需求预测准确率（Forecast Accuracy）中分母是实际值好还是预测值好？

今天有一点特别，来分享一个非常细节的问题，需求预测准确率（Forecast Accuracy）到底应该怎么计算/统计更好？并且我们讨论的问题聚焦在需求预测准确率（Forecast Accuracy）中分母是实际值还是预测值这个点上。

此问题讨论的前提与假设：企业运营实践中使用MAPE（平均绝对百分比误差，Mean Absolute Percentage Error）为基础计算/统计并评价需求预测准确率（Forecast Accuracy）。

需求预测准确率（Forecast Accuracy）总体上是用来形容蒙的准不准，需求预测准确率（Forecast Accuracy）如果高（蒙的准），最终供应链受到的‘过剩’和‘短缺’的压力和挑战就相对要小。

资料来源，《DDMRP（Demand Driven Material Requirements Planning）》2016年版

笔者对需求预测准确率（Forecast Accuracy）的认知目前划分为三个阶段，见下。

阶段一，需求预测准确率（Forecast Accuracy）中MAPE分母是实际值。

如果大家去看书或者在网路上检索，需求预测准确率（Forecast Accuracy）常见算法如下，

其中，F代表预测值，A代表实际值，示例见下。

需求预测准确率（Forecast Accuracy）使用1-MAPE便于沟通，1-MAPE的最大值是100%（蒙的最准时），就像我们考试答卷子，满分是100分，让利益相关者（Stakeholders）易于理解和推行。

最开始笔者为什么认为需求预测准确率（Forecast Accuracy）中MAPE分母是实际值？笔者最一开始的理解基本上算是囫囵吞枣，人云亦云，因为所有的书上都这么写。另，有些供应链大牛也曾解释说因为我们预测的对象是实际值，而不是预测值，笔者认为也有道理。Anyway，先抄过来再说。

阶段二，需求预测准确率（Forecast Accuracy）中MAPE分母是预测值。

相应的需求预测准确率（Forecast Accuracy）公式变成这样，

其中，F代表预测值，A代表实际值。

笔者认为，既然预测值和实际值都已经已知（已经发生），那么分母是实际值还是预测值只是一个参照系的问题，无可厚非。笔者打一个比方解释一下，想象一下我们去打靶（或者掷飞镖），我们总是先吹牛说我能打多少多少环然后再开枪，最后我们再评价一下我们蒙的准不准。如下图，我们将上面示例中的数据（预测值、实际值）均缩小100倍，这样能更形象的用打靶来说明需求预测准确率（Forecast Accuracy），见下。

需求预测准确率（Forecast Accuracy）中MAPE分母是预测值说明是以预测值作为参照系，从假设和计划出发，像打靶一样，我们把预测值作为靶心，最好指哪打哪，然后我们再画个圈圈来控制偏差，圈圈之外的我们就要先去多折腾折腾，笔者认为这样更倾向于从供应端视角出发。

如果需求预测准确率（Forecast Accuracy）中MAPE分母是实际值说明是以实际值作为参照系，从结果和实际出发，就好像我们先开枪，子弹打到哪我们就以哪里为靶心，然后再画一个 圈圈来控制偏差，有点“先开枪，后瞄准”的意思，笔者认为这样更倾向于从需求端视角出发。

笔者为什么产生了变化，认为需求预测准确率（Forecast Accuracy）中MAPE分母是预测值呢？因为笔者当时认为这样对库存控制更有利。

在这唠叨一嘴，需求预测准确率（Forecast Accuracy）是相对指标。什么意思呢？见下图，大家会发现换了个算法需求预测准确率（Forecast Accuracy）就从45.1%提高到68.46%，然而这并没有什么卵用。

阶段三，需求预测准确率（Forecast Accuracy）中MAPE分母是啥不确定。

笔者为什么又产生了这样的变化？见下图，以第9周数据为例，如果需求端明明知道需求量只有100却故