Forecasting beschreibt den Prozess, zukünftige Werte und Entwicklungen auf Basis historischer Daten und statistischer Modelle zu schätzen, um fundierte Planungs- und Steuerungsentscheidungen zu ermöglichen. In Unternehmen wird Forecasting für Absatzplanung, Kapazitätssteuerung, Finanzprognosen und Nachfrageplanung eingesetzt. Die Auswahl geeigneter Prognosemodelle, die Bewertung der Vorhersagegenauigkeit und die Interpretation von Prognosegrenzen sind zentrale Fähigkeiten.
Kursinhalt1. Prognoseprozess und Überblick Methoden
- Kurzfristige, mittelfristige und langfristige Prognosen
- Qualitative vs. quantitative Forecasting-Methoden
- Auswahl geeigneter Verfahren je nach Datenlage
2. Zeitreihenbasierte Prognosemodelle
- Gleitende Durchschnitte und exponentielle Glättung
- Holt-Winters-Methode für saisonale Zeitreihen
- Trend-, Saisonalitäts- und Residualzerlegung (STL)
3. ARIMA und statistische Prognosemodelle
- Stationarität, Autokorrelation und Differenzierung
- ARIMA-Modellidentifikation und Parameterauswahl
- SARIMA für saisonale Zeitreihen
4. Prognosegüte und Fehlermetriken
- MAE, RMSE, MAPE und MASE als Bewertungsmaße
- Backtesting und Kreuzvalidierung für Zeitreihen
- Konfidenzintervalle und Prognoseungenauigkeit kommunizieren
Berufliche Relevanz
- Forecasting-Kenntnisse werden in Supply-Chain-, Controlling-, Data-Science- und Analytics-Positionen eingesetzt
- Ermöglicht die datengestützte Planung und Ressourcensteuerung
- Grundlage für Demand-Planning- und Revenue-Forecasting-Initiativen