Plan Flashcards

Question

Zeitreihenanalysen

Answer 1

... versuchen die Zukunft auf Basis von historischen Daten vorherzusagen Datenbasis: Historische Daten ›Beispiel: Nutzen der Absatzzahlen der vergangenen zwei Monate, um die Nachfrage für den nächsten Monat einzuschätzen ›Die Wahl des Vorhersagemodells ist abhängig von verschiedenen Faktoren 1. Zeithorizont der Vorhersage (Wochen, Monate, Jahre?) 2. Verfügbare Daten 3. Geforderte Genauigkeit 4. Höhe des Vorhersagebudgets 5. Verfügbarkeit von qualifizierten Mitarbeitern Eine Regression ist ein funktionaler Zusammenhang zwischen zwei oder mehr miteinander korrelierenden Variablen ›Im Rahmen einer Zeitreihenanalyse wird von historischen Daten auf den zukünftigen Zustand geschlossen ›Beispiel: Absatzzahlen der letzten 12 Monate

Answer 2

Vorhersagenmit Hilfe kausaler Zusammenhänge nutzen unabhängige Variablen (andere als die Variable Zeit), um die zukünftige Nachfrage zu bestimmen ›Für eine sinnvolle Vorhersage müssen die unabhängigen Variablen Frühindikatorensein ›Beispiel: Bei einer Wettervorhersage einer längeren Regenperiode kann mit einem steigenden Absatz von Regenschirmen und Regenmänteln gerechnet werden BeispielfürkausalenZusammenhang:Haustür klingelt ->Bewohner öffnet die Tür Falsche Kausalität (der kausale Fehlschuss):Situationen, in denen eine Ursache falsch identifiziert wird Gründe: Korrelation impliziert Kausalität:Ereignis 1: „Im Jugendalter steigt der Konsum von Energy-Drinks.“ Ereignis 2: „Im Jugendalter tritt verstärkt Akne auf.Kausaler Fehlschluss Schlussfolgerung: „Energy-Drinks verursachen Akne bei Jugendlichen -> Deswegen muss für die Vorhersage ein eindeutiger, kausaler Zusammenhang bestehen Vorhersagenmit Hilfe kausaler Zusammenhänge nutzen unabhängige Variablen (andere als die Variable Zeit), um die zukünftige Nachfrage zu bestimmen. ›Beispielaufgabe: ›Teppichabsatz (in Quadratmeter) im Zeitablauf ›Unabhängige Variable: Baugenehmigung für neue Häuser in der Region

Answer 3

Qualitative Methoden nutzen generell das Wissen von Expertenund benötigen deswegen gut vorstrukturierte Prozessezur Integration der beteiligten Personen ›Qualitative Methoden eignen sich vor allem bei neuen Produktenoder Produkten, die in neue Regionenverkauft werden sollen, da nur wenig Erfahrung/Daten im eigenen Unternehmen vorliegen Beispiel: Vorhersage der Nachfrage für Mode-> Miteinbeziehung von typischen Kunden und deren Präferenzen-> Nutzen des Wissens der Filialleiter und deren Wissen über das Produktangebot und Bestandsmengen Ziel: Keine willkürlichen Schätzungen! Stattdessen soll die Entscheidungsfindung auf gut durchdachten und strukturierten Herangehensweisen basieren.

Answer 4

Ziel: ›Suche nach neuen Produktideen ›Identifikation von Vorlieben und Abneigungen bezüglich bestehender Produkte ›Ergründung von Präferenzen zwischen im Wettbewerb stehender Produkte ›Durchführung: ›Unternehmen beauftragen oft spezialisierte Marktforschungsunternehmen zur Durchführung dieser Methode ›Die Datensammlung erfolgt primär über Umfragen und Interviews Unternehmen, die durch Nutzer Daten generieren, gewinnen für die Marktforschung zunehmend an Bedeutung

Answer 5

Durch tägliche Nutzung von Internet, mittels PCs und mobilen Endgeräten entstehen gigantische Datenvolumen. Die Digitalisierung von Einkaufsvorgängen, Smart-Home Anwendungen, Social-Media Aktivitäten etc. führen zu einer Fülle an Daten, die fortlaufend produziert und zu Informationen ausgewertet werden können. Die Begriffe Big Dataund gläserner Kunde versprechen tiefgreifende Einblicke in den Konsumenten und versetzen manche Unternehmen in „Goldgräberstimmung“.

Answer 6

Automatisches entstehen von Daten über Kundenverhalten und nicht nur, über Kundenaussagen.-> gezielte Vorhersagen über zukünftiges Kundenverhalten möglich

Answer 7

Im Gegensatz zu klassischer Marktforschung produziert Big Data Daten, ohne Konsumenten explizit zu befragen. ›Problem: Datenschutzkonformität und die Einhaltung von wissenschaftlichen Standards von Gütekriterien. ›Frage: Halten diese Daten belastbaren Analysen stand?

Answer 8

Ziel: ›Vorhersage der Zukunft: Eine Gruppe aus einer Vielzahl an verschiedenen Positionen kann zuverlässiger die Zukunft vorhersagen als eine kleine homogene Gruppe ›Durchführung: ›Vorhersagen werden in Meetings mit der Möglichkeit zum freien Ideenaustausch entwickelt ›Integration aller Hierarchiestufen: Vom Fließbandarbeiter bis hin zum Top-Management Problem: OffenerIdeenaustausch wird durch unterschiedliche Rangordnungder Teilnehmer gehemmtBeispiel: Ein Vertriebsmitarbeiter einer bestimmten Produktlinie kann die zukünftige Nachfrage für seine Produkte gut einschätzen. Er teilt seine Einschätzung aber nicht in der Gruppe, da seine Einschätzung stark von der des Marketingvorstands abweicht.

Answer 9

Ziel: ›Vorhersage der Zukunft: Zur Vermeidung einer ungleichmäßigen Gewichtung von Meinungen (siehe Gruppenkonsens) bleibt die Identitätder teilnehmenden Individuen anonym ›Durchführung: ›Erhebungs-und Auswertungsverfahren, welches Entwicklungstrends in komplexen Themengebieten mit der Zuhilfenahme von Expertenmeinungen in einem iterativen Prozessverdichtet und verfeinert ›Die Experten werden unter Berücksichtigung einer möglichst großen Wissensvielfalt in unterschiedlichen Gebieten ausgewählt ›Mehrere Fragebogenrunden, die auf die Ermittlung langfristiger Prognosen ausgerichtet sind, werden durchgeführt ›Die einzelnen Fragebögen bauen jeweils auf die Ergebnisse der vorhergehenden Runde auf

Answer 10

1. Definition - Entwicklung von projektionen - Defintion von Bewertungskriterien ``` (Bewertungskriterien •Zeitfenster •Einfluss •Wünschenswertigkeit •Wahrscheinlichkeit) ``` 2. Vorbereitung - Pretestentwicklung -Pretestdurchführung: Auswahl der Expertengruppe -Nacharbeit Delphie Studie (Auswahl der Experten •Experten je zu einem Drittelaus Wirtschaft, Wissenschaft und Politik •Oberflächliche (Alter, Geschlecht, Funktion, Organisation, ...) als auch detaillierte Kriterien(Berufserfahrung, Einstellungen, ...) 3. Durchführung -Mehrrundige Durchführung der Delphie Studie (Delphi Set-up •Qualitativ als auch quantitativ •Mindestens 2 Runden •StopKriterium ) ``` 4. Analyse Analyse der Ergebnisse (Evaluationsoptionen •Cluster Analyse •Szenario Entwicklung •Wildcards) ```

Answer 11

Vorhersagefehler 1. Reines Fortschreiben des Fehlers 2. Random 3. Bias Random Errors > Fehler, die nicht durch das genutzte Vorhersagemodell erklärt werden können Bias error Auftreten von konsistenten Fehlern entsteht durch: ›Aufnahme von falschen Variablen in das Vorhersagemodell ›Formulierung falscher Beziehungen unter den Variablen ›Einsatz einer falschen Trendgeraden ›Unerwartete Verzögerungen beim Wechsel der saisonalen Nachfrage ›Existenz von unentdeckten sekundär Trends