Prognose Technologie
Statistische Prognosen sind ein altbekanntes Thema. Bereits seit dem 19ten Jahrhundert haben sich Einzelhändler zur Optimierung ihres Inventurniveaus auf Verkaufsprognosen verlassen. Unternehmen haben Prognosen, lange vor der Erfindung des Computers durchgeführt und die Welt hat offensichtlich nicht auf Lokad gewartet, um clevere Prognosemodelle auszuarbeiten.
Sehen Sie auch unseren
Meilensteinplan für 2010 (auf Englisch).
Dennoch glauben wir, dass
Lokad etwas Neues auf dem Prognosemarkt anbietet. Wir sind überzeugt, dass unser Ansatz, im Vergleich zu traditionellen Methoden, einfacher, billiger und gleichzeitig genauer ist. Diese Seite möchte Ihnen ein klares Verständnis unserer Technologie vermitteln.
Prognosen als Dienstleistung
Unternehmen senden Ihre Daten an Lokad und wir senden Prognosen zurück. Sin die Daten an Lokad übertragen, werden Ihre Prognosen vollautomatisch berechnet. Das Erstellen einer Prognose bedarf keines manuellen Eingreifens. Die Architektur garantiert die pünktliche Lieferung Ihrer Prognosen, auch bei sehr enger Zeitplanung.
Unsere Technologie wurde dazu entwickelt ihre, wie auch immer gearteten Daten zu handhaben. Traditionelle Prognosewerkzeuge erfordern oftmals eine lange und komplizierte Datenvorbereitung, zum Beispiel zur Beseitigung von Ausnahmedaten, und später müssen Experten oftmals zusätzliches Wissen über die Daten bereit stellen, um beispielsweise die Anwesenheit oder Abwesenheit von Saisonabhängigkeit zu bestimmen.
Lokad kann alle diese Schritte selbst bearbeiten. Die sorgfältige Vorbereitung der Daten vor der Versendung an Lokad verbessert vielleicht die Genauigkeit der Prognose, aber sollten Sie weder die Zeit noch das Wissen haben dies zu tun, nehmen wir Ihre Daten, wie sie sind, und liefern nichtsdestotrotz die besten Prognosen.
Entwickelt zur Integration in Fremdanwendungen
Um den vollen Vorteil von Lokad nutzen zu können, müssen uns Unternehmen ihre Daten zusenden und können dann unsere Prognosen direkt in ihr Unternehmen integrieren. Darum hat Lokad von Anfang an, an der Unterstützung der Integration von Fremdanwednungen gearbeitet.
Wir passen eine
Prognose-API (Application Programming Interface - Programmierschnittstelle) an. Dies ist so etwas wie ein Protokoll das die Kommunikation von Maschine zu Maschine ermöglicht und auf einem ubiquitären Standard, namens SOAP basiert. Dieser Standard wird von allen großen Softwareunternehmen, wie Microsoft, IBM, SAP, Google etc., unterstützt. Die Prognose -API befähigt die programmatische Integration von Lokad, in quasi jede Fremdsoftware, solange eine Internetverbindung zur Verfügung steht.
Um die Integration unserer Technologie, speziell für kleine und mittelständische Unternehmen, zu vereinfachen, bieten wir
spezialisierte Kundenanwendungen an, die sich der Inventuroptimierung oder der Optimierung der Personalbesetzung im Kundenkontaktcenter widmen. Diese Anwendungen laden Ihre Daten zu Lokad hoch und fragen die Prognosen ab. Wir bieten eine integrierte Unterstützung für mehr als 30 allgemeine Businessanwendungen, wie Excel, SAP, PayPal, Sage, etc.
Cloud Computing und Skalierbarkeit
Prognosen, die auf der Grundlage von Faustregeln erstellt werden, sind bezüglich der Berechnung kostengünstig. Der eigene Heimcomputer kann tausende solcher Prognosen erzeugen. Wünschen Sie jedoch eine höhere Genauigkeit, werden schlauere statistische Methoden benötigt. Unserer Erfahrung nach, reduzieren moderne Prognosemodelle, gegenüber manuellen Prognosen, den Prognosefehler um 20%. Aber solche cleveren Methoden bereiten Probleme mit traditionellen Prognosewerkzeugen. Diese Methoden benötigen tausendmal so viel Bearbeitungsvermögen, so dass der eigene Computer oder normale Unternehmensserver nicht mehr ausreichen, um die Prognosen zeitnah zu liefern.
40 Millionen Prognosen pro Monat stellen für ein mittelständiges Unternehmen eine erhebliche Menge dar. Bearbeitungsleistung war niemals so billig, und
ein Monat an Bearbeitungszeit kostet nun lediglich $10 US (*) für einen Computer, der grob gerechnet 2 Billionen grundlegende Operationen pro Sekunden durchführen kann. Durch großflächige Parallelisierung, d.h. die Nutzung vieler Computer zur gleichen Zeit zur Beschleunigung von Berechnungen, ist es heutzutage möglich, Monate der Berechnung auf Stunden zu verkürzen.
(*) Amazon Sonderangebot vom 10. Mai 2009 (unter der Annahme, dass ein einzelner Hauptprozessor mit 2 GHz ohne Unterbrechungen für 2 Monate läuft)Die Parallelisierung der Prognose ist ein Eckpfeiler unserer Technologie. Seit der Einführung von Lokad, Ende 2006, haben wir unser Analytik-Netz (ein Netzwerk von Maschinen, die zur Verbesserung der Datenbearbeitungskapazität unserer Technologie genutzt werden) verbessert.
Lokad ist der erste Prognoseanbieter der in Richtung Cloud Computing migriert. Im speziellen, erhalten wir augenblicklich Unterstützung von Microsoft Teams, um zu der Beta-Version von Window Azure zu migrieren (nun in Anwendung) - die zukünftige Cloud Computing Infrastruktur von Microsoft. Windows Azure bietet Lokad die Möglichkeit, tausende von Zusatzservern zu mieten, um die großflächigen Prognosenbedürfnisse unserer Kunden bedienen zu können.
Wir sind davon überzeigt, dass unsere Technologie die Beste skalierbare Prognosetechnologie ist, die es heute auf dem Markt gibt, mit der Fähigkeit ungebundene Prognosekapazität an unsere Kunden zu liefern.
Modellierung "wirklicher” Kundenanforderungen durch Ereignisse
Verkäufe, Anrufvolumen, Cashflow - alle diese Daten können als Zeitreihen repräsentiert werden (Listen von Daten/Wert-Paaren). Typische Prognosemethoden bauen auf der Zeitreihenanalyse auf. Ein Problem mit Zeitreihen besteht jedoch darin, dass diese nicht immer die wahren Kundenbedürfnisse repräsentieren. Hat das Geschäft beispielsweie eine Produktknappheit erlebt, sinken die Verkäufe entsprechend. Dies ist jedoch nicht gleichbedeutend mit sinkenden Kundenbedürfnissen, es zeigt lediglich an, dass weniger Produkte zum Verkauf zur Verfügung standen. Unserer Erfahrung nach, tritt dieser Fall häufig auf, wenn Ereignisse wie Marketingkampagnen oder Werbeaktionen einen Einfluss auf das Geschäft ausüben.
Bei der Betrachtung roher Zeitreihendaten, versagen statistische Werkzeuge im Hinblick auf die korrekte Sicht auf die historischen Daten und dementsprechend versagen sie auch bezüglich einer genauen Prognose. Darum bietet Lokad ein reicheres Datenframework, dass nicht nur rohe Zeitreihen, sondern auch
Tags und Ereignisse handhaben kann, an. Dieses Framework ermöglicht, Lokad von aufschlussreichen historischen Ereignissen zu „berichten“:
- das Stattfinden einer Produkt-Werbeaktion,
- der Bericht einer Fehlmenge,
- der Stromausfall im Callcenter
Diese Ereignisse werden automatisch zur Verfeinerung der Prognosen analysiert. Somit bilden Sie die wirklichen zukünftigen Kundenbedürfnisse ab und nicht Artefakte, die Ihren Ursprung in den historischen Daten haben. Lokad erwartet von seinen Nutzern nichts weiter als die Lieferung relevanter Unternehmensdaten. Im speziellen bedeutet dies, dass bei Lokad der Kunde den eigentlichen Einfluss eines Ereignisses (wie einer Werbaktion) nicht selbst herausfinden muss - Lokad übernimmt die vollständige Analyse.
Unseres Wissens nach, ist Lokad einer der wenigen Prognoseanbieter, der
eingebaute automatisierte Unterstützung für Ereignisse anbietet. Die meisten Konkurrenztechnologien erwarten von ihren Nutzern, dass sie komplexe Operationen, zur Vorverarbeitung der Daten, selbst vornehmen, Artefakte manuell bereinigen oder manuelle statistische Modelle mit
externen Regressoren anpassen, um exogene Ereignisse handhaben zu können.
Entdeckung von Ähnlichkeiten durch “Tags”
Der Versuch einer Vorhersage für ein einzelnes Produkt ist eine rechte Herausforderung; Zieht man in Erwägung, dass sich die durchschnittliche Lebensdauer auf dem Markt eines hergestellten Produktes, auf weniger als 3 Jahre beläuft, bedeutet dies, das ein Produkt im Durchschnitt weniger als 18 Monate Verkaufsgeschichte aufzuweisen hat, d.h. weniger als 18 Datenpunkte (bei monatlichem Verkaufsvolumen). Wenn es um statistische Vorhersagen geht reichen 18 Datenpunkte offensichtlich nicht aus. Wurde diese
kurze Datenreihe noch zusätzlich durch Werbeaktion verwässert, erschwert auch dies die Prognoseaufgabe.
Traditionelle Prognosemethoden sind von derlei Problemen stark betroffen. Die herkömmlichen Werkzeuge benötigen Datenmengen von mindestens einem vergangenen Jahr - diese stehen jedoch genau dann nicht zur Verfügung, wenn Prognosen am wertvollsten wären: zu Beginn der Lebensdauer eines Produktes. Stehen nicht genügend Daten zur Verfügung, stufen Werkzeuge ihren Methoden auf einen recht naiven Ansatz zurück, wie beispielsweise der Veschiebung des Durchschnitt, der die Modellierung der Saisonabhängigkeit oder eines Trends unzureichend abbildet.
Lokad dagegen nutzt einen radikal anderen Ansatz. Die Prognose eines einzelnen Produktes ist zwar nicht ganz einfach, aber Unternehmen verkaufen im Regelfall viele Produkte und häufig
stehen diese miteinander in Beziehung. Verkauft das Unternehmen beispielsweise 10 verwandte Produkte, stehen bereits 10-mal mehr Daten zu Verfeinerung der Prognose des interessanten Produktes zur Untersuchungzur Verfügung. Dieser Ansatz wird auch simultane Zeitreihenprognose genannt.
Lokad nutzt die Korrelationen, die zwischen Zeitreihen existieren, um individuelle Zeitreihenprognosen zu verfeinern.Sind Zeitreihen zu kurz, wie zum Beispiel bei Produkten, die lediglich seit einigen Monaten auf dem Markt sind, stehen schlichtweg nicht genügend Daten für die Korrelation der Zeitreihen zur Verfügung. Aus diesem Grund hat Lokad die Idee des
Tags eingeführt. Tags werden zur Anreicherung der Zeitreihen genutzt, zum Beispiel zur Anzeige von Ähnlichkeiten, die zwischen den Produkten existieren. Durch die Nutzung von Tags, verfeinert Lokad die Prognosen sogar dann, wenn eine Verkaufsgeschichte eines bestimmten Produktes quasi nicht existent ist.
Und auch hier: soweit wir wissen ist Lokad der einzige Prognoseanbieter, der
eingebaute automatisierte Unterstützung für Tags anbietet. Die Konkurrenzprodukte erwarten üblicherweise, dass betriebseigene Experten die, auf die Daten angewendeten Unternehmensregeln explizit entwickeln, wenn die Datenmenge nicht ausreicht.
Mischen von Web2.0 und wissenschaftlichen Berechnungen
Structural risk minimization equationWie bereits erwähnt, sind die Korrelationen zwischen Produktverkäufen, oder allgemeiner, zwischen Zeitreihen, bei unzureichender Datenmenge der Schlüssel zur Verfeinerung der Prognosen. Mehr Daten bedeuten ein niedrigerer Prognosefehler und ein niedrigerer Prognosefehler wiederum bedeutet höhere Gewinne. Daher ist es eines von Lokads Grundwerten den Prognosefehler so niedrig wie möglich zu halten.
Wir haben daher beschlossen das Problem noch einen Schritt weiter zu verfolgen: Anstatt die Eingabewerte auf ein einzelnes Unternehmen zu beschränken, nutzen wir, zur Verfeinerung jeder Prognose,
alle Daten des Lokad-Ökosystems.
Dieser Prozess ist absolut sicher. Ihre Daten werden zu keinem Zeitpunkt an Dritte weitergegeben und selbstverständlich auch nicht an andere Lokad-Kunden. Prognoseverfeinerung durch die Datenanalyse multipler Unternehmen ist ein äußerst indirekter Prozess, der auch bei Zurückentwicklung keine Einsicht in die Daten erlaubt.
Aber, im Gegensatz zur allgemeinen Annahme besteht der Hauptvorteil der Multiunternehmensdatenanalyse nicht in der Aufdeckung von Korrelation zwischen diesen Unternehmen. Korrelationen kommen erst an zweiter Stelle und sehr weit hinter der
Identifikation von Störfaktoren.
Schaut man sich ein mittelständisches Unternehmen an, ist es üblicherweise sehr schwer zwischen Mustern, die wiederholbare Ereignisse im Unternehmen repräsentieren, und Marktstörfaktoren (sozusagen purem Zufall) zu unterscheiden. Lässt sich dieselbe Saisonabhängigkeit in einem anderen Unternehmen entdecken, dann sinkt die Wahrscheinlichkeit, dass dies ein rein zufälliger Artefakt des Marktes ist. Die bessere Aufdeckung von Störfaktoren bedeutet weniger Fehler während der Identifizierung von Unternehmensmustern und führt letztendlich zu verbesserten Prognosen.
Wir sind davon überzeugt, dass
unsere Technologie, die soziale Netzwerke mit statistischem Lernen verbindet, sehr einzigartig ist. Wir freuen uns, dass jeder neue Kunde, die Prognosen direkt für alle verbessert.
Statistische Modelle, die bei Lokad genutzt werden
Die Idee der
Qualität bei der Betrachtung eines Prognosemodells ist
sehr hintergründig. Der Schlüssel der statistischen Vorhersage liegt in der
Verringerung des Fehlers. Diese Verringerung findet jedoch nicht hinsichtlich der vorhandenen Daten statt, sondern
bezieht sich auf Daten, die nicht vorhanden sind: zukünftige Daten. Dieses Problem, auch
Überanpassung genannt, ist nicht weitläufig bekannt; obwohl der Einfluss auf das Unternehmen massiv sein kann. Schauen Sie sich für weitere Details auch unser Video
Überanpassung: wenn Genauigkeitsmessung falsch läuft (auf Englisch) an.
Lokad verlässt sich auf eine
große, individuelle Bibliothek an statistischen Modellen, welche so bekannte Klassiker, wie Box-Jenkings, exponentielle Glättung, Autoregression und all ihre Varianten beinhaltet.
Klassiker handhaben folgende Punkte nur unzureichend:
- simultane Zeitreihen-Korrelationen
- Zeitreihen-Tags (z.B. Produktbeschreibungen)
- sehr kurze Zeitreihen
Zur Bewältigung dieser Situationen hat Lokad komplexere Modelle entwickelt. Wir geben nicht vor, neue mathematische Theorien entwickelt zu haben (noch nicht), da wir hauptsächlich auf der
Theorie maschinellen Lernens aufbauen.
Hier soll auch erwähnt werden, dass die Auswahl des richtigen statistischen Modells eine schwierige Aufgabe darstellt,
manchmal schwieriger als der Entwurf des Modells selbst. Lokad benutzt zur Verfeinerung der Modelle umfangreiche Daten-Korrelationen. Wir sind von der Wahl einer bestimmten Zeitreihe überzeugter, falls das Modell auch von vielen anderen verwandten Zeitreihen genutzt wird.
Überwachung und fortlaufende Verbesserungen
Prognosen werden vollautomatisch geliefert. Das bedeutet jedoch nicht, dass Lokad ein hirnloser Prognoseanbieter ist - eher das Gegenteil ist der Fall.
Wir überwachen unser Prognosesystem ununterbrochen. Dieser Prozess wird lokadweit durchgeführt. Dies hilft uns unsere internen Kosten signifikant zu senken, da jeder Experte bei Lokad einen großen Pool an Unternehmen auf einmal überwachen kann.
Jeden Tag, führen wir Prognosesimulationen durch,
um die Schwächen unserer Prognosetechnologien vorsichtig abzuschätzen. Diese Überwachungsprozess findet fortlaufend statt. Um hiervon zu profitieren, muss man nichts Besonderes tun, lediglich Daten in Lokad hochladen.
Durch die Überwachung werden Probleme zuerst identifiziert und
potentielle Lösungen werden dann zum Teil unseres Meilensteinplans. Wir glauben, dass wir bezüglich der statistischen Prognosen gerade einmal an der Oberfläche gekratzt haben. Unser Web 2.0 Ansatz macht die Untersuchung von Lösungen möglich, die vorher noch nicht einmal vorstellbar waren.
Die Wahl von Lokad bedeutet, im Gegensatz zu klassischen Prognosewerkzeugen, dass die
Prognose durch Experten überprüft und das Ihre Prognosen mit denen ähnlicher Unternehmen verglichen werden. Dies vereinfacht erheblich den Prozess der Aufdeckung potentieller Probleme. Mit Lokad,
verbessern sich Ihre Prognosen auf natürliche Weise mit der Zeit - zusammen mit unserer Technologie. Die Wahl von Lokad bedeutet für Sie, dass Ihr Unternehmen, nur weil Ihr Prognosemodell nicht häufig genug aktualisiert wird, nicht hinter seiner Konkurrenz herhechelt.
Starten Sie noch heute Ihre Prognosen und erhalten Sie $30 zurück fürim Voraus bezahlte Prognoseleistungen.