我們的企業比較難做預測

了解我們整體企業（年度總體歷史銷售，naive 預測誤差，CoV等）的可預測性DNA的關鍵因素使我們能夠客觀地和定量地比較企業。 我們可以從SKU級別的特定業務的平均值開始，如下表所示。

比較兩個地區的企業4至企業10，我們發現企業4中的SKU平均銷量數量更多，客戶數量更少，並且企業10中的典型的SKU 歷史的長度和變異（由CoV衡量）類似 .我們也會注意到，企業4的需要預測SKU數量是所有 SKU 的一半。

在過去的12個月中，這些企業實現的準確度（在地區級進行衡量）是

請注意，可預測性模型以我們轉換為預測準確度的單位輸出基準預測誤差，以便於企業間的比較。

可預測性模型研究DNA，並給出以下內容作為每企業的基準預測準確度：

可預測性DNA模型還有助於我們客觀而詳細地了解為什麼我們認為企業 4可以將其預測精度從目前的34.5％水平顯著提高。 理由是：

■ 企業4的平均數量較多，這表明它可能比業務10更具可預測性。

■ 將企業4的每 SKU平均 naive 預測誤差 30,395.17轉換為55.7％的 naive 預測精度，這也表明企業4的準確度可能提高。

■ 通過研究所有可預測性DNA數據，我們發現企業4的標竿基準精準計算為 65.0％，明顯好於最近的預測精確度結果，這表明該企業的改進表現出來。

如果我們告訴他們一個更合適的目標是65.0％，他們可能會說：“由於 a，b 和 c，我的企業很難預測。”通常我們可以提供的回應不多，但是具有可預測性DNA數據可以說，“您的CoV與企業10類似，您的 naive 準確性已經達到55％，並將您的客戶數量，年銷售量（SOH），歷史長度以及其他基因可預測性的DNA，預測準確率高於60％應該是可以實現的。“如果企業仍然持懷疑態度，我們可以做進一步分析，以顯示其企業中的項目，在其他企業中的類似的許多其他項目，它們已經實現更高預測精度最高。

最後

可預測性和預測準確性標竿基準是預測世界中長期討論的主題。跨公司的標竿基準測試是一種流行的方法，但可能很具挑戰性，因為我們通常不知道其他人如何計算其指標的詳細信息（前置時間，聚合級別以及他們已淘汰的內容，僅列出一些未知數） ，更不用說他們的業務預測有多困難。畢竟，即使我們使用完全相同的指標，也很少有人會爭辯說，在預測困難時，所有的企業都是完全平等的。企業之間和企業內部可以使預測或多或少困難的因素可以被視為“可預測性DNA”的一部分，可以根據可預測性和預測準確性（或錯誤）對其進行量化和建模。考慮到預測和統計專家 George Box 的“所有模型都是錯誤的，但有一些是有用的”的口號，我們可以使用可預測性模型來幫助我們理解什麼使我們的預測過程成為可能，這可以幫助我們設定切合實際的預測 - 準確性（或錯誤）目標，這些目標是針對每個項目和業務領域的具體情況而定制的，同時指明我們可能改進的領域。當然，這種方法並不能明確說明預測效果不佳的原因，但它確實支持通過例外管理的方法來專注於改進的機會最大的地方。