Hoe accuraat is je forecast?

Een werklastforecast is alleen waardevol als hij klopt. Toch vertrouwen veel bedrijven blind op een voorspelling zonder ooit te meten hoe goed die was. Een backtest lost dat op: hij vergelijkt achteraf de voorspelling met wat er echt gebeurde, per afdeling en per dagsoort. Dit blog legt uit hoe dat werkt, wat MAPE is, en waarom het de geloofwaardigheid van je planning bepaalt.

Waarom een forecast zonder backtest niets waard is

Als je niet meet hoe goed je voorspelling was, weet je drie dingen niet:

1. Of de forecast structureel te hoog of te laag zit (en je dus systematisch over- of onderbezet).
2. Welke afdelingen of dagen moeilijk te voorspellen zijn (en extra buffer of aandacht vragen).
3. Of het beter wordt naarmate het model meer data ziet.

Zonder die feedback blijft een forecast een aanname die je gelooft, niet een instrument dat je stuurt.

Wat is MAPE?

MAPE staat voor Mean Absolute Percentage Error: de gemiddelde absolute procentuele afwijking tussen voorspelling en werkelijkheid. In gewone taal: hoeveel procent zat je voorspelling er gemiddeld naast, ongeacht of je te hoog of te laag zat.

Een voorbeeld:

Dag	Voorspeld	Werkelijk	Afwijking
Maandag	100	110	10%
Dinsdag	100	95	5%
Woensdag	100	120	20%

De MAPE over deze drie dagen is (10 + 5 + 20) / 3 = 11,7%. Hoe lager de MAPE, hoe scherper je voorspelling.

Per afdeling en per dagsoort

Een gemiddelde MAPE over de hele operatie verbergt te veel. Het echte inzicht zit in de uitsplitsing:

• Per afdeling: misschien is Pick goed te voorspellen (lage MAPE) maar Returns grillig (hoge MAPE). Dan weet je waar je buffer nodig hebt.
• Per dagsoort: doordeweekse dagen zijn vaak stabieler dan zaterdagen of feestdagen. Een hoge MAPE op zaterdag vraagt om een andere aanpak dan op een dinsdag.

Door per afdeling en dagsoort te kijken, weet je niet alleen of je forecast goed is, maar waar hij beter kan.

Onderschat of overschat je structureel?

MAPE laat de grootte van de fout zien, maar niet de richting. Daarom kijk je ook naar bias: zit je voorspelling gemiddeld te hoog of te laag? Een structurele overschatting betekent stelselmatige overbezetting (loonkosten weglekken), een onderschatting betekent overwerk en omvallende dekking. Beide kosten geld, op verschillende manieren.

Hoe AIX Forge dit doet

In AIX Forge toont de forecast-leerloop per afdeling en dagsoort hoeveel procent de voorspelling er gemiddeld naast zat (MAPE), en of er structureel te hoog of te laag wordt geschat. Je ziet ook of het beter wordt over de tijd, naarmate het model meer van je eigen data heeft gezien.

Dat sluit aan op de lerende productiviteitsnorm (de norm waarmee de forecast rekent) en op de schaduwrooster-ROI (wat een betere planning in euro’s oplevert). Elke gepubliceerde week krijgt bovendien een rapportcijfer met de uitleg per factor.

Veelgestelde vragen

Wat is een goede MAPE?

Dat hangt sterk af van je operatie en hoe grillig de vraag is. Belangrijker dan een absoluut getal is de trend: wordt je MAPE lager over de tijd, en weet je welke afdelingen of dagen de hoogste afwijking hebben?

Wat is het verschil tussen MAPE en bias?

MAPE meet de grootte van de fout (hoeveel procent ernaast). Bias meet de richting (structureel te hoog of te laag). Je hebt beide nodig: een lage MAPE met een consistente bias betekent dat je nog steeds systematisch verkeerd zit.

Heb ik veel historie nodig voor een betrouwbare backtest?

Hoe meer afgesloten periodes, hoe betrouwbaarder. Na enkele weken tot maanden eigen data krijg je een bruikbaar beeld per afdeling en dagsoort, dat scherper wordt naarmate er meer data is.

In welke tier zit de forecast-backtest?

De forecast-backtest met MAPE per afdeling en dagsoort zit in de Skill-tier. Zie de prijzen-pagina voor de details.

---

Maak je forecast meetbaar

Een forecast die je backtest is een instrument dat je stuurt, geen aanname die je gelooft.

Start drie maanden gratis met AIX Forge, of plan een demo en zie de backtest op je eigen cijfers.