知识点
需求预测的两个核心评估指标：平均绝对百分比误差（MAPE, Mean Absolute Percentage Error）和预测偏差率（Forecast Bias）。


概念解读


· 平均绝对百分比误差（MAPE） = 平均(|实际-预测|/实际)。它告诉你“预测平均错多少”。MAPE越小越好。行业经验：MAPE低于20%算良好，低于10%算优秀。
· 预测偏差率（Forecast Bias） = (Σ预测-Σ实际)/Σ实际。正偏差是过度预测，负偏差是预测不足。Bias告诉你“偏好往哪边错”。过度预测导致库存积压，预测不足导致缺货。哪个更痛？取决于你的产品利润率和缺货成本。


详细案例
一家快消品企业，主营饮料。


· 背景：该公司长期使用销售人员的“经验预测”，MAPE高达35%。这意味着每三个月的预测里，有一个月基本上是废的。
· 问题：我们分析了过去两年的预测数据，发现Bias是+18%——持续过度预测。原因是销售团队担心缺货影响业绩，每人都在自己的数字上乘了一个“安全系数”，层层加码，最后采购下单量比实际需求高出近20%。结果就是，仓库里堆满了临期饮料，每年报废损失约800万元。
· 动作：①引入统计预测模型（指数平滑+季节性分解）；②建立销售与运营计划（S&OP）流程，销售、市场、供应链一起评审预测，取消层层加码；③设定预测准确度考核，不再只考核销量达成率。
· 结果：12个月后，MAPE从35%降到18%，Bias从+18%降到+3%。库存报废损失从800万降到200万。


应用
请选一个SKU或一个产品族，计算上个月的平均绝对百分比误差（MAPE）。如果MAPE超过30%，建议立即启动预测改善项目。