A propos de la précision des prévisions
Lorsque vous cliquez sur 
(Détails) pour obtenir plus d'informations sur les données de prévision ou les données historiques, la précision de la prévision est affichée.
La quantité de données historiques disponibles détermine la précision des prévisions ; plus les données sont nombreuses, plus les prévisions s'améliorent. Il doit y avoir au moins deux fois plus de données historiques que de périodes de prévision. Il est préférable d'utiliser un ratio d'au moins trois fois plus de données historiques que de périodes de prévision. S'il n'existe pas suffisamment de données historiques au moment de la prévision, un avertissement ou une erreur s'affiche. Predictive Planning peut détecter des motifs saisonniers dans les données et les projeter dans l'avenir (par exemple, les pics de ventes pendant les vacances). Au moins deux cycles de données complets doivent être disponibles pour détecter une saisonnalité.
En outre, Predictive Planning détecte les valeurs manquantes dans les données historiques, les complétant par des valeurs interpolées, et analyse les valeurs aberrantes, les normalisant à des valeurs appartenant à une plage acceptable. Si les données contiennent trop de valeurs manquantes ou aberrantes pour effectuer des prévisions fiables, un message d'avertissement ou d'erreur s'affiche.
Le niveau de bruit des données a également une incidence sur la précision des prévisions. Même si une quantité importante de données historiques est disponible, les fluctuations aléatoires et de bruit dans les données peuvent cacher la tendance sous-jacente et diminuer la précision des prévisions.
L'utilisation des événements pour les prévisions améliore leur précision, et vous aide à planifier les événements et à saisir les opportunités associées en observant les pics et chutes anticipés dans les données prévues pour des événements spécifiques. Sans prise en compte des événements, les pics ou les chutes de données sont normalisés et répartis sur la période de prévision, ce qui peut mener à des prévisions moins précises.
En général, tenez compte des indications ci-dessous pour déterminer la précision d'une prévision :
- 95 à 100 % : très élevée. Les données historiques présentent une forte tendance ou un motif saisonnier prononcé.
- 90 à 94,9 % : élevée. Les données historiques présentent une tendance modérée ou un motif saisonnier modérément prononcé.
- 80 à 89,9 % : acceptable. Les données historiques présentent une faible tendance ou un motif saisonnier peu prononcé.
- 0 à 79,9 % : faible. Les données historiques ne présentent aucune tendance ni aucun motif.