Prognoses dienen als beslissingsondersteunende tools waarmee leiders kunnen plannen voor de toekomst door 'what-if'-analyses uit te voeren om te bepalen hoe veranderingen in inputs de uitkomsten beïnvloeden. Prognoses helpen bijvoorbeeld een bedrijf passende antwoorden te vinden op veranderingen in vraagniveaus, prijsverlagingen door de concurrentie, economische ups en downs en meer. Om optimaal van voorspellingen te kunnen profiteren, moeten leiders de fijnere details van de verschillende soorten prognosemethoden begrijpen, herkennen wat een bepaald type prognosemethode kan en niet kan doen en weten welk prognosetype het meest geschikt is voor een specifieke behoefte.
Naïeve prognosemethoden
De naïeve prognosemethoden baseren een projectie voor een toekomstige periode op gegevens die zijn vastgelegd voor een afgelopen periode. Een naïeve prognose kan bijvoorbeeld gelijk zijn aan de werkelijke waarden van een vorige periode of het gemiddelde van de werkelijke waarden voor bepaalde voorgaande perioden. Naïeve prognoses maken geen aanpassingen in de afgelopen perioden voor seizoensvariaties of cyclische trends om de voorspelling van een toekomstige periode het beste te schatten. De gebruiker van een naïeve prognosemethode houdt zich niet bezig met oorzakelijke factoren, factoren die resulteren in een verandering in werkelijke waarden. Om deze reden wordt de methode voor naïeve prognoses doorgaans gebruikt om een prognose te maken om de resultaten van meer geavanceerde prognosemethoden te controleren.
Kwalitatieve en kwantitatieve prognosemethoden
Terwijl persoonlijke meningen de basis vormen van kwalitatieve prognosemethoden, vertrouwen kwantitatieve methoden op eerdere numerieke gegevens om de toekomst te voorspellen. De Delphi-methode, geïnformeerde meningen en de historische levenscyclusanalogie zijn kwalitatieve prognosemethoden. Op hun beurt zijn de eenvoudige exponentiële afvlakking, multiplicatieve seizoensindices, eenvoudige en gewogen voortschrijdende gemiddelden kwantitatieve voorspellingsmethoden.
Casual voorspellingsmethoden
Regressieanalyse en autoregressief voortschrijdend gemiddelde met exogene inputs zijn causale voorspellingsmethoden die een variabele voorspellen met behulp van onderliggende factoren. Deze methoden gaan ervan uit dat een wiskundige functie met behulp van bekende huidige variabelen kan worden gebruikt om de toekomstige waarde van een variabele te voorspellen. Als u bijvoorbeeld de factor ticketverkoop gebruikt, kunt u de variabele verkoop van filmgerelateerde actiegegevens voorspellen, of u kunt het factoraantal voetbalspellen gebruiken dat door een universiteitsteam is gewonnen om de variabele verkoop van teamgerelateerde artikelen te voorspellen.
Judgmental Forecasting Methods
De Delphi-methode, scenario-opbouw, statistische enquêtes en samengestelde prognoses zijn allemaal veroordelende prognosemethoden op basis van intuïtie en subjectieve schattingen. De methoden produceren een voorspelling op basis van een verzameling meningen van managers en panels van deskundigen of vertegenwoordigd in een enquête.
Voorspellingsmethoden van de Time Series
De prognosemethoden uit de tijdreeks, zoals exponentiële afvlakking, voortschrijdend gemiddelde en trendanalyse, maken gebruik van historische gegevens om toekomstige uitkomsten te schatten. Een tijdreeks is een groep gegevens die gedurende een bepaalde periode is geregistreerd, zoals de omzet per kwartaal sinds het jaar 2000 of de jaarlijkse productie van Coca Cola sinds 1975. Omdat patronen in het verleden vaak in de toekomst worden herhaald, kunt u een tijd gebruiken serie om een langetermijnprognose te maken voor 5, 10 of 20 jaar. Langetermijnprojecties worden voor een aantal doeleinden gebruikt, zoals het toelaten dat de inkoop-, productie-, verkoop- en financiële afdelingen van een bedrijf plannen maken voor nieuwe fabrieken, nieuwe producten of nieuwe productielijnen.
