Beschreibung

Forecasting ist die Praxis, historische Daten zu analysieren, um erwartete Bedingungen in der Zukunft vorherzusagen, und steht im Zentrum von supply chains. Natürlich wurde eine Erhöhung ihrer Genauigkeit sehr begehrt. Aber welche Faktoren beeinflussen die Prognosegenauigkeit?

Vielleicht überraschend ist die Erkenntnis, dass die verwendete Prognosemethode nur wenig Einfluss auf die Qualität der erstellten Prognose hat. Im Gegenteil, der Zeithorizont der Prognose sowie das Niveau der Datenaggregation und -variabilität haben direkten Einfluss auf die Genauigkeit.

Je länger der Zeitraum ist, über den die Prognose erstellt wird, desto ungenauer wird sie in der Regel sein. Zum Beispiel wird eine Prognose für die nächste Woche fast immer genauer sein als eine Prognose für den nächsten Monat oder das nächste Jahr. Was Daten betrifft, so liefert eine relativ stabile Nachfragedatenreihe sehr genaue Prognosen im Vergleich zu Datenpunkten mit einem hohen Maß an Variabilität. Aufgrund dessen sind Vergleiche von Prognosen nur dann aussagekräftig, wenn sie denselben Zeitraum abdecken und auf historischen Daten basieren, die ein ähnliches Maß an Stabilität aufweisen.