Обновление статьи от 04.07.2019г.
В статье приводится сравнение алгоритмов прогнозирования для решения задачи управления товарными запасами с использованием ошибки прогнозирования RMSE. На текущий момент мы не рекомендуем пользоваться этим методом. Несмотря на то, что он отражает превосходство алгоритмов используемых в Forecast NOW!, более объективным в рамках бизнеса будет сравнение потерь компании в деньгах при использовании того или иного метода. Подробнее об этом читайте в статье Почему мы не считаем MAPE, RMSE и другие математические ошибки при прогнозировании спроса
Альтернативные методы прогнозирования спроса, как построить прогноз с их помощью, а также их сравнение с Forecast NOW!
Рассмотрены следующие методы прогнозирования спроса (для просмотра кликнете по ссылке):
- Метод экспоненциального сглаживания
- Авторегрессия
- Простая скользящая средняя
- Метод Хольта-Винтерса
Следующим будет рассмотрена взвешенная скользящая средняя, а затем модель ARIMA.
Если вы хотите увидеть сравнение с конкретным алгоритмом, напишите нам, и в ближайшее время мы его проведем и выложим здесь.
Как выглядит сравнение?
В таблице ниже вы видите значение ошибки прогноза для каждого товара. Ошибка здесь считалась как RMSE. Это корень из среднеквадратичного отклонения прогноза от реальности. Грубо говоря, показывает, на сколько единиц товара мы отклонились в прогнозе. Улучшение показывает, на сколько процентов прогноз Forecast NOW! лучше, если цифра положительная, и хуже, если отрицательная. На рисунке по оси X отложены товары, по оси Y указано насколько прогноз Forecast NOW! лучше, чем прогнозирование методом экспоненциального сглаживания. Как можно видеть из этого графика, точность прогнозирования Forecast NOW! почти всегда в два раза выше и почти никогда не хуже. На деле это означает, что использование Forecast NOW! позволит в два раза сократить запасы или снизить дефицит.
