Prognoseverfahren für betriebswirtschaftliche Massendaten

Statistische Verfahren zur Prognose von Massendaten bekommen in der Betriebs-wirtschaft eine immer größere praktische Bedeutung. Zunehmend leistungsfähigere Speichermedien und Prozessoren ermöglichen die Archivierung und Verarbeitung immer größerer Datenmengen. Sowohl Handelsunternehmen als auch Unternehmen aus der Elektrizitätswirtschaft messen ihr Datenvolumen bereits in Terabyte. Aufgrund des enormen Datenvolumens müssen Verfahren entwickelt werden, die eine völlig automatische Erstellung von Prognosen ermöglichen. Bei der Prognose-berechnung ist außerdem zu beachten, daß asymmetrische Kostenrelationen in bezug auf Unter- bzw. Überdeckung von z. B. Artikel oder Elektrizität berücksichtigt werden können. Die zur Zeit existierenden und in der Praxis eingesetzten Prognoseverfahren werden den genannten betriebswirtschaftlichen Anforderungen nicht gerecht. In dieser Arbeit werden bestehende Verfahren so modifiziert, erweitert und miteinander verknüpft, daß eine effiziente Berechnung von Prognosen sowohl aus statistischer als auch aus betriebswirtschaftlicher Sicht erreicht wird. Die entwickelten Verfahren erlauben eine vollständige Automatisierung der Prognoserechnung und Prognoseevaluation. Das statistisch-betriebswirtschaftliche Konstrukt des minimal erforderlichen Bedarfs stellt einen entscheidenden Vorteil gegenüber bislang existierenden Verfahren dar. Hierdurch kann für jeden Artikel aus dem Sortiment eines Handelsunternehmens und für jeden Elektrizitätskunden die exakte Kostenrelation zur Optimierung der Warendisposition und Elektrizitätsversorgung bei der Prognoseberechnung berücksichtigt werden. Die in dieser Arbeit entwickelten Verfahren sind zwar durch Problemstellungen aus der Waren- und Elektrizitätswirtschaft motiviert, jedoch so allgemein gehalten, daß sie auf beliebige Massendaten angewendet werden können.