< Zurück   INHALT   Weiter >

6.2 Schritt 2: Extrapolationen

Aus der Auftragserfassung, die in der Kostenrechnung nachgehalten wird, stellt der Vertriebsleiter die Auftragsdaten der Vergangenheit zusammen. Er lässt die Daten nach Maschinentyp und Wert erfassen, um eine differenzierte Prognose durchführen zu können. In Abb. 6.5 sind exemplarisch die summarischen Auftragseingänge der letzten zwei Jahre für alle Maschinen dargestellt, hier nach Anzahl, was Produktion und Einkauf am meisten interessiert. Selbstverständlich bietet sich an, die Extrapolationen auch für die Auftragswerte durchzuführen, um Informationen für die erwartete monetäre Entwicklung (Umsatz, Deckungsbeitrag, Gewinn, Liquidi-

Tab. 6.2 Forecast der Rollenlagerunion, Vertriebsleistung je Verkäufer in den nächsten sechs Monaten

Abb. 6.1 Forecast der Rollenlagerunion, Vertriebsleistung je Verkäufer im Vergleich

Abb. 6.2 Forecast der Rollenlagerunion, erwartete Vertriebsleistung Lars, hier: Anzahl Aufträge

tät) zu prognostizieren. Dieses ist hier jedoch nicht wiedergegeben. Auch ist die Darstellung als Liniendiagramm mathematisch nicht korrekt, denn es gibt keine Werte zwischen den Monaten; doch lassen sich Liniendiagramme bei zeitlichen Projektionen leichter intuitiv interpretieren.

Tab. 6.3 Forecast der Rollenlagerunion für die Produktionsplanung

Abb. 6.3 Forecast der Rollenlagerunion, Produktionsmenge je Maschinentyp

Tabellenkalkulationsprogramme wie MS Excel erlauben nun auf recht einfachem Wege, sowohl die Trend-Werte zu berechnen, als auch, sie in grafischer Form wiederzugeben (Abb. 6.6).

Die als linearer Trend prognostizierten Auftragszahlen steigen folglich von 14,7 Aufträgen im Januar 2014 auf 17,9 Aufträge im Dezember 2014 an. Insgesamt ist ein Absatz von 195,9 Aufträgen in 2014 zu erwarten. Natürlich sind diese Werte nicht aus der Grafik abzulesen, sondern werden berechnet, wobei Excel sowohl die notwendigen Formeln als auch die Ergebnisse liefert.

Aber Achtung! Der sich in Abb. 6.6 zeigende Trend täuscht! Der Verlauf der Auftragshöhen lässt für die letzten Monate nicht mehr das Wachstum erkennen, dass noch im Jahr 2012 gegen war. Um dies deutlich zu machen, werden die ursprünglichen Daten in einem nächsten Schritt zunächst geglättet, indem der gleitende Durchschnitt der jeweils zurückliegenden fünf Monate berechnet wird. Sodann

Abb. 6.4 Forecast der Rollenlagerunion, Warenwert je Maschinentyp

wird dieser neue, nun geglättete Trend, extrapoliert, nun allerdings nicht mehr als grobe lineare Projektion, bei der ein Strahl wie mit dem Lineal verlängert wird, sondern derart berechnet, so dass der jeweils aktuelle Prognosewert in die Trendextrapolation einbezogen wird. Und siehe da (Abb. 6.7): Das Ergebnis ist ein gänzlich anderes. Nun kann die Rollenlagerunion nur noch auf 160,7 Auftragseingänge in 2014 hoffen, und vor allem ist kein nennenswertes Wachstum mehr zu sehen.

Was bedeuten diese Variationen der statistischen Auswertung von Vergangenheitsdaten? Zunächst ist festzustellen, dass die Art und Weise, wie Vergangenheitsdaten in die statistische Methode einbezogen werden, die Prognosen signifikant verändern. Es gibt aber keine eindeutige Vorgabe, wie die Vergangenheit zu berücksichtigen ist. Würden wir die statistischen Methoden weiter ausreizen, z. B. exponentiell glätten und anschließend Trends berechnen, bekämen wir sogar noch andere Zukunftsverläufe. Aber welcher ist der richtige? Versuche zeigen deutlich, dass sowohl eine zu geringe als auch eine zu exakte Berücksichtigung der Vergangenheitswerte falsch sein können (sog. „Underfitting“ bzw. „Overfitting“). Die Empfehlung ist hier, verschiedene statistische Berechnungen durchzuführen und die Ergebnisse gleichermaßen zu berücksichtigen. Es entsteht ein Korridor möglicher Zukünfte, so, wie er als Raum zwischen der roten und der blauen Projektionskurve in Abb. 6.7 zu erkennen ist, auch, wenn hier exemplarisch nur zwei Arten von Trends berechnet wurden.

Abb. 6.5 Anzahl Aufträge der Rollenlagerunion in den zwei zurückliegenden Jahren

Werden nun die bisherigen drei Forecasts, jener der Verkäufer (Prognose C) und die zwei, die soeben aus Projektionen entstanden sind (Prognosen A und B), mit einander verglichen (Abb. 6.8), so zeigt sich, dass der Verkäufer-Forecast einerseits viel stärker schwankt, aber sich dessen Trendextrapolation durchaus im Wertekorridor der übrigen Prognosen befindet (Anm.: Aber auch hier geht es nicht ohne Statistik: Die Verkäufer schätzen ihre Auftragseingänge lediglich für die nächsten sechs Monate ab, z. B. für Januar 2014 (M + 1) bis Juni 2014 (M + 6). Die Werte für Juli bis Dezember 2014 werden extrapoliert, ohne vorher die Vergangenheitswerte zu glätten).

Für die Jahresprognose ergibt sich der durchschnittliche Auftragseingang, der Tab. 6.4 entnommen werden kann.

 
< Zurück   INHALT   Weiter >