SCM Kap. 2: Nachfrageprognose
SCM Semester 2
SCM Semester 2
Fichier Détails
| Cartes-fiches | 26 |
|---|---|
| Langue | Deutsch |
| Catégorie | Gestion d'entreprise |
| Niveau | Université |
| Crée / Actualisé | 04.06.2016 / 03.07.2016 |
| Lien de web |
https://card2brain.ch/box/supplychainmanagement
|
| Intégrer |
<iframe src="https://card2brain.ch/box/supplychainmanagement/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Nenne die 3 Prognosearten !
- Qualitative Prognose
- Kausalprognose
- Zeitreihenprognose
Was ist eine qualitative Pronose ?
Die Meinungen mehrerer Personen werden zu einer Prognose zusammengefasst.
z.B. Flugaufkommen in 20 Jahren
Was ist eine Kausalprognose ?
Eine Funktion wird geschätzt, die die Abhängigkeit der Nachfrage von einer bekannten Größe abbildet.
z.B. Service-Mitarbeiterbedarf im nächsten Jahr.
Was ist eine Zeitreihenprognose ?
Die Nachfrage wird auf Basis von Vergangenheitsdaten geschätzt.
z.B. Waschmittelnachfrage im nächsten Monat
Wozu eine Nachfrageprognose ?
- Dadurch wird die zukünftige Entwicklung der Nachfrage abgeschätzt
- Sie stellt die Grundlage fast aller Planungen dar
- Sie ist ein strukturierter Prozess. Je nach Anwendung und Prognoseziel stehen unterschiedliche Verfahren zur Verfügung
Nenne die 4 Verfahren des qualitativen Prognoseverfahrens !
1) Vertriebsschätzung
2) Kundenbefragung
3) Expertenmeinung
4) Delphi-Methode
Wie sieht ein Prognoseprozess aus ? (Hinweis: 6 Schritte)
1. P.ziel festlegen
2. P.horizont festlegen
3. P.verfahren auswählen
4. Daten erheben
5. Durchführen der Prognose
6. Überwachen der Prognose
Wann wendet man qualitative Prog.verfahren an?
Wenn keine Vergangenheitsdaten verfügbar sind oder diese Daten nicht zur Prognose geeignet sind.
z.B. Prognose der Nachfrage nach einer neuen Technologie
Aber auch um Kausal- und Zeitreihenprognosen anzupassen
z.B. Berücksichtigung einer einmaligen Promotion bei Zeitreihenprog.
Erläutere die Expertenbefragung !
- Sinnvoll bei neuen Produkten
- mittel - /langfristig
- hohe Kosten
Erläutere die Delphi-Methode !
- Anwendung bei Potential- und Technologieprognosen
- langfristig
- hohe Kosten
Wie verläuft die Delphi-Methode ?
1. Moderator bereitet ersten Fragebogen vor
2. Teilnehmer beantworten unabhängig und anonym den Fragebogen
3. Moderator bereitet Ergebnisse auf
4. Moderator bereitet neuen Fragebogen vor (wenn kein Konses besteht)
5. Moderator stellt Ergebnisse vor
Nenne die 3 Verfahren der Kausalprognose !
- Lineare Regression
- Nicht-lineare Regression
- Sonstige
Was bedeutet Regression ?
= Umkehren, zurückgehen
Wann wendet man die Kausalprognose an ?
Wenn die Nachfrage eines Produktes oder eines Services auf Basis einer bekannten Größe prognostiziert werden kann
z.B. Taxi-Nachfrage in Abhängigkeit von der Einwohnerzahl einer Stadt
In der Regel wird mit Regression die Funktion geschätzt, die diesen Zusammenhang am besten abbildet.
z.B. Taxi-Nachfrage = Einwohnerzahl / 1000
Wie geht man bei der linearen Regression vor ?
1. Ermittlung Regressionsfunktion: y(x) = 3,89 + 0.0065x
2. Schätzung Servicenachfrage
- Neue Region mit z.B. 500 installierten Servern y(500) = 3,89 + 0,0065 * 500 = 7,14
- Änderung der Anzahl der installierten Server in einer Region
Was ist das Ziel der linearen Regression ?
Wahl der Parameter a (Achsenab.) und b (Steigung) der Prognosefunktion so dass die durchschnittliche quadratische Abweichung minimiert wird
Wie lautet die Formel der durchschnittlichen quadratischen Abweichung ( Mean-Squared-Error) ?
MSE(a, b) = 1/N ∑(a + b * xn - yn)^2
Was macht die RGP-Funktion ?
Berechnet die Statistik für eine Linie nach der Methode der kleinsten Quadrate, um eine Gerade zu ermitteln, die am besten zu ihren Daten passt, und gibt eine Matrix zurück, die die Linie beschreibt.
Unterschied linearrer und nicht-linearer Regression ?
Lineare: für Situationen, in denen der Zusammenhang zwischen bekannter Größe und Nachfrage linear ist
Nicht-lineare: für Situationen, in denen dieser Zusammenhang nicht linear ist.
Welche Verfahren der Zeitreihenprognose gibt es ?
- Gleitende Durchschnitte(MA)
- Einfache Exponentielle Glättung (SES)
Wie wird die Zeitreihenprognose angewendet ?
- Werden eingesetzt, um auf Basis historischer Nachfragen eine Prognose zu erstellen
- Der Nachfrageverlauf (Konstantes Niveau, Trend, ...) wird vom Anwender geschätzt bzw. unterstellt
- für unterschiedliche Nachfrageverläufe werden unterschiedliche Prog.verfahren eingesetzt
Was passiert bei einem sehr kleinen T (Extremfall T = 1) ?
- Prognose reagiert sehr nervös auf Schwankungen der Nachfrage
- Nachfrageinfo., die in Vergangenheitsdaten enthalten sind, gehen zu einem Großteil verloren
Was passiert bei einem sehr großen T (Extremfall T = gesamte Nachfragehistorie) ?
- Prognose reagiert kaum auf Änderungen der Nachfrage
- auch sehr alte Daten werden genauso hoch gewichtet wie sehr aktuelle Daten.
Erläutere Mean Squared Error !
- häufig eingesetzt
- gute theoretische Eigenschaften
- Bsp.: Sicherheitsbestand
Erläutere Mean Absolute Deviation !
- Intiutiv besser interpretierbar
- Bsp: MAD = 50 Skripte, besser interpretierbar als 2500 Skripte^2
Erläutere Absolute Percentage Error !
- intiutiv gut interpretierbar
- erlaubt Vergleich von Prognosen mit unterschiedlichen Mittelwerten
