Beschreibung
Probabilistische Vorhersagen werden für alles verwendet, von der Vorhersage des Wetters von morgen bis zur Generierung von Wettquoten für Sportveranstaltungen. Anstatt nur ein mögliches Ergebnis zu betrachten, betrachtet diese Technik alle möglichen Ereignisse und weist jeder ein Wahrscheinlichkeitsmaß zu.
Der Schlüsselgedanke hierbei ist, dass ein Benutzer anstatt zu behaupten, genau zu wissen, was in der Zukunft passieren wird, anerkennt, dass er nicht allwissend ist und dass die Zukunft unsicher ist. Dieser Ansatz kann besonders nützlich sein, wenn wir für unsere Lieferketten prognostizieren, da es viele Unsicherheiten und viele Dinge gibt, die wir einfach nicht wissen. Durch einen probabilistischen Ansatz können wir etwas von dieser “Unschärfe” einfangen und eine schärfere, logischere Argumentation zukünftiger Ereignisse ermöglichen.
Aber was bedeutet das eigentlich in der Praxis und wie vergleicht es sich mit klassischeren Techniken? Wenn es um traditionellere Prognosen geht, machen Sie in der Regel eine einzige Aussage für die Zukunft - eine Vorhersage -, dann warten Sie und sehen, wie weit Ihr Ergebnis von dem abweicht, was tatsächlich in der Realität passiert. Dieser Unterschied zwischen der realen und der virtuellen Welt wird als Varianz bezeichnet und ist oft das, was das Management etwas irritiert, wenn sie feststellen, dass zu viel oder zu wenig Lagerbestand gekauft wurde.
Das Rätselhafte an diesen klassischen Ansätzen, die nur eine einzige Zukunft betrachten, ist, dass sie überhaupt keine Berücksichtigung der Unsicherheit in der realen Welt haben. Hier kann ein probabilistischer Ansatz helfen, da es die Extreme sind, die im wirklichen Leben auftreten und die Dips und Spikes auf Ihren Grafiken erzeugen, die genauer betrachtet werden müssen, da hier Überbestände und Unterbestände tatsächlich auftreten.
Zusammenfassend lässt sich sagen, dass probabilistische Vorhersagen zwar sehr technisch und einschüchternd klingen mögen, viele Praktiker in der Lieferkette jedoch bereits seit Jahren eine ähnliche Art von Vorhersage treffen. Indem sie sich auf ihre Erfahrung, ihr Wissen über ihren Bestand und ihr “Bauchgefühl” verlassen, organisieren sie die wahrscheinlichen von den weniger wahrscheinlichen Szenarien. Diese Erfahrung und angeborene Kenntnis kann dann durch Technologie weiter verfeinert werden, um eine bessere Prognose und eine besser verwaltete Lieferkette zu ermöglichen.
Erfahren Sie mehr über Probabilistische Vorhersage
