MAPE e WMAPE são métricas de erro da previsão de demanda. O MAPE é a média dos erros percentuais absolutos de cada período; o WMAPE pondera esse erro pelo volume, dividindo o erro absoluto total pela demanda total. A escolha entre eles muda a leitura da acurácia — sobretudo em portfólios com itens de baixo giro.
Acurácia de previsão: erro vs acurácia
Antes de comparar as duas métricas, vale separar dois conceitos que são usados como sinônimos, mas não são a mesma coisa. Erro é o quanto a previsão se afastou da demanda realizada. Acurácia é a leitura positiva desse mesmo desvio, normalmente expressa como 100% menos o erro percentual. Se um item fechou o mês com 12% de erro, a acurácia foi de 88%. Como o erro pode, em tese, superar 100%, a acurácia costuma ser limitada a zero em vez de assumir valores negativos.
Medir isso não é burocracia de indicador. A acurácia da previsão alimenta diretamente o dimensionamento do estoque de segurança: quanto maior e mais errático o erro de previsão, mais estoque a operação precisa carregar para sustentar o mesmo nível de serviço. Erro alto empurra a empresa para os dois extremos indesejados — capital parado em excesso de estoque de um lado, ruptura e venda perdida do outro. Reduzir o erro (ou, no mínimo, medi-lo bem) é o que permite girar estoque com segurança. É por isso que a métrica escolhida importa: ela é a lente pela qual toda a operação enxerga a qualidade do seu planejamento.
O que é MAPE
O MAPE (Mean Absolute Percentage Error, ou Erro Percentual Absoluto Médio) responde a uma pergunta simples: em média, quantos por cento minha previsão errou por período? Ele calcula o erro percentual de cada período de forma independente e tira a média aritmética.
Fórmula do MAPE
MAPE = (1 / n) × Σ ( |A − F| / A ) × 100
Onde A é a demanda real (Actual), F é a previsão (Forecast) e n é o número de períodos. Cada termo |A − F| / A é o erro percentual absoluto (APE) daquele período.
Veja um exemplo com quatro períodos. Para cada um, calculamos o erro absoluto |A − F| e o erro percentual absoluto |A − F| / A:
| Período | Real (A) | Previsto (F) | |A − F| | |A − F| / A |
|---|---|---|---|---|
| Jan | 100 | 90 | 10 | 10,0% |
| Fev | 120 | 132 | 12 | 10,0% |
| Mar | 80 | 100 | 20 | 25,0% |
| Abr | 110 | 99 | 11 | 10,0% |
| MAPE | (10,0 + 10,0 + 25,0 + 10,0) / 4 | 13,75% | ||
Interpretação: em média, a previsão errou 13,75% ao mês — o equivalente a uma acurácia de cerca de 86%. Repare que o período de março, com demanda mais baixa (80) e erro de 20 unidades, sozinho puxou o MAPE para cima: seu erro percentual (25%) pesa igual ao dos demais na média, embora represente pouco volume.
Limitações do MAPE
Esse comportamento de março é a ponta de três limitações clássicas que você precisa conhecer antes de reportar o número para a diretoria:
- Fica indefinido quando a demanda é zero. Se A = 0 em algum período, o termo |A − F| / A é uma divisão por zero e o cálculo quebra. Isso torna o MAPE inviável em séries intermitentes (itens que não vendem todo período).
- Explode com demanda pequena. Denominadores baixos inflam o erro percentual: um desvio de poucas unidades sobre uma demanda de 2 ou 3 gera percentuais enormes, mesmo que o impacto em volume seja irrelevante.
- É assimétrico. Superprevisão e subprevisão não são penalizadas de forma igual. Quando a previsão zera (subprevisão extrema), o erro percentual do período é limitado a 100%. Já a superprevisão não tem teto — prever muito acima da demanda pode gerar erros de 200%, 300% ou mais. Na prática, isso enviesa a comparação e a seleção de modelos a favor de previsões conservadoras, mais baixas.
O que é WMAPE
O WMAPE (Weighted MAPE, ou MAPE Ponderado) nasce para corrigir a principal fragilidade do MAPE: tratar todos os períodos e itens como se pesassem o mesmo. Em vez de tirar a média de percentuais, ele soma os erros absolutos e divide pela demanda total — ou seja, pondera cada erro pelo volume que ele representa.
Fórmula do WMAPE
WMAPE = ( Σ |A − F| / Σ A ) × 100
O numerador é a soma de todos os erros absolutos; o denominador é a demanda total do período. Como cada erro entra em unidades reais e é dividido pelo volume total, itens grandes pesam mais e itens pequenos pesam menos — proporcionalmente ao que de fato movimentam.
Aplicando ao mesmo conjunto de quatro períodos da seção anterior:
| Período | Real (A) | Previsto (F) | |A − F| |
|---|---|---|---|
| Jan | 100 | 90 | 10 |
| Fev | 120 | 132 | 12 |
| Mar | 80 | 100 | 20 |
| Abr | 110 | 99 | 11 |
| Total | 410 | — | 53 |
| WMAPE | 53 / 410 | 12,93% | |
O WMAPE (12,93%) ficou um pouco abaixo do MAPE (13,75%) porque o erro proporcionalmente grande de março agora pesa apenas o que seu volume representa dentro do total, e não como um quarto da média. Em séries mais heterogêneas, essa diferença é muito maior — como veremos no exemplo de SKUs a seguir.
Vantagens do WMAPE:
- Robusto a itens de baixo volume. Erros percentuais altos em SKUs que quase não vendem deixam de dominar o resultado agregado.
- Permanece definido com demanda zero em períodos isolados. Como divide pela demanda total (Σ A), basta que a soma seja maior que zero — ele não quebra por causa de um único período sem venda.
- Reflete o portfólio real. O número final representa o erro do negócio como um todo, ponderado por onde está o volume (e, em geral, o dinheiro).
Um ponto de nomenclatura que confunde muita gente: WMAPE e WAPE são sinônimos. Weighted MAPE e Weighted Absolute Percentage Error apontam para a mesma fórmula — erro absoluto total sobre demanda total. Se você ver os dois termos em relatórios diferentes, trata-se da mesma métrica.
MAPE vs WMAPE na prática
Colocando as duas métricas lado a lado, a diferença de comportamento fica clara:
| Critério | MAPE | WMAPE |
|---|---|---|
| Fórmula | Média dos erros % de cada período | Erro absoluto total ÷ demanda total |
| Sensibilidade ao volume | Nenhuma — todos os itens pesam igual | Alta — pondera pelo volume de cada item |
| Itens de baixo volume | Distorcem o resultado (inflam a média) | Pesam pouco, proporcional ao volume |
| Demanda zero no período | Indefinido (divisão por zero) | Definido enquanto Σ A > 0 |
| Uso típico | Item único / série estável | Portfólio / número agregado do negócio |
Exemplo trabalhado: um portfólio de SKUs
Imagine quatro SKUs no mesmo período. Um deles concentra praticamente todo o volume; os outros três são itens de baixo giro. A previsão do item grande foi ótima; a dos pequenos, ruim:
| SKU | Real (A) | Previsto (F) | |A − F| | Erro % (APE) |
|---|---|---|---|---|
| SKU A (alto volume) | 1.000 | 950 | 50 | 5,0% |
| SKU B (baixo volume) | 10 | 15 | 5 | 50,0% |
| SKU C (baixo volume) | 8 | 4 | 4 | 50,0% |
| SKU D (baixo volume) | 20 | 10 | 10 | 50,0% |
| Total | 1.038 | — | 69 | — |
Agora as duas métricas contam histórias opostas sobre o mesmo resultado:
- MAPE = (5 + 50 + 50 + 50) / 4 = 38,75%. Os três itens minúsculos, cada um a 50%, dominam a média e sugerem uma previsão terrível.
- WMAPE = 69 / 1.038 = 6,65%. Como quase todo o volume está no SKU A — que foi previsto com 5% de erro —, o número agregado reflete corretamente que o portfólio, em unidades (e provavelmente em faturamento), foi bem previsto.
A diferença entre 38,75% e 6,65% não é detalhe estatístico: é a diferença entre reportar à diretoria uma previsão "péssima" ou "muito boa" para exatamente os mesmos dados. O MAPE foi inflado por itens que quase não movimentam volume; o WMAPE mostrou onde o negócio realmente está.
Quando usar cada um
A regra prática decorre de tudo acima:
- Use MAPE quando estiver avaliando um item único, com demanda estável e sem zeros — por exemplo, um produto de alto giro analisado isoladamente. Nesse contexto, ele é simples, intuitivo e comunica bem.
- Use WMAPE quando o número precisar representar um portfólio, uma família, um canal ou o total do negócio — especialmente com itens de volumes muito diferentes ou demanda intermitente. É a métrica agregada padrão em planejamento de demanda justamente porque não deixa a cauda de itens pequenos distorcer a leitura.
Na dúvida, em ambientes de planejamento de demanda com muitos SKUs, o WMAPE costuma ser a escolha mais segura para o indicador oficial — mantendo o MAPE, quando útil, como visão complementar item a item.
Métricas relacionadas: MAD, BIAS e tracking signal
MAPE e WMAPE medem magnitude de erro em percentual, mas não contam a história toda. Vale conhecer três métricas que as complementam:
- MAD (Desvio Absoluto Médio): a média dos erros absolutos, na mesma unidade da demanda. É a base para dimensionar estoque de segurança e para calcular o tracking signal.
- BIAS (Viés): a soma dos erros com sinal. Enquanto MAPE e WMAPE ignoram a direção do erro, o BIAS revela se a previsão erra sistematicamente para cima ou para baixo — um viés persistente indica problema estrutural no modelo ou no processo.
- Tracking signal (Sinal de rastreamento): a razão entre o erro acumulado com sinal e o MAD, usada para detectar quando o viés saiu de controle e o modelo precisa ser revisto.
Uma boa rotina de acurácia acompanha magnitude (WMAPE) e direção (BIAS) em conjunto: dá para ter um WMAPE baixo e, ainda assim, um viés persistente escondido — o tipo de erro que corrói estoque mês após mês.
Como calcular
Para calcular na mão, o roteiro é direto:
- Para cada período ou SKU, apure a demanda real (A) e a previsão (F).
- Calcule o erro absoluto |A − F| de cada linha.
- Para o WMAPE, some todos os |A − F| e divida pela soma de todos os A; multiplique por 100.
- Para o MAPE, calcule |A − F| / A por linha e tire a média dos percentuais (ignorando ou tratando à parte as linhas com A = 0).
Se preferir não montar a planilha, use a calculadora de forecast accuracy: basta inserir os pares de real e previsto para obter o erro e a acurácia. E, para transformar o resultado em política de estoque, a calculadora de estoque de segurança mostra como o erro de previsão vira o buffer que protege o seu nível de serviço.