Statistische Methoden der Absatzprognose

Es gibt verschiedene statistische Prognoseverfahren, die für den Einsatz mit sich langsam bewegenden Produkten, der Einführung neuer Produkte, stabiler ausgereifter Produkte und Produkten mit schwankender Nachfrage entwickelt wurden. Die Bestimmung, welche statistische Prognosemethode für ein Produkt am besten geeignet ist, läuft oft auf Versuch und Irrtum hinaus. Aufgrund der Verwirrung in Bezug auf die zu verwendenden Methoden setzen einige Unternehmen Prognoseexperten ein, die bei der Analyse der Daten und der Festlegung des Beginns des Prognoseprozesses helfen.

Grundlagen

Wenn ein Unternehmen statistische Verkaufsprognosetechniken verwendet, verwendet es seine historischen Umsatz- oder Nachfragedaten, um zu versuchen, zukünftige Verkäufe vorherzusagen. Aufgrund der komplexen mathematischen Formeln, die zur Erstellung der Prognose verwendet werden, verlassen sich die meisten Unternehmen auf fortgeschrittene Software, um diese Aufgabe zu erfüllen. Jede Art von Nachfrage erfordert eine andere statistische Methode, um die zukünftige Prognose optimal vorhersagen zu können.

Saisonale Modelle

Es gibt eine Reihe von saisonalen Prognoseverfahren. Saisonale Prognosemethoden wie Box Jenkins, Census X-11, Decomposition und exponentielle Glättungsmodelle von Holt Winters verwenden alle die saisonale Komponente eines Produktnachfrageprofils als wichtigen Input für die Bestimmung der zukünftigen Prognose. Saisonalität ist ein Trend, der sich zu bestimmten Zeiten wiederholt. Beispielsweise haben Tische in den Monaten vor Thanksgiving und Weihnachten eine hohe saisonale Nachfrage.

Einfache Modelle

Unternehmen, die über keine fortschrittliche Prognosesoftware verfügen, sind häufig auf einfache Prognosemodelle angewiesen, die in einer Kalkulationstabelle verwaltet werden. Einige dieser Methoden umfassen die doppelte exponentielle Glättung von Holt; adaptive exponentielle Glättung, gewichteter gleitender Durchschnitt und die sehr verbreitete gleitende Durchschnittsmethode. Die Methode des gleitenden Durchschnitts ist zwar ein einfach zu verwendendes Modell, weist das Unternehmen jedoch nicht auf zukünftige Trends in den Daten eines Produkts hin. Der gleitende Durchschnitt zeigt nur bereits gebildete Trends. Jedes Mal, wenn eine neue Periode zur gleitenden Durchschnittsformel hinzugefügt wird, wird die letzte Periode entfernt - die gesamte Zeitreihe "bewegt" sich also um eine Periode vorwärts.

Neue Produktmodelle

Die Prognose neuer Produkte ist nach wie vor eine der schwierigsten verfügbaren Prognoseaufgaben. Neue Produktprognosen erfordern die Eingabe von von Menschen und vom Computer generierten Quellen. Neue Produktprognosemethoden wie Gompertz-Kurve und Probit-Kurve zielen darauf ab, die mit einer Produkteinführung verbundene hohe Hochlaufphase zu bewältigen. Diese Methoden dienen auch dazu, Produkte zu reifen, die sich ihrem Lebenszyklus nähern.

Langsame Modelle

Für Produkte, die einen langsamen Bedarf oder einen sporadischen Bedarf haben, ist ein bestimmtes statistisches Prognosemodell erforderlich. Das intermittierende Modell von Croston eignet sich für Produkte mit unbeständiger Nachfrage. Produkte mit unbeständiger Nachfrage weisen keine saisonale Komponente auf; Stattdessen zeigt ein Diagramm der Produktnachfrageattribute Spitzen und flache Perioden an intermittierenden Punkten entlang der Zeitreihe. Das Ziel des Croston-Modells besteht darin, einen Sicherheitsbestandswert anstelle eines Vorhersagewerts bereitzustellen. Der Sicherheitsbestandswert erlaubt gerade genug Vorräte, um den Bedarf zu decken.