звертати увагу при аналізі результатів? У цій статті ми детально розглянемо різні концепції прогнозування та їх вплив на оцінку точності прогнозів. Дослідимо, як ці концепції можуть покращити ефективність вашого бізнесу та забезпечити більш точне управління ланцюгом постачань.

Типи прогнозування та їхні особливості

На малюнку представлені різні типи прогнозування. Першим розглянемо точний та незміщений прогноз. Це класичне відображення точності (метрик прогнозу), коли ми маємо ціль, а навколо неї розташовані точки, що нагадують попадання в ціль. Такий прогноз є точним і незміщеним, а його точки дуже близько розташовані до цілі, схожі на влучання в яблучко. Іншими словами, прогноз є точним та добре адаптованим. Це є ідеальним варіантом, оскільки дозволяє максимально точно планувати ресурси та приймати управлінські рішення.

Коли прогноз є точним, але зміщеним, важливо звернути увагу на групу попадань, яка, хоч і достатньо щільна, але зміщена відносно цілі. Для чого слід враховувати інформацію про зміщення? Це дає розуміння того, що загалом прогноз є точним, але потребує корекції. Така ситуація може виникати через систематичні помилки в моделях або даних, які використовуються для прогнозування. Корекція зміщення допомагає налаштувати прогноз для більш точного відображення реальної ситуації.

У випадку, коли прогноз одночасно зміщений і неточний, це свідчить про те, що ми не тільки маємо проблему з прогнозуванням, але і, можливо, з певних причин постійно переоцінюємо або недооцінюємо його. Іншими словами, ми стикаємося із двома проблемами. Вирішення такої ситуації потребує глибшого аналізу та перегляду всієї методології прогнозування, щоб виявити та усунути причини неточностей і зміщення.

Ще прогноз може бути неточним (тобто ми точно не вгадуємо), але при цьому він не є зміщеним. Тобто хоча ми і не досягаємо цілі, але наші прогнози у певний період часу співпадають із фактичними значеннями. Це може свідчити про випадкові помилки або непередбачувані фактори, які впливають на результат. У таких випадках важливо визначити та мінімізувати вплив цих факторів для покращення точності прогнозування.

Розуміння цих типів прогнозів допомагає виробити більш гнучкі та адаптивні підходи до планування, що в кінцевому підсумку призводить до підвищення ефективності всього бізнесу.

Розглядаючи графік, можна зробити висновок, що в окремих випадках потрібно працювати над підвищенням точності прогнозів, а в інших — зрозуміти, що точність прийнятна, але існує тенденція до систематичної недооцінки або переоцінки прогнозів. Це особливо характерно для відділів продажів чи маркетингу, які з різних причин можуть мати оптимістичний підхід до оцінки, додаючи до прогнозу додатковий резерв у розмірі +10-15%. Такий підхід може призвести до невідповідностей між прогнозами і реальними показниками, що вимагає ретельного аналізу та корекції.

Наступний графік відображає точність прогнозування та темпи продажів

На графіку синя лінія (Demand) представляє фактичні продажі, а сіра лінія (Forecast 2) відображає точність прогнозів, переважно рухаючись нижче або дуже близько до синьої. Це показує точність прогнозування на рівні 84%, але зі зміщенням -12%. Таким чином, в середньому ми постійно недооцінюємо фактичні продажі на 12%. Це може бути викликано артефактами або, наприклад, стратегією менеджера, який прагне легшого досягнення KPI, занижуючи прогноз.

Розглянемо помаранчеву лінію (Forecast 1): Її зміщення складає -1%, що означає, що середня помаранчева лінія практично збігається з середньою синьою. Проте фактичні точки на цій помаранчевій лінії значно відхиляються. На графіку вона представлена сірою лінією, яка є точною з показником точності 84%, але зміщена на 12%. З іншого боку, помаранчева лінія не зміщена і розташована навколо центру, але її точність значно розкидана.

Метрики точності

У контексті метрик розглянемо наступні абревіатури: МАЕ – середня абсолютна похибка; МАРЕ – середня абсолютна похибка відсотків; WMAE – зважена середня абсолютна похибка. 

МАРЕ (Mean Absolute Percentage Error) – в практиці існують компанії, які використовують лише цю метрику, що не завжди є оптимальним. Поставивши аналітикам KPI на основі МАРЕ, йому відносно легше досягти цієї мети порівняно з іншими. Також існує тенденція до того, що якщо трошки занижувати прогноз, зробити його консервативнішим, ніж в реальності, то показники МАРЕ можуть виглядати краще. Іншими словами, якщо аналітик має мотивацію досягнути високої точності за цією метрикою, він може оптимізувати свій прогноз, але це не завжди призводить до загального покращення для компанії.

МАЕ (середня абсолютна похибка) та BIAS (зміщення) – використання цих метрик є галузевим стандартом, коли фахівці оцінюють як похибку, так і зміщення в даний момент. МАЕ дозволяє вимірювати середнє відхилення фактичних значень від прогнозованих, надаючи ясне уявлення про точність прогнозу. BIAS, у свою чергу, виявляє систематичні помилки, показуючи, чи мають прогнози тенденцію до переоцінки або недооцінки.

Найкращою практикою на сьогодні є враховувати зміщення та зважену середню абсолютну похибку (WMAE), оскільки ці показники забезпечують більш точну оцінку ефективності прогнозування. Зважена середня абсолютна похибка враховує важливість кожного елемента, надаючи більш релевантну інформацію про точність прогнозу для різних категорій товарів або послуг.

Використання МАЕ, BIAS та WMAE разом дозволяє отримати більш комплексне уявлення про якість прогнозів, що дає змогу краще адаптувати стратегії управління запасами та забезпечити безперебійність ланцюга постачань. Застосування цих метрик допомагає виявляти і усувати потенційні проблеми, покращуючи тим самим ефективність та надійність процесів прогнозування у виробництві.

Перегляньте наш вебінар на тему: Прогнозування, які нові можливості відкриваються для виробників?