Cześć,
Chciałbym poprawić Service Level. Posiadam zestawienie, które pokazuje mi zamówienia na które indeksy najczęściej nie zostają zrealizowane od razu ze względu na ich brak lub niewystarczającą ilość na magazynie. Jestem początkującym planistą i zastanawia mnie czy jest sposób w jaki można skorygować prognozy na podstawie danych historycznych. Mam na myśli porównanie historii prognoz i porównanie jej do faktycznej sprzedaży w danych powiedzmy tygodniach.
Można wyliczyć współczynnik zmienności na podstawie prognozy i faktycznej sprzedaży w danym tygodniu. I teraz pytanie, czy należy zwiększyć bądź też zmniejszyć prognozy o wartość współczynnika zmienności? Czy to może zwiększyć trafność prognoz? Myślę tu o indeksach z grupy A i B ( analiza abc xyz ) gdyż one najbardziej ważą.

cześć,
jeżeli chodzi o porównanie prognoz na podstawie danych z faktyczną sprzedażą to służą do tego wskaźniki błędów ex-post prognoz (np. MAE, MAPE). Zasada jest taka, aby podczas tworzenia prognozy na podstawie danych historycznych błędy ex-post były jak najmniejsze czyli tak, aby funkcja wyznaczona za pomocą algorytmu prognozy była jak najbardziej "zbliżona" do funkcji określającej historyczne wielkości sprzedaży. Jeżeli używasz jakiegoś programu to zazwyczaj jest to robione automatycznie i wartości oraz parametry prognozy są już optymalnie dopasowane do szeregu czasowego.

Można również spróbować użyć kilku ilościowych metod prognostycznych (np. wygładzanie wykładnicze, modele ARIMA, proste sieci neuronowe) i wybrać spośród nich ten, który daje najmniejszy błąd. Jak już wybierzesz pewną metodę/model prognostyczny to do sprawdzenia jego aktualności i zasadności w kolejnych okresach można użyć m.in. współczynnika Janusowego.

Sam współczynnik zmienności, moim zdaniem określa jedynie strukturę szeregu pod względem jego zmienności. Korekcja prognozy o jego wartość nie wydaje mi się zasadna Owszem może być pomocny podczas decyzji prognostycznych, ponieważ z reguły szeregi z małym współczynnikiem zmienności (<20%) łatwiej jest prognozować, a i nie wymagają one wyszukanych metod prognostycznych (niekiedy wystarczy użycie samej średniej ruchomej jako metody prognostycznej). Z kolei wysoki współczynnik zmienności może dać nam sygnał o konieczności dodatkowej obróbki danych (np. w celu usunięcia odstających obserwacji ekstremalnych, które zaburzają jego strukturę).

jeżeli moja odpowiedź była w jakikolwiek sposób przydatna to byłbym niezmiernie wdzięczny za wypełnienie krótkiej (około 5minutowej) ankiety dostępnej pod linkiem: drive.google.com/open?id=1mH08dCawIDARV2...XZ1WO6Osw16JbE77sjxI

pozdrawiam