Forecast Value Added: ваш прогноз приносит пользу — или просто отнимает время? — 11 июня 2026 г. в 06:37:23.046
Forecast Value Added: ваш прогноз приносит пользу — или просто отнимает время? В последнее время мы много говорим про ИИ. Давайте поговорим про более привычную, но не менее актуальную тему — про точность прогноза. Логика в большинстве компаний обычно такая: чем больше мы вкладываем в прогноз — привлекаем экспертов, обсуждаем, вносим корректировки в несколько этапов — тем он точнее и полезнее. На практике часто бывает ровно наоборот. Проверить это помогает метрика Forecast Value Added (FVA) — «добавочная ценность прогноза». Идея простая: сравнить ваш прогноз с самым примитивным, «наивным». Наивный прогноз — это когда мы просто берём продажи прошлого периода и говорим: «в следующем будет столько же». . Вопрос FVA звучит так: "а ваш «умный» прогноз вообще будет лучше?" Как считать Есть несложный метод FVA-анализа, который популяризировал Майкл Гиллиланд из SAS (White Paper SAS «Forecast Value Added Analysis, Step by Step»). Он заключается в том, что мы берём ошибку прогноза (например, MAPE) на одном периоде в двух вариантах: 🔹 ошибка наивного прогноза; 🔹 ошибка вашего процесса (модель + ручные правки). FVA = ошибка наивного − ошибка вашего процесса 🔹 Положительное значение — шаг добавил ценность. 🔹 Отрицательное — вы потратили время и сделали прогноз хуже, чем если бы не делали ничего. Считать можно поэтапно, например: наивный прогноз → статистическая модель → правки аналитика. Так сразу видно, какой шаг реально добавляет ценность, а какой её съедает. Зачем это нужно 🔹 Видеть, какие шаги в процессе работают, а какие — скорее просто сложившиеся правила. 🔹 Перестать тратить время людей на правки, которые делают только хуже. 🔹 Отвечать на вопрос «а зачем нам эта модель?» цифрой, а не на ощущениях. Но тут важно не просто мерить, как повысилась точность, как это повлияло на прибыль и эффективность управления запасами в целом. Хорошая иллюстрация — анализ на данных соревнования M5. Это крупное международное состязание по прогнозированию на реальных продажах Walmart, которой проходило в 2020 году. На этих данных смоделировали 9,4 млн сценариев и проверили: влияет ли рост точности прогноза на экономику запасов? Результат оказался неоднозначным: 🔹 в 80% случаев более точный прогноз вообще не улучшил экономику; 🔹 лишь в 12,6% — улучшил и оправдал вложения; 🔹 а в 7,3% — даже ухудшил показатели. Поэтому правильный вопрос не «добавили ли мы точности», а «добавили ли мы ценности решению»: сколько заказать, когда и куда, с учётом рисков и ограничений. Прогноз — не самоцель, а сырьё для правильного решения по запасам.