Controller Magazin | Special | 2024 27 PREDICTIVE ANALYTICS Vier Jahre lang hat ein interdisziplinäres Team der Hochschule für Wirtschaft und Recht Berlin und der Berliner Hochschule für Technik in einem vom IFAF Institut geförderten Forschungsprojekt an Prognosemethoden für den Forecast von Umsatzerlösen gearbeitet. Daran waren auch mehrere Praxispartner, u. a. der ICV Arbeitskreis Berlin- Brandenburg, beteiligt. Ein konkretes Ergebnis ist ein entwickeltes Softwaretool, welches nun als Open Source verfügbar ist. Es ist in Python programmiert und wurde nach dem zu Grunde liegenden Projekt ReComTrans benannt. Eine Live-Demonstration erfolgte auf dem 48. Congress der Controller durch Prof. Knappe und Prof. Winter. Ausführliche Berichte zu dem Projekt an sich finden sich in Controller Magazin 4/2021 sowie 3/2024. Das ReComTrans-Tool eignet sich dazu, Zeitreihen in der Granularität von Monaten oder Tagen mit mathematisch-statistischen Verfahren in die Zukunft fortzuschreiben. Die zu Grunde liegenden Daten können sich bspw. auf Mengen, Preise, Erträge, Erlöse, Aufwendungen oder Kosten beziehen. Einflüsse von exogenen Treibern können dabei berücksichtigt und modelliert werden; ggf. sind auch diese zu prognostizieren. Die im Tool zur Verfügung stehenden Prognosemethoden orientieren sich an der Anforderung der Erklärbarkeit (explainability), die während des Projekts vielfach als wichtig für den Einsatz in der Unternehmenspraxis genannt wurde. Das Tool beherrscht standardmäßig die Verfahren exponentielle Glättung (Holt-Winters), (S)ARIMA(X), diverse Regressionsverfahren (z. B. Lasso, Ridge), Random Forest, Gradient Boosting. Damit ist das Tool eine KI-gestützte rechnerische Basis für die Ausübung von Predictive Analytics durch das Controlling. Das ReComTrans- Prognosetool Robert Knappe / Sandra Spiegelberg / Richard Hasenfelder / Nicola Winter / Thomas Winter Predictive Analytics: Verwertbare Forschungsergebnisse für die Praxis
RkJQdWJsaXNoZXIy Mjc4MQ==