WAPE — взвешенная абсолютная ошибка

WAPE — взвешенная абсолютная процентная ошибка используется для:

• Оценки точности прогноза с учётом масштаба продаж;

• Анализа качества прогнозирования для товаров с разным объёмом спроса;

• Сравнения точности прогнозов между магазинами, товарами и периодами;

• Расчёта экономического эффекта от повышения точности прогноза.

В этой статье мы разберём, что такое WAPE, как он устроен, и как рассчитать этот показатель в Excel на реальном примере.

Что такое WAPE?

WAPE (Weighted Absolute Percentage Error) — это взвешенная абсолютная процентная ошибка. Она показывает, какую долю от общего объёма продаж составляет ошибка прогноза.

Формула расчёта WAPE выглядит так:

Результат WAPE — это дробь или процент. Чем меньше значение WAPE, тем точнее прогноз. Часто используют показатель точности:

Точность=1−WAPE

Зачем нужен WAPE?

WAPE даёт ответ на практический вопрос: «На сколько процентов от общего объёма продаж мы ошиблись в прогнозе?»

Это особенно полезно, когда:

• Разные товары имеют сильно разный объём продаж. Ошибка по редкому товару не должна влиять на оценку так же сильно, как ошибка по товару-лидеру.

• Вы хотите оценить прогноз в деньгах. WAPE можно считать не только в единицах товара, но и в денежном выражении — тогда вы увидите долю потерь или излишних запасов в рублях.

• Нужна единая метрика для портфеля товаров или сети магазинов/складов. WAPE агрегирует ошибки по всем позициям, давая общую картину.

Расчёт WAPE

Файл с примером расчета WAPE

Шаг 1. Исходные данные

Шаг 2. Расчёт ошибок

Для каждой строки рассчитываются две колонки:

• Ошибка = Прогноз − Факт 

• Ошибка по модулю = |Прогноз − Факт| 

Шаг 3. Агрегация данных по всем периодам

Следующий шаг — суммирование всех значений:

• Сумма прогнозов: ∑ Прогноз = 12 + 3 + 22 + ... + 58 = 563

• Сумма фактов: ∑ Факт = 20 + 2 + 15 + ... + 44 = 543

• Сумма ошибок (со знаком): ∑(Прогноз − Факт) = 20

• Сумма ошибок по модулю: ∑|Прогноз − Факт| = 170

Шаг 4. Расчёт WAPE

$\text{З}$

Теперь рассчитываем WAPE:

WAPE=130/563≈0,231

Это означает, что средневзвешенная ошибка прогноза составляет примерно 23,1% от максимальной из двух сумм (прогноза или факта).

Шаг 5. Расчёт точности прогноза

Показатель точности (FA — Forecast Accuracy) рассчитывается как:

$FA=1-WAPE=1-0,231=0,769=76,9\%$

То есть ваш прогноз точен на 76,9%.

Файл с примером расчета WAPE

Как оценить экономический эффект от повышения точности прогноза с помощью WAPE

WAPE — это не просто статистический показатель. Это инструмент, который позволяет перевести качество прогнозирования в деньги. Рассмотрим, как это работает.

1. Связь WAPE с финансовыми потерями

Предположим, что общий объём продаж за период составил 100 миллионов рублей, а WAPE равен 23,1%. Это означает, что ошибка прогноза эквивалентна примерно 23,1 миллиона рублей от общего оборота.

Но что стоит за этой ошибкой?

• Избыточные запасы (когда прогноз завышен) — это замороженные деньги на складе, затраты на хранение и риск списания.

• Дефицит (когда прогноз занижен) — это упущенная выручка и недовольные клиенты.

WAPE не различает эти два типа ошибок, но в паре с BIAS он даёт полную картину. В нашем примере BIAS положительный (+3,7%), то есть прогноз в основном завышен. Это сигнал о том, что компания держит излишний запас, который можно сократить.

2. Как рассчитать потенциальный эффект от улучшения WAPE

Допустим, вы внедрили новую модель прогнозирования и хотите оценить её эффект. Рассмотрим простой сценарий:

Исходные данные:

• Годовой оборот: 1 000 000 000 ₽

• Текущая точность (FA): 76,9% (WAPE = 23,1%)

• Целевая точность: 85% (WAPE = 15%)

Расчёт эффекта:

• Снижение WAPE: 23,1% − 15% = 8,1 процентного пункта

• Снижение ошибки в деньгах: 1 000 000 000 ₽ × 8,1% = 81 000 000 ₽

Это 81 миллион рублей потенциальной экономии или дополнительной прибыли за счёт более точного прогноза.

3. Два направления эффекта

Снижение избыточных запасов (при положительном BIAS):

• Освобождение оборотного капитала

• Снижение затрат на хранение и логистику

• Уменьшение риска списаний и уценки

Сокращение дефицита (при отрицательном BIAS):

• Рост выручки за счёт дополнительных продаж

• Повышение лояльности клиентов

• Улучшение репутации на рынке

4. Пример из практики

Сеть гипермаркетов внедрила Novo Forecast для прогнозирования спроса. До внедрения WAPE по всей сети составлял 28% (точность 72%). Через 6 месяцев использования платформы с машинным обучением и учётом факторов спроса WAPE снизился до 19% (точность 81%).

Экономический эффект для сети с оборотом 5 миллиардов рублей в год:

• Снижение WAPE: 28% − 19% = 9 процентных пунктов

• Экономия: 5 000 000 000 × 9% = 450 000 000 ₽

Из них:

• 250 млн ₽ — высвобождение средств из избыточных запасов

• 200 млн ₽ — дополнительная выручка за счёт снижения дефицита

5. Как применить этот подход к вашим данным

Чтобы оценить экономический эффект для вашего бизнеса:

1. Определите оборот за анализируемый период в денежном выражении.

2. Рассчитайте текущий WAPE по формуле из примера выше.

3. Задайте целевой WAPE — например, на основе лучших практик или бенчмарков. Для FMCG-ритейла хорошим результатом считается точность 80–85%.

4. Умножьте разницу в WAPE на оборот — получите потенциальный финансовый эффект.

Этот расчёт можно делать как для всего бизнеса, так и для отдельных категорий товаров, магазинов или регионов, чтобы приоритизировать усилия по улучшению прогноза.

На основе расчёта WAPE вы можете:

1. Оценить качество текущей модели прогноза. Точность 76,9% — это отправная точка для дальнейшего улучшения.

2. Сравнить точность между магазинами. Если рассчитать WAPE отдельно для каждого магазина, вы увидите, где прогноз работает лучше, а где требуется доработка.

3. Отслеживать динамику. Сравнивая WAPE за разные периоды, вы можете оценивать эффект от внедрённых улучшений в процессе прогнозирования.

4. Рассчитывать экономический эффект. Рост точности прогноза на 1% напрямую влияет на снижение избыточных запасов, уменьшение дефицита и повышение оборачиваемости капитала.

5. Корректировать прогнозы. На основе BIAS вы можете вводить поправочные коэффициенты, чтобы устранить систематическое смещение.

WAPE — это практичный и информативный показатель точности прогноза. Он даёт взвешенную оценку ошибки, не искажая её редкими или мелкими позициями, и позволяет принимать обоснованные управленческие решения на основе данных.

Регулярный расчёт WAPE и BIAS в разрезе товаров, магазинов и периодов помогает постоянно повышать качество прогнозирования и эффективность всей цепочки поставок.

Если у вас остались вопросы по расчёту или применению WAPE — пишите в комментариях!

Точных вам прогнозов!