Data Science Use Case - Forecasting und Prognosemodelle

Zeitreihenanalyse und Prognosemodelle

Ziel

Forecasting ist wohl die Königsdisziplin der Datenanalyse: die Vorhersage der zukünftigen Entwicklungen. Die Datengrundlage in der Zeitreihenanalyse bilden historische Daten, egal ob das monatliche Umsätze oder tägliche Produktionsdaten sind. Quantitative Prognosemodelle suchen darin nach Trends und Mustern, um zu einer möglichst genauen Vorhersage der zukünftigen Werte zu gelangen.

Nächster Termin

Ort & Termin

Zur Zeit sind keine Termine verfügbar

Aufbau und Inhalte

  • Grundlagen & Begriffe
    • Periodizität/Frequency, Training und Validation Sample, Prognosehorizont, Konfidenzintervalle…
    • Umgang mit fehlenden Werten: Interpolationstechniken & Datenaufbereitung
  • Zeitreihenanalyse in Excel
    • Grafische Aufbereitung
    • Die wichtigsten Excel-Funktionen: STEIGUNG, TREND, SCHÄTZER…
    • Die neue Forecasting-Funktion in Excel: Prognoseblatt erstellen
  • Die Verfahren im Einzelnen, erklärt anhand von Beispielen
    • einfache Trends (linear, exponentiell…)
    • Simple Moving Average (SMA) und Exponential Moving Average (EMA)
    • Time Series Decomposition
    • Exponential Smoothing & ARIMA-Modelle
    • Zeitreihenanalyse advanced in R
    • Umsetzung anhand eines eigenen Beispiels