Beschreibung
Im Kern geht es bei der numerischen Prognose darum, einen wissenschaftlichen Ansatz zu verwenden, um eine zukünftige Erwartung auf der Grundlage früherer historischer Daten zu definieren.
Wenn wir Waren produzieren oder transportieren, gibt es Verzögerungen in jedem Prozess. Das bedeutet, dass das, was Sie heute entscheiden, letztendlich einen erwarteten Zustand für die Zukunft widerspiegelt. Wenn Sie zum Beispiel ein Produkt herstellen, besteht die Erwartung, dass es eine entsprechende Nachfrage gibt.
Was alle Prognosemethoden gemeinsam haben, von der einfachen gleitenden Durchschnittsmethode bis hin zu komplexen, ausgefeilten Machine Learning-Modellen, ist die Methode, einen Trend aus der Vergangenheit in die Zukunft zu projizieren. Mit anderen Worten, wenn die Zukunft nicht mehr dasselbe ist, kann die Prognose dies nicht erkennen, zum Beispiel einen sich ändernden Markt wie den Aufstieg des E-Commerce. Je nach Modell reagieren die Modelle schneller oder langsamer auf neue Daten, basieren aber im Wesentlichen auf einer vergangenen Beobachtung - die Genauigkeit der Prognose hängt also weitgehend davon ab, wie gut die Vergangenheit zukünftige Ereignisse repräsentiert.
