本文探讨了需求预测准确率（ForecastAccuracy）的计算方法，特别是MAPE（平均绝对百分比误差）公式中分母是实际值还是预测值的问题。作者经历了三个阶段的认识变化：最初认为分母是实际值，后改为预测值，最后认为应视市场环境和产品生命周期而定。作者强调，选择合适的公式重要，但理解供应链战略、建立好流程、选择合适的预测层级对象等更为重要。同时，反思了自身心态变化，认为不断反思和调整有助于打破偏见和成见。
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，MeanAbsolutePercentageError）为基础计算/统计并评价需求预测准确率（ForecastAccuracy）。
需求预测准确率（ForecastAccuracy）总体上是用来形容蒙的准不准，需求预测准确率（ForecastAccuracy）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。
笔者对需求预测准确率（ForecastAccuracy）的认知目前划分为三个阶段，见下。
阶段一，需求预测准确率（ForecastAccuracy）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（ForecastAccuracy）常见算法如下，
其中，F代表预测值，A代表实际值，示例见下。
最开始笔者为什么认为需求预测准确率（ForecastAccuracy）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（ForecastAccuracy）中MAPE分母是预测值。
相应的需求预测准确率（ForecastAccuracy）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（ForecastAccuracy），见下。
需求预测准确率（ForecastAccuracy）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（ForecastAccuracy）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（ForecastAccuracy）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（ForecastAccuracy）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（ForecastAccuracy）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（ForecastAccuracy）中MAPE分母是啥不确定。
最后的话。
其次，想和大家说的是，大家可以不用去纠结这个问题，需求预测准确率（ForecastAccuracy）是过程而不是结果（OTD、ITO、E&O）。其实理解供应链战略，梳理DP/S&OP流程建立好游戏规则，选择合适的预测层级对象（产品家族、品牌、渠道等），做好数据收集和分析并记录假设等等都比选择一个公式要重要得多，如果职能和职能间能达成基本的互信和协同这个问题本身其实就不存在了。
推荐阅读
推荐新书《需求计划师》，销售预测计划准确率如…
803
生产用料清单上的分子分母有值，原分子原分母没…
生产用料清单上的分子分母有值，原分子原分母没有值。这种情况可能是哪些原因导致的？在生产用料清单中手工添加的物料，原分子原分母没有值生产用料清单中的物料从B…
1,835
计划BOM的分子与分母与物料清单上的分子与分…
MRP运算后，计划BOM的分子与分母与物料清单上的分子与分母不一样，有些分子与分母放大了10倍，有些放大了2倍，分子被强制取整；原以为是PLM导入BOM有问题…