Prognosen dienen als Instrument zur Entscheidungsunterstützung, die es Führungskräften ermöglichen, für die Zukunft zu planen, indem sie „Was-wäre-wenn“ -Analysen durchführen, um zu bestimmen, wie sich Änderungen bei den Inputs auf die Ergebnisse auswirken. Prognosen helfen beispielsweise einem Unternehmen, geeignete Antworten auf geänderte Nachfragestufen, Preissenkungen durch die Konkurrenz, wirtschaftliches Auf und Ab und mehr zu finden. Um den größtmöglichen Nutzen aus Prognosen zu ziehen, müssen Führungskräfte die feineren Details der verschiedenen Arten von Prognosemethoden verstehen, erkennen, was ein bestimmter Prognosetyp tun kann und was nicht, und wissen, welcher Prognosetyp für einen bestimmten Bedarf am besten geeignet ist.
Naive Prognosemethoden
Die naiven Prognoseverfahren stützen eine Projektion für einen zukünftigen Zeitraum auf Daten, die für einen vergangenen Zeitraum aufgezeichnet wurden. Zum Beispiel könnte eine naive Prognose den tatsächlichen Werten einer früheren Periode oder dem Durchschnitt der tatsächlichen für bestimmte vorherige Perioden entsprechen. Die naive Prognose nimmt keine Anpassungen der vergangenen Perioden an saisonale Schwankungen oder zyklische Trends vor, um die Prognose der nächsten Periode bestmöglich abzuschätzen. Der Benutzer einer naiven Prognosemethode befasst sich nicht mit ursächlichen Faktoren, den Faktoren, die zu einer Änderung der tatsächlichen Werte führen. Aus diesem Grund wird normalerweise die naive Prognosemethode verwendet, um eine Prognose zu erstellen, um die Ergebnisse komplexerer Prognosemethoden zu überprüfen.
Qualitative und quantitative Prognosemethoden
Während persönliche Meinungen die Grundlage für qualitative Prognosemethoden sind, beruhen quantitative Methoden auf der Grundlage von numerischen Daten der Vergangenheit, um die Zukunft vorherzusagen. Die Delphi-Methode, fundierte Meinungen und die historische Lebenszyklus-Analogie sind qualitative Prognosemethoden. Die einfache exponentielle Glättung, multiplikative saisonale Indizes, einfache und gewichtete gleitende Durchschnitte sind wiederum quantitative Prognosemethoden.
Zufällige Prognosemethoden
Regressionsanalyse und autoregressiver gleitender Durchschnitt mit exogenen Inputs sind kausale Prognoseverfahren, die eine Variable anhand zugrunde liegender Faktoren vorhersagen. Diese Methoden setzen voraus, dass eine mathematische Funktion unter Verwendung bekannter aktueller Variablen verwendet werden kann, um den zukünftigen Wert einer Variablen vorherzusagen. Anhand des Faktors der Ticketverkäufe können Sie beispielsweise den variablen Verkauf von Action-Zahlen für Filme vorhersagen oder die Faktoranzahl der von einem Universitäts-Team gewonnenen Fußballspiele verwenden, um den variablen Verkauf von teambezogenen Waren vorherzusagen.
Richtprognosemethoden
Die Delphi-Methode, das Erstellen von Szenarien, statistische Erhebungen und zusammengesetzte Vorhersagen sind jeweils Schätzverfahren, die auf Intuition und subjektiven Schätzungen basieren. Die Methoden erzeugen eine Vorhersage basierend auf einer Sammlung von Meinungen, die von Managern und Expertengremien abgegeben oder in einer Umfrage dargestellt werden.
Methoden zur Prognose von Zeitreihen
Der Zeitreihentyp der Prognosemethoden, wie exponentielles Glätten, gleitender Durchschnitt und Trendanalyse, verwendet historische Daten zur Abschätzung zukünftiger Ergebnisse. Eine Zeitreihe ist eine Gruppe von Daten, die über einen bestimmten Zeitraum aufgezeichnet werden, z. B. der Umsatz eines Unternehmens nach Quartalen seit dem Jahr 2000 oder die jährliche Produktion von Coca Cola seit 1975. Da sich frühere Muster häufig in der Zukunft wiederholen, können Sie eine Zeit verwenden um eine langfristige Prognose für 5, 10 oder 20 Jahre zu erstellen. Langfristige Projektionen werden für eine Reihe von Zwecken verwendet, z. B. um den Einkaufs-, Fertigungs-, Vertriebs- und Finanzabteilungen eines Unternehmens die Planung neuer Anlagen, neuer Produkte oder neuer Fertigungslinien zu ermöglichen.
