Predictive Forecasting als Beitrag zur Unternehmensplanung

Predictive Forecasting ist als Planungsunterstützung ein neuer und vielversprechender Ansatz. Als Grundlage dient hier eine Zeitreihenanalyse, die mithilfe des IBM SPSS Modelers schnell und einfach durchgeführt werden kann.

 

Ziele und Nutzen der Zeitreihenanalyse:

  • Auffinden von Mustern und Gesetzmäßigkeiten
  • Aufstellen mathematischer Modelle zur Beschreibung und Erklärung beobachteter Zeitreihen
  • Bewertung von Ereignissen, die das Verhalten der Zeitreihe ändern. (Ist die Änderung signifikant, quantifizierbar?)
  • Prognose zukünftiger Werte

 

Zu identifizierenden Entwicklungen:

  • Trends – langfristige Entwicklungsrichtungen
  • Saisons – periodische Schwankungen mit bekannter Periodenlänge
  • Zyklen – wellenförmige Schwankungen ohne feste Periodenlänge (z.B. Konjunkturzyklus)
  • irreguläre Fluktuationen – reglose, einmalige Einflüsse

 
Mittels der oben aufgeführten Erkenntnisse ist es möglich, selbige auf die Zukunft zu projizieren und dadurch eine genauere und datengetriebene Prognose zu erhalten. Im IBM SPSS Modeler sind die Zeitreihenanalysen wie folgt realisiert (an einem Beispiel dargestellt):

Aufbau der Vorhersageanalyse im IBM SPSS Modeler
Aufbau der Vorhersageanalyse im IBM SPSS Modeler

Die Quelle, auf die der SPSS Modeler aufsetzt, ist in diesem Fall eine 10-jährige Umsatzhistorie des öffentlichen und industriellen Verkehrs (bspw. Zug- /Güter- und Flugverkehr). Als Bahnunternehmen interessiert man sich natürlich für die Umsatzentwicklung der nächsten Jahre. Der IBM SPSS Modeler wird dazu genutzt, um für das nächste Geschäftsjahr eine entsprechende Umsatzprognose aufzustellen.

 

Der Algorithmus der Zeitreihenanalyse kann flexibel gewählt werden. Andererseits kann der Nutzer sich durch die geleitete Analyse des Tools unterstützen lassen. Hierfür führt der IBM SPSS Modeler alle verfügbaren Algorithmen der Zeitreihenanalyse aus und schlägt dem Nutzer das Verfahren mit der höchsten Genauigkeit vor.

Geleitete Zeitreihenanalyse im SPSS Modeler
Geleitete Zeitreihenanalyse im SPSS Modeler

Zudem kann die Vorhersageanalyse auch interne und externe Merkmale des Marktes in die Analyse einschließen, um so eine Aussage zu treffen, welche der Faktoren einen signifikanten Einfluss auf den Verkauf der Umsatzentwicklung haben. In diesem Fall betrachten wir zusätzlich die Umsatzentwicklung von anderen Branchen sowie den Einfluss von Werbeaktionen.

Multivariate Analyse interner und externer Merkmale
Multivariate Analyse interner und externer Merkmale

Je nach verwendetem Algorithmus und dem Einfluss von internen oder externen Informationen, wird die Genauigkeit der Zeitreihenanalyse gesteigert. Im IBM SPSS Modeler erhält man eine Übersicht der Umsatzentwicklung inklusive einer pessimistischen und optimistischen Einschätzung des zukünftigen Verkaufs. Dabei gilt es natürlich, die Prognose zu wählen, bei der die Spanne zwischenpessimistisch und optimistisch am geringsten ist.

Visualisierung einer Zeitreihenanalyse im IBM SPSS Modeler
Visualisierung einer Zeitreihenanalyse im IBM SPSS Modeler

Durch diese datengetriebene Analyse spart der Planer einiges an manuellem Arbeitsaufwand und erhält zusätzlich eine qualitative Entscheidungsunterstützung für seine Unternehmensplanung.

 

Mehr zu IBM SPSS erfahren Sie hier:

 

Autor: Robin Richter, Senior Consultant avantum consult AG

Kommentar schreiben

Kommentare: 0