47
Entwicklung des
Umsatzprognose-Tools bei DPI
Das Predictive Analytics Projekt zur Erarbeitung
eines Umsatzprognose-Tools bei DPI wurde an
das hier beschriebene CRISP-Modell angelehnt
(siehe Abbildung 3), weshalb nachfolgend nur
ausgewählte Aspekte erörtert werden.
Im Projekt Kick-Off wurden zunächst grundle-
gende Zielsetzungen vereinbart. Als
Model
scope
wurde die
monatliche
Umsatzprognose
definiert. Kürzere Prognosezyklen (z. B. wö-
chentlich) würden eine entsprechende Daten-
basis voraussetzen. Um die
Prognosequalität
des Modells zu beurteilen, wurden zwei KPIs
festgelegt: der
Mean Absolute Percentage
Error
(MAPE) berechnet die durchschnittliche
absolute prozentuale Abweichung des späteren
Predictive-Wertes zum Ist-Wert bzw. zum bis-
herigen Prognose-Wert, während die
Mean
Absolute Deviation
(MAD) die durchschnittli-
che absolute Abweichung des prognostizierten
Wertes im Vergleich zum Ist-Wert bzw. zum
bisherigen Prognose-Wert erfasst. Da beide
KPIs die absoluten Abweichungen der Ver-
gleichswerte analysieren, werden zu hohe Pro-
gnosen hierbei als genauso fehlerhaft bewertet,
wie zu niedrige Prognosen.
Optimierung und können eine Ergebnisbelas-
tung zur Folge haben, sofern Kapazitätseng-
pässe auftreten. Ein weiterer auffälliger Be-
fund war die unterschiedliche Prognosequali-
tät einzelner DPI-Teilgeschäftsfelder, was auf
jeweilige Besonderheiten im Geschäftsfeld
zurückzuführen ist.
Bisherige Umsatzprognose
bei DPI
Die Umsatzprognose ist ein monatlicher Re-
gelprozess im Controlling von DPI und um-
fasst die Geschäftsentwicklung bis Jahresen-
de sowie die Gesamtjahresprognose je Teil-
geschäftsfeld, um die Erreichbarkeit der Jah-
resziele fortlaufend zu beurteilen. Grundlage
der Umsatzprognose sind langjährige Ist-Da-
ten, aktuelle Buchungshochläufe, kalendari-
sche Informationen (Anzahl der Arbeitstage)
und weitere Effekte, die in der Vergangenheit
Einfluss auf den Umsatz hatten. Diese Daten
werden vom zuständigen Produktmanage-
ment bereinigt und angepasst, bevor sie an
das Controlling weitergegeben werden. Die
prozentuale Abweichung der Prognose von
den erzielten Istwerten lag im Untersu-
chungszeitraum über alle Teilgeschäftsfelder
hinweg bei rd. 4% und damit oberhalb der
durchschnittlichen Abweichung anderer Ge-
schäftsbereiche, was das DPI-Management
veranlasst hat, eine mögliche Verbesserung
der Prognosequalität mit Hilfe von Predictive
Analytics zu prüfen. Auffällig bei der Betrach-
tung der Prognoseabweichungen zu den Ist-
Daten war insbesondere, dass diese fast aus-
schließlich negativ von den Ist-Umsätzen ab-
weichen, also generell zu
konservativ
ange-
setzt wurden. Konservative Prognosen der
Geschäftsvolumina erschweren die operative
Abb. 3: Projektkreislauf Umsatzprognose-Tool für DPI
Autoren
Sebastian Deipenbrock
Deutsche Post DHL Group, Senior Controller
E-Mail:
Prof. Dr. Gerhard Sälzer
ist Professor für Betriebswirtschaftslehre, insbes. Unternehmens-
finanzierung an der IUBH Internationale Hochschule.
E-Mail:
Lars Landewee
Deutsche Post DHL Group, CFO Post
E-Mail:
CM Januar / Februar 2019
