🤍 前端开发工程师、技术日更博主、已过CET6
🍨 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1
🕠 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》、《前端求职突破计划》
🍚 蓝桥云课签约作者、上架课程《Vue.js 和 Egg.js 开发企业级健康管理项目》、《带你从入门到实战全面掌握 uni-app》

一、一句话总览

• WAPE：看整体大盘准不准，供应链/库存/补货核心指标
• MASE：看模型比简单预测强多少，模型选型、时序对比专用
• RMSE：看异常大误差惩罚重，偏统计、不适合直接对业务讲

---

二、公式与直观理解

1. WAPE（加权绝对百分比误差）

• 含义：总预测偏差 ÷ 总真实销量
• 直观：整体误差占总销量的百分比

2. MASE（平均绝对标度误差）

• 分母：朴素预测法（ naive forecast：用昨天值预测今天）的平均误差
• 含义：你的模型比“瞎猜”强几倍
• MASE < 1 → 模型有用；MASE > 1 → 还不如直接用昨天销量

3. RMSE（均方根误差）

• 含义：误差的平均“距离”
• 特点：对大误差、异常点惩罚极重

---

三、核心对比表（销量预测场景）

维度	WAPE	MASE	RMSE
业务解释难度	极简单（百分比）	中等（比值）	难（带单位）
是否受销量量级影响	不受（归一化）	不受（自归一）	严重受（销量大则RMSE天然大）
对小单品/零销量	稳定、不爆炸	稳定	稳定
对大误差/爆品误差	正常加权	正常加权	极度放大
能否跨品类对比	可以	可以	不可以
是否适合做KPI	最适合	不适合对外	不适合对外
核心价值	总库存/总补货准不准	模型是否真有效	统计拟合好坏

---

四、深度业务场景对比（重点）

1）WAPE —— 业务第一指标，供应链之王

适用场景

• 销量预测、补货计划、库存规划、大促预测
• 给老板/运营/供应链看的核心KPI
• 多SKU、多门店、跨区域汇总对比
• 关心：总缺货量、总积压、总误差成本

为什么是销量预测核心

• 直接对应钱和货
• 不受单品大小影响，不会被滞销品带偏
• 0销量也不会炸指标
• 业务一听就懂：WAPE 8% = 整体准92%

不适用

• 不适合判断模型是否比基线强
• 不适合纯时序学术对比

---

2）MASE —— 模型工程师专用，时序模型“照妖镜”

适用场景

• 时序预测模型选型：ARIMA、Prophet、LightGBM、AutoGluon
• 判断模型有没有真本事
• 不同频率（日销/周销）、不同销量量级SKU统一对比
• 学术/算法汇报使用

为什么时序离不开它

• 自带基准对比：比 Naive 预测强才叫模型
• 天然无量纲，所有SKU都能放一起比
• 不受销量大小影响，非常公平

不适用

• 不适合给业务方看（听不懂）
• 不反映真实库存成本
• 不能当KPI

---

3）RMSE —— 统计拟合指标，偏技术

适用场景

• 模型训练损失函数优化
• 关注极端误差（爆品预测偏差巨大时）
• 统计分析、回归模型对比

特点

• 对大错特错惩罚极强
• 销量越高，RMSE 天然越大，不能跨SKU比

不适用

• 几乎不适合业务场景
• 不能做KPI
• 不适合零售补货、供应链

---

五、真实企业怎么搭配使用（最佳实践）

标准组合：

主指标：WAPE
辅指标：MASE
监控指标：RMSE

流程

1. 对外汇报、供应链决策 → 只看 WAPE
2. 模型迭代、算法优化 → 看 MASE
3. 排查极端异常、爆品预测翻车 → 看 RMSE

---

六、极简结论（记忆版）

• WAPE = 业务说话，供应链核心
• MASE = 模型说话，时序选型必备
• RMSE = 统计说话，只看极端误差

如果你是做销量预测/补货/电商零售：
WAPE 是绝对核心，MASE 辅助模型选型，RMSE 基本不用上台面。