Sobre a Precisão da Previsão

Quando clica em Ícone Detalhes (Detalhes) para obter mais informações sobre os dados de previsão ou os dados históricos, você vê a previsão da previsão:

O volume de dados históricos disponíveis impacta a precisão das previsões; quanto mais dados houver, melhor. Deve haver pelo menos duas vezes o volume de dados históricos que o número de períodos de previsão. O ideal é uma proporção de três ou mais vezes o volume de dados históricos que os períodos de previsão. Se não houver dados históricos suficientes disponíveis no momento da previsão, será exibido um aviso ou um erro. O Planejamento Preditivo pode detectar padrões sazonais nos dados e projetá-los no futuro (por exemplo, picos nos números de vendas durante épocas de feriado). Pelo menos dois ciclos de dados completos devem estar disponíveis para detectar a sazonalidade.

Além disso, o Planejamento Preditivo detecta valores ausentes em dados históricos, preenchendo-os com valores interpolados, e varreduras de valores de outlier normalizando-os para um intervalo aceitável. Caso haja muitos valores ausentes ou outliers nos dados para executar previsões confiáveis, um aviso ou mensagem de erro será exibido.

A precisão da previsão também pode ser afetada pela intensidade de ruídos dos dados. Embora possa haver um grande volume de dados históricos disponíveis, o ruído ou as flutuações aleatórias nos dados podem tornar a tendência subjacente obscura e causa uma baixa precisão da previsão.

Usar eventos para previsões aumenta a precisão das previsões e é muito útil para se planejar para os eventos e aproveitar as oportunidades ao conseguir ver picos e quedas antecipados nos dados previstos para eventos específicos. Sem eventos, picos ou quedas nos dados são normalizados e distribuídos ao longo do período da previsão, levando potencialmente a previsões menos precisas.

Em geral, use essas diretrizes para determinar a precisão de uma previsão:

  • 95 – 100%: Muito Bom. Os dados históricos têm tendência ou padrão de sazonalidade forte.
  • 90 – 94.9%: Bom. Os dados históricos têm tendência moderada ou padrão de sazonalidade moderado.
  • 80 – 89.9%: Justo. Os dados históricos têm tendência fraca ou padrão de sazonalidade fraco.
  • 0 – 79.9%: Ruim. Os dados históricos não têm um padrão ou uma tendência detectáveis.