Forecasting

Forecasting steckt längst nicht mehr in den Kinderschuhen und hat eine lange Geschichte, die bis in die Antike zurückreicht. Dementsprechend haben sich im Laufe der Zeit verschiedene Ansätze entwickelt, wovon wir Ihnen die wichtigsten hier vorstellen wollen:

Quantitative Forecasting-Methoden

Quantitative Forecasting-Methoden zeichnen sich durch eine objektive, datengetriebene Herangehensweise aus. Sie sind vor allem dann nützlich, wenn eine Vielzahl an historischen Daten vorhanden ist. Der Fokus liegt zu 100 % auf harten Fakten und Zahlen. Zu den bedeutendsten quantitativen Forecasting-Models gehören die folgenden Ansätze:

• Zeitreihenanalyse: Dabei basieren die Prognosen auf historischen Daten. Hierzu gehören gleitende Durchschnitte und ARIMA-Modelle, die Trends und saisonale Effekte erkennbar machen.
  

• Regressionsanalyse: Bei der Regressionsanalyse schätzt man die Beziehungen zwischen Variablen, um so zukünftige Entwicklungen vorherzusagen.

• Kausalmodelle: Diese Vorhersagemodelle basieren darauf, dass bestimmte Ereignisse oder Faktoren eine direkte Auswirkung auf das haben, was vorhergesagt werden soll.
  

• Exponential Smoothing: Dabei fließen zwar alle relevanten Daten in die Berechnung ein ‒ allerdings erhalten jüngere Daten eine stärkere Gewichtung als ältere, was die Genauigkeit der Vorhersage verbessern soll.

Qualitative Forecasting-Methoden

Im Gegensatz zu den quantitativen Forecasting-Methoden stützen sich das quantitative Forecasting hauptsächlich auf „weiche“ Daten, sprich: Nicht-numerische, subjektive Informationen wie Expertenmeinungen, Umfragen, Interviews oder Fokusgruppen, um daraus Einschätzungen zu gewinnen. Der Einsatz von qualitativen Forecasting-Methoden ist vor allem dann empfehlenswert, wenn für ein quantitatives Forecasting noch nicht genug harte Zahlen und Fakten zur Verfügung stehen, sprich: Wenn neuartige Phänomene und Entwicklungen sowie deren Auswirkungen erforscht werden sollen. Dafür können Sie auf die folgenden Modelle zurückgreifen:

• Delphi-Methode: Hierbei werden Expertenbefragungen in mehreren Runden durchgeführt. Das Ganze setzt man so lange fort, bis ein Konsens erreicht wird.
  

• Szenariotechnik: Dabei erarbeitet eine Gruppe von Experten und Führungskräften eine Reihe von möglichen Zukunftsszenarien, um sich so auf den Best-Case und den Worst-Case vorzubereiten.
  

• Marktforschung: Auch die klassische Marktforschung gehört zum qualitativen Forecasting. Hier werden je nach Ziel Experten oder Laien zu einem Thema befragt, um mit deren Hilfe eine realistische Einschätzung zur Zukunftsentwicklung zu bekommen.

Moderne Forecasting-Ansätze

Dank moderner Technologien sind in den letzten Jahren einige neue Forecasting-Ansätze (Predictive Forecasting) entstanden, die sogar noch genauere Prognosen ermöglichen. So lassen sich mithilfe von Big Data Analytics große Datenmengen analysieren und unstrukturierte Datenquellen anzapfen, was detaillierte Vorhersagen möglich macht.

Eine wichtige Rolle spielt dabei auch der Bereich Machine Learning & AI (Forecasting Machine Learning & AI), wobei mithilfe von komplexen Algorithmen kleinteilige Muster sichtbar werden, die ansonsten verborgen geblieben wären.

Strukturelle Herangehensweisen

Neben den verschiedenen Methoden spielt auch die strukturelle Vorgehensweise eine wichtige Rolle. Wir unterscheiden hier zwischen 3 verschiedenen Ansätzen:

• Top-Down-Forecasting: Beginn auf hoher Ebene (Unternehmen, Markt), Herunterbrechen auf kleinere Einheiten

• Bottom-Up-Forecasting: Beginn auf detaillierter Ebene (Abteilungen, Produkte), Aggregation zur Gesamtprognose

• Gegenstromverfahren: Kombination von Top-Down und Bottom-Up zur Abgleichung der Prognosen auf verschiedenen Ebenen

In enger Abstimmung mit unseren Kunden empfehlen wir bei Kundenprojekten meist das Gegenstromverfahren. Der Grund: Dabei werden von Anfang an beide Perspektiven (Bottom-Up und Top-Down) einbezogen, was einer eindimensionalen und verfälschten Betrachtungsweise entgegenwirkt.

Kombinierte Forecasting-Methoden

Die Erfahrung zeigt: In der Praxis erzielen unsere Kunden meistens die besten Ergebnisse, wenn verschiedene Forecasting-Ansätze miteinander kombiniert werden.

Ein sogenanntes Hybridmodell kann so aussehen, dass Sie beispielsweise Verkaufsdaten ähnlicher Produkte über ein Zeitreihenmodell analysieren. Gleichzeitig kommt ein Regressionsmodell zum Einsatz, um so den Einfluss von möglichen Variablen wie Preisänderungen oder Marketingkampagnen einzuordnen.

Zusätzliche könnten Sie die Ergebnisse mit einem qualitativen Ansatz verfeinern und beispielsweise eine Expertenbefragung durchführen, um im Forecasting Trends der Zukunft und sich abzeichnende Kundenpräferenzen einzuschätzen.

Um für die individuelle Situation die richtige Forecasting-Methoden bestimmen zu können, ist ein umfassendes technologisches und methodisches Know-how notwendig. In einem kostenlosen Beratungsgespräch finden wir gerne gemeinsam mit Ihnen die richtige Mischung für Ihr Unternehmen.

• Stellen Sie eine hohe Datenqualität sicher, um so zuverlässige Prognosen zu gewährleisten
• Definieren Sie klare Ziele, um den Erfolg Ihrer Maßnahmen messbar zu machen ‒ und bei Bedarf Justierungen vornehmen zu können
  
• Arbeiten Sie mit den richtigen Forecasting-Methoden, um die Eintrittswahrscheinlichkeit Ihrer Vorhersagen zu maximieren
  
• Überwachen und aktualisieren Sie Ihre Prognosen kontinuierlich, um auch kurzfristige Trends in Ihre Vorhersagen einzubeziehen
  
• Nutzen Sie moderne Forecasting-Tools, Forecasting-Dashboards und Forecasting-Software, um den manuellen Aufwand zu reduzieren und Fehlerquellen auf ein Minimum zu reduzieren
  

Zusatztipp: Holen Sie sich Unterstützung. Aller Anfang ist schwer, ganz besonders bei einem so komplexen Thema wie Forecasting.

Wir von Partake kennen sämtliche Best Practices aus der Praxis. So sind wir in der Lage, Ihnen passende Forecasting-Modelle zu empfehlen, Sie bei der Datenvisualisierung zu unterstützen und Ihnen bei Bedarf auch eine passende Forecasting-Software auf den Leib zu schneidern. Gerne helfen wir Ihnen auch Ihr Forecasting mit bestehenden Tools wie SAP, PowerBI, nedyx oder Oracle zu verknüpfen.