37、预测评估的FVA框架与相关指标解析

预测评估的FVA框架与相关指标解析

1. 总百分比误差（TPE）与随机附加值（SVA）

总百分比误差（TPE）在预测需求方面具有重要作用。尽管与其他误差指标相比，TPE需要更多的数据且计算更为复杂，但它能更全面地体现预测中的不确定性范围。这有助于做出更好的决策，例如在库存规划中，组织可以考虑完整的需求分布，而非仅仅依据中间点预测，从而防范特定风险或抓住偶然机会。

随机附加值（SVA）则为评估预测质量提供了更全面的方法。它衡量实际分布与预测分布之间差异的改善情况。通过评估完整分布而非仅关注点预测，SVA能更完整地呈现预测的价值。以下是TPE和SVA相关要点总结：
|指标|特点|作用|
| ---- | ---- | ---- |
|TPE|数据需求大、计算复杂|体现预测不确定性，助力库存规划等决策|
|SVA|评估完整分布差异|全面呈现预测价值|

2. 预测价值增加（FVA）框架

FVA框架并非一套严格的规则和程序，而是一种应用于预测性能评估的科学思维方式。它将关注点从预测过程所达到的准确性转移，因为准确性最终受预测对象的性质所限。相反，FVA着重关注过程的有效性（与简单预测等替代方法相比，准确性的提升程度）和效率（为实现这种提升所利用的资源数量）。

FVA能够揭示存在根本缺陷的过程，例如无法超越简单预测，或者涉及主观调整从而使计算机生成的预测变差的情况。这些发现可以提醒组织注意潜在的不良做法。FVA通过识别可能困扰任何预测过程的浪费和低效率，对传统绩效指标起到补充作用。

2.1 FVA框架的优势

• 发现潜在问题