PPS Skript 3 Bedarfsprognosen

= ist eine Aussage über die Zukunft, die sich auf Daten aus der Vergangenheit abstützt

Annahme: zukünftige Entwicklung folgt (annähernd) dem zurückliegenden Trend

• generell gilt:
• - Prognosen sind stets "falsch"=> Vorhersagefehler
• - Prognosen ändern sich laufend; je weiter in die Zukunft eine Prognose reicht, desto unsicherer ist sie
• - aggregierte Prognosen sind genauer als Einzelprognosen

- langfristiger Bedarf(~5 Jahre)(Einschätzungen von Experten/Managern; Kundenbefragungen/ Marktbeobachtung; Vergleich mit ähnlichen Produkten; historische Daten (wenn verfügbar)

- mittelfristiger Bedarf(~12-24 Monate)(Mischung Einschätzung von Experten und statistischen Methoden)

- kurzfristiger Bedarf(~1-12 Wochen)(statistische Methoden und Modelle)

• - Prognosen können oswohl subjektiv aufgrund von persönlichen Erfahrungen als auch mit Hilfe spezielle Prognoseverfahren erstellt werden
• - zur Nachfrageprognose eignen sich insbesondere quantitative Prognoseverfahren

• - aggregierte mehrperiodige Nachfrageprognosen
• - disaggregierte kurzfristige Prognosen

• - für Produktgruppen werden als Vorstufe der Beschäftigungsglättung in enger Abstimmung mit dem Marketingbereich durchgeführt
• - hier kommen Prognosemodelle zum einsatz, mit denen die mittel- und langfristige Entwicklung einer Zeitreihe vorhergesagt werden kann

• - für einzelne Produkte
• - werden vorwiegend zu Beginn der Hauptproduktionsprogrammplanung und im Bereich der stochastischen Materialbedarfsermittlung eingesetzt

- Ausgangspunkt bildet die in der Vergangenheit auftretende Nachfrage nach einem Produkttyp oder einem einzelnen Produkt

• 1. Analyse dieser empirischen Daten (Zeitreihenanalyse)
• 2. Gewinn von Erkenntnissen über die Struktur der wichtigsten Einflussfaktoren
• 3. Extrapolation der Ergebnisse auf die Zukunft

• interne Faktoren:
• - Verkaufs Budget
• - Werbung
• - Sonderpreisangebote
• - Produkteigenschaften
• - Nachlasspolitik

• externe Faktoren:
• - Konjunktur
• - Konkurrenz
• - Konsumverhalten
• - weltweite Ereignisse
• - staatliche Eingriffe
• - Produktlebenszyklus

• - deterministisch (Formel aus bestimmenden Faktoren)
• - stochastisch (basierend auf Daten aus der Vergangenheit)

• - gegenläufige Forderungen
• - Stabilität (Vorhersagen sollen nicht unsinnig fluktuieren durch zufällige Schwankungen)

- Empfindlichkeit (Vorhersagen sollen auf sich ändernde Trends reagieren)

• - Zeitreihenanalyse
• - Zeitreihenextrapolation
• - gleitender Durchschnitt
• - exponentielle Glättung
• - Box- Jenkins Methode

• - historische Daten benutzen (z.B. der vergangenen 3 Jahre)
• - in den Daten eine Struktur erkennen
• --> Grafik
• - aufteilen des Verlaufs in
• --> Durchschnitt (=Niveau)
• --> Trend
• --> saisonabhängigen Teil

- jede Komponente für sich in die Zukunft prognostiziert

• 1. Untersuchung der charakteristischen Merkmale der Zeitreihe
• 2. Auswahl eines geeigneten Prognosemodells
• 3. Schätzung der Koeffizienten des Prognosemodells
• 4. Laufende Anwendungen des Prognosemodells (Berechnung der Prognosewerte)
• 5. Beobachtung und Analyse der Prognosegenauigkeit im Zeitablauf

=> bei der Auswahl eines Prognosemodells kann mit Hilfe der Zeitreihenanalyse das Bildungsgesetz einer Zeitreihe ermittelt werden

• - lassen sich in vier Komponenten zerlegen
• -- diese sind multiplikativ oder additiv miteinander verknüpft

• T- langfristiger Trend
• C- mittelfristige zyklische Schwankungen
• S- saisonale Schwankungen
• I- unregelmäßige Schwankungen

• => die meisten Ansätze zur Zeitreihenanalyse versuchen einzelne oder Kombinationen dieser Komponenten zu isolieren
• => Regelmäßigkeiten zu erkennen

• - auch: SA
• - Summe der gegebenen Daten durch die Gesamtzahl der Perioden

• - auch:MA
• =(Summe der Nachfrag der betrachteten Perioden)/(Anzahl der Perioden)

• -> hier ist die Periodenlänge angegeben
• -> nur die letzten Ergebnisse der Periode werden addiert und durch die Anzahl der Periodenlänge geteilt (bspw. insgesamt 6 Ergebnisse, aber nur die letzten drei werden verwendet; Periodenlänge =3 )

• -auch: WMA
• - bspw wird die jüngste Vergangenheit bzw das jüngste Ergebis höher gewichtet als die vorherigen
• - hier wird NICHT durch die Anzahl der Ergebnisse geteilt

• Pt= Prognose für Periode t+1
• Dt= tatsächlicher Bedarf in der Periode t bzw. beobachtete Nachfrage in der Periode t
• Pt= Prognose für Periode t

• Parameter: Glättungskonstante bzw GLättungsprameter
• alpha=0 (stabil, keine Änderung)
• alpha=1 (folgt 1:1 dem aktuellen Bedarf)