Forecast Value Added (FVA)
El Forecast Value Added (FVA) mide si la intervención humana en el proceso de forecast —ajustes de Ventas, Mercadeo o Consenso— mejora o empeora la calidad del forecast producido por el modelo de IA (Baseline).
Cada variante del FVA compara una etapa del proceso (Ventas / Mercadeo / Consenso) contra el Baseline (IA) como punto de referencia.
Regla de oro del signo
| Valor FVA | Interpretación |
|---|---|
| Positivo | La etapa agrega valor: mejora la métrica respecto al Baseline |
| ≈ 0 (zona muerta ±0,05) | La etapa es neutra: no mejora ni empeora significativamente |
| Negativo | La etapa destruye valor: empeora la métrica respecto al Baseline |
Diferencias de FVA entre −0,05 y +0,05 se consideran neutras: el ruido estadístico de muestras pequeñas puede producir variaciones en ese rango sin que haya un efecto real.
Variantes del FVA
BIAS FVA
BIAS FVA = |BIAS_Baseline| − |BIAS_etapa|
Compara el sesgo absoluto del Baseline contra el de la etapa. Se usan valores absolutos porque la dirección del sesgo importa menos que su magnitud total.
- Positivo → "Corrige sesgo": la etapa redujo el sesgo sistemático.
- Negativo → la etapa introdujo o amplificó el sesgo.
Ejemplo: Baseline BIAS = −200 → |−200| = 200. Mercadeo BIAS = −50 → |−50| = 50. BIAS FVA = 200 − 50 = +150 (Mercadeo corrige sesgo).
MAE FVA
MAE FVA = MAE_Baseline − MAE_etapa
Compara el error absoluto medio del Baseline contra el de la etapa.
- Positivo → "Reduce error": la etapa produjo forecasts más cercanos a la demanda real.
- Negativo → la etapa alejó el forecast de la demanda real.
Ejemplo: Baseline MAE = 150. Mercadeo MAE = 90. MAE FVA = 150 − 90 = +60 (Mercadeo reduce el error).
ACCURACY FVA
ACCURACY FVA = Exactitud_etapa − Exactitud_Baseline
El orden de la resta está invertido respecto a BIAS FVA y MAE FVA porque en Exactitud (Accuracy) un valor mayor es mejor. Así, un resultado positivo sigue significando "la etapa es mejor".
- Positivo → "Mejora exactitud": la etapa aumentó la exactitud en puntos porcentuales.
- Negativo → la etapa redujo la exactitud.
Ejemplo: Baseline Exactitud = 82 %. Mercadeo Exactitud = 91 %. ACCURACY FVA = 91 − 82 = +9 pp.
Lectura combinada de las tres variantes
| BIAS FVA | MAE FVA | Diagnóstico |
|---|---|---|
| Positivo | Positivo | Agrega valor sólido: corrige sesgo y reduce error |
| Negativo | Negativo | Destruye valor: introduce sesgo y aumenta el error |
| Positivo | Negativo | Corrección con ruido: corrige el sesgo pero dispersa los errores |
| Negativo | Positivo | Raro; puede indicar un artefacto estadístico — revisar con cautela |
Ejemplo integral
SKU "Tableta Z" — Ventas vs. Baseline — Demanda real: 1.000 unidades
| Métrica | Baseline (IA) | Ventas | FVA |
|---|---|---|---|
| Forecast | 1.150 | 1.040 | — |
| BIAS | −150 | −40 | +110 ✔ |
| MAE | 150 | 40 | +110 ✔ |
| Exactitud | 85 % | 96 % | +11 pp ✔ |
Las tres variantes son positivas: la etapa de Ventas agrega valor sólido sobre el Baseline de IA para este SKU.
Revisa el FVA por etapa al cierre de cada versión. Un FVA negativo persistente en una etapa es señal de que el proceso de ajuste manual puede estar perjudicando la calidad del forecast y merece un diagnóstico de proceso.