Die exponentielle Glättungsmethode verwendet die historischen Durchschnitte einer Variablen in einer Periode, um ihr zukünftiges Verhalten vorherzusagen.
Daher geht es darum, vorherzusagen, was passieren wird, und was es tut, ist die Zeitreihe zu glätten. Ziel ist es, Schwankungen zu reduzieren und einen mit bloßem Auge manchmal nicht klar erkennbaren Trend beobachten zu können. Es ist weit verbreitet, insbesondere in Erwartung des Verkaufs und hat sich als mehr als akzeptabel erwiesen.
Die exponentielle Glättungsmethode
Betrachten wir eine einfache Berechnungsweise. Die Formel, die wir im Beispiel im Detail zeigen, beinhaltet einen Ist-Bedarf (Do) und einen Forecast (Po). Andererseits ist der Glättungsfaktor (alpha) in so oft eins ausgedrückt. Die Formel wäre diese:
Was wir tun, ist, wie wir am Ende sehen werden, die Serie glatt zu machen. Addieren Sie zur Prognose der Vorperiode (Po) die Differenz zwischen dieser und der Nachfrage (Do) multipliziert mit dem Glättungsfaktor (Alpha). Damit erreichen wir Werte mit geringerer Variabilität und die Entwicklung der Zeitreihen kann besser beobachtet werden.
Natürlich gibt es auch etwas komplexere Modelle. Einerseits das Box-Jenkins-Modell und andererseits das Holt-Winter-Modell. Letzteres ist aufgrund seiner Einfachheit und Benutzerfreundlichkeit sehr nützlich. Auf konkrete Details gehen wir nicht ein, da wir unser Ziel, die Wirtschaft auf einfache Weise darzustellen, übersteigen würden.
Die Vorteile von exponentiellen Glättungsverfahren
Die Vorteile sind vor allem Einfachheit und einfache Anwendung, aber es gibt noch einige mehr. Wir zeigen die relevantesten im Folgenden:
- Es benötigt nicht viele historische Daten, im Gegensatz zu anderen Methoden wie ARIMA.
- Es hat eine höhere Genauigkeit als andere, wenn exponentielle Modellierungstechniken verwendet werden.
- Es ist eine Methode, die große Flexibilität genießt, indem sie Nachfragedaten verwendet, die vom Forscher ausgewählt werden können.
- Die sogenannte doppelte exponentielle Glättung ermöglicht es, Prognoseprobleme zu reduzieren, wenn der Glättungsfaktor größer als 0,5 ist. Einer seiner wenigen Nachteile.
Beispiel für exponentielle Glättung
Stellen Sie sich eine Firma vor, die Kartoffelchips verkauft. Der kaufmännische Direktor des mexikanischen Mutterkonzerns kontaktiert seinen spanischen Kollegen. Dies sagt Ihnen, dass Sie eine Verkaufsprognose für Valencia erstellen werden. Aber der einzige Indikator, mit dem Sie beginnen müssen, ist natürlich der Verkauf in einer Stadt in Mexiko, in der Daten verglichen werden können. Verwenden Sie einen Faktor, um die Reihe von 35 % zu glätten.
Wie wir in der Abbildung sehen können, erhalten wir durch Anwendung der Formel die Prognosewerte. Die erste (P1) vom Januar 2015 sind die Mexiko-Stadt-Verkäufe für diesen Monat. Die Bedarfsspalte enthält die Ist-Daten für dieses Jahr. Von dort aus können durch Eingabe der Formel die restlichen Daten in der Prognosespalte erstellt werden.
Wir können nachweisen, dass die exponentielle Glättung die Fluktuationen reduziert, und wir beobachten, dass es keinen klaren Trend zu geben scheint. Die Prognose liegt jedoch meistens über dem tatsächlich produzierten Bedarf. Obwohl dies in einer späteren Zeit viel größer ist.