Prognose
Verwendung
Um die zukünftige Entwicklung von Kennzahlen vorherzusagen, verwenden Sie Prognoseverfahren. Der Standard-Planungsfunktionstyp Prognose der BI Integrierten Planung stellt verschiedene Strategien und statistische Verfahren zur Verfügung, um aus historischen Daten Prognosewerte für die Zukunft zu berechnen.
Integration
Die Strategien und Verfahren dieses Planungsfunktionstyps basieren auf denselben statistischen Verfahren, wie sie in der Bedarfsplanung zum Einsatz kommen.
Weitere Informationen über die Prognose im Rahmen der Bedarfsplanung finden Sie im Internet unter http://help.sap.com ® SAP Business Suite ® SAP Supply Chain Management ® SAP APO 3.1 ® Application Help ® Absatzplanung (Demand Planning) ® Prozess der Absatzplanung ® Definition/Neudefinition von Prognosemodellen ® Gesamtprognoseprofil anlegen ® Univariate Prognose
Voraussetzungen
● Es müssen Vergangenheitsdaten verfügbar sein, die bei der Prognoserechnung als historische Daten eingehen.
● Die Aggegrationsebene, in deren Kontext Sie eine Prognose-Planungsfunktion anlegen, muss mindestens ein Zeitmerkmal enthalten (z.B. Geschäftsjahr/Periode). Die Prognose arbeitet mit nur einem Zeitmerkmal. Nur Werte dieses Merkmales werden verändert. Die anderen Merkmale und insbesondere redundante Zeitmerkmale werden durch die Prognosefunktion nicht angepasst. Zeitmerkmale müssen allerdings immer zueinander konsistente Werte annehmen. So passt der Wert 2005 vom Merkmal Kalenderjahr (0CALYEAR) zu den Werten 01.2005 bis 12.2005 vom Merkmal Kalenderjahr/Monat (0CALMONTH). Falls jetzt aber Werte über eine Jahresgrenze hinweg prognostiziert werden sollen, muss das Kalenderjahr in den prognostizierten Sätzen unterschiedliche Werte annehmen. Diese leistet die Planungsfunktion nicht, wohl aber die Ableitung, die automatisch redundante Zeitmerkmale richtig auffüllt.
Beachten Sie, dass Sie in der Aggregationsebene keine redundanten Zeitmerkmale aufnehmen wie z.B. Kalenderjahr/Monat (InfoObject 0CALMONTH) und Kalenderjahr (InfoObject 0CALYEAR) oder Geschäftsjahr/Periode (InfoObject 0FISCPER) und Geschäftsjahr (InfoObject 0FISCYEAR). Nehmen Sie nur dasjenige Zeitmerkmal in der Aggregationsebene auf, das die feinste Granularität aufweist.
In den genannten Beispielen verwenden Sie also 0CALMONTH bzw. 0FISCPER; die Werte des übergeordneten Zeitmerkmals 0CALYEAR bzw. 0FISCYEAR werden dann automatisch abgeleitet.
Funktionsumfang
Der Planungsfunktionstyp Prognose umfasst verschiedene univariate Prognoseverfahren. Hierbei wird ausschließlich der zeitliche Verlauf (die Zeitreihe) der gewählten Prognosekennzahl berücksichtigt, d.h. es gehen keine weiteren Informationen in die Prognoserechnung ein, die den Verlauf der Kennzahl erklären könnten.
Zeitreihenverläufe
Sie können Prognosen für die folgenden Typen von Zeitreihen erstellen:
Konstanter Verlauf
Die Vergangenheitsdaten sind im Wesentlichen konstant und weichen nur geringfügig von einem stabilen Mittelwert ab. Diesen Grundwert stellt in der folgenden Grafik eine rote Linie dar:
Trendförmiger Verlauf
Die Zeitreihe steigt bzw. fällt kontinuierlich. Diesen Trend veranschaulicht in der folgenden Grafik eine rote Linie:
Saisonaler Verlauf
Die Werte zeigen ein periodisch (z.B. im Jahresrhythmus) sich wiederholendes Muster. Es gibt einen stabilen Mittelwert. Diesen Grundwert stellt in der folgenden Grafik eine rote Linie dar:
Trendsaisonaler Verlauf
Die Zeitreihe ist eine Kombination von trendförmigem und saisonalem Verlauf. Die saisonalen Schwankungen verstärken sich dabei bei steigendem Trend.
Sporadischer Verlauf
Die Zeitreihe hat zu den meisten Zeitpunkten den Wert Null. Die Werte ungleich Null schwanken um einen Mittelwert.
Prognosestrategien
Die Prognosestrategie bestimmt, welche Prognoseverfahren zum Einsatz kommen. Bei der Wahl einer geeigneten Prognosestrategie sollten Sie sich am Verlauf der Zeitreihe orientieren. Den verschiedenen Prognoseverfahren liegen unterschiedliche Prognosemodelle (Zeitreihenmodelle) zugrunde. Sie erzeugen daher unterschiedliche Ergebnisse.
Es stehen Ihnen die folgenden Prognosestrategien zur Verfügung:
● Durchschnitt
● Gleitender Durchschnitt
● Gewichteter gleitender Durchschnitt
● Lineare Regression
● Saisonale lineare Regression
● Einfache exponentielle Glättung (Konstantmodell)
● Einfache exponentielle Glättung mit Alpha-Optimierung (Konstantmodell)
● Lineare exponentielle Glättung (Trendmodell)
● Saisonale exponentielle Glättung (Saisonmodell)
● Trendsaisonale exponentielle Glättung (Trend-Saisonmodell)
● Verfahren nach Croston
● Automatische Modellauswahl
Mit der Prognosestrategie Automatische Modellauswahl können Sie durch das System dasjenige Prognoseverfahren auswählen lassen, dessen zugrunde liegendes Prognosemodell am besten zu der Zeitreihe der Vergangenheitswerte passt (siehe Automatische Modellauswahl).
Wenn Sie bereits wissen, dass ein bestimmtes Prognosemodell gut zum Zeitreihenverlauf passt, oder wenn Sie ein Prognoseverfahren aus anderen Gründen explizit vorgeben möchten, können Sie alternativ ein bestimmtes Prognoseverfahren auswählen (siehe Prognosestrategien).
Zusätzliche Funktionen für die Prognosestrategien
Die Prognosestrategien bieten zusätzlich folgende Funktionen und Möglichkeiten:
● Statistische Kennzahlen protokollieren
● Anfängliche Nullwerte ignorieren
Für die exponentielle Glättung:
● Optimierung der Glättungsfaktoren für die Exponentielle Glättung
Für Prognosemodelle mit Trendkomponente:
Lücken im Prognose- oder Vergangenheitszeitraum
Sowohl im Prognose- als auch Vergangenheitszeitraum können Lücken entstehen. Im Unterschied zur Prognose in BW-BPS werden diese Lücken beachtet, d.h. die selektierten Zeitpunkte werden nicht lückenlos aneinander gereiht. Lücken im Prognosezeitraum werden so behandelt, dass die Werte dieser Zeitpunkte nicht verändert werden. Lücken im Vergangenheitszeitraum gehen mit dem Wert 0 in die Prognoseberechnung ein.
Beachten Sie, dass die Zeitpunkte vor dem ersten Prognosezeitpunkt zur Vergangenheit gehören.
Sie möchten Prognosedaten erzeugen für die Monate 1-3 und 5-7 (Monat 4 wird separat behandelt). Das System berechnet Prognosewerte für alle Monate 1-7, lässt aber den Monat 4 unverändert. In der BW-BPS-Prognose hingegen werden nur 6 Prognosewerte berechnet und der Reihe nach den Monaten 1-3 und 5-7 zugeordnet. Bei einem linearen Trend im Prognoseergebnis mit Werten 1010, 1020 usw. bedeutet dies folgenden Unterschied zwischen der Integrierten Planung und BW-BPS:
Behandlung von Lücken in BI Integrierter Planung und BW-BPS
Monat |
BI Integrierte Planung |
BW-BPS |
1 |
1010 |
1010 |
2 |
1020 |
1020 |
3 |
1030 |
1030 |
5 |
1050 |
1040 |
6 |
1060 |
1050 |
7 |
1070 |
1060 |
Aktivitäten
Um eine Planungsfunktion vom Typ Prognose anzulegen, sind folgende Schritte notwendig:
...
...
1. Wählen Sie das Zeitmerkmal der Prognose aus.
Wählen Sie Zur Merkmalsverwendung. Sie wählen dasjenige Zeitmerkmal aus, welches die zeitliche Dimension der Prognose darstellt.
Beachten Sie, dass es für jedes Zeitmerkmal ein im System einstellbares, maximal gültiges Zeitintervall gibt. Wenn Sie ein Zeitmerkmal verwenden, muss das maximal gültige Zeitintervall den gesamten Planungszeitraum umfassen.
Sie können den Wert auf dem Bild F4-Hilfe und Hierarchien für Zeitmerkmale (Transaktionscode RSRHIERARCHYVIRT) auf der Registerkarte Allgemeine Einstellungen festlegen. Da diese Einstellung für die Performance relevant ist, sollten Sie das Intervall so klein wie möglich halten.
Das ausgewählte Zeitmerkmal darf nicht in die Menge der Merkmale für Bedingungen aufgenommen werden. Weitere Informationen zur Merkmalsverwendung und zu den Bedingungsmerkmalen finden Sie unter Planungsfunktionen.
2. Geben Sie die Prognosedaten an.
Wählen Sie Zu den Parametern, und führen Sie die folgenden Schritte aus:
a. Auswahl der Prognosekennzahlen
Sie legen fest, für welche Kennzahlen die Prognoserechnung durchgeführt werden soll.
b. Angabe des Prognosezeitraumes
Sie geben den Prognosezeitraum an, indem Sie entsprechende Einschränkungen für das Prognosezeitmerkmal vornehmen. In der Regel wird dies ein Zeitintervall sein, dessen Länge der gewünschte Prognosehorizont ist.
Im Falle des Prognosezeitmerkmals Geschäftsjahr/Periode (0FISCPER) wird Ihnen das übergeordnete Merkmal Geschäftsjahresvariante angeboten. Sie müssen dieses Merkmal nur dann einschränken, wenn Sie Variablen mit der Verarbeitungsart Customer- und SAP-Exit bei den Einschränkungen für Geschäftsjahr/Periode einsetzen (z.B. aktuelle Periode).
Die Sonderperioden des Zeitmerkmals Geschäftsjahr/Periode (0FISCPER) werden bei den Berechnungen nicht berücksichtigt; Werte für solche Perioden werden weder erzeugt noch geändert.
3. Geben Sie die Vergangenheitsdaten an.
Sie geben den Vergangenheitszeitraum analog zum Prognosezeitraum an. Längere Zeiträume wirken sich vorteilhaft auf die Qualität des Ergebnisses der Prognose aus.
Den Filter für Vergangenheitsdaten nutzen Sie, wenn sich Ihre Vergangenheitsdaten bei bestimmten Merkmalen von den Prognosedaten unterscheiden. Für diese Merkmale müssen Sie jeweils einen Einzelwert angeben.
Dies kann z.B. bei dem Merkmal Version der Fall sein, wenn die Prognosedaten in einer Plan-Version liegen, während sich die Vergangenheitsdaten auf eine Ist-Version beziehen.
4. Wählen Sie das Prognoseverfahren aus und geben Sie weitere Parameter an.
Sie wählen den gewünschten Wert für den Parameter Prognosestrategie. Abhängig von der gewählten Prognosestrategie werden Ihnen weitere Parameter angeboten. In bestimmten Fällen ist die Eingabe für einzelne Parameter obligatorisch.
Das System schlägt standardmäßig die Automatische Modellauswahl als Prognosestrategie vor und stellt die im Vergleich zu anderen Prognosestrategien größte Anzahl an Parametern zur Auswahl. Beachten Sie, dass die Prognoserechnung entsprechend aufwendig ist.
5. Sichern Sie die Planungsfunktion.