{"id":65,"date":"2006-06-16T00:00:00","date_gmt":"2006-06-16T00:00:00","guid":{"rendered":"http:\/\/www.managementscience.nl\/wordpress\/nieuwe-ontwikkelingen-in-forecasting\/"},"modified":"2006-06-16T00:00:00","modified_gmt":"2006-06-16T00:00:00","slug":"nieuwe-ontwikkelingen-in-forecasting","status":"publish","type":"post","link":"https:\/\/www.managementscience.nl\/slimmer-plannen\/nieuwe-ontwikkelingen-in-forecasting\/","title":{"rendered":"Nieuwe ontwikkelingen in Forecasting"},"content":{"rendered":"

\n\"Image\"Het 26ste International Symposium on Forecasting<\/em> (ISF) vond plaats van 11 tot en met 14 juni 2006 in Santander in het noorden van Spanje. Het wordt georganiseerd door het International Institute of Forecasters<\/em> (IIF), de belangrijkste organisatie in het vakgebied.\n<\/p>\n

\nNobelprijswinnaar analyseert bewegelijkheid<\/strong>\n<\/p>\n

\nDe winnaar van de Nobelprijs voor Economie in 2003 Robert Engle presenteerde een nieuwe techniek waarmee de bewegelijkheid van aandelenmarkten beter gemodelleerd kan worden. Deze is toegepast op ruim 50 landen en lijkt een goede voorspeller te zijn voor de stijging of daling van de aandelenkoersen.\n<\/p>\n

\nIn tijden van weinig volatiliteit stijgen markten in het algemeen. Als aandeelmarkten meer bewegelijk worden dan dalen ze vaker dan ze stijgen. De volatiliteit op de wereldbeurzen noemde Engle op dit moment relatief laag.\n<\/p>\n

\nDe kwaliteit van de forecast<\/strong>\n<\/p>\n

\nEen nieuwe meetmethode voor de kwaliteit van een forecast model wordt steeds meer toegepast. Tegenwoordig is de MAPE (Mean Absolute Percent Error) het meest gebruikt. Deze MAPE wordt steeds vaker vergeleken met de MAPE van een naïef model om de toegevoegde waarde te bepalen.\n<\/p>\n

\nEen naïef forecast model is een zeer eenvoudig model dat weinig rekenwerk kost. Bijvoorbeeld door de laatste werkelijke verkoop te gebruiken te gebruiken als prognose voor de toekomst. Veel ingewikkelde modellen blijken niet beter te voorspellen dan een dergelijk naïef model.\n<\/p>\n

\nOok moet de toegevoegde waarde van forecasting niet altijd in een kwaliteitsmeting worden gezocht. Vaak is de gezamenlijke communicatie en afstemming van grotere waarde dan de MAPE kan uitdrukken.\n<\/p>\n

\nDe invloed van seizoenen<\/strong>\n<\/p>\n

\nDe invloed van weersomstandigheden op verkoop van bepaalde producten kan bijzonder groot zijn. Bij een grote producent van bier merkt men dat de omzet groeit als de temperatuur stijgt. Daarom wordt de weerverwachting in de prognose van de verkoop meegenomen. Hiermee wordt de nauwkeurigheid van de prognose tot meer dan 12% verbeterd.\n<\/p>\n

\nSteeds vaker worden seizoensinvloeden niet op artikelniveau berekend, maar op een hoger groepsniveau. Door indexen te berekenen op een hoger niveau worden toevallige uitschieters in de verkoop minder van invloed.\n<\/p>\n

\nNieuwe producten voorspellen<\/strong>\n<\/p>\n

\nEen forecast voor de Sales van nieuwe innoverende producten is moeilijker dan voor bestaande producten. Door het gebrek aan verkoopgegevens is het voorspellen op basis van historische gegevens meestal onbetrouwbaar.\n<\/p>\n

\nMarktonderzoek is vaak ook niet voldoende betrouwbaar omdat klanten het product nog niet kennen. Zo is in het verleden mobiele telefonie niet goed voorspeld omdat klanten zeiden geen behoefte te hebben om altijd bereikbaar te zijn of een telefoon te moeten dragen.\n<\/p>\n

\nEen nieuwe ontwikkeling is Imitation-based forecasting. Hierbij wordt het imitatiegedrag van klanten als uitgangspunt genomen. De karakteristieken van het product worden gematched met doelgroep(en) om het succes van het product te bepalen. Deze methode heeft een sociaalpsychologische aanpak en is uit Nederland afkomstig.\n<\/p>\n

\nIn Hongkong is het aantal kijkers naar nieuwe Tv-programma's ook als een productintroductie gemodelleerd. Op basis van de gegevens van de eerste uitzendingen worden groei van het totale kijkerspubliek en marktaandeel in de primaire doelgroepen succesvol voorspeld.\n<\/p>\n

\nVerdere verlaging van voorraden<\/strong>\n<\/p>\n

\nDat reductie van voorraden tot 20-25% mogelijk zijn door slim gebruik te maken van forecasting en voorraadbeheer is al bekend. Nieuw is dat er hier bovenop een extra reductie mogelijk lijkt te zijn.\n<\/p>\n

\nDaarvoor moeten per product cumulatieve prognoses worden gemaakt waarmee de voorspelfouten worden verkleind. Hierdoor kunnen voorraden aanvullend tot 6-7% worden gereduceerd.\n<\/p>\n

\nAanpassingen van de systeemforecast<\/strong>\n<\/p>\n

\nHandmatige aanpassingen van gebruikers op de statistische systeem forecast blijken niet altijd goed te zijn. In algemene zin is de conclusie dat aanpassingen die kleiner zijn dan 10-20% de forecast alleen maar slechter maken.\n<\/p>\n

\nDe verklaring hiervoor is dat gebruikers trendmatige ontwikkelingen minder goed kunnen onderscheiden van toevalligheden. Door te reageren op "ruis" in plaats van echte signalen worden verkeerde conclusies getrokken.\n<\/p>\n

\nEr wordt vooral te enthousiast gereageerd op positief nieuws. Dit overoptimisme leidt tot een te hoge aanpassing van de forecast. De richting van de aanpassing is dan wel goed, maar de grootte niet.\n<\/p>\n

\nSoftware zou aanpassingen op de forecast niet moeten blokkeren. Uit onderzoek blijkt dat het beter is dat de software hints en tips geeft als de gebruiker een aanpassing wenst te doen.\n<\/p>\n

\nForecasting tips uit de praktijk<\/strong>\n<\/p>\n

\nChris Chatfield gaat na 40 jaar ervaring in het vakgebied volgend jaar met pensioen. In zijn terugblik op zijn carrière gaf hij een aantal tips mee: gebruik goede software, combineer verschillende modellen, denk in scenario's, wees sceptisch naar nieuwe technieken en besteed veel aandacht aan trends en seizoensinvloeden.\n<\/p>\n

\nVerder zei hij altijd met een timmermansoog te kijken naar grafieken, de kwaliteit van data uitvoerig te controleren en de context goed te willen begrijpen. Gezond verstand en de toepassing van eenvoudige methoden hebben hem de beste resultaten opgeleverd.\n<\/p>\n

\nGrootste problemen die hij was tegengekomen waren outliers of het gebrek daaraan, structurele trendbreuken en andere veranderingen in patronen en seizoenen.<\/p>\n","protected":false},"excerpt":{"rendered":"

\nRuim 350 forecasters uit meer dan 40 landen kwamen samen om kennis en ervaringen te delen. Vier dagen workshops, presentaties en demonstraties waarbij de laatste ontwikkelingen en nieuwste inzichten werden besproken.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[8],"tags":[],"class_list":["post-65","post","type-post","status-publish","format-standard","hentry","category-nieuws"],"_links":{"self":[{"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/posts\/65","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/comments?post=65"}],"version-history":[{"count":0,"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/posts\/65\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/media?parent=65"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/categories?post=65"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.managementscience.nl\/slimmer-plannen\/wp-json\/wp\/v2\/tags?post=65"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}