Prognose 
Um die zukünftige Entwicklung von Kennzahlen vorherzusagen, verwenden Sie Prognoseverfahren. Der Standard-Planungsfunktionstyp Prognose der BW-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.
Hinweis
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.
HinweisBeachten 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.
Ende des Hinweises.
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:
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.
Hinweis
Beachten Sie, dass die Zeitpunkte vor dem ersten Prognosezeitpunkt zur Vergangenheit gehören.
Beispiel
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:
Monat |
BW-integrierte Planung |
BW-BPS |
|---|---|---|
1 |
1010 |
1010 |
2 |
1020 |
1020 |
3 |
1030 |
1030 |
5 |
1050 |
1040 |
6 |
1060 |
1050 |
7 |
1070 |
1060 |
Aktivitäten
Weitere Informationen über das Anlegen einer Planungsfunktion vom Typ Prognose finden Sie unter Prognosefunktion bearbeiten.