Data Science Use Case - Forecasting & Predictive Modeling

Prognosemodelle in der Unternehmensplanung

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.


Durchführung

Das Controller Institut führt seine Bildungsprogramme wie geplant durch. Sollte eine Abhaltung vor Ort nicht möglich sein, wird das Programm als Online-Training durchgeführt. Durch moderne Didaktik und performante Tools können wir Ihnen ein Lernerlebnis bieten, das die gewohnte Qualität und Praxisorientierung auch online sicherstellt. Wir entwickeln Kompetenzen weiter – auch online!

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

 

Lesen Sie mehr: Alexander Rabanser auf unserem Blog über Data Sience Use Case: Forecasting & Zeitreihenanalyse.

"Die Zeitreihenanalyse ist ein weites Feld, v.a. was den breiten Einsatz in der Praxis betrifft. Die zum Teil komplexen mathematischen Modelle sind in Standardsoftware bereits so gut implementiert, dass Prognosen heutzutage einfach und schnell durchzuführen sind. Die Datenbasis dafür bilden historische Zeitreihen, die nun auch zu vielen Unternehmensgrößen vorhanden sind ..."