Cómo Calcular el Error Promedio Ponderado Absoluto Medio (WMAPE)

¿Qué es el WMAPE?

El WMAPE surge como una alternativa al MAPE (Error Porcentual Absoluto Medio), tomando en cuenta la importancia relativa de cada punto de datos en el cálculo del error. Esto lo hace especialmente valioso en situaciones donde existen grandes diferencias en las magnitudes de las demandas, evitando que los valores atípicos distorsionen la evaluación general del pronóstico.

La fórmula del WMAPE calcula el error promedio ponderado de los pronósticos en relación con las demandas reales, considerando la importancia relativa de cada punto de datos mediante la asignación de pesos. Un valor de WMAPE cercano a 0% indica un pronóstico altamente preciso, mientras que valores más altos señalan una mayor inexactitud.

¿Cómo se calcula el WMAPE?

1. Calcular el error absoluto entre demanda real (actual) y el pronóstico (forecast).

2. Calcular la sumatoria del error absoluto entre demanda real (actual) y el pronóstico (forecast).

3. Calcular la sumatoria de la demanda real (actual).

4. Dividir la sumatoria del error absoluto por la sumatoria de la demanda real (actual).

5. Multiplicar el error por 100.

6. Los pasos 1-5 calculan el WMAPE para el primer backtest. Se repite el proceso para los demás backtests

Un backtest es una técnica utilizada para evaluar la precisión y eficacia de un modelo de pronóstico de demanda, comparando sus predicciones con los datos históricos reales. En términos simples, implica aplicar el modelo de pronóstico a un conjunto de datos históricos conocidos para ver cómo hubiera funcionado el modelo si se hubiera usado en el pasado. A continuación, se muestra como funcionarían 4 backtests consecutivos.

7. Los pasos 1-6, calculan el WMAPE por cada backtest del pronóstico de corto plazo, i.e. 2 meses. Se repite el proceso para los pronósticos de mediano (6 meses) con 2 backtests.

8. Los pasos 1-6, calculan el WMAPE por cada backtest del pronóstico corto y mediano plazo. Se repite el proceso para los pronósticos de largo (12 meses) con 2 backtests

9. Los errores WMAPE son consolidados en un entregable, donde los errores de corto plazo son tomados de los backtests de corto plazo; los errores de mediano plazo son tomados de los backtests de mediano plazo; y los errores de largo plazo son tomados de los backtests de largo plazo. Favor notar que los errores de corto y mediano plazo sobrescriben los errores de largo plazo para los períodos que comparten, e.g. 2024-05. Igualmente, los errores de corto plazo sobrescriben los errores de mediano plazo de los períodos que comparten, e.g. 2024-05, 2024-04, etc. 9.

10. Por último, en el Reporte de Precisión de Pronósticos de Demanda, aplica el cálculo WMAPE de la introducción, comparando por cada combinación ítem-ubicación la demanda real hasta la fecha de corte de los datos versus el pronóstico base, superior e inferior; sugerido el período anterior para el período actual.

a. Se realizan la ejecución del modelo el cual genera resultados a partir de la fecha de corte (mes anterior) por consecuente los forecast van del mes actual en adelante hasta la n+1 seleccionada por el cliente.

b. De este procedimiento guardamos los resultados de los diferentes escenarios del mes actual para posteriormente poder operar el cálculo del WMAPE y precisión.

c. Luego esperamos a que finalice el mes para obtener la nueva data de la demanda actual a corte del mes. (Ejemplo si el mes actual es junio de 2024 nosotros primero guardamos los resultados de pronóstico de este mes, y nos toca esperar a que termine para poder obtener del cliente la demanda real de ese mes para poder comparar.)

d. Una vez obtenemos los nuevos datos para la fecha de corte que ya contiene la demanda real, se procede a hacer una unión por fecha, ítem y ubicación de los datos guardados en el historial de pronóstico vs lo que fue realmente la demanda para esa fecha, ítem y ubicación.

e. A partir de estos datos calculamos el WMAPE explicado del paso 1 al 4 de la guía para obtener la desviación.

f. Finalmente a partir de esa desviación obtenemos la precisión que se formula como: 100 – la desviación.

g. Es un procesos repetitivo para cada fecha, ítem y ubicación hasta 12 meses hacia atrás a partir de la fecha de corte.

​