Optimierung von Forecasts
Die Optimierung von Forecasts kann an mehren Stellschrauben ansetzen: Der Methode, der Verwendung des Ergebnisses und der Qualität der Inputdaten. Es ist Aufgabe des Vertriebscontrollers, kontinuierlich eine Verbesserung zu versuchen. Nachfolgend werden für diese Aufgabe einige Hilfestellungen gegeben:
Verbesserung der Forecast-Methode
Es sind drei Grundregeln, die aus einem Forecast einen guten Forecast machen: Die erste lautet: Erstelle Forecasts unter Anwendung verschiedener Me-
thoden! Der Durchschnitt der Forecast-Werte ist der genaueste. Kann kein Durchschnitt gebildet werden, so ist ein Basis-Forecast zu erstellen, der unter Zuhilfenahme weiterer, mittels anderer Methoden erstellter Forecasts justiert wird. Natürlich werden Puristen jetzt aufheulen, aber diese Methode hat sich bewährt! Nachjustierung ist ein Weg, einen Forecast zu verbessern, wie Praxiserfahrungen und – zugegeben erst wenige – Studien zeigen.
Die zweite Regel lautet: Lasse verschiedene Forecasts mit einander konkurrieren! Dies darf tatsächlich als Methodenwettstreit verstanden werden. Und der Wettbewerb hat folgende Regel: Jede Art von Forecast muss
• den Naiven Forecast,
• den um einen Trend extrapolierten Naiven Forecast und
• die „Bauchprognose“ des Vertriebsleiters
schlagen. Schafft es eine zu testende Methode mehrere Perioden lang nicht, einen besseren Forecast zu liefern, so eignet sie sich nicht.
Die dritte Regel lautet: Prüfe kontinuierlich die Präzision des Forecasts. Oben wurde es bereits beschrieben, aber hier soll es noch einmal besonders heraus gestellt werden: Monat für Monat (bei kürzeren oder längeren Prognoseperioden entsprechend) sind die Istwerte mit den Prognosewerten, und zwar sowohl den ursprünglichen als auch den fortgeschriebenen, zu vergleichen. Und zwar für jeden Typ Forecast. Nur so kann gelernt werden, welcher Forecast-Typ der beste war und ob es systematische Fehleinschätzungen gibt. Besondere Ereignisse werden notiert und deren Auswirkungen auf die Prognosewerte beschrieben. Im Laufe der Zeit wird der Forecast so kontinuierlich verbessert.
Was nicht verschwiegen werden darf, ist, dass so manchem Vertriebscontroller das Argument, eine Überverkomplizierung vermeiden zu wollen, gut zu Pass kommt, weil ihm betriebswirtschaftliches oder mathematisches Wissen fehlt, komplexere Modelle zu rechnen. Erfahrungsgemäß ist es unmöglich, bereits im Vorfeld zu erkennen, ob ein komplexes Verfahren, z. B. eine Regressionsrechnung, nicht doch die bessere Methode sein könnte. Es gehört zweifelsfrei zu den fachlichen Anforderungen an einen Vertriebscontroller, sich mit statistischer Methodik auszukennen.
