IBM – Umsatz- und Kostenvorhersage - Versionsgeschichte

Salis.Matteo am 3. Dezember 2020 um 16:43 Uhr

2020-12-03T16:43:08Z

← Nächstältere Version		Version vom 3. Dezember 2020, 18:43 Uhr
Zeile 4:		Zeile 4:

	Durch diese Entwicklungen können die Umsatz- und Kostenvorhersagen bei IBM praktisch auf Knopfdruck erstellt und dem Management zur Verfügung gestellt werden (Satzger, Holtmann & Peter, 2015, S. 231–234).		Durch diese Entwicklungen können die Umsatz- und Kostenvorhersagen bei IBM praktisch auf Knopfdruck erstellt und dem Management zur Verfügung gestellt werden (Satzger, Holtmann & Peter, 2015, S. 231–234).

			Zurück zu [[Predictive Forecasting]]

	== Quelle ==		== Quelle ==

Salis.Matteo am 3. Dezember 2020 um 16:41 Uhr

2020-12-03T16:41:02Z

← Nächstältere Version		Version vom 3. Dezember 2020, 18:41 Uhr
Zeile 1:		Zeile 1:
	Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten ~~[[Forecast\|~~Forecasts]] sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.		Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten Forecasts sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.

	Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Center of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potenzieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwa 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.		Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Center of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potenzieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwa 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.

Marcel.fallegger am 27. Oktober 2018 um 09:26 Uhr

2018-10-27T09:26:12Z

← Nächstältere Version		Version vom 27. Oktober 2018, 11:26 Uhr
Zeile 1:		Zeile 1:
	Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten [[Forecast\|Forecasts]] sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.		Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten [[Forecast\|Forecasts]] sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.

	Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Center of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge ~~potentieller~~ Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwa 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.		Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Center of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potenzieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwa 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.

	Durch diese Entwicklungen können die Umsatz- und Kostenvorhersagen bei IBM praktisch auf Knopfdruck erstellt und dem Management zur Verfügung gestellt werden (Satzger, Holtmann & Peter, 2015, S. 231–234).		Durch diese Entwicklungen können die Umsatz- und Kostenvorhersagen bei IBM praktisch auf Knopfdruck erstellt und dem Management zur Verfügung gestellt werden (Satzger, Holtmann & Peter, 2015, S. 231–234).

Marcel.fallegger am 14. Januar 2018 um 15:42 Uhr

2018-01-14T15:42:42Z

← Nächstältere Version		Version vom 14. Januar 2018, 17:42 Uhr
Zeile 1:		Zeile 1:
	Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten Forecasts sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.		Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten [[Forecast\|Forecasts]] sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.

	Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Center of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potentieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwa 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.		Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Center of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potentieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwa 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.

Marcel.fallegger am 14. Januar 2018 um 15:37 Uhr

2018-01-14T15:37:16Z

← Nächstältere Version		Version vom 14. Januar 2018, 17:37 Uhr
Zeile 1:		Zeile 1:
	Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten Forecasts sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.		Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten Forecasts sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.

	Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics ~~Centers~~ of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potentieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches ~~etwas~~ 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.		Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Center of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potentieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwa 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.

	Durch diese Entwicklungen können die Umsatz- und Kostenvorhersagen bei IBM praktisch auf Knopfdruck erstellt und dem Management zur Verfügung gestellt werden (Satzger, Holtmann & Peter, 2015, S. 231–234).		Durch diese Entwicklungen können die Umsatz- und Kostenvorhersagen bei IBM praktisch auf Knopfdruck erstellt und dem Management zur Verfügung gestellt werden (Satzger, Holtmann & Peter, 2015, S. 231–234).

Marcel.fallegger: Die Seite wurde neu angelegt: „Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten…“

2018-01-14T15:22:57Z

Die Seite wurde neu angelegt: „Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten…“

Neue Seite

Der IBM-Konzern hatte sich das Ziel gesetzt, die Umsatz- und Kostenvorhersage mithilfe von Advanced Analytics zu verbessern. Die bis anhin klassisch erstellten Forecasts sollten durch die neuen Methoden schneller, effizienter und präziser erstellt werden.

Für die Verbesserung der Umsatzprognose wurden in Zusammenarbeit mit dem globalen Advanced Analytics Centers of Competence von jedem Unternehmensbereich die bestehenden Datenquellen analysiert und systematisch verfügbar gemacht. Die bestehenden Datenquellen beinhalteten beispielsweise den Auftragsbestand, die Menge potentieller Neuabschlüsse, Bestellungen, Rechnungen oder historische Umsätze. Die gesamte Datenbasis beträgt ca. vier Terabyte und es werden monatlich mehrere Millionen Datensätze hinzugefügt. Mittels dieser Daten wurde ein «ensemble modell» erstellt, welches etwas 30 verschiedene Modelle unterschiedlicher Komplexität enthält. Komplexe enthaltene statistische Modelle sind die multivariate Zeitreihenanalyse und Regressionsmodelle. Um den Forecast genauer zu machen, werden die Modelle sogar je nach Prognosezeitraum anders gewichtet. Bei der Entwicklung und Umsetzung der Modelle kamen die IBM-Produkte SPSS und Cognos zum Einsatz. Auch bei der Kostenvorhersage werden mehrere alternative Modelle in einem «ensemble-Ansatz» verwendet. Die Zusammensetzung der Modelle wird aufgrund der jeweils erzielten Präzision laufend angepasst. Um die Genauigkeit der Berechnungen zu erhöhen, werden neben den automatisierten Berechnungen manuelle Eingaben von selten auftretenden grossen Geschäftstransaktionen, wie zum Beispiel der Vertragsbeginn von Outsourcing-Verträgen oder auch Desinvestitionen, berücksichtigt.

Durch diese Entwicklungen können die Umsatz- und Kostenvorhersagen bei IBM praktisch auf Knopfdruck erstellt und dem Management zur Verfügung gestellt werden (Satzger, Holtmann & Peter, 2015, S. 231–234).

== Quelle ==

* Satzger, G., Holtmann, C. & Peter, S. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_3568290_download&client_id=hslu Advanced Analytics im Controlling – Potenzial und Anwendung für Umsatz- und Kostenprognosen.] Controlling – Zeitschrift für erfolgsorientierte Unternehmenssteuerung, 27 (4/5), 229-235

[[Kategorie:Fallstudien]]