Jan Speckenbach studierte von 2003 bis 2008 Wirtschaftswissenschaft an der Ruhr-Universität Bochum mit Abschluss als Diplom-Ökonom. Anschließend war er als wissenschaftlicher Mitarbeiter am Lehrstuhl für Statistik und Quantitative Methoden (Prof. Dr. Ulrich Küsters) an der wirtschaftswissenschaftlichen Fakultät der Katholischen Universität Eichstätt-Ingolstadt tätig. Zu seinen Forschungsschwerpunkten zählen diverse Bereiche der betriebswirtschaftlichen Prognostik, der Zeitreihenanalyse und des Data Minings. Die Promotion zum Dr. rer. pol. erfolgte im November 2016.

Klappentext

In der betriebswirtschaftlichen Distributionsplanung wird häufig zwischen Schnell- und Langsamdrehern unterschieden. Produkte mit einer hohen Umschlagsgeschwindigkeit werden als Schnelldreher bezeichnet, während Produkte mit einer geringen Umschlagsgeschwindigkeit als Langsamdreher bezeichnet werden. Oftmals weisen Zeitreihen von langsamdrehenden Produkten mehrere Beobachtungspunkte mit Nullbeobachtungen auf. Diese in vielen Fällen nicht zu vernachlässigende Anzahl an Nullbeobachtungen führt dazu, dass im Rahmen der betriebswirtschaftlichen Prognostik auf spezielle Prognoseverfahren zurückgegriffen werden muss. Ausgehend von dem Verfahren von Croston aus dem Jahr 1972, wurde eine Vielzahl von Verfahren zur Prognose von sporadischen Nachfragezeitreihen publiziert. In dieser Arbeit wird ein Ansatz zum Vergleich dieser speziellen Verfahren zur Prognose von sporadischen Nachfragezeitreihen entwickelt. Hierbei werden nicht ausschließlich Punktprognosen berücksichtigt, sondern vielmehr die mithilfe dieser Verfahren geschätzten Quantilsprognosen mit einer Lagerhaltungspolitik kombiniert. Dies ermöglicht die Beurteilung der Prognosegüte der zugrunde liegenden Verfahren auf Kostenbasis. Anhand einer auf simulierten und realen Datensätzen beruhenden umfangreichen Simulationsstudie wird gezeigt, dass im Rahmen der betriebswirtschaftlichen Prognostik ein Wechsel des Methodenportfolios zur Prognose, Evaluation und Verfahrensselektion bei sporadischen Nachfragezeitreihen erfolgen muss und eine ausschließlich auf Punktprognosen beruhende statistische Evaluation nicht sinnvoll ist.

Inhalt

Einleitung 1.1. Problemstellung und Zielsetzung 1.2. Inhaltsübersicht 2. Prognosen im betriebswirtschaftlichen Umfeld 2.1. Grundlagen 2.2. Prognoseaufgabe 2.3. Datenvorverarbeitung 2.4. Klassifikation von Zeitreihen 3. Prognosemodelle und Prognoseverfahren 3.1. Grundkonzepte 3.2. Glättungsverfahren 3.3. Direkte DGP-Modellierung 3.4. Resampling-Verfahren 4. Evaluation 4.1. Grundlagen 4.2. Statistische Evaluation 4.3. Kostenbasierte Evaluation 4.4. Evaluation auf Basis des MAQE 5. Aufbau der Simulationsstudie 5.1. Verfahrensvergleiche 5.2. Verwendete Daten 5.3. Simulationsdesign 5.4. Verwendete Software103 6. Empirische Ergebnisse 6.1. Grundlagen 6.2. Verfahrensevaluation und -auswahl 7. Schlussbemerkung und Ausblick