Was ist MAPE? (Plus: So berechnen Sie MAPE in 3 Schritten) • BUOM

1. Oktober 2021

MAPE = (1 / Stichprobengröße) x ∑(( |tatsächlich – Prognose| ) / |tatsächlich| ) x 100

Viele Branchen nutzen Prognosen, um zukünftige Ereignisse wie Nachfrage und potenzielle Umsätze vorherzusagen. Prognosen helfen Unternehmen dabei, Entscheidungen zu Themen wie Budgetierung, Planung und Personalressourcen zu treffen. Daher ist es wichtig, dass Prognosen korrekt sind. Um die Prognosegenauigkeit zu analysieren und zukünftige Prognosen zu verbessern, können Unternehmen Metriken wie MAPE verwenden, um tatsächliche Verkäufe genau mit prognostizierten Verkäufen zu vergleichen. In diesem Artikel definieren wir, was MAPE ist, diskutieren, warum es wichtig ist, erklären, was ein Prognosefehler ist, beschreiben, wie MAPE berechnet wird, und stellen eine Beispielberechnung bereit.

Was ist MAPE?

Der durchschnittliche absolute prozentuale Fehler (MAPE) misst die Genauigkeit der von einer Organisation verwendeten Prognosemethode. Es stellt den Durchschnitt der absoluten prozentualen Fehler jedes Datensatzes im Datensatz dar und zeigt im Durchschnitt an, wie genau die vorhergesagten Mengen im Vergleich zu den tatsächlichen Mengen waren. MAPE eignet sich häufig für die Analyse großer Datensätze, es ist jedoch nicht möglich, MAPE für Datensätze mit Nullwerten zu berechnen. Dies liegt daran, dass die Berechnung eine Division durch Null erfordern würde, was nicht möglich ist.

MAPE ist eine einfache Metrik, was bedeutet, dass MAPE 10 % die durchschnittliche Abweichung zwischen dem vorhergesagten Wert und den tatsächlichen Werten von 10 % darstellt, unabhängig davon, ob die Abweichung positiv oder negativ war. Es gibt jedoch keinen Industriestandard für ein gutes MAPE. Beispielsweise kann eine Organisation, die ihre Preise häufig ändert oder häufig Werbeaktionen anbietet, einen höheren MAPE aufweisen als eine Organisation mit konstanten Preisen. Dies liegt daran, dass Preisänderungen eine genaue Umsatzprognose erschweren können, beide Organisationen jedoch dennoch erfolgreich sein können.

Warum ist MAPE wichtig?

MAPE ist eine wichtige Kennzahl, die leicht zu interpretieren ist. Dies hängt insbesondere von den Daten ab, die Sie auswerten und die eine genaue Einschätzung der Zuverlässigkeit Ihrer Prognose ermöglichen. Basierend auf MAPE kann Ihr Unternehmen genauere Prognosen für zukünftige Projekte entwickeln, Material- und Arbeitskosten richtig anpassen und sicherstellen, dass Sie Ihre Produktion und Ihren Betrieb optimal an den Kundenanforderungen ausrichten können.

Was ist ein Prognosefehler?

Der Prognosefehler bezieht sich auf die tatsächliche Menge und darauf, wie diese von der prognostizierten Menge abweicht. Der Fehler kann größer sein als die tatsächliche Menge oder die prognostizierte Menge, aber nicht größer als beide. Hier ist die Formel zur Berechnung des Prognosefehlers:

Prognosefehler = | Fakt – Prognose |

In dieser Gleichung stellen die Spalten die Verwendung eines Absolutwerts dar, was bedeutet, dass das Ergebnis der Gleichung immer positiv ist, unabhängig davon, ob der tatsächliche Betrag tatsächlich geringer als der vorhergesagte Betrag ist. Der Prognosefehler konzentriert sich auf die Größe des Fehlers und nicht darauf, ob er positiv oder negativ ist. Zur Berechnung des MAPE ist es wichtig, den Prozentsatz des Prognosefehlers zu berechnen. Hier ist die Formel zur Berechnung des Prozentsatzes des Prognosefehlers:

Prognosefehlerprozentsatz = ((| tatsächlich – Prognose | ) / tatsächlich) x 100

Der Prozentsatz des Prognosefehlers spiegelt die Genauigkeit der Prognose am besten wider. Liegt der Prognosefehlerprozentsatz nahe oder über 100 %, bedeutet dies, dass die Prognose völlig oder sehr ungenau ist. Umgekehrt bedeutet dies, dass die Prognose korrekt ist, wenn der Prognosefehlerprozentsatz nahe bei 0 % liegt.

So berechnen Sie MAPE

Hier sind die Schritte, die Sie befolgen müssen, um MAPE zu berechnen:

1. Organisieren Sie Ihre Daten

Sammeln und organisieren Sie Ihre Daten, um die tatsächlichen und vorhergesagten Werte in Ihrem Datensatz optimal zu visualisieren. Erwägen Sie die Verwendung eines Tabellenkalkulationsprogramms, mit dem Sie Spalten für jeden Zeitraum, Ist-Werte und Prognosewerte erstellen können. Wenn Sie die einzelnen Werte nebeneinander platzieren, können Sie Informationen einfacher vergleichen und Berechnungen durchführen.

2. Berechnen Sie den absoluten prozentualen Fehler

Berechnen Sie nach dem Organisieren der Daten den absoluten prozentualen Fehler des tatsächlichen Betrags im Vergleich zum vorhergesagten Betrag für jeden Dateneintrag. Wiederholen Sie dies für jede Zeile in Ihrem Datensatz. Hier ist eine Formel, die Sie verwenden können:

Absoluter Fehler in Prozent = (( | tatsächlich – Prognose | ) / | tatsächlich | ) x 100

Die Spalten in der Gleichung stellen die Bestimmung des Absolutwerts der Differenz zwischen dem tatsächlichen Betrag und dem vorhergesagten Betrag dar. Absoluter Wert bedeutet, dass der positive Wert einer Zahl unabhängig vom Ergebnis der Berechnung verwendet wird. Er wird für MAPE verwendet, weil es darum geht, wie signifikant der Unterschied ist, und nicht darum, ob er positiv oder negativ ist. Wenn beispielsweise die tatsächlich verkaufte Menge 54 und die prognostizierte Menge 65 beträgt, beträgt die Differenz -11. Bei einem absoluten Wert würden Sie jedoch 11 verwenden, um die Berechnung mit einem absoluten prozentualen Fehler von 20,37 % abzuschließen.

3. Berechnen Sie MAPE

Sobald Sie den absoluten prozentualen Fehler für jeden Datensatz haben, können Sie MAPE berechnen. Addieren Sie alle absoluten Fehlerprozentsätze und dividieren Sie dann die Gesamtsumme durch die Anzahl der Fehler. Wenn Ihr Datensatz beispielsweise 12 Datensätze enthält, würden Sie die Summe durch 12 teilen. Das Endergebnis ist MAPE.

Beispiel für eine MAPE-Berechnung

Hier ist ein Beispiel für die MAPE-Berechnung:

Die Edwards High School möchte den MAPE ihrer Jahrbuchbestellungen für das vorangegangene Schuljahr berechnen. Sie gingen davon aus, 400 Jahrbücher zu verkaufen, verkauften aber nur 386. Mithilfe der folgenden Tabelle organisieren sie die tatsächliche Anzahl der pro Monat bestellten Jahrbücher, die prognostizierte Anzahl der pro Monat bestellten Jahrbücher und den absoluten prozentualen Fehler bei den Jahrbuchbestellungen für jeden Monat:

Monat Tatsächliche Prognose Absoluter Fehler in Prozent 17., 20. August 17,65 % 23., 25. September 8,70 % 35., 30. Oktober 14,29 % 28., 30. November 7,14 % 23. 25. Dezember, 8,70 % 18. 20. Januar, 11,11 % 22. 25. Februar 13,64 % 45. März 50 11,11 % April 66 75 % Mai 96 100 4,17 %

Zur Bestimmung des MAPE wird die Höhe des absoluten prozentualen Fehlers für jeden Monat ermittelt. Wenn sie einen Gesamtwert von 100,18 erreichen, teilen sie diese Zahl durch neun Monate des Schuljahres. Daraus ergibt sich ein MAPE von 11,13 %.*