| Thema | Industrie 4.0 |
|---|---|
| Projekttitel | Entwicklung eines Prognosemodells zur Bestimmung des kurz- und mittelfristigen Absatzes mittels Suchmaschinendaten (ProSuma) |
| Laufzeit | 01.06.2016 – 31.05.2018 |
| Download | |
| Pressemitteilung |
Die Planung von Lieferterminen und Absatzmengen stellt eine Herausforderung in der unternehmerischen Logistikplanung dar. Erschwert wird diese Planung durch schwer prognostizierbare Absatzschwankungen, wie sie beispielsweise durch Promotion-Aktionen hervorgerufen werden. Zu gering prognostizierte Mengen führen dabei zu Versorgungsengpässen und damit zu einer schlechten Logistikleistung. Zu hoch prognostizierte Absätze hingegen verursachen erhöhte Logistikkosten aufgrund von Lagerhaltung und Kapitalbindung. Herkömmliche Prognosemethoden zur Begegnung dieser Unsicherheit zeigen Defizite: Oft sind die Daten nicht aktuell genug, der Detaillierungsgrad zu gering und der Aufwand zu hoch.
Ziel des Forschungsprojektes ist daher die Entwicklung eines auf Suchmaschinendaten basierenden Modells zur Prognose von Absatzmengen auf spezifizierter Produktebene. Durch den Einsatz dieser Daten wird erwartet, dass der Prognosefehler gegenüber konventionellen Prognosemodellen gesenkt sowie der Prognosehorizont vergrößert wird. Insgesamt soll die Frage geklärt werden, ob und in welchem Maß die logistische Leistungsfähigkeit durch suchmaschinendatenbasierte Prognose verbessert werden kann.
Veröffentlichungen zum Projekt
Bei der Produktion von Lagergütern stehen produzierende Unterneh-men einem unsicheren Kundenbedarf gegenüber. Um Unsicherheiten zu begegnen, ist ein erhöhter Lagerbestand notwendig, um die Kunden-bedarfe anforderungsgerecht bedienen zu können. Die entstehenden Kosten sind bei gegebener Prognoseunsicherheit durch das Bestellver-halten beeinflusst. Das Bestellverhalten wird maßgeblich von der Be-stellpolitik bestimmt. Daher wurde der Einfluss von Prognoseunsicher-heit und der Bestellpolitik auf die entstehenden Lagerkosten mittels Sensitivitätsanalysen untersucht. Prognoseunsicherheiten bedürfen bei der (t, S)-Politik demnach größerer Bestände als unter der (s, q)-Politik.
Lagerplanung, Bestellpolitik, Prognoserechnung
Die Verknüpfung von herkömmlichen Prognosemodellen mit Suchmaschinendaten kann bei der Absatzprognose hilfreich sein. Wir beziehen sowohl das Suchvolumen nach firmen- als auch produktbezogenen Schlüsselwörtern, die von Google Trends bereitgestellt werden, als neue Prädiktoren in die Berechnung von Modellen zur Absatzprognose auf Produktebene ein. Anhand der wöchentlichen Daten von Januar 2015 bis Dezember 2016 von zwei Produkten des Anbieters von Audiotechnik Sennheiser können wir nachweisen, dass die Verwendung von Google-Trends-Daten die Vorhersageleistung herkömmlicher Modelle verbessern kann.
Google Ökonometrie, Prognose, Suchmaschinendaten
Die Prognose von Absatzmengen stellt eine Herausforderung für die Produktionsplanung dar. Vor allem schwer prognostizierbare Absatzschwankungen, wie sie beispielsweise durch Werbeaktionen hervorgerufen werden, sind dabei hinderlich. Oft sind Zusatzinformationen aus makroökonomischen Indizes nicht aktuell genug, der Detaillierungsgrad zu prognostizierender Produkte zu gering und der Prognoseaufwand zu hoch. Ziel eines neuen Forschungsprojektes ist daher die Entwicklung eines auf Suchmaschinendaten basierenden Modells zur Prognose von Absatzmengen auf spezifizierter Produktebene. Durch den ergänzenden Einsatz von Suchmaschinendaten zur Absatzprognose wird erwartet, dass der Prognosefehler gegenüber konventionellen Prognosemodellen auf Produktebene gesenkt werden kann. Insgesamt soll geklärt werden, ob und in welchem Maße sich die logistische Leistungsfähigkeit eines Unternehmens durch die suchmaschinendatenbasierte Prognose von Absatzmengen in der Produktionsplanung verbessern lässt.
Produktionsplanung, Absatzprognose, Suchmaschinendaten, Prognosemodell
