A

Accuracy

Hoe dicht de forecast bij de werkelijkheid ligt. De nauwkeurigheid van de prognose moet worden uitgedrukt als "prognosefout" en als volgt worden bepaald: Forecast – Actual. Om het foutpercentage te bepalen, gebruikt u: (Forecast – Actual)/Actual. Het wordt niet aanbevolen om de prognose te gebruiken als de noemer (dwz (forecast – actual)/forecast)) bij de berekening van de nauwkeurigheid, aangezien de nauwkeurigheid van de prognose nooit slechter kan zijn dan 100% en de planner de echte fout in verband met de vraagprognose niet correct zal communiceren werkwijze.

Averaging period

Het aantal historische datapunten dat wordt gebruikt bij berekeningen met voortschrijdend gemiddelde. Zie ook moving average.

B

Bootstrapping

Een statistische forecasting techniek op basis van willekeurige steekproeven (met vervanging) uit historische waarden. Deze opnieuw bemonsterde gegevenswaarden worden gecombineerd om realistische vraagscenario's te vormen die lijken op de werkelijke historische vraagpatronen zonder ze exact te herhalen.

De methode van Brown

Een afvlakkende forecasting methode die geschikt is voor gegevens met trend maar zonder seizoensgebondenheid. Ook bekend als DOUBLE exponential smoothing.

C

Coefficient of variation

Een maatstaf voor de relatieve variabiliteit van de gegevenswaarden die zijn opgeslagen in een variabele, berekend als 100 keer de standaarddeviatie gedeeld door het gemiddelde.

Correlation

Een maatstaf voor de mate van lineair verband tussen twee variabelen, variërend van -1 tot +1, waarbij 0 aangeeft dat er geen lineair verband is. Grote waarden kunnen wijzen op een leidende indicatorrelatie die nuttig is bij regressieanalyse.

Crosscorrelation

De correlatie tussen de ene serie en een andere die vooruit of achteruit in de tijd wordt verschoven. Zie correlation.

Cross-sectional data

Data geordend op administratieve eenheden in plaats van op tijdsperioden (bijvoorbeeld bedrijfsverkopen gemeten over alle verkoopregio's gedurende één tijdsperiode).

Cumulative forecast

De prognose van het totaal van alle gegevenswaarden over de forecasting horizon. Gebruik dit getal als het uw doel is om percentielen van de cumulatieve vraag te schatten. De cumulatieve prognose wijkt af van de prognosesom wanneer het serviceniveau niet 50% is. Zie voorspelde som.

D

Data cycle

De frequentie waarmee gegevens worden verzameld. Als de gegevens worden verzameld in maandelijkse "buckets", is de data cyclus 12. Kwartaalgegevens hebben een data cyclus van 4. Boekhoudmaanden hebben een data cyclus van 13. Als u een website heeft en u wilt het gebruik per uur bijhouden , wilt u misschien een data cyclus van 24 gebruiken.

Decomposition

Een statistische procedure die een tijdreeks ontleedt in trend-, seizoens- en onregelmatige componenten. Bij multiplicatieve decompositie, data = trend x seizoens x onregelmatig. Bij additieve ontleding zijn gegevens = trend + seizoensgebonden + onregelmatig. Zie ook seizoensaanpassing.

df

Graden van vrijheid. Gebruikt bij het berekenen van de statistische significantie van een F-statistic in een regressieanalyse.

Dependent variable

Bij regressieanalyse de variabele die moet worden voorspeld op basis van de voorspeller of onafhankelijke variabele(n). Ook bekend als de forecasting variabele. In de vergelijking Y = 1 + 2 X is de afhankelijke variabele Y.

.DOUBLE exponential smoothing

Een forecasting methode die geschikt is voor data met trend maar zonder seizoensgebondenheid. Ook bekend als de methode van Brown.

Dummy variable

Een variabele die alleen de waarden nul of één aanneemt. Dit type variabele wordt vaak gebruikt in regressieanalyse om de aan- of afwezigheid van een factor aan te geven, zoals een prijspromotie of een sneeuwstorm. Deze spelen een rol die vergelijkbaar is met eventvariabelen bij het modelleren van promo's/evenementen.

Durbin-Watson statistic

In regressieanalyse een indicator van de mate van autocorrelatie in de residuen. Waarden in de buurt van 2 duiden op geen autocorrelatie, waarden tussen 0 en 2 duiden op positieve autocorrelatie en waarden tussen 2 en 4 duiden op negatieve autocorrelatie. Als de DW niet in de buurt van 2 ligt, kan de regressievergelijking nog steeds nuttig zijn voor forecasting doeleinden, maar het is niet de beste samenvatting die u kunt maken van de historische relaties tussen uw variabelen; bovendien zullen de schattingen van de onzekerheid onnauwkeurig zijn.

E

EOQ models

Economische bestelhoeveelheid modellen. Een klasse van modellen die zijn ontworpen om efficiënte procedures voor voorraadbeheer te vinden. Eén type EOQ-model berekent bijvoorbeeld de beste waarden voor wanneer opnieuw moet worden besteld en hoeveel opnieuw moet worden besteld, om de voorraadkosten in evenwicht te brengen met de kosten van omzetverlies als gevolg van stockouts.

Error

Forecast – Actual. Om het foutpercentage te bepalen, gebruikt u: (Forecast – Actual)/Actual. Het wordt niet aanbevolen om de prognose te gebruiken als de noemer (dwz (forecast – actual)/forecast)) bij de berekeningsnauwkeurigheid, aangezien de nauwkeurigheid van de forecast nooit slechter kan zijn dan 100% en de planner de echte fout in verband met de vraagprognose niet correct zal communiceren werkwijze.

Event model

Een forecasting model dat wordt gebruikt in Promo-forecasting dat de gegevens aanpast voor de effecten van ongebruikelijke gebeurtenissen en vervolgens exponentiële afvlakking toepast. Evenementen omvatten verkooppromoties, slecht weer, stroomuitval en andere ongebruikelijke omstandigheden van korte duur.

 Exponential smoothing

Een klasse van forecasting methoden die de willekeurige variatie in een gegevensreeks gemiddeld. Exponentiële afvlakking berekent een gewogen gemiddelde van alle historische gegevens in een reeks. Het dankt zijn naam aan de manier waarop het de gegevens weegt, waarbij elk gegevenspunt een vast percentage van het gewicht krijgt dat aan zijn opvolger wordt toegewezen. SmartForecasts gebruikt de volgende vier exponentiële afvlakkingsmethoden: enkelvoudig, dubbel, Winters additief en Winters multiplicatief.

F

Fit or fitted value

Bij regressieanalyse is dit de statistische benadering van de werkelijke waarde van de voorspelde of afhankelijke variabele.

Forecast

Een voorspelling over de toekomstige waarde van een variabele.

Forecast interval

In SmartForecasts is dit het waardenbereik dat de foutenmarge in de prognose aangeeft.

F-statistic

In regressieanalyse, een indicator van het collectieve vermogen van alle voorspellende (onafhankelijke) variabelen om de voorspelde (afhankelijke) variabele te voorspellen. De F-statistiek wordt gebruikt om de kans te beoordelen dat een hoge waarde van R-kwadraat niets meer is dan een statistische toevalstreffer. Het is mogelijk om per ongeluk een redelijk hoge waarde van R-kwadraat te krijgen, vooral als je een klein aantal gegevensgevallen hebt in verhouding tot het aantal voorspellende variabelen. Met meer gegevens krijgt u mogelijk een veel lager R-kwadraat. De statistische significantie van een bepaalde waarde van de F-statistiek moet handmatig worden beoordeeld met behulp van een tabel met kritische waarden en de vrijheidsgraden die worden gerapporteerd door SmartForecasts. Als de F-statistiek niet statistisch significant is, is geen van de voorspellers bruikbaar. Onderzoek de tstatistieken voor individuele regressiecoëfficiënten alleen als de F-statistiek significant is. Zie ook dfstatistische significantie, coëfficiënt en t-statistiek.

H

Hedge

Een oordeelkundig gespecificeerde vertraging van een statistische trend.

Holdout analysis

Een methode om realistische inschattingen te maken van voorspelde onzekerheid. Deze methode gebruikt oudere gegevenswaarden om nieuwere waarden te voorspellen en vergelijkt vervolgens de voorspelde en werkelijke waarden. Dit bootst de werkelijkheid na, aangezien de prognoses worden beoordeeld aan de hand van gegevens die niet betrokken waren bij de totstandkoming ervan. Er zijn twee versies. Een eenvoudige holdout-analyse vergelijkt de meest recente werkelijke gegevenswaarden met prognoses waarbij alle eerdere gegevens worden gebruikt. Een glijdende simulatie gebruikt een deel van de historische gegevens om de volgende verschillende waarden te voorspellen, schuift vervolgens één periode vooruit en herhaalt het proces, en gaat op deze manier door totdat alle behalve de laatste gegevenswaarde wordt gebruikt om één stap vooruit te voorspellen.

l

Independent variable

Zie predictor variabele.

Intermittent demand

Vraag die meestal nul is, maar op willekeurige tijdstippen willekeurige niet-nulwaarden aanneemt. Intermitterende vraag is kenmerkend voor reserveonderdelen en dure kapitaalgoederen. Ook bekend als “slow moving demand,” “lumpy demand,” “irregular demand.” en “sporadic demand.”

Interval forecast

Een prognose uitgedrukt als een bereik, er is bijvoorbeeld een kans van 90% dat de verkoop volgende maand tussen de 100 en 150 eenheden zal zijn. Zie punt voorspelling.

Inventory optimization

Het proces van het berekenen van de minimale voorraad die nodig is om een gewenst voorraad serviceniveau te bieden.

Irregular component

Er is rekening gehouden met de willekeurige variatie in een tijdreeks die overblijft na trend en seizoensinvloeden. De onregelmatige component meet het effect van andere invloeden op de reeks, zoals sneeuwstormen, stakingen, stroomstoringen en andere eenmalige gebeurtenissen. Zie ontleding.

L

Lag

Het aantal tijdsperioden dat oude waarden naar voren worden verschoven om te paren met huidige waarden bij het berekenen van een autocorrelatie.

.lead

Het aantal perioden waarin toekomstige waarden achteruit worden verschoven om te paren met huidige waarden bij het berekenen van een autocorrelatie.

Lead time

In voorraadbeheer is dit de tijd tussen het plaatsen en ontvangen van een voorraad aanvulorders. De voorraadbeheerder kan ervoor zorgen dat er in deze periode geen stockouts zijn.

Lead time demand

Het totaal van de aanvragen in elke periode van de doorlooptijd.

Leading indicator

Een item of variabele waarvan de veranderingen anticiperen op veranderingen in een andere variabele. Als u bijvoorbeeld de huidige verkoop van nieuwe auto's kent, kunt u de verkoop van autoaccessoires voor het volgende kwartaal beter voorspellen. Een leading indicator kan worden gebruikt als predictor variabele in regressieanalyse.

Least squares

Een methode voor het schatten van regressiecoëfficiënten. Deze methode selecteert waarden voor de regressieconstante en coëfficiënten om de som van gekwadrateerde residuen te minimaliseren. Zie ook regressie en residu.

Level

Een kenmerk van een tijdreeks die de langetermijngemiddelde waarde aangeeft.

lineair voortschrijdend gemiddelde Een forecasting methode die geschikt is voor data met trend maar zonder seizoensgebondenheid; ook handig om seizoensinvloeden uit trendgegevens te verwijderen. Soms aangeduid als dubbel voortschrijdend gemiddelde.

M

Mean

Een maat voor het typische niveau van een variabele, berekend als het rekenkundig gemiddelde van de gegevenswaarden die in de variabele zijn opgeslagen.

Measure

Een numerieke waarde die moet worden voorspeld. Het kan verkoop per eenheid zijn, liters, dollars, enzovoort.

Median

Een maat voor het typische niveau van een variabele, bepaald door de waarden die in een variabele zijn opgeslagen van klein naar groot te sorteren en de middelste waarde te identificeren (als er een oneven aantal gegevenswaarden is) of het gemiddelde van de twee middelste waarden (als er zijn een even aantal gegevenswaarden).

Moving average

Een klasse van forecasting methoden voor het middelen van de willekeurige variatie in een datareeks. Een moving average gebruikt alleen het meest recente om het totaal te vormen, voorspelt het totaal en pro rata de prognoses van het totaal naar de afzonderlijke items.

N

Noise

Een term die het netto-effect beschrijft van een willekeurig aantal willekeurige factoren die de waarde van een variabele beïnvloeden. De functie Decompose scheidt ruis van de trend en seizoensgebondenheid in een variabele.

Outlier

Een gegevenswaarde die veel groter of kleiner is dan de andere waarden van dezelfde variabele. Een outlier kan worden veroorzaakt door een fout in de gegevensregistratie of een ongebruikelijke omstandigheid.

P

P(2-tail)

In regressieanalyse, de waarschijnlijkheid dat een regressiecoëfficiënt zijn waargenomen waarde of een nog grotere waarde uitsluitend door toeval zou bereiken, als de werkelijke coëfficiëntwaarde nul zou zijn. Een lage waarde van P(2-staart) suggereert dat de coëfficiënt niet nul is. Zie statistisch significant.

Percentile

Een getal dat gelijk is aan of groter is dan een bepaald percentage van alle waarden van een variabele. De mediaan is bijvoorbeeld het 50e percentiel, aangezien 50% van de gegevenswaarden kleiner is dan of gelijk is aan de mediaan.

Point forecast

Een prognose uitgedrukt als een enkel getal, bijvoorbeeld, de verkoop volgende maand zal hoogstwaarschijnlijk 125 eenheden zijn. Zie interval voorspelling.

Predictor variable

In regressieanalyse een variabele die wordt gebruikt om de afhankelijke of voorspelde variabele te voorspellen. Ook wel een onafhankelijke variabele genoemd. In de vergelijking Y = 1 + 2X is de voorspellende variabele X.

Promotional forecasting

Een speciale functie van SmartForecasts die automatische prognoses combineert met aanpassingen voor verkoopacties en andere speciale gebeurtenissen die de verkoop beïnvloeden, zoals sneeuwstormen en stakingen.

Q

Quartile

Een getal dat de verdeling van gegevenswaarden in kwarten verdeelt. Het onderste kwartiel is groter dan 25% van de gegevenswaarden, het middelste kwartiel (dat wil zeggen de mediaan) is groter dan 50% en het bovenste kwartiel is groter dan 75%.

R

Regression

Een statistische analyse die een vergelijking maakt om de waarden van voorspellers of onafhankelijke variabelen om te zetten in schattingen van de waarden van een voorspelling of afhankelijke variabele

Residual

Bij regressieanalyse het verschil tussen de werkelijke waarde van de voorspelling, of afhankelijke variabele, en de bijbehorende waarde.

R-square

Bij regressieanalyse is dit een maatstaf voor de mate van overeenstemming tussen de waargenomen en aangepaste waarden van de voorspelling of afhankelijke variabele. Rsquare-waarden variëren van 0% tot 100%, waarbij 100% een perfecte pasvorm aangeeft. Als het R-kwadraat dicht bij 0% ligt, zijn uw voorspellers in wezen waardeloos voor forecasting doeleinden. Zie aangepaste R-square