Open Lesson — Why Your Forecast Accuracy Doesn’t Matter

Провокация для demand planners

Почему «точность прогноза» часто не имеет значения

Если у вас хороший MAPE, но при этом растёт stock, падает service, и бизнес всё равно ругается — проблема не в прогнозе как числе. Проблема в том, что прогноз не встроен в систему принятия решений.

Идея урока: «Forecast accuracy» — не цель. Цель — управлять риском и стоимостью ошибки по сегментам.

Что вы получите за 10 минут

Поймёте, почему MAPE «красивый», но бесполезный без контекста.
Увидите, как Bias и Cost of Error ломают картину.
Сделаете мини-диагностику зрелости процесса.
Заберёте Excel-шаблон для расчёта WMAPE/Bias и «стоимости ошибки».

В конце урока: что именно мы строим в курсе — не прогноз, а систему решений (governance + KPI + сегментация + действия).

1) Миф: «MAPE — главный KPI»

MAPE одинаково «наказывает» ошибки на SKU с разным объёмом, маржой и риском OOS. В итоге можно улучшить MAPE и одновременно ухудшить бизнес-результат.

Что показывает	Что скрывает
MAPE: средняя %-ошибка	объём/ценность, промо-волатильность, нули, долгий хвост
WMAPE: ошибка с весом объёма	маржу и реальную «стоимость ошибки»
Bias: систематическое завышение/занижение	показывает, почему stock растёт даже при «нормальном» MAPE

2) Настоящий вопрос: «Сколько стоит ваша ошибка?»

Одинаковая %-ошибка может привести либо к копеечному излишку, либо к потере продаж, штрафам и деградации сервиса. Поэтому accuracy без «цены ошибки» — это KPI без смысла.

Правило: сравнивайте прогноз не в процентах, а в деньгах/сервисе и по сегментам (ABC-XYZ, промо/база, short-life, NPI).

Over-forecast → excess, списания, markdown, cash-freeze.
Under-forecast → OOS, потеря продаж, drop в OTIF/Service.
Bias → хронический перекос, который «нормальная точность» не ловит.

3) Интерактив: «Accuracy vs Reality»

Введите условные данные — и посмотрите, почему один и тот же accuracy может означать разные бизнес-последствия.

Прогноз (Forecast), шт.

Факт (Actual), шт.

Цена/маржа за единицу, €

Стоимость excess (markdown/holding), €/ед.

—

MAPE (упрощ.)

—

Bias (F−A)

—

Оценка цены ошибки

Смысловая шкала «качество решения»

—

4) Мини-диагностика зрелости

Ответьте на 6 вопросов. Это покажет, почему «точность» не превращается в деньги.

1) У вас есть сегментация SKU для разных правил прогнозирования?

2) Вы меряете Bias (систематическую ошибку) по сегментам?

3) KPI привязан к бизнес-стоимости ошибки (€, service, OTIF)?

4) Есть governance: кто и когда может менять forecast?

5) Вы делаете post-analysis: почему ошиблись и что поменяли в модели/процессе?

6) Есть «каталог действий»: что делаем при under/over по сегменту?

Заполните ответы и нажмите «Посчитать уровень».

Глоссарий (коротко)

Термин	Объяснение
MAPE	Средняя абсолютная %-ошибка (часто искажает картину на long tail/нулях).
WMAPE	Ошибка с весом объёма: лучше отражает «важные» SKU.
Bias	Систематическое завышение/занижение прогноза (ключ к excess/OOS).
Cost of Error	Перевод ошибки прогноза в деньги/сервис: то, что бизнес реально чувствует.
Governance	Правила и роли: кто имеет право менять forecast, когда и на основании чего.

Практика (2 минуты)

Возьмите один «проблемный» SKU и ответьте письменно:

Где у него стоимость under выше, чем over (или наоборот)?
Какой у него сегмент (ABC-XYZ / промо / short-life / NPI)?
Какое действие вы предпримете при under/over?

Подсказка: хороший demand planning — это не «предсказал», а «управляю последствиями ошибки».

Квиз (проверка понимания)

Ответьте на вопросы и нажмите «Проверить ответы».

Provocation for demand planners

Why “Forecast Accuracy” Often Doesn’t Matter

If your MAPE looks great but inventory grows, service drops, and the business still complains — the problem isn’t the number. The problem is that forecasting isn’t embedded into a decision-making system.

Core idea: Forecast accuracy is not the goal. The goal is to manage risk and the cost of error by segment.

What you’ll get in 10 minutes

Why MAPE can be “pretty” and still misleading.
How Bias and Cost of Error change the story.
A quick maturity self-check.
An Excel template to calculate WMAPE/Bias and error cost.

At the end: what the course builds — not a forecast, but a decision system (governance + KPI + segmentation + actions).

1) Myth: “MAPE is the main KPI”

MAPE penalizes errors equally across SKUs with very different volume, value, and OOS risk. You can improve MAPE while making business outcomes worse.

What it shows	What it hides
MAPE: average % error	value/volume, promo volatility, zeros, long tail
WMAPE: volume-weighted error	margin and true “cost of error”
Bias: systematic over/under	why inventory grows even with “okay” accuracy

2) The real question: “What does your error cost?”

The same % error can be a small overstock — or major lost sales, penalties, and service degradation. Accuracy without error cost is a KPI without meaning.

Rule: compare forecasts not in %, but in money/service and by segments (ABC-XYZ, promo/base, short-life, NPI).

Over-forecast → excess, write-offs, markdown, cash freeze.
Under-forecast → OOS, lost sales, OTIF/Service drop.
Bias → chronic skew that “accuracy” often misses.

3) Interactive: “Accuracy vs Reality”

Enter sample values — and see why the same “accuracy” can mean very different business impact.

Forecast, units

Actual, units

Unit margin/value, €

Excess cost (holding/markdown), €/unit

—

MAPE (simpl.)

—

Bias (F−A)

—

Estimated error cost

“Decision quality” scale

—

4) Quick maturity self-check

Answer 6 questions to see why “accuracy” doesn’t translate into value.

1) Do you segment SKUs for different forecasting rules?

2) Do you track Bias by segments?

3) Are KPIs tied to business cost (€, service, OTIF)?

4) Do you have governance: who can change forecast and when?

5) Do you run post-analysis and improve model/process?

6) Do you have an “action playbook” for under/over by segment?

Fill answers and click “Calculate level”.

Glossary (quick)

Term	Meaning
MAPE	Average absolute % error (often distorted by zeros/long tail).
WMAPE	Volume-weighted error: better reflects high-impact SKUs.
Bias	Systematic over/under forecast (key driver of excess/OOS).
Cost of Error	Translate error into money/service — what business actually feels.
Governance	Rules & roles: who can change forecast, when, and based on what.

Practice (2 minutes)

Pick one “problem” SKU and write:

Where is under cost higher than over (or vice-versa)?
What is its segment (ABC-XYZ / promo / short-life / NPI)?
What action would you take for under/over?

Hint: great demand planning is not “predicting”, it’s “managing consequences of error”.

Quiz (check your understanding)

Answer questions and click “Check answers”.