Skip to main content
main-content

Über dieses Buch

Genaue Prognosen bilden die Basis für eine Vielzahl von wirtschaftlichen Entscheidungen und Geschäftsprozessen. In diesem Buch werden die Grundlagen der Erstellung und quantitativen Bewertung von Prognosen erarbeitet. Besonderes Augenmerk wird auf die korrekte statistische Behandlung sowie die Interpretation der Prognose als Wahrscheinlichkeitsverteilung gelegt. Zahlreiche Beispiele aus konkreten Fragestellungen zeigen den Bezug der jeweils erörterten Problemstellungen zur Praxis auf. Darüber hinaus werden viele sich ergänzende Methoden vorgestellt, wie Prognosen in der Praxis bewertet und ihre Vorhersagekraft getestet werden kann.

Das Buch richtet sich vor allem an Praktiker, die im betrieblichen Alltag Prognosen verwenden und datengetrieben automatisierte Entscheidungen treffen.

Inhaltsverzeichnis

Frontmatter

1. Einleitung

Zusammenfassung
In konkreten Fragestellungen bilden genaue Prognosen für zukünftige Ereignisse die Grundlage wirtschaftlicher Prozesse und strategischer Entscheidungen. Damit sind sie für Unternehmen unentbehrlich, um sich auf zukünftige Entwicklungen einzustellen und die wirtschaftlichen Ziele des Unternehmens zu erreichen, bzw. diese zu optimieren. In den letzten Jahren hat die Bedeutung von Prognosen deutlich zugenommen: Gesunkene Preise für die IT-Infrastruktur erlauben es, letztlich alle in einem Unternehmen anfallenden Daten zu speichern und für eine spätere Verwendung vorzuhalten. Dies wird oft unter dem Schlagwort Big Data zusammengefasst. Moderne analytische Methoden, auch Predictive Analytics genannt, erlauben es, aus diesen Daten Prognosen für zukünftige Ereignisse zu erstellen. Dabei können eine Vielzahl von Datenquellen, die sowohl intern im Unternehmen vorhanden sind, als auch von externen Anbietern stammen können, kombiniert werden, um die benötigten Vorhersagen zu optimieren. Im Gegensatz zur klassischen Business Intelligence (BI), die sich hauptsächlich darauf konzentriert, zu verstehen, warum gewisse Ereignisse in der Vergangenheit eingetreten sind, erlauben die Methoden der Predictive Analytics, die grundlegenden Mechanismen aus der Vergangenheit zu extrahieren und daraus Prognosen für zukünftige Ereignisse zu erstellen.
Michael Feindt, Ulrich Kerzel

2. Statistische Grundlagen

Zusammenfassung
Dieses Kapitel gibt eine kurze Übersicht über die im weiteren Verlauf des Buches benötigten mathematischen und statistischen Grundlagen. Zu Beginn wird der Begriff der Wahrscheinlichkeitsverteilung oder auch Wahrscheinlichkeitsdichte eingeführt und die wichtigsten Eigenschaften werden definiert, sowie einige wichtige Verteilungen vorgestellt. Im weiteren Verlauf wird erläutert, was eine Korrelation zwischen verschiedenen Größen bedeutet und wie sie mathematisch behandelt werden kann. Danach folgt eine kurze Einführung in die Bayessche Statistik und eine Übersicht über den Umgang mit fehlerbehafteten Größen.
Michael Feindt, Ulrich Kerzel

3. Erstellen von Prognosen

Zusammenfassung
Dieses Kapitel befasst sich mit den theoretischen Grundlagen der Erstellung und Bewertung von Prognosen. Anhand konkreter Beispiele dargestellt, wie diese in der Praxis verwendet werden. Zunächst wird dargestellt, warum Prognosen als Wahrscheinlichkeiten aufzufassen sind, im Anschluss wird diskutiert, was unter einer „idealen oder perfekten Prognose“ zu verstehen ist. Danach werden verschiedene Prognosegütemaße im Detail diskutiert, sowie deren Vor- und Nachteile anhand praktischer Beispiele dargestellt. Zum Abschluss des Kapitels wird auf die Kombination von Prognosen eingegangen.
Michael Feindt, Ulrich Kerzel

4. Bewertung von Prognosen

Zusammenfassung
Über die Bewertung von Prognosen mittels eines Prognosegütemaßes hinaus, wie es im Kapitel 3 vorgestellt wurde, gibt es noch eine Vielzahl von weiteren Tests und Darstellungen, die eingesetzt werden können, um die Richtigkeit von Prognosen zu überprüfen. Dieses Kapitel gibt eine Übersicht über die gängigsten Ansätze und geht darüber hinaus auf weitere statistische und psychologische Aspekte der Prognosebewertung ein.
Michael Feindt, Ulrich Kerzel

5. Schlusswort

Zusammenfassung
Bedingt durch die zunehmende Digitalisierung rücken datengetriebene Entscheidungen zunehmend in den Fokus Grundlage für solche Entscheidungen sind Prognosen, die aus der vorhandenen Datenlage erstellt wurden. Dabei ist zu beachten, dass Ereignisse nur mit einer gewissen Wahrscheinlichkeit vorhergesagt werden können und somit einer nicht vermeidbaren Volatilität unterworfen sind. Gute Prognoseverfahren berücksichtigen dies und in vielen Projekten hat sich in der Praxis gezeigt, dass sich so ein erheblicher wirtschaftlicher Mehrwehrt gewinnen lässt.
Michael Feindt, Ulrich Kerzel

Backmatter

Weitere Informationen

Premium Partner

    Bildnachweise