Tahmin doğruluğu nasıl ölçülür: MAPE ve sapma hesabı

Tahmin doğruluğu neyi ölçer?

Tahmin doğruluğu, bir dönem için yaptığınız tahminin sonradan gerçekleşen değere ne kadar yaklaştığını gösterir. Satış, talep ya da bütçe tahmini yapan bir ekip için bu ölçü şu işlere yarar: tahmin yönteminin güvenilir olup olmadığını söyler ve yöntemler arasında karşılaştırma yapmayı sağlar. Hata ölçüsü olmadan bir tahmin modelini ya da bir satış planını iyileştirmek, ne kadar yol aldığını bilmeden yürümeye benzer.

Hesabın temel girdisi her dönem için gerçekleşen değer (A) ile o döneme ait tahmindir (F). Aradaki fark hata, farkın gerçekleşene oranı yüzde hata olur. Bütün yaygın ölçüler bu farktan türer; hangisini seçeceğiniz, hatayı birim cinsinden mi, yüzde olarak mı, yoksa yön bilgisiyle mi görmek istediğinize bağlıdır.

MAPE nedir ve nasıl hesaplanır?

MAPE, ortalama mutlak yüzde hata anlamına gelir (Mean Absolute Percentage Error). Her dönemde tahmin ile gerçekleşen arasındaki farkın mutlak değeri alınır, gerçekleşen değere bölünür ve bütün dönemlerin ortalaması hesaplanır. Sonuç yüzde olarak okunur: düşük değer, tahminlerin gerçekleşene yakın olduğunu gösterir.

Adım adım hesap şöyledir: • Her dönem için hatayı bulun: gerçekleşen eksi tahmin. • Hatanın mutlak değerini alın; böylece fazla ve eksik tahminler birbirini götürmez. • Mutlak hatayı o dönemin gerçekleşen değerine bölün. Bu, dönemin yüzde hatasıdır. • Dönemlerin yüzde hatalarının ortalamasını alın. • Sonucu yüzde biçimine çevirip raporlayın.

Kısa gösterim: MAPE = ortalama( mutlak(A - F) / A ). Doğruluk oranı olarak sunmak isteyen ekipler bazen MAPE'yi tamamlayan bir oran kullanır; bu bir standart olmadığından raporda nasıl tanımlandığı yazılmalıdır.

Excel'de MAPE adım adım

Veriyi dönem, gerçekleşen ve tahmin sütunlarında düzenleyin. Yanına yeni bir sütun açıp her satır için yüzde hatayı hesaplayın: mutlak değer fonksiyonuyla gerçekleşen ile tahminin farkını alın, gerçekleşen hücreye bölün. Bu sütunun ortalamasını ortalama fonksiyonuyla alırsanız MAPE'yi bulursunuz. Hücre biçimini yüzde olarak ayarlayın.

Aynı sonucu tek hücrede dizi formülüyle de alabilirsiniz: gerçekleşen aralık ile tahmin aralığını çıkarın, mutlak değerini alın, gerçekleşen aralığa bölün ve ortalamasını alın. Sürümünüz dinamik dizileri desteklemiyorsa formülü dizi formülü olarak onaylamanız gerekebilir. Fonksiyonların Türkçe adları Excel dil ayarına göre değişir; kendi arayüzünüzde fonksiyon ekleme penceresinden doğrulayın.

Küçük bir kontrol alışkanlığı edinin: yüzde hata sütununda en büyük değerleri sıralayın. Ortalama iyi görünürken tek bir dönemdeki aşırı sapma yöntemi bozuyor olabilir; MAPE bu durumu ortalamanın içinde saklar.

Örnek senaryo: haftalık ürün satışı

Bir perakende ekibinin, örneğin bir ürün grubu için haftalık satış tahmini yaptığını düşünün. Birkaç hafta boyunca tahmin ve gerçekleşen karşılaştırılıyor. Başlangıçta tahmin gerçekleşenin biraz üzerinde, sonra biraz altında, ardından neredeyse tam; son haftada ise bir kampanya nedeniyle belirgin biçimde altında kalıyor. Mutlak yüzde hatalar sırasıyla küçük, küçük, çok küçük ve büyük çıkıyor.

Ortalama alındığında MAPE orta düzeyde görünür; ama tablo asıl hikâyeyi kampanyalı hafta anlatır: sorun yöntemin genel kalitesi değil, kampanya etkisinin tahmine girmemesidir. Çözüm de model değiştirmek değil, kampanya takvimini açıklayıcı değişken olarak eklemek ya da kampanyalı haftaları ayrı değerlendirmektir. MAPE'yi tek başına bir not gibi değil, hangi dönemde neden saptığını arama başlangıcı olarak kullanın.

MAPE'nin zayıf yanları ve alternatifler

MAPE gerçekleşen değere böldüğü için gerçekleşen sıfıra ya da çok küçük bir değere yaklaştığında tanımsız ya da aşırı büyük çıkar. Aralıklı talebi olan, yani birçok dönemde hiç satılmayan ürünlerde bu ölçü kullanışsızdır. Ayrıca fazla tahmin ile eksik tahmin eşit ağırlıkta cezalandırılmaz: aynı mutlak fark, gerçekleşen küçük olduğunda daha yüksek yüzde hata verir.

Sık kullanılan alternatifler: • MAE (ortalama mutlak hata): hatayı ürünün kendi biriminde verir, yüzde değildir; ürünler aynı birimdeyse karşılaştırması kolaydır. • RMSE (kök ortalama kare hata): büyük sapmalara daha fazla ağırlık verir; nadir ama pahalı hatalar sizi ilgilendiriyorsa uygundur. • WAPE ya da ağırlıklı MAPE: toplam mutlak hatayı toplam gerçekleşene böler; hacmi büyük kalemlerin etkisini korur, sıfıra yakın küçük kalemlerin sonucu bozmasını önler. • Sapma (bias): hatanın işaretli ortalaması; tahminin sistematik olarak yüksek mi düşük mü olduğunu gösterir.

Pratikte MAPE ya da WAPE ile birlikte sapmayı da raporlamak iyi bir kombinasyondur: biri hatanın büyüklüğünü, diğeri yönünü söyler.

Sapma ve MAPE birlikte nasıl okunur?

Sapma, hataları mutlak değer almadan toplar. Fazla tahminler pozitif, eksik tahminler negatif sayılırsa, ortalaması sıfıra yakın bir sapma tahminin tarafsız olduğunu, belirgin pozitif ya da negatif bir sapma ise sistematik bir eğilimi gösterir. Bir satış ekibi sürekli iyimser hedef koyuyorsa MAPE iyi görünse bile sapma bunu yakalar.

Bu ölçüleri yan yana okumanın pratik yolu şudur: MAPE düşük, sapma düşükse yöntem sağlıklıdır. MAPE yüksek, sapma düşükse hatalar hem fazla hem eksik yönde dağılıyordur; veri gürültülü ya da mevsimsellik yakalanmamış olabilir. MAPE yüksek ve sapma da büyükse model ya da varsayım sistematik olarak yanlıştır; örneğin trend aşırı iyimser kurulmuştur. Bu ayrım, hangi önlemi alacağınızı belirler.

Sık yapılan hatalar

İlk hata, eğitimde kullanılan veriyle doğruluğu ölçmektir. Modelin gördüğü dönemlerde hata düşük çıkar; gerçek başarı, modelin görmediği dönemlerde ölçülür. Veriyi zaman sırasına göre bölüp son dönemleri test için ayırın. Bir diğeri, ürün ve şube düzeyindeki hataları ortalayıp tek bir genel sayıya inmektir; ayrıntıda gizlenen kötü kalemler fark edilmez. Hatayı kalem, kategori ve dönem kırılımında da izleyin.

Bir başkası, farklı ölçekteki dönemleri aynı kefeye koymaktır: hacmi çok küçük kalemlerin yüzde hatası büyük görünür ama iş üzerindeki etkisi azdır. Ağırlıklı ölçü kullanın. Son olarak, MAPE'yi hedefin kendisi yapmaktır. Düşük MAPE için tahmini gerçekleşenin altında tutmak gibi oyunlar, planlama kararlarını bozar. Ölçüyü karar kalitesine bağlayın: stok, personel ya da bütçe kararı doğru mu çıktı?

Mindset programlarında bu beceri nerede çalışılır?

Tahmin doğruluğu ölçümü, talep planlama, satış operasyonları ve finansal planlama ekiplerinin ortak ihtiyacıdır. Zaman Serileri Analizi ve Tahminleme eğitiminde klasik istatistiksel tahmin yöntemleri, makine öğrenmesi ile tahminleme ve tahmin belirsizliği gibi konular yer alır; yöntemlerin hata ölçüleriyle karşılaştırılması bu çerçevede doğal bir adımdır. Excel ile Satış Analitiği eğitimi ise boru hattı ve tahmin modelini bir tablo ortamında kurmayı ve satış performansını izlemeyi kapsar.

Kurumsal bir ekip bu becerileri, kendi ürün ve şube verisi üzerinde çalışarak ortak bir hata ölçüsü ve raporlama düzeni oluşturmak için kullanabilir; böylece farklı planlamacıların tahminleri aynı ölçüyle kıyaslanır.