Beschreibung

Im Kern geht es bei der numerischen Prognose darum, einen wissenschaftlichen Ansatz zu verwenden, um eine zukünftige Vorhersage basierend auf früheren historischen Daten zu definieren.

Wenn wir produzieren oder Güter transportieren, gibt es in jedem Prozess Verzögerungen. Das bedeutet, dass Ihre heutigen Entscheidungen letztlich einen erwarteten Zustand der Zukunft widerspiegeln. Zum Beispiel, wenn Sie ein Produkt herstellen, besteht die Erwartung, dass es eine Nachfrage gibt, die mit dieser Produktion übereinstimmt.

Was alle Prognose-Methoden gemeinsam haben, von einfachen gleitenden Durchschnitten bis hin zu komplexen, hochentwickelten machine learning-Modellen, ist die Methode, einen Trend aus der Vergangenheit in die Zukunft zu projizieren. Mit anderen Worten, wenn die Zukunft nicht einfach eine Fortsetzung der Vergangenheit ist, kann die Prognose dies nicht erkennen, beispielsweise in einem sich wandelnden Markt wie dem Aufstieg des E-Commerce. Basierend auf ihrem Aufbau werden Modelle schneller oder langsamer auf neue Daten reagieren, stützen sich aber im Wesentlichen auf eine vergangene Beobachtung - die Genauigkeit der Prognose hängt somit stark davon ab, inwieweit die Vergangenheit zukünftige Ereignisse repräsentiert.