泊松受限需求预测的尺度感知评分

预测质量应在理论可行性与实际合理预期的背景下进行评估。通常，可以确定概率预测锐度的近似上限，这为误差指标设定了一个下限（不一定可达到）。在零售预测中，泊松分布给出了一个简单但往往无法超越的锐度极限。当使用平均绝对误差等传统指标评估预测时，很难判断某个达到的数值是反映了不可避免的泊松噪声，还是确实表明预测模型存在过度分散。此外，每个评估指标都受精度尺度影响：指标值主要由销售率和由此产生的依赖于速率的泊松噪声决定，而预测质量仅是次要因素。比较两组被预测产品通常会导致“滞销品表现不如畅销品”或反之的结果，我们称之为朴素尺度陷阱。为了提炼预测的内在质量，我们将预测分层到预测值大致相等的桶中，并分别评估每个桶的指标。通过将每个桶达到的数值与由指标理论期望值定义的基准进行比较，我们获得了预测质量的直观可视化。这种表示可以总结为单一评分，使得不同产品甚至不同行业之间的预测质量具有可比性。由此开发的尺度感知预测评分被应用于 M5 竞赛数据集上的预测模型，以及 Blue Yonder 面向英国 Sainsbury 超市杂货产品的 Demand Edge for Retail 解决方案所提供的真实预测。该结果使非专家能够对模型质量进行清晰的解释和深入理解。