关于误差度量

误差度量图（Error measure graph）可用于查看预测的准确性。它包含特定误差度量在每个度量值处的记录数。图形下方是所有记录中该误差度量的中位数、平均值和标准差统计信息。

所有误差度量都使用预测值和实际值（实际历史数据，如销售数据）进行计算。

虽然有多种误差度量可用，但大多数用户最常使用以下几种。

误差度量

误差度量	描述	使用时机...
最后绝对偏差 Z 分数（LADZ）	上一期间的预测值与其实际值之差除以残差的标准差。在每个预测周期开始时，您可以使用此度量将预测与实际值进行对比分析，以发现任何异常、错误或预期差异（例如停产产品）。高 Z 分数表示您的预测与实际值相差甚远。在“主要例外”（Top Exceptions）表中，您可以按 Z 分数排序，以在高 Z 分数的情况下定位并检查差异。回答以下问题： - 数据是否正确？ - 如果答案是肯定的，是否发生了异常事件或新情况？ - CCH Tagetik Supply Chain Planning 是否正确判断了所发生的情况？ 低 Z 分数表示预测值与实际值之间几乎没有差异。	每次开始新的预测周期时（例如每月）
质量分数（QScore）	预测质量的度量。QScore 度量在您使用 CCH Tagetik Supply Chain Planning 的早期阶段最为有用。在积累了至少两个月的历史数据后，您可以使用 QScore 度量来查看数据的表现情况。不建议频繁使用，因为一旦确定您的实例构建正确，信息就不会经常变化。QScore 基于 0-100 的评分标准，类似于课堂评分标准（10 分递增）。90-100 分是非常好的质量分数（A），80-90 分是良好（B），70-80 分是中等（C），依此类推。低 QScore 表示您的系统可能构建不正确。在这种情况下，请联系您的 Wolters Kluwer 代表讨论您的设置细节。	在使用 CCH Tagetik Supply Chain Planning 的早期阶段
预测者绩效（Forecaster Performance）	预测与实际值的比较（将带有手动覆盖的预测与使用 CCH Tagetik Supply Chain Planning 自动选项的预测进行比较）。请参阅使用预测者绩效误差度量。	偶尔

以下误差度量可供需要它们的用户使用：

误差度量

误差度量	描述
对称平均绝对百分比误差（SMAPE）	预测值减去实际值除以预测值与实际值之和。此度量优于 MAPE，因为当实际值趋近于零时它不会产生高误差度量。
平均绝对百分比误差（MAPE）	预测值（F）减去实际值（A）除以实际值。这是一个常用的度量，但在实际值趋近于零的情况下，它不如 SMAPE 或偏差百分比有用。
平均绝对偏差（MAD）	预测值与实际值之间绝对差的平均值。
平均绝对偏差百分比	MAD 除以实际值的平均值。
偏差百分比	预测值之和除以实际值之和再减去 1。此度量检查预测，以查看所选预测方法是否应用了某种程度的平滑，从而在预测中产生偏差。在 CCH Tagetik Supply Chain Planning 记录中，“方法”（Method）部分的“移除偏差”（Remove bias）选项可让您移除任何偏差。请参阅关于数据平滑方法。

请参阅使用例外接口。