一、平均绝对误差百分率（MAPE，Mean Absolute Percentage Error）。
　　MAPE是对需求预测准确率评价的最常用也是最有效的指标，没有之一（预测准确率=1-MAPE）。
　　这里，我们分四步再了解和熟悉这个指标：误差、绝对误差、绝对误差百分率、平均绝对误差百分率，详见下图：

　　有两种情况较少出现，尤其是做销售预测时，但如果出现的话，绝对为低概率事件或特殊情况，但会导致MAPE出现两个问题，在这里说明一下，如果出现这两种情况，需要根据企业的实际情况进行调整，或者不采取MAPE进行评价预测准确率。
　　1、当预测值等于0时，只要实际值不等于0，预测准确率都是0。比如当期预测值为0，实际发生1和实际发生100，预测准确率都一样为0，显然不客观。
　　2、当实际需求等于0时，MAPE无法判定，当实际需求趋近于0时，MAPE会被大幅度放大，从而无法准确评估预测水平。
　　以上MAPE计算评定的是单个SKU需求预测的准确度，如果需要对多个或全部SKU的需求预测准确度进行综合评价，可以用单SKU需求数量占总需求数量的比值为权数，对全部SKU的MAPE进行加权平均，从而得出平均MAPE，得出总体的需求预测准确率。

　　二、变异系数（C.V，Coefficient of Variance）。
　　变异系数又称“标准差率”，或者“离散系数”，是衡量各观测值离散程度、变异程度的一个统计指标。相对于预测来说，就是衡量各期数据稳定情况的一项指标，反馈的稳定性。所以，变异系数，在需求预测方面，也可以称之为“稳定系数”。
　　变异系数是标准差与平均数的比值，计算公式与过程如下图：

　　变异系数只有在平均值不为0时才可计算，另，当平均值接近于0的时候，微小的波动也会对变异系数产生巨大影响，因此造成精确度不足，变异系数严重失真。所以变异系数不适合平均值为0或接近于0的场景应用。
　　但对于供应链需求预测，也就是销售预测来说，平均值为0或接近于0是几乎不存在的，所以，变异系数在供应链需求预测中，量化其稳定性，可以广泛应用。
　　变异系数越大，表示其离散程度越大，也就是需求越不稳定，预测风险越大，反之则相反。
　　一般来说，变异系数的数值范围与需求的稳定性的关系，可参考下图：

　　三、跟踪信号（TS，Tracking Signal）。
　　跟踪信号，是用来动态跟踪预测偏差并根据偏差适时调整预测方法或参数的衡量指标。跟踪信号主要用来衡量和量化预测的无偏性，也就是预测方向的准确程度，即预测是多了还少了。正的跟踪信号表明实际需求大于预测，负的则表明实际需求小于预测。
　　跟踪信号通常用平均误差和平均绝对误差的比值来计算，计算方法与过程如下图：
　　【先说明一下：很多理论认为跟踪信号等于游动误差总和除以平均绝对偏差，游动误差总和即下图的RSFE。但我个人觉得，对于我们需求预测来说，以平均误差代替误差滚动和来计算跟踪信号更为直观和合理，故我的日常操作及文章中，跟踪信号均以平均误差来计算。】

　　跟踪信号是衡量和量化不确定性的指标之一，可以根据跟踪信号对预测方法进行评估和调整。一旦跟踪信号计算出来以后，就要将之与预定的控制界限比较。若超过上下控制限，说明预测方法存在问题或不适用，需要重新评估。对于衡量需求预测水平，跟踪信号取值个人建议为-0.5~+0.5之间，跟踪信号小于-0.5或大于0.5，我们需要检讨和调整我们的预测方法。
　　跟踪信号最常见的应用是，在用指数平滑法预测时，以跟踪信号的绝对值作为平滑常数α。因跟踪信号每期变动，是动态的，故以跟踪信号绝对值为平滑常数α的平滑法称为调整指数平滑法，或自适应指数平滑法。
　　注：因平均误差ME最小为零，最大为平均绝对误差MAE，所以跟踪信号的绝对值取值范围在0~1之间，此范围即为平滑常数α的取值范围。

　　以上我们说了衡量或量化不确定性，评估需求预测准确度的三个指标：平均绝对误差百分率MAPE、变异系数C.V和跟踪信号TS。这三个指标均能较好的将不确定性量化，但三个指标各有侧重，MAPE侧重于评估需求预测的准确度，C.V侧重于需求的稳定性，TS侧重于需求的无偏性。
　　预测其实是一个不断纠偏的过程，所以，要更全面、合理反馈不确定情况及需求预测水平，以便更好的纠偏，就需要三个指标配合使用，得出更全面更客观的结果，从而更好的将未来的“不确定”变为“相对的确定”，从而更好的应对未来。