Hvad er forretningsforudsigelser?

Forretningsberegning er en proces, der bruges til at estimere eller forudsige fremtidige mønstre. Ledere, ledere og analytikere bruger de forventede resultater til at hjælpe med at træffe bedre informerede forretningsbeslutninger. For eksempel bruges forretningsprognoser til at estimere kvartalsvis salg, lagerniveauer, fornyede ordrer i forsyningskæden, websitetstrafik og risikoeksponering. Mens forretningsforudsigelser normalt opnås ved hjælp af statistiske teknikker, har dataudvinding også vist sig at være et nyttigt værktøj for virksomheder med meget historiske data.

Værktøjer, der bruges til forretningsforudsigelser, afhænger af virksomhedens behov og mængden af ​​data, der er involveret. Disse værktøjer inkluderer regneark, enterprise resource planning, avancerede supply chain management systemer og andre netværk eller webteknologier. Generelt bør de anvendte værktøjer tillade let deling af data mellem afdelinger eller forretningsenheder, uploade af data fra flere kilder, et udvalg af analyseteknik og grafisk visning af resultater.

Tre metoder til forretningsforudsigelse er tilgængelige for forskellige typer data og analyse. Tidsseriemodellen er den mest almindelige, hvor data projiceres fremad. Statistiske beregninger for denne model inkluderer det glidende gennemsnit, eksponentiel udjævning og Box-Jenkins-metoder. Tidsseriemodeller er enkle, idet indsættelse af historiske data, når formlen er bestemt, vil give de forventede resultater. Det er kun nyttigt, når de historiske data viser et stærkt mønster, der ikke er anført for uregelmæssigheder.

Forklarende modeller er en anden metode til forretningsforudsigelser. Disse modeller har ikke brug for så meget historiske data som tidsserien-analysen for at modtage nyttige forretningsforudsigelser. Lineære regressioner, ikke-parametrisk additiv og forsinkelsesregression er ofte anvendte metoder. For eksempel kan en lineær regression bruges til at bestemme, hvor meget webstedstrafik der vil indbringe for den ønskede annonceindtægt.

Data mining er en tredje metode til forretningsforudsigelser, og den vinder i popularitet, når virksomheder samler og gemmer mere af sine data i digitalt format. Denne metode er afhængig af at søge gennem historiske data for mønstre. Disse data hentes typisk og kombineres fra forskellige afdelinger, e-mails og rapporter. Algoritmer kan være baseret på data-mining til automatisk at forudsige, såsom Amazon.com's system med at tilbyde sine kunder anbefalede bøger.

Fejl i forretningsforudsigelser er almindelige på grund af softwareproblemer, matematiske fejl, unødvendig finjustering og forudindtægter. Reduktion eller eliminering af fejl kan udføres ved at genberegne, sammenligne resultaterne, når man bruger en anden formel eller metode, minimere finjusteringer og fjerne mulighederne for forspændinger. Estimater skal identificeres tydeligt med en forklaring af, hvordan estimeringen blev oprettet. Indledende prognoser kan vise sig at være unøjagtige sammenlignet med faktiske resultater, så det kan være nødvendigt med konstant finjustering for at producere stærkere fremtidige forudsigelser.