MAPE, MAE y RMSE: cómo medir la precisión de tu previsión

Una previsión sin una medida de error es un acto de fe. Si no sabes cuánto se equivoca tu forecast, no puedes mejorarlo ni dimensionar el stock de seguridad que lo protege. Estas son las tres métricas que de verdad acabarás usando.

MAE: el error en unidades

El error absoluto medio (MAE) es el promedio de la diferencia, en valor absoluto, entre lo previsto y lo real. Se expresa en las mismas unidades que vendes, así que es muy intuitivo: «me equivoco, de media, en 12 unidades». Trata todos los errores por igual, sean grandes o pequeños.

MAPE: el error en porcentaje

El error porcentual absoluto medio (MAPE) expresa esa misma desviación en porcentaje, lo que permite comparar productos de volúmenes muy distintos. Su pega: se dispara cuando la demanda real es muy baja o cero, así que conviene usarlo con cuidado en referencias de venta esporádica.

RMSE: penaliza los grandes fallos

La raíz del error cuadrático medio (RMSE) eleva al cuadrado cada error antes de promediar, de modo que castiga con dureza las desviaciones grandes. Es la métrica adecuada cuando un fallo aislado pero enorme te duele mucho más que muchos fallos pequeños.

No hay una métrica perfecta: hay una métrica adecuada para cada decisión. Elige según lo que más te cueste equivocarte.

La regla de oro: compara contra una referencia

Ningún número de error significa nada en el vacío. Compáralo siempre con un modelo simple —una media móvil o repetir el dato del año anterior—. Si tu modelo sofisticado no supera a esa referencia, no está aportando valor. Star4cast hace esa comparación automáticamente y elige, para cada producto, el modelo que minimiza el error.