Een leesbaar, goed georganiseerd leerboek kan van onschatbare waarde zijn om "bedrijfsvoorspellers in opleiding te helpen de basisprincipes van tijdreeksvoorspelling te begrijpen", zoals Tom Willemain opmerkt in de conclusie van deze recensie, oorspronkelijk gepubliceerd in Vooruitziendheid: The International Journal of Applied Forecasting. De review is voornamelijk geschreven voor een academisch publiek, maar dient ook voor onervaren vraagplanningprofessionals door hen te wijzen op een diepgaande bron.

Dit nette boekje heeft tot doel "de lezer kennis te laten maken met kwantitatieve prognoses van tijdreeksen op een praktische, praktische manier." Voor een bepaald soort lezer zal het ongetwijfeld lukken, en wel op een stijlvolle manier.

De auteur, dr. Galit Shmueli, is de door SRITNE voorgezeten hoogleraar data-analyse en universitair hoofddocent statistiek en informatiesystemen aan de Indian School of Business, Hyderabad. Ze is auteur of co-auteur van verschillende andere boeken over toegepaste statistiek en bedrijfsanalyse.

Het boek is bedoeld als tekst voor een cursus "mini-semester" voor afgestudeerde of niet-gegradueerde studenten. Ik denk dat het te ver gaat om te geloven dat er hier genoeg technisch materiaal is om als basis te dienen voor een masteropleiding, maar ik zie dat het goed werkt voor studenten in industriële techniek of management die een eerdere cursus statistiek hebben gehad (en daarom zullen inderdaad kunnen "herinneren dat een 95%-voorspellingsinterval voor normaal verdeelde fouten ..." is).

Er zijn oefeningen aan het einde van het hoofdstuk van de juiste omvang en zelfs opstellingen voor drie real-world semesterprojecten, zodat instructeurs het boek kunnen gebruiken zoals de auteur het voor ogen had. Het boek illustreert de punten met behulp van XLMiner, een Excel-invoegtoepassing, en studenten kunnen de gratis demoversie gebruiken voor bijna alle oefeningen. Tekstdatasets zijn beschikbaar op de website van het boek, die ook een gratis 'dashboard'-applicatie voor tijdreeksanalyse biedt. De auteur merkt op dat andere software kan worden gebruikt in plaats van XLMiner en vermeldt de prognosebibliotheek van Minitab, JMP en Rob Hyndman in R.

Tijdens het lezen van dit boek was ik aangenaam verrast door de helderheid ervan. Nadat ik onlangs tijd had besteed aan het corrigeren van het technische proza van twee verder goede afgestudeerde studenten, vond ik het schrijven in dit boek een verfrissend contrast, waardoor technische concepten begrijpelijk werden.

Een ander voordeel van dit boek is de selectie van onderwerpen. De technische zijn redelijk standaard (afvlakkingsmethoden, regressie met behulp van polynoomtrends en dummy-variabelen), maar variëren ook een beetje in de richting van meer exotisch (logistische regressie, neurale netwerken, een beetje ARIMA). Indrukwekkender is de opname van wat "meta-onderwerpen" kunnen worden genoemd die relevant zijn voor prognoses: prestatiebeoordeling, een overzicht van alternatieve technische benaderingen en een over het prognoseproces, van het definiëren van doelen tot manieren om rapporten anders af te stemmen op management- en technische publiek. Dit is het soort voorspellende wijsheid die we vinden Chris Chatfields boek (2004), hoewel iets minder scherp gepresenteerd en met minder wiskundige uiteenzetting. Meestal raad ik Chatfields inleidende boek aan voor meer technische lezers die geïnteresseerd zijn in tijdreeksen; Ik zou het boek van Shmueli aanbevelen voor een meer algemeen publiek.

Geen beoordeling is compleet zonder haarkloverijen. Hier zijn er een paar - te weinig om mijn zeer positieve kijk op dit indrukwekkende boekje ongedaan te maken:

• De tekst is een goed argument voor 'goed opgemaakte en gemakkelijk leesbare' grafieken (p. 179). Maar ik vond veel van de schermafbeeldingen slecht afgedrukt en moeilijk te zien. Het boek is overigens zo visueel aantrekkelijk dat deze gebreken erg vreemd lijken. Het maakt met groot effect gebruik van luxueuze hoeveelheden witruimte en grillige marginale kunst, waardoor een zeer "licht" gevoel ontstaat dat het begrip zeker moet helpen.

• De auteur beweert (p. 115) dat afvlakkingsmethoden (bijv. voortschrijdende gemiddelden, exponentiële afvlakking) niet volledig geautomatiseerd kunnen worden omdat "de gebruiker afvlakkingsconstanten moet specificeren". Dit is natuurlijk niet zo, aangezien er verschillende softwarepakketten zijn die dit doen, en de tekst spreekt zichzelf later op dit punt tegen op pagina 127.

• De verder goede bespreking van autocorrelatie is misleidend wanneer wordt beweerd (p. 88) dat negatieve lag-1 autocorrelatie betekent dat "hoge waarden onmiddellijk worden gevolgd door lage waarden en vice versa." Nou ja, meestal, maar niet altijd.

Toen ik dit boek uit had, besefte ik meteen dat er buiten de klas nog een andere doelgroep is. Mijn bedrijf geeft vaak trainingssessies over het gebruik van onze software, inclusief algemene achtergrondinformatie over prognosemethoden en -processen. Als we het materiaal op XLMiner zouden kunnen uitknippen, en zelfs als we dat niet zouden kunnen, zou deze tekst een prachtige "achterwege" zijn om zakelijke voorspellers in opleiding te helpen de basisprincipes van tijdreeksprognoses te begrijpen. Het boek is zo goed geschreven, goed georganiseerd en goed ontworpen dat het zelfs gelezen zou kunnen worden. We kunnen het zeker gebruiken om onze nieuwe programmeurs te helpen de applicaties die ze ontwikkelen te begrijpen. En dit boek zou zelfs kunnen dienen als schuldig leesvoer voor een afgestudeerde student die echt wil 'snappen' wat er gaande is in Box, Jenkins en Reinsel (2008).

Thomas Willemain, PhD, was mede-oprichter van Smart Software en is momenteel Senior Vice President for Research. Dr. Willemain is ook emeritus hoogleraar Industrial and Systems Engineering aan het Rensselaer Polytechnic Institute en als lid van de onderzoeksstaf van het Centre for Computing Sciences, Institute for Defence Analyses.

Aan het einde van het jaar zijn we vaak bezig met nadenken en plannen maken voor het komende jaar. Is 2013 verlopen zoals je had verwacht? Zal 2014 dramatisch anders zijn? Zijn er andere factoren - dingen die we van plan zijn te doen; dingen waarvan we denken dat onze concurrenten ze zouden kunnen doen; krachten van buitenaf, zoals veranderende smaak, demografie of economie, die de gang van zaken in het komende jaar kunnen veranderen?

De meeste bedrijven die een formele prognose doen, beginnen met een statistische projectie van verkooppatronen uit het verleden in de toekomst. Uw voorspellingsmodel moet alle seizoensgebondenheid die inherent is aan uw markten detecteren en karakteriseren en dit opnemen in de projectie. Maar dat is slechts de eerste stap.

Het volgende dat u moet overwegen, is de levenscyclus van het product. Bijna alle producten doorlopen een voorspelbare cyclus van introductie, acceptatie en groei, volwassenheid (vraag vlakt af) en uiteindelijk verval tot veroudering. Deze cycli kunnen zo kort zijn als weken of zo lang als tientallen jaren. Kledingmode en consumentenelektronica zouden zich aan de kortere kant van de schaal bevinden, terwijl producten zoals sanitair en bouwmachines langere cycli zouden ondergaan. In gespecialiseerde situaties, zoals het beheer van busvloot, kunnen volledige wagenparken worden vervangen gedurende gedefinieerde overgangsperioden. In ieder geval de vraag prognose moet worden aangepast aan de toenemende of afnemende vraag, afhankelijk van de positie van het product in zijn levenscyclus.

Nu komt het moeilijkste: het onvoorspelbare voorspellen. Over het algemeen zal de toekomst waarschijnlijk veel lijken op het recente verleden, vergelijkbaar met de eerste bewegingswet van Newton: een lichaam in beweging heeft de neiging in beweging te blijven tenzij er een externe kracht op inwerkt. Maar het zijn die externe krachten die uw zorgvuldig berekende voorspelling recht in de goot kunnen sturen. Een concurrent kan zijn prijzen verlagen om een deel van uw marktaandeel weg te nemen. Nieuwe technologieën kunnen uw product voor het einde van de verwachte levensduur overbodig maken. Veranderende smaken of nieuwe regelgeving kunnen de verkoop in de weg staan.

Maar er kunnen ook goede dingen gebeuren. U bent misschien degene die de prijzen verlaagt of uw product verbetert en de zaken van een concurrent wegneemt. Uw product kan in de smaak vallen bij de markt en de verkoop zal omhoogschieten. Een concurrent kan het bedrijf verlaten of failliet gaan, waardoor u meer kansen krijgt.

Moet je dit soort dingen plannen? Zeker, voor zover je kunt. U weet misschien wanneer u promoties uitvoert of de volgende productlijn invoert. Maar de toekomst is van nature onzeker. Geschiedenis en uw zakelijke kennis van het verleden leggen de basis voor uw kijk op de toekomst. Op statistiek gebaseerde tools kunnen u helpen bij het opstellen van een voor risico gecorrigeerde prognose, met aanbevelingen voor veiligheidsvoorraden die overeenkomen met het risiconiveau dat u bereid bent te nemen. Daarnaast is uw sleutel tot succes behendigheid: het vermogen om u aan veranderende omstandigheden aan te passen. Bereid de best mogelijke prognose voor, bouw uw plannen rond die prognose en houd vervolgens de verkoop- en marktomstandigheden nauwlettend en continu in de gaten. Zoek naar vroege waarschuwingen dat dingen in een andere richting kunnen gaan dan je had voorspeld.

U moet bereid zijn om veranderende omstandigheden te herkennen en u eraan aan te passen - met andere woorden, word niet verliefd op uw voorspelling en negeer bewijs dat het misschien verkeerd is. Trots op auteurschap kan in dit geval dodelijk zijn voor het bedrijf.

Het is ook belangrijk om noodplannen te hebben, zodat u voorbereid bent om de nodige wijzigingen aan te brengen in inkoop, productie en voorraad om te reageren op de nieuwe schatting van de vraag. De beste tools hiervoor zijn de kortst mogelijke doorlooptijden (zowel productie als leverancier), goede leveranciersrelaties en een heldere kijk op de wereld en uw markten.

Voorspellen is vooral moeilijk omdat mensen weten dat het waarschijnlijk fout zal zijn en niemand houdt ervan publiekelijk en zichtbaar ongelijk te hebben. Desalniettemin is een goede prognose nodig om de middelen te positioneren die nodig zijn om aan de eisen van de klant te voldoen. Sta gewoon open voor de eerste tekenen van verandering en wees bereid om snel en resoluut te reageren.

Dave Turbid, CFPIM, CIRM, CSCP, CMfgE is een in New Hampshire gevestigde onafhankelijke consultant en freelanceschrijver. Hij is te bereiken via e-mail op dave at daveturbide dot com.

Nu we het middelpunt in 2013 naderen, is er nog steeds veel economische onzekerheid die uw planningsprocessen voor de toeleveringsketen bemoeilijkt. Sommigen kijken naar deze wankele economie en stellen noodzakelijke investeringen uit die hun organisaties kunnen positioneren voor een sterke toekomst.

Dit is echter niet het moment om je terug te trekken bevoorradingsketen verbeter initiatieven. Het is eerder een tijd om uw inspanningen te verdubbelen om u voor te bereiden op de onvermijdelijke zakelijke kansen die in het verschiet liggen.

Economisch herstel is een tijd van verkoopkansen. U wilt er zeker van zijn dat u bereid bent om hiervan te profiteren. Een goede vraag- en voorraadplanning kan hierbij helpen. Met de juiste software en planningsprocessen kunt u een solide statistische basis leggen voor toekomstige besluitvorming en tegelijkertijd weloverwogen aanpassingen maken als de omstandigheden dit vereisen. U kunt uw vermogen verbeteren om vraagsignalen te lezen, trends te herkennen, toekomstige gebeurtenissen te modelleren en uw voorraad in balans te brengen met de vraag.

Hier zijn zes gebieden van vraag- en voorraadplanning waar wijzigingen die u nu aanbrengt, kunnen leiden tot grote uitbetalingen wanneer zich nieuwe kansen voordoen:

1. Optimaliseer uw voorraden

Als de klant belt, wil je kunnen verzenden. Tegelijkertijd wilt u uw kosten beheersen. De zekerste manier om dat doel te bereiken, is door de 'sweet spot' van de inventaris te vinden. Dat is waar u de minimale voorraad heeft die nodig is om te voldoen aan de productvraag gedurende een bepaalde doorlooptijd en op een gewenst serviceniveau.

De mogelijkheid om veiligheidsvoorraden en voorraadniveaus nauwkeurig in te stellen, kan u onderscheiden van de concurrentie en een verschil maken in uw bedrijfsresultaten. Om dat punt te bereiken, moet u uw planningsfocus echter verleggen van alleen het voorspellen van de toekomstige vraag naar het optimaliseren van voorraadniveaus om toekomstige bestellingen te kunnen uitvoeren.

Als u meer wilt weten over het bereiken van de 'sweet spot', kunt u vinden een goed artikel gepubliceerd in APICS Magazine hier.

2. Implementeer oplossingen voor intermitterende vraagvoorspelling

Bedrijven in de service-onderdelen-, auto-aftermarket- en kapitaalgoederenindustrie hebben vaak te maken met een intermitterende, "langzaam bewegende" vraag naar een groot percentage van hun voorraaditems. Het nauwkeurig voorspellen van de vraag en het inschatten van veiligheidsvoorraden voor dit soort artikelen is waarschijnlijk de grootste uitdaging voor vraagplanners. Als u uw periodiek gevraagde onderdelen en producten nauwkeurig kunt voorspellen en de juiste hoeveelheid voorraad en veiligheidsvoorraad op voorraad heeft, hebt u de meeste concurrentie verslagen!

De reden hiervoor is dat artikelen met een intermitterende vraag geen normale vraagpatronen of verdelingen hebben, waardoor ze moeilijk te voorspellen zijn met traditionele prognosemethoden (zie onderstaand diagram).

Staafdiagram dat intermitterende vraag illustreert

Dus als u een nauwkeurige manier heeft om de intermitterende vraag te voorspellen en de vereisten voor veiligheidsvoorraden in te schatten, bent u uw concurrenten die dat niet hebben voor.

Als u meer wilt weten over het voorspellen en plannen van artikelen met intermitterende vraag, kunt u vinden een informatieve whitepaper hier.

3. Verbeter doorlooptijden

De economische neergang heeft bedrijven gedwongen hun inkoopstrategieën te heroverwegen vanwege de onzekere vraag thuis, lange doorlooptijden om hun goederen te verkrijgen, stijgende arbeidskosten in het buitenland en stijgende transportkosten. Het verkorten van de doorlooptijden voor aanvulling kan de tijd verkorten die nodig is om de producten te krijgen die u nodig hebt en helpt uw toeleveringsketen efficiënter te maken. Het maakt het ook gemakkelijker om te reageren op veranderingen in de vraag wanneer herstel komt.

4. Geef prioriteit aan serviceniveaus

Door serviceniveaus voor uw producten te prioriteren, kunt u ervoor zorgen dat de items die belangrijk zijn voor uw verkoop de aandacht krijgen die ze nodig hebben. Voor artikelen waar veel vraag naar is, kunt u overwegen om serviceniveaus hoger in te stellen dan voor items waar minder vraag naar is. Probeer ook een op inkomsten gebaseerde ABC-analyse uit te voeren van de Stock Keeping Units (SKU's) van uw bedrijf en stel de serviceniveaus dienovereenkomstig in in uw softwareplanningoplossing.

U kunt bijvoorbeeld de serviceniveaus voor uw 'brood en boter'-artikelen instellen op 95-99% of hoger, terwijl u de serviceniveaus veel lager instelt (op 70-80% of zelfs lager) voor andere artikelen. Op deze manier kan het zijn dat u veel minder voorraad nodig heeft voor sommige van uw SKU's en meer voorraad voor andere om uw algehele serviceniveaudoelen effectief te bereiken.

5. Gebruik een recentere vraaggeschiedenis bij het maken van uw prognoses

Omdat de economie zo snel aan het veranderen is, is het misschien tijd om de vraaggeschiedenis die wordt gebruikt bij het genereren van uw prognoses, in te korten, zodat er meer nadruk wordt gelegd op recente trends en vraagpatronen - die het "nieuwe normaal" weerspiegelen - in plaats van die in de verouderde geschiedenis van 3 of 4 jaar geleden. Dit moet natuurlijk worden gedaan in overleg met uw managementteam en bij voorkeur als onderdeel van een georganiseerd S&OP-proces dat zowel de risico's als de voordelen van het toepassen van deze strategie grondig evalueert.

6. Investeer in technologieën en middelen die u helpen kansen te benutten

Investeren in de juiste tools en processen vergroot uw concurrentievoordeel. Als u dit nog niet doet, zijn hier enkele waardevolle zaken om te overwegen:

• Start een S&OP-proces, of verfijn uw huidige proces, om de belangrijkste belanghebbenden in de toeleveringsketen erbij te betrekken en om ervoor te zorgen dat vraagprognoses en voorraadplanning belangrijke input vormen voor dat planningsproces.

• Als uw prognosesoftware niet goed is in het oppikken van trends, of het deel van uw voorraad met een periodieke vraag niet aankan, zoek dan software die deze taak aankan.

• Vind software die uw voorspellingsresultaten neemt en nauwkeurige voorraadniveaus genereert om te voldoen aan de vraag naar uw producten, componenten of grondstoffen gedurende gespecificeerde doorlooptijden en op serviceniveaus die u wenst.

• Zoek naar softwareoplossingen die schaalbaar zijn, maar toch een relatief lage totale eigendomskosten, een snelle terugverdientijd en een hoge ROI hebben.

• Bespaar tot slot niet op training; krijg alle training en advies die je nodig hebt om het maximale uit je software-investeringen te halen.

Heb je iets toe te voegen? Wat doet u om u voor te bereiden op het economisch herstel? Laat een reactie achter.

Charles Smart is de oprichter en president van Smart Software. Hij is momenteel vice-voorzitter in de raad van bestuur van Smart Software, als woordvoerder van het bedrijf en in de ontwikkeling van strategische zakelijke relaties. Voordat hij Smart Software oprichtte, was hij managementconsultant bij het Stanford Research Institute (SRI International) en Policy Analysis, Inc., en was hij luitenant bij de Amerikaanse marine.

Bud Schultz, CPA, Vice President of Finance voor NKK Switches, presenteerde de ervaring van zijn bedrijf met vraagplanning tijdens een recent webinar. Het volgende is een korte samenvatting van de belangrijkste punten van Bud; bekijk het volledige webinar door te klikken hier.

Vraag: Vertel ons over de zakelijke en vraagplanningsuitdagingen van NKK.

NKK Switches, gevestigd in Scottsdale, Arizona, is een toonaangevende fabrikant en leverancier van elektromechanische schakelaars. Het bedrijf omvat veel verschillende soorten schakelaars: schakelaars, drukknoppen, draaiknoppen en zelfs sommige programmeerbare soorten schakelaars. We staan bekend om onze hoge kwaliteit en om ons vermogen om te voldoen aan een uitzonderlijk breed scala aan klanteisen op een turnkey (custom configuratie) basis. NKK Switches produceert op maat gemaakte oplossingen van onderdelen die uitsluitend afkomstig zijn van productiefaciliteiten in Japan en China.

Er zijn letterlijk miljoenen mogelijke switchconfiguraties en we weten nooit welke geconfigureerde oplossingen onze klanten zullen bestellen. Dit maakt onze vraag zeer intermitterend en buitengewoon moeilijk te voorspellen. Sterker nog, tot voor kort beschouwden we onze vraag als onvoorspelbaar. We werkten op basis van build-to-order, wat betekende dat bestellingen van klanten pas konden worden uitgevoerd als hun onderdelen waren geproduceerd en vervolgens door NKK tot eindproducten waren verwerkt. Dit resulteerde in lange doorlooptijden, pijnlijk voor onze klanten en een competitieve uitdaging voor onze verkooporganisatie.

Vraag: Wat verwachtte u van een verbeterd product? eis voorspelling?

Toen we begonnen met het onderzoeken van de waarde van vraagvoorspellingssoftware (SmartForecasts van Smart Software), probeerden we de beslissing te bekijken vanuit het oogpunt van Return on Investment (ROI). We hebben wat kapitaalbudgettering gedaan, aannames gedaan over mogelijke verlagingen van voorraadniveaus, lagere voorraadkosten en andere potentiële besparingen. Hoewel de kapitaalbudgetten een positief investeringsrendement opleverden, konden we op basis van die informatie niet verder. We hadden geen vertrouwen in onze aannames en waren bang dat we de veiligheidsvoorraad en voorraadniveaus die de software zou suggereren niet zouden kunnen rechtvaardigen.

Wat we niet hadden verwacht, was een uitdaging van ons moederbedrijf. In het licht van de mogelijkheden van een nieuw geïmplementeerd ERP-systeem, zouden ze een nieuwe aanpak overwegen. Als we aantoonbaar betrouwbare vraagprognoses zouden kunnen maken, zouden ze overwegen om grondstoffen in te kopen en schakelcomponenten te produceren op basis van build-to-forecast in plaats van build-to-order. Dit opende de deur naar een veel diepere impact. We hebben de werkelijke cijfers gedurende een periode van twaalf maanden afgezet tegen de prognoses en ontdekten dat onze prognoses, met name in totaal, uitzonderlijk nauwkeurig waren: de werkelijke vraag lag binnen 3% van de prognose. Toen we eenmaal de geldigheid van onze prognoses konden bewijzen, konden we doorgaan met het plan van het moederbedrijf om producten te vervaardigen op basis van die prognoses.

V: Hoe hebben nauwkeurige prognoses van productlijnen met intermitterende vraaggegevens de activiteiten van NKK getransformeerd?

Van de vele verschillende combinaties die we op bestelling produceren, kunnen afzonderlijke onderdelen van schakelaars een zeer intermitterende vraag vertonen (lange periodes met nul bestellingen en dan schijnbaar willekeurige pieken), maar we kunnen meer consistente patronen in schakelaarreeksen identificeren. Alle onderdeelnummers in een bepaalde serie hebben gemeenschappelijke componenten en grondstoffen, zoals plastic behuizing, beugels en andere hardware, goud, zilver en LED's.

Door onze productiefaciliteiten te voorzien van betrouwbare prognoses, konden we ingrijpende veranderingen doorvoeren. Onze fabrieken zouden kunnen beginnen met het inkopen van grondstoffen die in totaal uiteindelijk zouden worden gebruikt bij de productie van verschillende onderdeelnummers binnen die serie, zelfs als de specifieke te produceren onderdeelnummers onbekend waren op het moment dat de prognoses werden gemaakt. En in veel gevallen was het, ondanks de onregelmatige vraaggeschiedenisgegevens, voor de leveranciers zelfs mogelijk om specifieke onderdeelnummers te produceren op basis van de prognose.

Zodra het programma volledig is geïmplementeerd, verwachten we dat onze doorlooptijden zullen worden teruggebracht tot de helft van de tijd of zelfs minder. Kortere doorlooptijden zullen resulteren in lagere bestelpunten, resulterend in hogere serviceniveaus terwijl we onze voorraadvereisten verminderen.

Bud Schultz leidt alle financiële en boekhoudkundige functies bij NKK. Zijn achtergrond als Certified Public Accountant, advocaat, ingenieur en piloot voor de Amerikaanse luchtmacht biedt een uniek perspectief op financiën voor technische en productieactiviteiten.

Het International Institute of Forecasters (IIF), een betrouwbare bron voor informatie over geavanceerd prognoseonderzoek, publiceert tijdschriften en organiseert conferenties waar we al tientallen jaren op vertrouwen. In deze introductie geeft IIF Business Manager Pam Stroud een overzicht van het aanbod van de organisatie. (Smart Software Senior Vice President for Research Tom Willemain is lid van de redactieraad van Foresight, de praktijkgerichte publicatie van het IIF.)

Bij de oprichting in 1981 had het IIF als doel: "De kloof tussen theorie en praktijk overbruggen, waarbij de praktijk de onderzoeksagenda helpt bepalen en onderzoek bruikbare resultaten oplevert". Het IIF houdt zijn leden op de hoogte van de laatste trends en onderzoeken op het gebied van prognoses door middel van publicaties, evenementen en website. De leden zijn afkomstig uit bedrijven en instellingen voor hoger onderwijs in meer dan honderd landen en vormen een levendige gemeenschap voor netwerken en professionele ontwikkeling.

Het vaktijdschrift van het IIF, vooruitziende blik, is toegewijd aan het verbeteren van de praktijk van zakelijke prognoses, het verbeteren van de professionele ontwikkeling van zakelijke voorspellers en het brengen van prognosekennis aan degenen die het beroep beginnen. Omdat voorspellende kennis en wijsheid niet geconcentreerd zijn in één segment van voorspellers, publiceren we waardevolle ideeën uit de hele discipline - van voorspellende docenten en wetenschappers, voorspellende analisten en managers, en voorspellende adviseurs en verkopers. En we streven ernaar om ervoor te zorgen dat deze ideeën duidelijk worden gepresenteerd, worden ondersteund door bewijs en vrij zijn van vooringenomenheid.

Naast onze publicaties sponsort het IIF een jaarlijkse conferentie, de Internationaal symposium over prognoses (ISF). De ISF is een gelegenheid voor onderzoekers en praktijkmensen om samen te komen om ervaringen en baanbrekend onderzoek uit te wisselen en om te netwerken met hun collega's. De Foresight Practitioner-conferentie breidt deze mogelijkheid uit naar beoefenaars en biedt praktische professionele ontwikkeling voor zakelijke voorspellers.

Een ander voorbeeld van 'het overbruggen van de kloof' tussen onderzoek en praktijk is de jaarlijkse onderzoeksbeurs, die wordt aangeboden in samenwerking met SAS, die onderzoek ondersteunt naar het verbeteren van prognosemethoden en de praktijk van zakelijke prognoses.

De voordelen van het IIF-lidmaatschap omvatten:

The International Journal of Forecasting – De IJF is het toonaangevende wetenschappelijke tijdschrift op het gebied van prognoses. Met een uitmuntende redactie van 44 internationaal bekende prognose-experts is het een zeer leesbaar, veelgebruikt en vaak geciteerd onderzoekstijdschrift.

Foresight: The International Journal of Applied Forecasting – Foresight publiceert beknopte, leesbare en tijdige artikelen over prognoseprocessen, methoden en oplossingen. Het is de essentiële lectuur voor zakelijke voorspellers en een hulpmiddel van onschatbare waarde voor het voorspellen van docenten en studenten.

Het internationale symposium over prognoses - Leden krijgen korting op registratie voor de belangrijkste internationale prognoseconferentie. Dit jaarlijkse IIF-evenement trekt 's werelds toonaangevende onderzoekers, praktijkmensen en studenten aan. Elk symposium biedt meer dan 250 onderzoekspresentaties in een setting die de nadruk legt op sociale interactie en netwerkmogelijkheden.

The Foresight Practitioner Conference – Leden krijgen korting op toegang tot dit professionele ontwikkelingsevenement voor zakelijke voorspellers, waar ze leren van beoefenaars die hun expertise in het veld bij topbedrijven hebben verdiend, en van prognoseonderzoekers die de zakelijke implicaties van hun werk delen.

Recente onderwerpen uit The International Journal of Forecasting:
• Economische tijdreeksen: modellering en seizoensinvloeden
• Over het gebruik van transversale metingen van voorspelde onzekerheid
• Meten van prognosenauwkeurigheid: het geval van oordeelsmatige aanpassingen aan vraagprognoses op SKU-niveau
Recente onderwerpen uit Foresight: The International Journal of Applied Forecasting
• Hoe goed is een "goede" voorspelling?: voorspellingsfouten en hun vermijdbaarheid
• Tutorial voor prognosemethoden: ARIMA: de modellen van Box en Jenkins
• Verbeter prognoses van consumentenaankopen met behulp van Google Trends

“Sinds 1981 staat het IIF centraal in mijn carrière. Waarom? Omdat het een diverse en slimme groep mensen is die zich richt op pragmatisch, evidence-based onderzoek. Het jaarlijkse symposium is een geweldige plek om van gedachten te wisselen over forecasting.” – J. Scott Armstrong, hoogleraar marketing, The Wharton School