Die Klassifikation von Zeitreihen zur saisonalen Analyse von Absatzzahlen

Der Klassifikation von Zeitreihen kommt in betriebswirtschaftlichen Anwen-dungen eine immer größere praktische Bedeutung zu. Träger dieser Ent-wicklung ist die Verfügbarkeit großer Datenmengen in Datawarehouses und Warenwirtschaftssystemen, die es u. a. ermöglichen, die Absatzzahlen einzelner Produkte auf Artikelebene als Zeitreihen auf Tages-, Wochen- oder Monatsbasis aufzubauen und zu halten. Das zentrale Problem für die Anwendung von Prognoseverfahren auf diese Zeitreihen ist die große Zahl von Artikeln (z. B. in Warenhäusern). Da eine individuelle zeitreihenanalytische Untersuchung der Artikelzeitreihen aus Kosten- und Zeitgründen nicht mehr möglich ist, müssen diese vor einer Prognose klassifiziert werden. Ein wesentlicher Klassifikationsaspekt ist die Aufteilung in Mengen von Zeitreihen, die das gleiche saisonale Muster aufweisen. Mit diesem Problem befaßt sich die vorliegende Arbeit. Den Ausgangspunkt bildet die klassische K-Means-Clusteranalyse. Diese wird zum einen auf die zu normierten Wachstumskurven transformierten Daten angewendet und zum anderen über alle möglichen Anfangszeitpunkte dieser Wachstumskurven gemittelt. Damit wird sowohl eine Berücksichtigung der temporalen Struktur als auch eine Unabhängigkeit vom jeweiligen Anfangszeitpunkt erreicht.