Odborná definícia
Význam a odborné vymedzenie pojmu
Presnosť prognózy vyjadruje mieru zhody medzi predpovedanými a skutočne pozorovanými hodnotami podľa vopred zvolenej chybovej metriky a horizontu. Používajú sa napríklad MAE, RMSE, MAPE alebo WAPE, pričom každá zvýrazňuje iný typ odchýlky. Presnosť sa musí vyhodnocovať mimo dát použitých na tvorbu modelu a voči relevantnej základnej prognóze. Bez uvedenia metriky, agregácie, obdobia a neistoty nemá číslo jednoznačný význam.
Praktické vysvetlenie
Ako sa pojem používa v praxi
Ak firma predpovedala predaj 1 000 kusov a predala 900, odchýlka je 100 kusov, no spôsob jej hodnotenia závisí od metriky. Rovnaká absolútna chyba má iný význam pri produkte s predajom 100 a pri produkte s predajom 100 000. Presnosť sa sleduje podľa produktov, období a horizontov, aby firma vedela plánovať zásoby, kapacity a rozpočet. Dobré hodnotenie porovná model aj s jednoduchým pravidlom, napríklad s hodnotou minulého obdobia. Typickou chybou je používať MAPE pri nulových alebo veľmi nízkych skutočných hodnotách, kde percentuálna chyba exploduje. Samotný priemer navyše môže zakryť systematické nadhodnocovanie prognóz. Report má vedľa jednej hodnoty ukázať rozdelenie chýb, smer systematickej odchýlky a výsledok jednoduchej porovnávacej metódy. Plánovač zásob potom rozozná model, ktorý je priemerne presný, ale opakovane podhodnocuje sezónne špičky.
Časté otázky
Otázky, ktoré spresňujú význam
Prečo malá chyba na historických dátach nezaručuje presnú prognózu?
Model sa mohol prispôsobiť aj náhodným zvláštnostiam minulosti. Hodnoťte predpovede na neskorších dátach, ktoré pri tvorbe neboli dostupné. Zachovajte aj rovnaký horizont, aký potrebuje skutočné rozhodnutie.
Kedy MAPE nie je vhodnou mierou chyby?
Pri nulových skutočných hodnotách nie je bežný percentuálny výpočet definovaný a pri veľmi malých hodnotách môže byť nestabilný. Zvážte inú metriku podľa účelu. Nuly neskrývajte iba preto, aby report vyzeral lepšie.
Ako sa líši pohľad cez MAE a RMSE?
MAE sumarizuje absolútne odchýlky, RMSE viac zvýrazní veľké chyby vďaka umocneniu pred spriemerovaním. Výber má zodpovedať dôsledku omylov. Dva modely preto môžu mať odlišné poradie podľa použitej metriky.
Prečo kontrolovať chybu aj po produktoch a obdobiach?
Dobrý súhrn môže zakryť slabé výsledky v dôležitej skupine alebo sezóne. Kladné a záporné odchýlky sa môžu v agregácii rušiť. Overte úroveň, na ktorej sa plánujú zásoby, kapacita alebo rozpočet.
Ako zistiť, či zložitejší model prináša praktický úžitok?
Porovnajte ho s primeranou jednoduchou prognózou na rovnakých prípadoch a horizonte. Zohľadnite veľkosť zlepšenia, stabilitu a náklady údržby. Malý rozdiel v priemernej chybe nemusí zmeniť rozhodnutie ani odôvodniť vyššiu zložitosť.
Súvisiace marketingové pojmy
Významové a tematické súvislosti
Pojem v širšom systéme
Odborné články, ktoré ukazujú použitie v rozhodovaní
Zdroje a redakčná stopa
Použité východiská a odborná revízia
Definícia je autorská odborná syntéza. Pri platformových metrikách, právnych otázkach a rozhodnutiach má prednosť aktuálny primárny zdroj a posúdenie konkrétneho kontextu.