Bias в прогнозировании

Почему точность — это ещё не всё

В мире управления цепями поставок принято гоняться за метриками точности. Forecast Accuracy (FA), WAPE, MAPE — эти аббревиатуры у всех на слуху. Но есть одна проблема: высокая точность ещё не гарантирует эффективное управление запасами.

Почему? Потому что точность — это модуль ошибки. Она говорит «насколько мы ошиблись», но молчит про «в какую сторону». А направление ошибки — это либо деньги, замороженные на складах, либо упущенная выручка из-за пустых полок.

Этот параметр называется Bias (систематическое смещение прогноза). И именно он — главный индикатор того, что ваш процесс прогнозирования болен, даже если отчёт по FA выглядит благополучно.

В нашей методологии Bias — не просто строка в дашборде. Это объект управления, мониторинга и еженедельной корректировки. Разберёмся, почему.

Подробнее про WAPE

Подробнее про MAPE

Что такое BIAS и как он убивает экономику

Формула проста и жестка:

BIAS = ∑(Прогноз – Факт) / ∑Факт

Никаких модулей, никаких сглаживаний. Чистое направленное отклонение.

И здесь открывается два сценария, каждый из которых тянет за собой конкретные финансовые последствия:

Обратите внимание: нулевой BIAS — это не цель. Это идеальный случай, который в реальности недостижим. Цель — контролируемый BIAS в узком коридоре, где его влияние на запасы и сервис находится в приемлемых границах.

В нашей методологии целевым ориентиром является приближение BIAS к значениям, соответствующим 10% ошибки по MAPE. Это означает, что систематическое смещение не должно доминировать над случайной составляющей ошибки.

Подробнее про MAPE

Как расчиать BIAS

Пример с расчётом BIAS

Шаг 1. Соберите данные

Вам понадобятся:

• Прогноз 

• Факт 

Шаг 2. Исключите аномалии (опционально, но важно)

Исключаем недели с:

• Дефицитом ≥1 дня

• Внеплановыми факторами (не были известны на момент прогноза)

• Праздничными периодами (для динамики)

Шаг 3. Рассчитайте отклонение по каждой строке

Отклонение = Прогноз – Факт

Шаг 4. Суммируйте по периоду

∑(Прогноз – Факт)
∑Факт

Шаг 5. Рассчитайте BIAS

BIAS = ∑Отклонений / ∑Фактов

Пример с расчётом BIAS

Почему BIAS — это не про статистику, а про процесс

Главная ошибка многих команд — пытаться исправить BIAS настройкой коэффициентов модели. Это работает только в одном случае: если смещение стабильно во времени и по всем товарам.

Но на практике BIAS почти всегда имеет корни в процессах:

1. Плановые vs внеплановые факторы
   В нашей методологии мы жестко разделяем факторы спроса на те, что были известны на момент среза прогноза, и те, что появились постфактум. Если BIAS возникает в зоне плановых факторов — это претензия к модели или входящим данным. Если BIAS вызван внеплановыми событиями — это исключается из оценки, но становится зоной ответственности риск-менеджмента.

2. Гранулярность оценки
   Мы считаем BIAS на уровне Магазин–Товар–Неделя, с лагом среза прогноза +1 день. Это позволяет отделить шум от сигнала и увидеть, где именно накапливается смещение: в конкретной категории, в конкретном регионе или в конкретном поставщике.

3. Исключение аномалий
   Праздничные и аномальные недели выводятся из расчёта динамических трендов. Это позволяет не штрафовать команду за события, которые невозможно предсказать, и фокусироваться на системных итеративных улучшениях.

Две частоты контроля: неделя и месяц

В нашей методологии BIAS контролируется на двух горизонтах, каждый из которых решает свою задачу.

Еженедельно — оперативная диагностика

• Запуск: четверг после отчётной недели

• Срок анализа: 3 рабочих дня

• Критерий проблемной категории:

  • максимальный вклад в денежную ошибку по направлению

  • или рост OOS/списаний из-за недопрогноза/перепрогноза

Если на недельном срезе BIAS уходит в красную зону — это триггер для немедленной корректировки факторов, а не для пересмотра модели.

Ежемесячно — стратегический контроль

• Оценка: первый понедельник месяца

• Анализ: 5 рабочих дней

• Агрегация: Магазин–Товар–Месяц с пересчётом через суммарную ошибку

Здесь мы смотрим не только средний BIAS, но и его разброс. Рост дисперсии BIAS при стабильном среднем — это сигнал, что модель начинает работать нестабильно, и нужна настройка гиперпараметров или пересмотр состава факторов.

Как мы работаем с BIAS на практике

У нас нет иллюзий, что BIAS можно "обнулить". Мы работаем по принципу управляемого отклонения:

1. Фиксация среза — прогноз сохраняется в момент +1 день от среза, чтобы учесть все плановые факторы.

2. Маркировка факторов — каждое отклонение раскладывается на плановую и внеплановую компоненту.

3. Исключение "честных" ошибок — связки с внеплановыми факторами или дефицитом ≥1 дня не участвуют в расчёте целевых метрик (но сохраняются в аналитике).

4. Расчёт агрегированного BIAS — на уровне категории и месяца, с контрольной границей, утверждаемой Директором по цепям поставок.

5. Корректирующие действия — если BIAS систематически смещён, мы меняем не коэффициент, а процесс: уточняем вводные по промо, пересматриваем эластичность по цене или корректируем цикл ввода данных.

BIAS — это не ошибка, это диагноз

BIAS — это не "плохой" или "хороший" показатель. Это диагностический инструмент, который говорит, куда именно утекает эффективность вашего прогноза.

• Если FA высокая, но BIAS стабильно положительный — вы переплачиваете за хранение.

• Если FA высокая, но BIAS стабильно отрицательный — вы теряете продажи.

• Если FA колеблется, а BIAS плывёт — у вас проблема с качеством входных данных или с процессом учёта факторов.

В нашей методологии мы сознательно вынесли BIAS в отдельный контур управления — с собственной периодичностью, целевыми значениями и механизмами реагирования. Потому что управлять можно только тем, что измеряешь. А измерять можно только то, что очищено от шума и интерпретировано в бизнес-терминах.

BIAS — это не статистическая тонкость. Это деньги. И их можно либо терять, либо контролировать.

Точных Вам прогнозов!