Un forecast “bonito” sin métricas es opinión. Un solo MAPE global también puede ser engañoso. Lo que necesitas es un tablero de error que guíe decisiones.
Métricas básicas
Error = real − forecast (define el signo y sé consistente).
MAPE — promedio del error porcentual absoluto. Intuitivo, pero explota con reales cercanos a cero.
WAPE — suma de errores absolutos / suma de reales. Más robusto a escala y a SKUs chicos.
Sesgo (bias) — si sistemáticamente sobre o sub-pronosticas. Un MAPE “aceptable” con sesgo fuerte sigue destruyendo inventario o servicio.
Accuracy — a menudo se reporta como 1 − WAPE (o similar). Pide la definición exacta antes de comparar proveedores o equipos.
Por qué el promedio global miente
Imagina:
- SKUs A con WAPE 18%
- Long-tail con WAPE 70%
- Promedio “simple” inflado por la cola
Gerencia ve “mal forecast” y castiga el head, donde el problema era otro. Siempre corta por ABC, canal y horizonte.
Qué revisar en la práctica
- WAPE/MAPE por clase A/B/C
- Sesgo por familia y por centro
- Error en el horizonte del lead time (el que mueve la OC)
- Forecast value add: ¿el ajuste humano mejora el baseline?
Señales de acción
| Señal | Hipótesis | Acción |
|---|---|---|
| Sesgo positivo persistente | Over-forecast | Bajar baseline / revisar promos fantasma |
| Error alto solo en semanas promo | Mal modelado de eventos | Variables externas / escenarios |
| A bien, C mal | Normal en cola | No optimices C al costo de A |
| Humano empeora baseline | Gobernanza débil | Limitar overrides; medir FVA |
FAQ
¿Qué MAPE es “bueno”? Depende de industria y granularidad. Compara contra baseline ingenuo (naive) y contra tu propio histórico, no contra un número mágico de internet.
Cómo lo aborda Opticks AI
Opticks AI expone métricas de desempeño de forecast y facilita la revisión por excepciones, para que accuracy y sesgo se traduzcan en mejores parámetros de supply.
Sigue explorando
¿Quieres ver esto con tus datos? Agendar una demo