×

Das Geheimnis hinter besseren Prognosen

Wie Kundendaten die Prognosequalität erheblich verbessern können.

Jede Prognose ist falsch!


Wenn ich mit jemandem über Lagerhaltung spreche, bekomme ich immer wieder zu hören, dass es Probleme mit der Prognose bezüglich der zukünftigen Nachfrage gibt. Das führt dann wiederum zu falscher Lagerhaltung am falschen Ort zum falschen Zeitpunkt und in der falschen Menge. Es ist also wichtig, dass das Augenmerk verstärkt auf das gerichtet wird, was genau man benötigt, um besser prognostizieren zu können.

Der erste Schritt, der getan werden muss, besteht darin, zunächst einmal zu bestimmen, was überhaupt eine gute Prognose ist. Weil wir aus der Praxis ableiten, dass jede Prognose falsch ist, wird noch viel zu häufig entweder auf das berühmte Bauchgefühl gehört oder nach einem verborgenen Prognosemodul im ERP-Paket gegriffen, wo alles andere als klar ist, wie die genutzte Prognosetechnik aussieht.

Der zweite Schritt besteht darin, die Fehler zu erkennen, die gemacht werden. Diese Techniken gibt es im Überfluss; in der Praxis führt das dazu, dass nicht klar ist, welche Technik nun genau eingesetzt werden soll.

Wenn dieser zweite Schritt im Unternehmen bereits getan wurde, folgt nur selten oder fast nie der dritte Schritt. Der dritte Schritt besteht nämlich darin, Maßnahmen zu ergreifen und zwar auf der Grundlage des Fehlers in der Prognose, um hier etwas zu verbessern. Dieser Schritt ist daher das Geheimnis, das hinter besseren Prognosen steckt, und das kann dem Unternehmen sehr viel Nutzen  bringen.

Jede Prognose ist falsch, aber in diesem Artikel beschäftigen wir uns damit, weshalb jede Prognose falsch sein darf, und gleichzeitig suchen wir nach dem, was notwendig ist, um den Fehler zu reduzieren.

Weshalb darf eine Prognose falsch sein?

Wie bereits gesagt wurde, ist eine Prognose immer falsch. Dann spielt natürlich die Frage eine Rolle, ob in eine bessere Prognose überhaupt investiert werden soll. Ich verdeutliche mit einem Beispiel, dass jede Prognose falsch sein darf, und dann schauen wir uns an, was genau eine gute Prognose ist und was eine bessere Prognose bedeuten kann.

Betrachten wir einmal die unten stehende Abbildung. Hier haben wir einen Datensatz genutzt, beidem in einem Zeitraum von 52 Wochen die Nachfrage nach einem ganz speziellen Artikel herangezogen wurde. Die gerade rote Linie ist  der Nachfragendurchschnitt, wobei die variierendeblaue Linie die Nachfrage pro Woche darstellt.

Was nun bei Prognosen gemacht wird, ist, diesen Durchschnitt zu ermitteln, und der sieht dann so aus wie die rote Linie in der Abbildung. Wir sehen allerdings, dass die tatsächliche Nachfrage niemals deckungsgleich mit dem Durchschnitt ist, daher also die Erkenntnis: „Jede Prognose ist falsch“. Die tatsächliche Nachfrage weicht in einem bestimmten Grad von der durchschnittlichen Nachfrage ab. Wie sehr diese tatsächliche Nachfrage durchschnittlich pro Woche abweicht, bezeichnet man als „Standardabweichung“.

Ich erspare Ihnen die Formeln, aber die Bedeutung dieser Standardabweichung zu kennen, ist schon sehr wichtig.

Vor langer Zeit wurde einmal Folgendes bewiesen: Wenn die Abweichung während einer bestimmten Zeit minimal oberhalb und unterhalb des Durchschnitts liegt, können wir mit einer gewissen Sicherheit die Stückzahl eines bestimmten Artikels, der pro Zeitintervall verlangt wird, angeben. Angenommen, Kunde Max Mustermann kommt vorbei und verlangt diese bestimmte Anzahl. Was wir dann mittels ein wenig Statistik machen können, ist, die Aussicht darzustellen, dass diese Anzahl unterhalb und oberhalb der Anzahl x Stück bleibt. Wenn man das auf die oben stehende Abbildung anwendet, ergibt sich Folgendes: Ich kann mithilfe von Statistik sagen, dass in 95 % aller Fälle die Nachfrage dieses Kunden zwischen 8 und 52 liegen wird. Dieses Stückchen Statistik kann dem Besucher eines Kasinos helfen, aber weshalb ist es jetzt so wichtig, dass man mit so etwas auch in der Lagerhaltung arbeitet? Nun, deshalb, weil wir immer falsch prognostizieren, ist es sinnvoll, zu wissen, wie falsch wir prognostizieren. Wir schätzen daher mithilfe der Standardabweichung unseren Prognosefehler im Voraus ab und können für diesen abgeschätzten Prognosefehler dann einen zusätzlichen Bestand anlegen. Die Fähigkeit, diese Abweichung bestimmen zu können, erlaubt es uns, falsch zu prognostizieren oder formal ausgedrückt: „Es darf falsch prognostiziert werden, solange der Fehler nur statistisch bekannt ist.“ Der Prognosefehler wird infolgedessen auch nicht ausdrücklich in der Prognose berücksichtigt, weil die Abweichung vom Durchschnitt nach oben und nach unten weist und somit als null angenommen werden darf. Das alles verlangt natürlich, dass die Abweichungen nur minimal vom Mittelwert abweichen und nicht strukturell nach oben oder nach unten deuten.

Steven Pauly, Slimstock

Literatur
S. Makridakis, S.C. Wheelright, R.J. Hyndman [1998] Forecasting, Methods and Applications
Coyle J.J., Langley C.J., Robert A.N., Gibson B.J [2013] Supply Chain Management: A Logistics Perspective`
Lee, Hau L; Padmanabhan, V. and Whang, Seunglin [1997] The Bullwhip effect in Supply Chains
Axsäter S. [2006] Inventory Control
Spring

Füllen Sie das untenstehende Formular aus, um unser Whitepaper „Das Geheimnis hinter besseren Prognosen“ herunterzuladen!

SHARE:
OBEN