< Zurück   INHALT   Weiter >

Ad 1: Naiver Forecast

Der Naive Forecast hat eine ganz besondere Bedeutung: Er kann fast ohne Aufwand erstellt werden und er ist die erste Messlatte für alle andere Methoden. Hierzu mehr in Kap. 5. Bei dem Grundmodell eines Naiven Forecasts wird unterstellt, dass der prognostizierte Auftragseingang in der nächsten Periode exakt dem Istwert der gerade abgeschlossenen entspricht. Eine Anpassung des Prognosewertes, z. B. mit einer Steigerungsrate, findet nicht statt. Tabelle 4.1 zeigt ein Beispiel.

Allerdings ist zu beachten, dass ein Vorperiodenergebnis, wie es z. B. als Vormonatswert in Tab. 4.1 als Prognose für den direkt nachfolgenden Monat dargestellt ist, erst einige Zeit nach Abschluss der Vorperiode zur Verfügung steht. Die direkt nachfolgende Periode (hier: der Nachfolgemonat) läuft dann bereits und eine Planung ist dann kaum noch möglich. Als praktikable Lösung ist nun möglich, den Istwert einer Periode als Prognosewert der übernächsten Periode anzunehmen, so, wie es Tab. 4.2 zeigt.

Tab. 4.2 Naiver Forecast mit zeitlich verschobener Prognose

Tab. 4.3 Naiver Forecast, trendextrapoliert, mit zeitlich verschobener Prognose

Sinnvoll ist der Naive Forecast sowohl als Messlatte für die Qualität aller anderen Forecast-Methoden, als auch dann, wenn

• ein kurzfristiger Forecast erforderlich ist,

• relativ kurze Perioden (Tage, Wochen) zu planen sind,

• der Auftragseingang erfahrungsgemäß nur geringe Schwankungen aufweist und

• vorwiegend mittel- und langfristige Trends für Auftragseingangswertänderungen verantwortlich sind.

Um die zuletzt genannten mittel- und langfristigen Trends auch bei einem Naiven Forecast berücksichtigen zu können, gibt es die Möglichkeit, die Prognosewerte zu

„justieren“. Hierbei sind Näherungslösungen akzeptabel. Wenn z. B. ein jährliches Wachstum der prognostizierten Werte von 6 % erwartet wird, sind die ermittelten Monats-Istwerte mit dem Faktor 1,06 zu multiplizieren, um den jeweiligen Prognosewert zu erhalten. Das ist mathematisch nicht exakt, aber in der Regel exakt genug und angesichts der immanenten Ungenauigkeit der Methode akzeptabel. Tabelle 4.3 zeigt das Ergebnis.

Ad 2: Einfache Trendextrapolation

Bei der Trendextrapolation wird unterstellt, dass ein bereits beobachteter Trend auch in der Zukunft fortbesteht. Ausgangspunkt ist die Betrachtung von Auftragseingängen in der Vergangenheit. Diese werden daraufhin untersucht, ob ein Trend existiert. Die einfachste Form ist, die Entwicklung der Summe der Auftragswerte

Abb. 4.2 Ist-Verkaufsdaten mit einfacher Trendextrapolation

eines jeden Monats zu beobachten. Verläuft diese stetig oder zumindest innerhalb eines Korridors, zeigt sie einen Trend. Werden zudem für den Prognosezeitraum keine Störungen erwartet, so wird er für die Zukunft fortgeschrieben. Abbildung 4.2 zeigt dies und viele Tabellenkalkulationsprogramme, z. B. MS Excel, helfen bei der Erstellung.

Zur Kontrolle wird nach der einfachen Trendextrapolation, in Abb. 4.2 auf Basis der Monatswerte, eine Glättung der vergangenen Istwerte vorgenommen. Im unserem Beispiel wird, wie Abb. 4.3 zeigt, ein 5-Monats-Durchschnitt gebildet und dieser extrapoliert. Im Vergleich zu Abb. 4.2 zeigt sich hier eine konservativere Prognose; z. B. liegt der Dezember-Wert des Folgejahres nun unter dem Wert „100“. Vor- und Nachteile der Trendextrapolation zeigen sich sehr deutlich. Der wichtigste Punkt ist, dass ausschließlich Vergangenheitsdaten verarbeitet werden und lediglich die Methode der Extrapolation variiert wird. Aber je versierter auch auf der Klaviatur von MS Excel auch gespielt wird, es bleibt bei der stumpfen Verarbeitung von Vergangenheitsdaten. Mögliche zukünftige Ereignisse werden nicht berücksichtigt. Dennoch gehört die einfache Trendextrapolation zum Pflichtprogramm der Forecast-Erstellung. Sie muss gemacht werden, denn ihre Daten fließen in die in Kap. 5 beschriebene Optimierung von Forecasts mit ein. Auch ist sie die Methode erster Wahl bei planbaren Absätzen bzw. gleichmäßiger Nachfrage, etwa auf dem Infrastruktursektor (Strom, Wasser, Gas, Telekommunikation, Straßenbenutzung usw.). Gerade hier wird die einfache Trendextrapolation als Grundlage

Abb. 4.3 Ist-Verkaufsdaten mit einfacher Trendextrapolation auf Basis des 5-Monats-Durchschnitts

von Szenarien verwendet, bei denen Annahmen über grundsätzliche wirtschaftliche oder gesellschaftliche Entwicklungen getroffen werden und sich diese in den Parametern der Trendextrapolation niederschlagen.

 
< Zurück   INHALT   Weiter >