Forecast accuracy: cómo medir (de verdad) la precisión de tus previsiones
La forecast accuracy mide cuánto se parece lo que previste a lo que realmente pasó. Parece un tecnicismo de planificadores y es una de las cifras más caras de tu cuenta de resultados: cada punto de error de previsión se paga dos veces — en stock de sobra cuando te pasas y en ventas perdidas cuando te quedas corto.
La paradoja que vemos en la mayoría de empresas: todo el mundo opina sobre «lo mal que se prevé» y casi nadie tiene el número. Esta guía baja al detalle de cómo medirla bien — porque medirla mal es peor que no medirla: da confianza en cifras que engañan.
Las tres métricas que necesitas (y ninguna más)
| Métrica | Qué responde | Su trampa |
|---|---|---|
| MAPE | ¿Qué % de error medio tengo por referencia? | Trata igual todas las referencias: un 50% de error en una referencia marginal pesa como la estrella |
| WMAPE | ¿Qué % de error tengo, ponderado por volumen? | Ninguna grave — por eso es la métrica reina para gestionar |
| Sesgo (bias) | ¿Mi error va siempre en la misma dirección? | Se ignora sistemáticamente, y es donde vive la información más accionable |
La pareja WMAPE + sesgo cuenta la historia completa: el WMAPE dice cuánta incertidumbre gestionas (y cuánto stock de seguridad necesitas para cubrirla); el sesgo dice si tu proceso de previsión tiene un defecto sistemático que se puede corregir de raíz. Error aleatorio se amortigua; error sistemático se arregla. Confundirlos es tratar con inventario un problema de proceso.
El nivel de medición: la ilusión del agregado
El error más común y más engañoso: medir la accuracy a nivel total. La empresa prevé 10.000 unidades, vende 10.100, y el informe presume de un 99% de acierto — mientras el almacén sufre porque la mitad de las referencias se pasaron y la otra mitad se quedaron cortas, y los errores se compensaron en el agregado.
La regla: mide la accuracy al nivel donde tomas decisiones de stock — referencia y ubicación, o como mínimo referencia. El agregado sirve para el comité; el detalle es el que gobierna el inventario. Y entre ambos, la medición por familia detecta qué categorías arrastran el resultado.
El lag: ¿la previsión de cuándo?
Detalle técnico que cambia el número por completo: ¿comparas la venta de junio contra la previsión hecha en mayo, o contra la de enero? Es el lag de medición, y debe fijarse en el plazo con el que de verdad decides — si compras con dos meses de antelación, tu accuracy relevante es a lag 2. Medir a lag 1 cuando ya no puedes reaccionar es hacerse trampas al solitario: la previsión «acierta» cuando ya no sirve para nada.
Cómo montar el informe mensual de accuracy (el que funciona)
- Una página: WMAPE y sesgo del mes y su tendencia de 12 meses, a nivel total y por familia.
- El top 10 de errores en euros — no en porcentaje: la referencia con 30% de error y 200.000 € de impacto importa más que la de 80% y 3.000 €.
- Cada gran error, con su causa: ¿promoción no comunicada? ¿cliente nuevo? ¿rotura que capó la venta? Sin la causa, el informe es un marcador; con ella, es una agenda de mejora.
- Se revisa en la reunión de demanda del ciclo S&OP, como primer punto — la accuracy del mes pasado es la mejor maestra de la previsión del mes que viene.
Un caso resuelto: la empresa que «prevé bien» y sufre igual
Fabricante de gran consumo, informe mensual: previsión total 100.000 unidades, venta real 98.500. Accuracy del 98,5%, aplausos en el comité. Bajemos un nivel:
- Familia bebidas: previsión 40.000, real 51.000 — se quedó un 22% corta. Roturas en plena ola de calor, venta perdida en el mejor momento del año.
- Familia snacks: previsión 35.000, real 27.500 — un 27% de exceso. El almacén, lleno de producto con caducidad corriendo.
- Familia básicos: previsión 25.000, real 20.000 — otro 25% de desvío.
El WMAPE real, calculado donde duele: en torno al 24% — no el 1,5% que sugería el total. Los errores de signo contrario se compensaron en el agregado y maquillaron un mes malo de verdad: roturas donde había demanda y stock donde no. Es la ilusión del agregado en estado puro, y la razón de que el nivel de medición no sea un detalle técnico: es la diferencia entre un informe que tranquiliza y uno que gestiona.
El mismo desglose reveló además el patrón útil: bebidas llevaba tres veranos quedándose corta (sesgo estacional corregible), mientras snacks sufría el optimismo crónico del plan comercial. Dos causas distintas, dos arreglos distintos — invisibles ambos en el 98,5% del titular.
¿Qué accuracy es «buena»? La respuesta honesta
Depende — y desconfía de quien te dé un número universal. La accuracy alcanzable la marcan la variabilidad de tu demanda, el nivel de agregación y el lag: una empresa de gran consumo con demanda estable puede vivir en WMAPE del 10-20% a nivel referencia, mientras un negocio de proyectos o moda puede pelear por bajar del 40% — y estar gestionando mejor que la primera.
Por eso el benchmark útil no es el sector: es tu propia línea base. La pregunta correcta no es «¿es bueno un 25%?», sino «¿estoy mejor que hace seis meses, y mi sesgo está controlado?». Y la segunda pregunta correcta: ¿qué error tendría una previsión ingenua (repetir la venta del mes pasado)? Si tu proceso no bate a esa referencia — pasa más de lo que se cree — el proceso no está añadiendo valor todavía.
Cómo mejorar la accuracy: palancas por orden de rentabilidad
- Corregir el sesgo: la palanca gratis. Si la previsión es sistemáticamente optimista, hay que separar previsión de objetivo comercial — problema de proceso, no de estadística.
- Limpiar la historia: ventas capadas por roturas, promociones sin marcar y atípicos sin filtrar enseñan al modelo justo lo que no es. Lo contamos en detalle en la guía de demand planning.
- Segmentar el esfuerzo: previsión estadística automática para lo estable; el tiempo humano, para lo volátil, lo nuevo y lo promocionado.
- Capturar la información comercial a tiempo: la mayor mejora de accuracy de un fabricante rara vez viene de un algoritmo — viene de que ventas comunique las promociones antes de lanzarlas.
- Y aceptar el error restante: la variabilidad que no se puede prever se gestiona con stock de seguridad bien calculado, no con reuniones de reproches.
Preguntas frecuentes sobre forecast accuracy
¿Qué es la forecast accuracy?
La medida de cuánto se desvían las previsiones de la demanda real. Se expresa habitualmente como 100 menos el error porcentual ponderado (WMAPE), acompañada del sesgo, que indica si el error es sistemáticamente optimista o pesimista.
¿Qué diferencia hay entre MAPE y WMAPE?
El MAPE promedia el error porcentual de cada referencia dándoles el mismo peso; el WMAPE pondera por volumen, de modo que las referencias importantes pesan más. Para gestionar inventario y servicio, el WMAPE es más representativo.
¿A qué nivel se mide la forecast accuracy?
Al nivel donde se toman las decisiones de stock: referencia (y ubicación, si hay varios almacenes). El dato agregado engaña porque los errores de signo contrario se compensan entre sí y maquillan el resultado.
¿Qué es el sesgo de previsión?
La tendencia del error a ir siempre en la misma dirección: previsiones sistemáticamente por encima (optimistas, inflan el stock) o por debajo (pesimistas, fabrican roturas). Es el defecto más corregible de un proceso de previsión, porque su causa suele ser organizativa, no estadística.
¿Qué forecast accuracy es un buen objetivo?
No existe un número universal: depende de la variabilidad de la demanda, el nivel de detalle y el plazo de la previsión. Los objetivos útiles son relativos: mejorar tu propia línea base, mantener el sesgo cerca de cero y batir a la previsión ingenua de referencia.
