Kapitel 2 Flashcards
Wozu dienen Planzahlen
Dienen der Prognose, Planung und einem Ziel (Sollzustand),
allgegenwärtig im Betrieb und grundlegend
Ausgestaltung von Planzahlen
Planzahlen werden durch Beobachtung und Auswertung konstruiert
– Muster aus der Vergangenheit
– Eventuelle Änderungen der Rahmenbedingungen
– Aus technischen Überlegungen
– Aus Szenariomodellierungen
Anforderungen von Planzahlen
Planzahlen sollen bestimmte Anforderungen erfüllen
– Verlässlich
– Plausibel
– Nachvollziehbar
– Implementierbar
Prognoseprozess
Prognoseziel Was?
» Wahrscheinlichkeit, mit der ein Ereignis eintritt
» quantitative Ausprägung des Ereignisses (oder beides)
Hauptanwendungsfelder Planzahlen
» Hauptanwendungsfelder
– Mengenbedarfsplanung (Beschaffung, Logistik, Materialmengen)
– Produktionsplanung (Produktion, Personalauslastung)
– Finanzielle Führung (Liquiditätsplanung)
» Beispiele
– Absatzzahlen
– Planverbrauchsmengen
– Planpreise
– Herstellungsmengen
– Planwert eines Unternehmens
Forecasts und Beispiele
Forecasts dienen als Planungs- und Steuerungsgrundlage für alle betrieblichen Funktionalbereiche
Beispiele:
Planungshorizont: Zeitraum
» Je länger eine Prognose in die Zukunft geht, desto ungenauer/ungewisser wird sie
» Eintrittswahrscheinlichkeit der Prognose verringert sich, je länger der Planungszeitraum in
der Zukunft liegt
» Klassische Budgetierung: Einjahresfokus
Planungshorizont Unterteilung
Kurzfristprognosen
- zur Planung von z. B. Absatz-, Produktions-
und Beschaffungsmengen - Prüfstein für Zielsetzungen
- kündigen frühzeitig Abweichungen an
Langfristprognosen
* dienen strategischen Überlegungen
bzw. grundsätzlichen Entscheidungen
über die Sinnhaftigkeit eines
Engagements
Planungshorizont: Intervalle
» Forecasts können einen festen Endzeitpunk (z. B. Jahresend-Forecast) oder einen festen
Planungszeitraum (rollierender Forecast) haben:
Jahresend-Forecast (Year-end Forecast)
» Fokus: liefert Einschätzung über die Erreichung der Planziele (Budget)
Rollierender Forecast (Rolling Forecast)
» Prognosen werden unterjährig in regelmäßigen Zeitabständen angepasst
» Neue Informationen werden mit einbezogen
» Bestehende Ist-Werte komplettieren die rollierende Planung zu einer neuen
Vorschauversion
» betrachtet stets die gleiche Anzahl von Quartalen
» Meist Prognose für 12-18 Monate
Ereignisgesteuerte Planung (Event-driven Planning)
» Revision eines Planes wird durch ein wichtiges (zuvor definiertes) Ereignis ausgelöst
(z. B. unerwarteter Absatzanstieg, wesentliche Änderungen des Auftragseingangs)
Vor- und Nachteile rollierender Prognosen
» Vorteile:
– Neue Informationen werden durchgängig berücksichtigt
– Ermöglicht Überblick über die Perioden nach Ablauf des Geschäftsjahres
– Verbessert Prognosegenauigkeit
» Nachteile:
– zeitaufwendig
– teuer, da laufend Meinungen von Expert:innen eingeholt und Berechnungen erstellt werden müssen
– schwierige langfristige Planung, da sich auch kleinste Änderungen z. B. Änderung dern Wachstumsrate signifikant im Terminal Value niederschlagen können
Verfahrensauswahl Bestimmung Planzahlen
Qualitative Methoden der Planzahlenermittlung: Befragung
» Planwerte durch Auswertung von Befragungen
– Meinungsbilder von potenziellen Kund:innen, Intuitionen
– Befragung von Expert:innen/Management (zu Produkten, Produktionsprozessen oder
wirtschaftlicher Entwicklung des Marktes)
» Probleme:
– Gruppe der Befragten, Formulierung der Fragen und/oder Darstellung des Produktes
haben Einfluss auf das Ergebnis → kann zu Verzerrung der Ergebnisse führen
– Falsche Annahmen durch Informationsdefizite oder bewusste Verzerrung (z. B. zur
Sicherstellung von Bonuszahlungen)
» Lösung bei Befragung von Expert:innen für ein eindeutiges und qualifiziertes Ergebnis:
Delphi Methode
Ablauf Delphi-Methode
Thesenbildung
Auswahl der Experten
Individuelle Befragung
Sammlung und Auswertung
Mitteilung der Zwischenergebnisse an die
Expert:innen
Erneute Befragung/Prüfung
Ergebnis
Vor- und Nachteile von Qualitativen Methoden
» Vorteile:
– Befragungen können erste Anhaltspunkte für eine tiefergreifende Analyse geben
– Umfrage von Kund:innen und Meinungsbilder sind bei guter Durchführung verlässlich
– Lernprozess bei Delphi-Befragung bringt qualifiziertere Ergebnisse
– keine historischen Daten notwendig
– hohe Grundakzeptanz
» Nachteile:
– Einflussfaktoren, z. B. Konjunktur müssen mit analysiert werden
– Befragung von Kund:innen sehr subjektiv
– Gefahr von Verzerrungen
– Große Umfragen, z. B. Delphi-Befragung sind sehr zeit- und kostenaufwendig
Quantitative Methoden: Auflistung
Naiver Forecast
Basismodell: Prognosewert der kommenden Periode = Istwert der Vorperiode
Weitere Varianten:
1. Prognosewert = Istwert der Vorperiode unter Berücksichtigung der letzten
Veränderung
2. Prognosewert = Istwert der Vorperiode unter Berücksichtigung des Durchschnitts der letzten Veränderungen
3. Prognosewert = Istwert der Vorperiode unter Berücksichtigung des mittel bzw.
langfristigen Trends
4. Prognosewert = Istwert der gleichen Periode der letzten Saison
Zeitreihenanalyse
» Analyse einer bestimmten Größe mit mathematisch-statistischen Methoden
– Untersuchung hinsichtlich Gesetzmäßigkeiten (z. B. konstantes Niveau, Trend) aus der
Vergangenheit
– Übertrag der Gesetzmäßigkeiten in die Zukunft
» zeitabhängige Betrachtung der untersuchten Größen
» Voraussetzung: ausreichend lange Zeitreihe verfügbar
kann univariat oder multivariat sein
Zeitreihenanalyse: Konstantes Niveau
Mittelwerte oder Exponentielle Glättung 1. Grades
Vor- und Nachteile Mittelwertberechnung
» Vorteil:
– Sehr einfache Berechnung
– Bei gewichtetem Durchschnitt können jüngere Perioden mehr Einfluss bekommen
und so z. B. den technischen Fortschritt berücksichtigen
– Mit Hilfe des gleitenden Durchschnitts können auch Trends und Saisonkomponenten
identifiziert werden
» Nachteil:
– zu wenig Daten: große Anfälligkeit für Ausreißer
– zu viele Daten: sehr aufwendig und langsame Reaktionszeit, inflexibel
– Arithmetisches Mittel nur bei konstanten Verläufen sinnvoll, in Realität selten,
höchstens als Benchmark sinnvoll
– Nur für kurzfristige Prognosen geeignet
Exponentielle Glättung 1. Grades Ansatz
» Ansatz: Aktuelle Perioden sind höher zu gewichten als vergangene Perioden
» Bei gleitendem Durchschnitt gehen nur die letzten T Perioden mit in die Berechnung ein,
bei der exponentiellen Glättung 1. Grades alle
» Bestimmung eines Glättungsfaktors Alpha zur Gewichtung
– Je höher α, desto stärker werden aktuelle Perioden gewichtet
– Gewichte nehmen exponentiell mit der Aktualität zu
Zeitreihenanalyse: Trendverlauf
Regressionsanalyse, Exponentielle Glättung 2. Grades oder Wachstumsraten
Exponentielle Glättung 2. Grades Ansatz
» Konzept ähnlich wie exponentielle Glättung 1. Grades, aber mit jeweils einem
Glättungsfaktor für den Achsenabschnitt und einem für die Steigung der Prognosefunktion.
» Durch nochmalige Glättung der Zeitreihe können auch Trendverläufe dargestellt werden
» a, ß üblicherweise Werte zwischen 0,2 bis 0,4
Zeitreihenanalyse: Saisonaler Verlauf
Exponentiellen Glättung 3. Grades
