Advanced forecasting

Advanced Forecasting

• Nauwkeurige forecasts zijn moeilijk te verkrijgen, maar zeer waardevol.
• Forecasting geeft ons de mogelijkheid om in de toekomst te kijken en te weten wat we kunnen verwachten.

Wat is forecasting?

Tegenwoordig maken alle bedrijven forecasts voor de komende dagen/maanden/kwartalen/jaren. Dit kan gedaan worden voor inkoop, verkoop maar ook voor andere financiële variabelen. Deze forecasts zijn gebaseerd op bedrijfskennis en statistische methoden; meestal zijn dat traditionele methoden. Forecasts zijn belangrijk omdat bedrijven er belangrijke beslissingen op baseren.

Waarom advanced forecasting?

De afgelopen jaren is er veel gebeurd in de wereld van de statistische forecasting. Met de vierde Makridakis-wedstrijd in 2020 is zelfs eindelijk bewezen dat complexe forecasting methoden, zoals die waarbij gebruik wordt gemaakt van machine learning en met name van neural networks, beter zijn dan de eenvoudigere traditionele modellen. Drie van de nieuwere benaderingen van forecasting zijn:

• Machine learning – de regressie methode
• (Recurrent) Neural Network – (R)NN
• Hybride model (combinatie van RNN en traditionele forecasting methodes)

Hoewel deze doorgaans gebruik maken van gegevens uit het verleden (historische gegevens) om forecasts op te stellen, kunnen we proberen externe kenmerken in het forecast algoritme op te nemen om de nauwkeurigheid verder te verbeteren.

Voorbeeld

Jonathan verkoopt ijs. Hij heeft twee variabelen in zijn dataset, het aantal verkochte ijsjes per dag (1) en de bijbehorende datum (2). Op basis van deze twee variabelen kan Jonathan een voorspelling maken voor het komende jaar. De forecast kan bruikbaar zijn, maar kan altijd worden verbeterd, waardoor Jonathan meer informatie krijgt om betere beslissingen te nemen voor zijn bedrijf.

Bij advanced forecasting proberen we eerst de state-of-the-art forecasting algoritmen uit, om de huidige forecast te verbeteren. In deze eerste stap gebruiken wij alleen de 2 eerder genoemde variabelen. De tweede stap is het toevoegen van meer variabelen, zoals vakantieschema’s (3) of de weersvoorspelling (4). De zomervakantie kan verschillen van vorig jaar, zodat het aantal toeristen in die periode ook zal verschillen. We nemen de weersvoorspelling op als variabele, aangezien het weer zeker van invloed zal zijn op de ijsverkoop. Met de modernste forecasting algoritmen en de externe variabelen kunnen we de nauwkeurigheid van de voorspellingen verbeteren, waardoor onze ijsverkoper verder en nauwkeuriger in de toekomst kan kijken, zodat hij weet wat hij kan verwachten. Hij weet hoeveel grondstoffen hij moet inkopen, hoe hij zijn openingstijden kan optimaliseren, hoeveel werknemers hij in dienst moet nemen, etc.