haku: @keyword neuroverkko / yhteensä: 45
viite: 17 / 45
| Tekijä: | Kokko, Matias |
| Työn nimi: | A Comparison of Sales Forecasting Methods |
| Myynnin ennustemenetelmien vertailu | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2007 |
| Sivut: | (8) + 75 + liitt. 2 Kieli: eng |
| Koulu/Laitos/Osasto: | Tuotantotalouden osasto |
| Oppiaine: | Teollisuustalous (TU-22) |
| Valvoja: | Eloranta, Eero |
| Ohjaaja: | Korhonen, Kari |
| Digitoitu julkaisu: | https://aaltodoc.aalto.fi/handle/123456789/95159 |
| OEVS: | Digitoitu arkistokappale on julkaistu Aaltodocissa
|
| Sijainti: | P1 Ark Aalto 8410 | Arkisto |
| Avainsanat: | forecasting statistical planning time-series ARIMA neural networks ennustaminen tilastollinen aikasarja ARIMA neuroverkko |
| Tiivistelmä (fin): | Työn kirjallisuusosassa johdettiin tarve myynnin ennustamiselle tuotannon ja kapasiteetin suunnittelun yhteydessä. Myyntiä täytyy ennustaa kun reaktioaika kysynnän muutokseen on pidempi kuin kysynnän näkyvyys. Myynnin ennustaminen voidaan nähdä kysynnän näkyvyyden keinotekoisena parantamisena. Ennustemenetelmät luokiteltiin yleisesti menetelmän tietolähteen perusteella. Vaikka subjektiivisia arviointimenetelmiä käsiteltiin lyhyesti, tutkimus keskittyi objektiivisiin tilastollisiin menetelmiin. Objektiiviset menetelmät, jotka käyttävät vain tietoa ennustettavasta sarjasta ovat ekstrapolaatiomenetelmiä ja ulkopuolisia muuttujia käyttävät menetelmät ovat kausaalimenetelmiä. Todettiin, että menetelmät jotka mallintavat olemassa olevaa aikasarjaa parhaiten eivät välttämättä tuota parhaita ennusteita. Todellisen ennustekyvyn mittaamiseksi usealla aikajänteellä esitettiin liukuvan simulaation lähestymistapaa Työn kokeellisessa osassa ennustemenetelmiä sovellettiin kohdeyrityksen myyntiin. Myyntitiedon analyysi paljasti päivittäiskaupan noudattavan kausivaihtelua ja pitkän ajan trendejä. Projektiliiketoiminnan myynti oli huomattavasti epäsäännöllisempää, ei noudattanut kausivaihtelua ja pitkän ajan trendit olivat erilaiset kuin päivittäiskaupalla. Tilastolliset menetelmät jotka eivät erikseen huomioineet kausivaihtelua tai trendiä suoriutuivat huonosti. Kausivaihtelun huomioiminen paransi selvästi lyhyen ja pitkän ajan ennusteita. Pitkän ajan ennusteet paranivat edelleen kun myös trendi huomioitiin. Yksinkertainen kausaalimalli tehtiin käyttäen teollisuusraaka-aineiden hintaindeksiä muuttujana. Vaikka muuttujan käyttäytyminen selitti hyvin myyntiä sovitusajanjaksolla, malli oli riittämätön ja sen tuottamat ennusteet ylittivät todellisen myynnin selvästi. Holt-Winters -menetelmää suositeltiin myynnin ennustamiseen sen hyvän suorituskyvyn, soveltamisen helppouden ja parametrien vaikutusten läpinäkyvyyden johdosta. Menetelmän rajoitteet voidaan ylittää puuttumalla ennusteisiin subjektiivisesti. Subjektiivisen väliintulon täytyy kuitenkin olla hyvin perusteltua ja johdonmukaista. |
| Tiivistelmä (eng): | In the literature review of the study the need for sales forecasting was established in the context of capacity planning and production planning. Sales forecasting is needed when reaction time to demand change is longer than the demand visibility horizon. Sales forecasting can be seen as artificial enhancement of demand visibility by extrapolation. A general classification of forecasting methods was presented that divides methods according to their knowledge source. Although judgmental methods were shortly discussed this research concentrated on objective methods. Objective methods can be divided into extrapolation methods that use only historical data of the series or into causal methods that use exogenous variables. It was noted that the method that fits the existing time series best does not necessarily yield the best forecasts. For measuring the true forecasting performance at many horizons rather than the fitting capability of a forecasting method the sliding simulation approach was presented. In the empirical study objective forecasting methods were applied to the sales of the case company. Analysis of sales data revealed that day-to-day sales followed a seasonal pattern and long-term trends. Sales of the project business were more random, did not have a clear seasonal component and followed a different trend pattern than day-to-day sales. Statistical methods that did not consider either seasonality or trend performed poorly. Both short and long-term forecasting accuracy was substantially improved when seasonality was considered. Long-term forecasts were further improved by considering both seasonality and trend. A simple causal model was built with industrial inputs price index as the exogenous variable. Although the fit was good the model was inadequate and forecasts greatly exceeded true sales. The Holt-Winters method was recommended for sales forecasting in the case company because of its good forecasting performance, simple application and transparency of parameter effects. Limitations of this method can be overcome by judgmental intervention but any changes in the objective forecast should be well grounded. |
| ED: | 2008-01-29 |
INSSI tietueen numero: 35148
+ lisää koriin
INSSI