Wie Sie die Prognosegenauigkeit in Ihrem Unternehmen verbessern

"Schon eine Stunde Training verbesserte die Vorhersagegenauigkeit

im Laufe eines Jahres um etwa 14 %!"

Das jedenfalls ist das Fazit, das Philip Tetlock und Barbara Mellers aus dem Good Judgment Project ableiteten, welches über fünf Jahre (von 2011 bis 2015) lief und bei dem 25.000 Prognostiker rekrutiert wurden, um mit vier anderen akademischen Forschungsteams zu konkurrieren, die sich mit Vorhersagefragen beschäftigten.

Mit anderen Worten: Schon eine kleine Investition in Ausbildung und Schulung, angefangen bei den Grundlagen, kann sich lohnen. Was einen  „Superforecaster“ ausmacht und wie man diese Erkenntnisse im Kontext der Unternehmensprognose anwenden kann, haben Tetlock und Kollegen ausführlich beschrieben: „Superforecasting: How to Upgrade Your Company’s Judgment“ sowie in "Superforecasting: The Art and Science of Prediction".

alphachain hat diese Ergebnisse zum Anlass genommen eine exklusive, sonst nirgends im deutschen Markt verfügbare Serie von Webinaren zu konzipieren, die genau das ermöglichen soll.

Angefangen bei grundlegenden statistischen Prognosemethoden bis hin zu modernsten Machine Learning Verfahren erläutern wir Schritt für Schritt mit einer Vielzahl von praktischen Beispielen und unter Einsatz modernster Tools und Methoden (basierend auf Excel und SAPs IBP-Plattform), welche Prognoseverfahren in welcher Situation das beste Aufwand-Nutzen-Verhältnis bieten und wie Sie damit die Prognosequalität in Ihrem Unternehmen signifikant verbessern können.

Wir untersuchen einige bahnbrechende Arbeiten auf diesem Gebiet und stellen dabei neun grundlegende Prinzipien vor, die sich unserer Meinung nach bewährt haben.

Inspiriert von diesen Grundsätzen und in dem Bewusstsein, wie wichtig es ist, Theorie mit Praxis zu verknüpfen, haben wir folgenden Prognosekurs als Serie von insgesamt sieben Webinaren zusammengestellt, die sich in jeweils zwei Blöcken separat oder gemeinsam belegen lassen:

BLOCK 1

• Der Arbeitsablauf bei der Prognose
• Grundlegende Absatzmuster
• Statistische Instrumente zur Erkennung von Absatzmustern
• Die Grundlagen in der Praxis - Übungen für den Alltagsgebrauch
• • Erzeugen von Absatzdaten in Excel
  • Hochladen der Daten ins IBP
  • Visualisierung von Absatzdaten in Planungssichten und in Dashboards
  • Analysieren von Zeitreihen und Überprüfen der Ergebnisse

• Die Brot-und-Butter-Methode: Einfache Exponentielle Glättung
• • Eine Prognose von Hand erstellen
• Die Mechanik des Glättungsparameters
• Berechnung von Genauigkeit, Verzerrung (Bias) und Stabilitätsmetriken
• Vorhersage eines saisonalen Absatzmusters
• Umgang mit lästigen Ausreißern
• • Falsch positive Ergebnisse
  • Techniken zur Identifizierung und Bereinigung
• Einfache Prognosemethoden in der Praxis - Übungen für den Alltagsgebrauch
• • Erstellen eines Prognoseprofils
  • Erstellen einer Prognose und Analysieren der Ergebnisse
  • Erkennen und Korrigieren von Ausreißern

• Autoregressive Methoden
• • Die Grundlagen
  • Nicht-saisonale ARIMA-Modelle
  • Saisonale ARIMA-Modelle

• Lineare Regression
• Multiple lineare Regression
• Fortgeschrittene Prognosemethoden in der Praxis - Übungen für den Alltagsgebrauch
• • Parametrisieren und Interpretieren der Ergebnisse eines ARIMA-Modells
  • Parametrisierung und Interpretation der Ergebnisse eines SARIMA-Modells
  • Parametrisieren und Interpretieren der Ergebnisse eines Modells für die multiple lineare Regression

BLOCK 2

Grundlegende Prinzipien:

• Das Problem des maschinellen Lernens
• Grundlagen des Gradientenverfahrens (Verfahren des steilsten Abstiegs)
• Der Backpropagation-Algorithmus

• Parameter eines Regressionsmodells verstehen
• Klassifizierung mit Entscheidungsbäumen
• • Bagging, Boosting und Forest-Wachstum
• Klassifizierungsprobleme - Zwei Beispiele: 1.) Die Überlebenden der Titanic vorhersagen; 2.) Spam oder sinnvolle E-Mail?

• Machine Learning Methoden in der Praxis - Übungen für den Alltagsgebrauch
• • Lang-/mittelfristiges Vorhersageprobleme: Gradient-Boosting-Bäume
  • Kurzfristige Vorhersagen: Demand Sensing

Wie wir eingangs hervorgehoben haben, können schon wenige Stunden Schulung - natürlich auf der Grundlage einer soliden Theorie - die Prognoseleistung innerhalb des Unternehmens erheblich verbessern (sei es bei der Entwicklung eines Prognoseprozesses oder bei der Anwendung eines solchen).

Je nach Erfahrung und Interessenslage der Teilnehmer lassen sich die Webinare 1 bis 4 sowie 5 bis 7 als zwei separate Pakete unabhängig voneinander oder alle Webinare zusammen für einen vergünstigten Preis buchen. Details dazu finden Sie auf unserem Registrierungsformular "Anmeldung Prognosewebinare" .

Um einen Eindruck zu den Inhalten und dem Vorgehen in den Webinaren zu bekommen, empfehlen wir unbedingt unser kostenloses Einführungswebinar, zu dem Sie sich ebenfalls über unsere Webseite anmelden können.