MAE, RMSE i WAPE es comparen sovint com si una hagués de ser la mètrica “correcta”. La realitat és menys còmoda. Cada mètrica respon una pregunta diferent sobre l’error, i cap sap per si sola quant costa aquest error al negoci. L’elecció importa perquè els mateixos forecasts poden semblar bons amb una mètrica i febles amb una altra. Un model que evita desviacions grans pot quedar afavorit per RMSE; un amb errors absoluts estables pot veure’s millor amb MAE; WAPE pot donar una lectura agregada intuïtiva. La mètrica no només avalua el model: també defineix quin tipus de fallada considerem més important.
Què mesura cada mètrica
MAE fa la mitjana dels errors absoluts. El seu avantatge principal és la interpretació directa en les mateixes unitats de la variable. Si predim unitats, MAE ens diu aproximadament quantes unitats ens desviem de mitjana. És simple, robusta i fàcil d’explicar, però penalitza l’error de manera lineal. RMSE eleva els errors al quadrat abans d’agregar-los i torna després a l’escala original. Això fa que les desviacions grans pesin més. Pot ser adequat quan els errors extrems són especialment perjudicials, però alguns episodis poden dominar la comparació.
WAPE divideix l’error absolut total per la demanda real total. El format percentual facilita comparacions agregades. El problema és que les observacions de més volum dominen el resultat. Una cartera de productes de gran rotació pot amagar un mal comportament en referències petites però crítiques.
L’escala canvia la lectura
MAE i RMSE depenen de l’escala. Un error de 100 unitats pot ser enorme en un producte que en ven 200 i irrellevant en un que en ven 100.000. Comparar productes heterogenis exigeix prudència. WAPE millora part de la comparabilitat, però introdueix un altre efecte: el volum determina el pes. Si el negoci decideix per SKU, magatzem o client, un WAPE global pot ser massa agregat per representar la decisió operativa.
La demanda intermitent també complica les coses. Sèries amb molts zeros poden fer que algunes mètriques percentuals siguin inestables o poc interpretables. L’avaluació ha de seguir la naturalesa de la demanda i la granularitat de l’acció.
El negoci introdueix asimetria
Cap d’aquestes mètriques distingeix automàticament entre sobrepredir i subpredir. El negoci sí que pot fer-ho. Quedar curt en un component crític pot aturar producció, mentre passar-se moderadament només augmenta inventari. En productes peribles pot passar el contrari. Això significa que dos models amb el mateix MAE poden tenir costos empresarials molt diferents. Si un s’equivoca sobretot per sota i l’altre per sobre, la política de reposició pot reaccionar de manera diferent.
L’horitzó també importa. Un error gran a tres mesos pot ser corregible; el mateix error dos dies abans d’una comanda pot ser car. La mètrica estadística s’ha d’acompanyar d’avaluació per horitzó i, quan sigui útil, d’una funció de cost.
Triar des de la decisió
Una selecció pràctica comença per la pregunta operativa. MAE és sovint una bona baseline si volem una mesura estable en unitats originals. RMSE és útil quan els errors grans mereixen més pes. WAPE pot aportar una lectura relativa agregada vinculada al volum. Però cap hauria de ser l’única mètrica quan hi ha una decisió econòmica important al darrere. Cal segmentar per criticitat, horitzó i direcció de l’error, i comprovar què passa quan el forecast alimenta la política real.
La bona pràctica no és buscar una mètrica universal. És construir una jerarquia petita: una mètrica estadística principal, algunes mètriques diagnòstiques i una mesura d’impacte empresarial. El model guanya quan millora la decisió, no quan guanya una taula d’accuracy. Un control addicional útil és repetir la comparació en diferents talls de la cartera. Un model pot semblar millor en total i perdre en referències crítiques, demanda intermitent o productes amb lead time llarg. La mètrica principal ha de sobreviure a una lectura segmentada. Si la conclusió canvia quan separem aquests grups, la mètrica no és necessàriament dolenta; el negoci té més d’un règim d’error i cal tractar-lo explícitament.