Forecast accuracy

Forecast accuracy (exactitud del pronóstico) es la métrica que cuantifica qué tan cerca estuvo una predicción del resultado real una vez que el período cerró. Se aplica a pronósticos de demanda, de ventas, de ingresos o de inventario, y se reporta casi siempre como porcentaje: cuanto más alto, más confiable fue el modelo de pronóstico. Es la contracara del error de pronóstico: si el error fue del 12%, la exactitud fue del 88%.

Importa porque casi toda decisión de planificación (cuánto stock comprar, cuántos vendedores contratar, qué presupuesto comprometer) parte de un número estimado. Medir su exactitud de forma sistemática es lo que convierte al pronóstico en un instrumento que mejora con el tiempo en vez de una adivinanza. Construir y monitorear esta métrica sobre datos consolidados es parte de lo que resuelve un tablero de Metrix, donde el pronóstico y su error conviven con el dato real.

Cómo se calcula

La forma más extendida parte del MAPE (Mean Absolute Percentage Error), el error porcentual absoluto promedio. La exactitud es simplemente 100% menos el MAPE. Por ejemplo, si en un mes pronosticaste vender 1.000 unidades de un SKU y vendiste 900, el error absoluto es de 100 unidades sobre 1.000, es decir 10%, y la exactitud fue del 90%. Cuando hay muchos productos o muchos períodos, se promedia el error de cada uno para obtener un número global de la operación.

Hay variantes que conviene conocer porque cambian la lectura. El WMAPE (MAPE ponderado por volumen) le da más peso a los productos que más venden, evitando que un SKU chico con error gigante distorsione el promedio. El sesgo (bias) mide si el modelo se equivoca siempre para el mismo lado: pronosticar de más mes a mes infla el inventario, mientras que pronosticar de menos genera quiebres de stock. Una operación sana mira exactitud y sesgo juntos, no por separado.

Por qué es una de las métricas que más plata mueve

Cada punto de exactitud que ganás se traduce en menos capital inmovilizado y menos ventas perdidas. Un pronóstico flojo empuja a las áreas a sobrecomprar "por las dudas", lo que infla el inventario y el costo financiero, o a quedarse cortas, lo que produce quiebres de stock y clientes que compran en otro lado. En cadenas con productos perecederos el costo es doble: lo que sobra se vence. Por eso, en consumo masivo, retail y distribución, la exactitud del pronóstico es un indicador que mira tanto la dirección comercial como la financiera.

Qué se considera un buen número (con matices)

No existe un umbral universal: depende del horizonte (no es lo mismo pronosticar la semana que viene que el trimestre), de la variabilidad de la demanda y del nivel de agregación. Como referencia de benchmark de la industria:

• A nivel producto individual y mes, una exactitud del 70% a 80% suele ser razonable para demanda con estacionalidad moderada
• A nivel categoría o región (más agregado, los errores se compensan), es común superar el 90%
• En productos nuevos o demanda muy errática, caer por debajo del 50% no es raro y obliga a usar otros métodos

La regla práctica: cuanto más agregás y más corto es el horizonte, más sube la exactitud. Comparar el número de tu empresa contra el de otra solo tiene sentido si el nivel de agregación y el horizonte son los mismos.

Forecast accuracy vs forecast de ventas

Son conceptos relacionados pero distintos, y conviene no confundirlos:

Dicho simple: el forecast de ventas es la predicción, y la forecast accuracy es la nota que le ponés a esa predicción cuando ya sabés el resultado.

Un ejemplo concreto en Argentina

Una distribuidora de alimentos en el conurbano pronostica vender 5.000 cajas de un producto en marzo. Vende 4.400. El error absoluto es de 600 cajas, el MAPE del 12% y la exactitud del 88%. Al revisar el histórico nota que casi todos los meses pronostica de más: hay un sesgo positivo sistemático. Corrige el modelo a la baja, ajusta las compras y libera capital que estaba inmovilizado en góndola y depósito. El número que cambió la decisión no fue el pronóstico, sino la medición de su exactitud a lo largo del tiempo.

Errores comunes al medirla

• Mirar solo el promedio y no el sesgo: dos modelos pueden tener el mismo MAPE pero uno te hace sobrecomprar siempre y el otro no
• Comparar manzanas con naranjas: contrastar la exactitud a nivel SKU contra la de otra empresa medida a nivel categoría
• No ponderar por volumen: dejar que un producto marginal con error enorme arruine la lectura global (de ahí el WMAPE)
• Medirla tarde o a mano: si el cálculo no es automático sobre el dato consolidado, nadie lo sostiene mes a mes y la métrica muere

La exactitud del pronóstico no es un número para reportar y olvidar: es un bucle de mejora. Se mide, se entiende dónde y hacia qué lado falla el modelo, se ajusta, y se vuelve a medir.