Calculadora de Forecast Accuracy

¿Tu pronóstico de demanda genera sobre-stock o agotados y no sabes qué tan malo es realmente? Esta calculadora evalúa tu pronóstico con 10 métricas profesionales (MAPE, WMAPE, MASE, Bias…), te dice si tu modelo agrega valor vs. no hacer nada, y cuantifica el impacto financiero de tus errores.

Descarga el estudio de Tendencias en Supply Chain
Accede al análisis detallado y gráficas exclusivas.

¿Qué es la calculadora de forecast acuraccy?

Es una calculadora web gratuita de errores de pronóstico de demanda. Permite evaluar la precisión de un modelo de forecasting con 10 métricas profesionales a partir de datos históricos de demanda real vs. pronosticada.

Modos de ingreso de datos

La herramienta ofrece dos métodos para ingresar datos:​

  1. Ingreso manual: Se completa una tabla fila por fila con 4 campos:
    • Fecha (opcional, texto libre)
    • SKU (opcional, identificador del producto)
    • Real (obligatorio, demanda real en unidades)
    • Pronóstico (obligatorio, valor pronosticado)
    • Se pueden agregar filas ilimitadas con el botón "+ Agregar fila" y borrar filas individuales con el ícono de papelera.
    • Existe un botón "Limpiar todo" para resetear la tabla.
  1. Subir archivo: Permite cargar un Excel con los datos directamente (sin necesidad de ingreso manual).

Aviso de confiabilidad: La herramienta notifica en tiempo real cuántos periodos has ingresado y recomienda tener al menos 12 periodos para obtener resultados confiables.​

Las 10 métricas que calcula

Con cada cálculo la herramienta entrega los siguientes indicadores, cada uno con su descripción contextual y un semáforo de color (🟢 verde / 🟡 amarillo / 🔴 rojo):

# Métrica Descripción Interpretación
1 Forecast Accuracy % de la demanda que aciertas Se calcula como 100% – WMAPE
2 WMAPE Error porcentual ponderado por volumen La métrica recomendada; da más peso a periodos de mayor demanda
3 MAPE Error porcentual promedio por periodo Sensible a SKUs de bajo volumen
4 MASE Error escalado vs. modelo naive < 1 = agrega valor; > 1 = peor que no hacer nada; < 0.8 = agrega valor real
5 MAE Error absoluto promedio en unidades Cuántas unidades te equivocas en promedio
6 RMSE Raíz del error cuadrático medio Penaliza más los errores grandes
7 SMAPE Versión simétrica del MAPE Rango 0–200%; evita asimetrías del MAPE
8 MAE Naive Error si repitieras la venta del periodo anterior Línea base de referencia
9 Bias Sesgo del pronóstico (positivo o negativo) Negativo = sobre-pronostica; Positivo = sub-pronostica
10 Tracking Signal Detector acumulado de sesgo Fuera de ±4 = alerta de sesgo sistemático

Panel resumen visual

Además del detalle de cada métrica, la herramienta muestra un panel de resumen con:​

  • 6 métricas clave en tarjetas pequeñas: WMAPE, MAPE, MASE, Bias, Accuracy y Tracking Signal.
  • Cada valor tiene un semáforo de color según su nivel de desempeño.

Diagnóstico automático

Una de las funciones más relevantes es el diagnóstico automático que interpreta los resultados sin que el usuario necesite saber leer las métricas:​

  • Compara el MASE contra el modelo naive y emite un veredicto:
    • 🔴 ALERTA: "Tu modelo es PEOR que simplemente repetir la venta del periodo anterior. Revisa tu método."
    • 🟢 POSITIVO: "Tu MASE es 0.23 (<0.8). Tu modelo agrega valor real vs. un pronóstico naive. Buen trabajo."

Preguntas frecuentes

¿Qué es el Forecast Accuracy y cómo se calcula?
El Forecast Accuracy mide qué porcentaje de la demanda aciertas con tu pronóstico. Se calcula como 100% − WMAPE. Un accuracy del 80% significa que tu pronóstico acierta 8 de cada 10 unidades de demanda.
¿Qué es el MASE y por qué es importante?
El MASE (Mean Absolute Scaled Error) compara tu pronóstico contra un modelo naive (repetir la venta anterior). Si MASE > 1, tu modelo es peor que no hacer nada. Si MASE < 0.8, tu modelo agrega valor real.
¿Cuál es la diferencia entre MAPE y WMAPE?
MAPE promedia el error porcentual de cada periodo por igual, lo que hace que SKUs de bajo volumen distorsionen el resultado. WMAPE pondera por volumen real, dando más peso a los periodos con más demanda. WMAPE es la métrica recomendada.

Sigue explorando la cadena de suministro

Ver blog
Supply Chain Analytics
Datup integra tus datos y usa deep learning para predecir la demanda (+95% precisión), analizar tu inventario y calcular puntos de reorden, priorizando tus compras según ubicación y productos estratégicos.
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.