Qué es
La Forecast Accuracy (precisión de la previsión) mide cuánto se aleja una previsión de demanda de la demanda real observada. Es el indicador madre de la planificación: ningún cálculo de stock de seguridad, punto de reorden o lote económico tiene sentido si no sabes cuánto te equivocas al prever.
La métrica más extendida es el MAPE (Mean Absolute Percentage Error), que expresa el error medio como porcentaje. Su lectura es intuitiva: “previsión con MAPE 15%” significa que, de media, te equivocas en un 15% sobre la cantidad real. Hay otras métricas (MAD, MSE, RMSE, WMAPE, MASE) que se usan según el contexto, pero MAPE sigue siendo el lenguaje común entre planificación, compras y dirección.
Un detalle que se olvida: el MAPE no es una medida de calidad absoluta. Un MAPE del 20% puede ser excelente para un SKU errático de clase Z y mediocre para un SKU estable de clase X. Por eso el benchmark hay que hacerlo siempre por segmento ABC-XYZ, no global.
Cómo se calcula
La fórmula del MAPE:
MAPE = (1/n) · Σ |Real - Previsión| / |Real| × 100
Ejemplo. Previsión semanal de 4 semanas:
| Semana | Previsión | Real | Error abs | Error % |
|---|---|---|---|---|
| 1 | 100 | 90 | 10 | 11,1% |
| 2 | 100 | 120 | 20 | 16,7% |
| 3 | 100 | 95 | 5 | 5,3% |
| 4 | 100 | 110 | 10 | 9,1% |
MAPE = (11,1 + 16,7 + 5,3 + 9,1) / 4 = 10,5%
Variantes útiles según el caso:
- WMAPE (Weighted MAPE): pondera el error por volumen del SKU. Evita que un error del 80% en un SKU residual contamine el promedio.
- Bias (sesgo): mide si el error es sistemáticamente al alza o a la baja. Un MAPE del 15% con bias +12% indica que siempre se prevé de menos. Es un problema distinto del ruido aleatorio y se corrige diferente.
- MASE (Mean Absolute Scaled Error): compara la previsión con un naive forecast (la demanda del periodo anterior). Si MASE > 1, tu modelo es peor que no hacer nada.
Benchmarks orientativos que vemos en auditorías:
- SKUs A-X (alto valor, baja variabilidad): MAPE objetivo 5-15%.
- SKUs A-Y (alto valor, variabilidad media): MAPE 15-25%.
- SKUs A-Z (alto valor, errático): MAPE 25-50% — y aquí el problema no es el modelo, es que el SKU no es predecible. La estrategia óptima cambia: política de stock de seguridad alta, no mejorar previsión.
Cómo lo gestiona Business Central + dvstock
Business Central tiene módulo de previsión (Demand Forecast) que permite cargar previsiones manuales y usar suavizado exponencial básico. Lo que no hace nativo:
- No mide automáticamente el MAPE. Hay que sacar histórico, exportar a Excel, calcular y volver. En catálogos grandes, eso significa que nadie lo mide.
- No descompone por bias y ruido. Un MAPE total no dice si el problema es modelo o sesgo de los planificadores.
- No segmenta por matriz ABC-XYZ. Aplica la misma estrategia a SKUs que requieren políticas opuestas.
- No alerta de degradación. El modelo funciona en enero, deja de funcionar en julio cuando cambia un patrón, y nadie se entera hasta que llegan las roturas.
dvstock, nuestra extensión sobre BC desarrollada por Davisa como Microsoft Solutions Partner en Business Central desde 2003, añade el ciclo completo de medición:
- MAPE, WMAPE y bias automáticos por SKU, familia y segmento ABC-XYZ (ver análisis ABC).
- Comparación de modelos: media móvil, suavizado exponencial, Holt-Winters, regresión con estacionalidad. dvstock elige el modelo con menor error histórico por SKU.
- Detección de drift: alerta cuando el MAPE de un SKU se degrada más de N% respecto al baseline.
- Override controlado: el planificador puede sobrescribir la previsión, pero dvstock mide qué tal funciona el override frente al modelo. Si el humano sistemáticamente empeora la previsión, lo dice. Ver extensión dvstock.
Errores frecuentes
- Reportar MAPE agregado. Un MAPE del 18% en cartera total puede esconder un 6% en SKUs A-X y un 45% en SKUs C-Z. La decisión que se toma con cada uno es distinta; el promedio no sirve para nada.
- Confundir MAPE con bias. Errar un 15% al azar es ruido. Errar un 15% siempre a la baja es sesgo. El primero se gestiona con stock de seguridad; el segundo se corrige cambiando el modelo o entrenando al planificador.
- Obsesionarse con bajar el MAPE de SKUs erráticos. En un SKU clase Z, gastar tres meses bajando MAPE de 45% a 38% es trabajo perdido. La política correcta es asumir el error y dimensionar stock de seguridad.
- No calibrar el modelo periódicamente. El patrón de demanda cambia. Un modelo que se ajustó en 2024 no tiene por qué seguir siendo el mejor en 2026. Recalibración anual mínima, mensual ideal.
- No medir el override humano. Si los planificadores cambian la previsión sistemáticamente, nadie evalúa si esos cambios aciertan más o menos que el modelo. En muchas auditorías descubrimos que el humano empeora la previsión un 8-12% sobre el suavizado exponencial básico.
Medir el MAPE es la condición previa para mejorar nada. Sin métrica, todo lo que viene después — stock de seguridad, ROP, EOQ — funciona a ojo.