KI-Unterstützung beim Absatz-Forecast bei der Badischen ... / 3.5 Die entscheidenden Einflussfaktoren

Grundsätzlich können die entscheidenden Einflussfaktoren in vier Kategorien eingeordnet werden (siehe Abb. 1).

1. Zeitreihen-/Kalenderinformationen. Das heißt, der Trend und die Saisonalität der historischen Daten sowie die Feiertage, die Ferien und während der Corona-Zeit der Lockdown.
2. Wetterdaten. Insbesondere die Temperatur, der Niederschlag sowie die Sonnenstunden.
3. Preisstrategie der Konkurrenz: Einflussfaktoren sind z. B. der unverbindliche Verkaufspreis (UVP), die Anzahl an Angeboten und die Angebotsaggressivität.
4. Preisstrategie von Rothaus.

Abb. 1: SHAP Value-Grafik über die Einflüsse auf das Modell

Jeder Punkt auf der x-Achse von Abb. 1 beschreibt den Einfluss eines Merkmals auf die Absatzmenge. Punkte nahe der Nulllinie haben einen geringeren Einfluss als die weiter entfernten Punkte. Die Färbung der Punkte beschreibt die Merkmalsausprägung. Das heißt, hohe Ausprägungen sind rot eingefärbt und niedrige Ausprägungen blau. Beispiel: Bei der Temperatur kann festgehalten werden, dass hohe Temperaturen einen positiven Effekt auf die Absatzmenge haben.

Die Prognosegenauigkeit zeigt sich in Tab. 2. Hier sieht man drei Prognosemodelle, welche alle dieselben Einflussgrößen verwenden, jedoch unterschiedliche Algorithmen verwenden. Je nach Zeitreihe kann das eine Modell besser als das andere funktionieren. Der Anwender kann zukünftig anhand seiner Erfahrungswerte einschätzen, welches Modell am besten zu welcher Zeitreihe passt, oder den Durchschnitt der drei Modelle verwenden, um einen Orientierungswert für die Planung zu erhalten. Die tatsächliche Absatzmenge von Rothaus wurde bei Tab. 3 auf den Wert 100 normiert. Die Prognosewerte wurden dementsprechend ebenfalls normiert. So kann die Genauigkeit der Prognosen dargestellt werden, ohne dass Rückschlüsse auf die tatsächliche Ab...