Predictive Forecasting - Versionsgeschichte

Salis.Matteo am 4. Dezember 2020 um 09:54 Uhr

2020-12-04T09:54:59Z

← Nächstältere Version		Version vom 4. Dezember 2020, 11:54 Uhr
Zeile 85:		Zeile 85:

	[[Kategorie:Data Analytics]]		[[Kategorie:Data Analytics]]
			[[Kategorie:Digital Controlling]]

Salis.Matteo am 3. Dezember 2020 um 16:40 Uhr

2020-12-03T16:40:35Z

← Nächstältere Version		Version vom 3. Dezember 2020, 18:40 Uhr
Zeile 8:		Zeile 8:

	[[Datei:Bestandteile_von_Business_Analytics.jpg\|miniatur\|600px\|Abb. 1: Bestandteile von Business Analystics (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17)]]		[[Datei:Bestandteile_von_Business_Analytics.jpg\|miniatur\|600px\|Abb. 1: Bestandteile von Business Analystics (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17)]]
	Nach Shim (2009) ist der [[Forecast]] ein Steuerungsinstrument, um langfristige Strategien und Kosten zu planen. Forecasts können im Marketing, in der Finanzabteilung, in der Disposition, in der Produktion, im Verkauf, in der Personalabteilung kurz in allen Abteilungen eingesetzt werden. Er wird aus einer strategischen Perspektive für Produkte, Prozesse, Margen, Zinsen, Einnahmen, Ausgaben u. a. verwendet (Shim, 2009, S. 3-4). Forecasts werden mit dem Ziel eingesetzt, das Unternehmensrisiko von Fehlentscheidungen zu minimieren. Sie basieren auf keiner exakten Wissenschaft (Shim, 2009, S. 12). Tendenziell nimmt die Qualität eines Forecasts mit der Erfahrung des Erstellers zu. Ein Forecast kann nach Shim (2009, S. 7) in die Hauptkategorien Verkaufsforecast, Ökonomischer Forecast, Finanzieller Forecast und Technologischer Forecast eingeteilt werden.		Nach Shim (2009) ist der Forecast ein Steuerungsinstrument, um langfristige Strategien und Kosten zu planen. Forecasts können im Marketing, in der Finanzabteilung, in der Disposition, in der Produktion, im Verkauf, in der Personalabteilung kurz in allen Abteilungen eingesetzt werden. Er wird aus einer strategischen Perspektive für Produkte, Prozesse, Margen, Zinsen, Einnahmen, Ausgaben u. a. verwendet (Shim, 2009, S. 3-4). Forecasts werden mit dem Ziel eingesetzt, das Unternehmensrisiko von Fehlentscheidungen zu minimieren. Sie basieren auf keiner exakten Wissenschaft (Shim, 2009, S. 12). Tendenziell nimmt die Qualität eines Forecasts mit der Erfahrung des Erstellers zu. Ein Forecast kann nach Shim (2009, S. 7) in die Hauptkategorien Verkaufsforecast, Ökonomischer Forecast, Finanzieller Forecast und Technologischer Forecast eingeteilt werden.

	=== Predictive Forecasting ===		=== Predictive Forecasting ===

Salis.Matteo: /* Predictive Forecasting */

2020-10-16T04:25:04Z

Predictive Forecasting

← Nächstältere Version		Version vom 16. Oktober 2020, 06:25 Uhr
Zeile 12:		Zeile 12:
	=== Predictive Forecasting ===		=== Predictive Forecasting ===

	Predictive Forecasting ist eine Teildisziplin von [[Predictive Analytics]], was wiederum ein Bestandteil von Business Analytics darstellt. In Abbildung 1 werden die verschiedenen Bestandteile von Business Analytics aufgezeigt und an einem Beispiel verdeutlicht (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17). Mit Predictive Forecasting sind Methoden und Modelle gemeint, welche die Zukunft bestmöglich voraussagen. Die Vorhersagen beruhen auf historischen und real-time Daten und deren Zusammenhänge. Das Einsatzgebiet von Predictive Analytics in Unternehmen ist sehr umfangreich und beinhaltet unter anderem die Unternehmens- und Finanzplanung, die Beschaffung, die Produktion, den Vertrieb, das Personalmanagement und das Qualitätsmanagement (Schön, 2016, S. 268).		Predictive Forecasting ist eine Teildisziplin von Predictive Analytics, was wiederum ein Bestandteil von Business Analytics darstellt. In Abbildung 1 werden die verschiedenen Bestandteile von Business Analytics aufgezeigt und an einem Beispiel verdeutlicht (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17). Mit Predictive Forecasting sind Methoden und Modelle gemeint, welche die Zukunft bestmöglich voraussagen. Die Vorhersagen beruhen auf historischen und real-time Daten und deren Zusammenhänge. Das Einsatzgebiet von Predictive Analytics in Unternehmen ist sehr umfangreich und beinhaltet unter anderem die Unternehmens- und Finanzplanung, die Beschaffung, die Produktion, den Vertrieb, das Personalmanagement und das Qualitätsmanagement (Schön, 2016, S. 268).

	== Methodik von Predictive Forecasting ==		== Methodik von Predictive Forecasting ==

Marcel.fallegger am 27. Oktober 2018 um 09:22 Uhr

2018-10-27T09:22:23Z

← Nächstältere Version		Version vom 27. Oktober 2018, 11:22 Uhr
Zeile 26:		Zeile 26:
	Die aktuellen wissenschaftlichen Kenntnisse zeigen, dass die quantitativen Forecasts in der Genauigkeit vor den qualitativen Forecasts liegen. Dennoch sind die qualitativen Forecasts nicht zu unterschätzen. Der optimale Forecast ergibt sich häufig aus einem Mix aus quantitativen und qualitativen Methoden (Shmueli et al., 2017, S. 337).		Die aktuellen wissenschaftlichen Kenntnisse zeigen, dass die quantitativen Forecasts in der Genauigkeit vor den qualitativen Forecasts liegen. Dennoch sind die qualitativen Forecasts nicht zu unterschätzen. Der optimale Forecast ergibt sich häufig aus einem Mix aus quantitativen und qualitativen Methoden (Shmueli et al., 2017, S. 337).

	In Anlehnung an Blascheck, Raschke & Ertl (2013, S. 111-113) messen Eye-Tracking-Tools die Zeit, wie lange die Kundschaft online auf einer Webpage gewisse Produkte betrachtet. Wird nun ein kausaler Zusammenhang zwischen Betrachtungszeit und Wunsch nach dem Produkt definiert, kann mit einem Algorithmus errechnet werden, wie stark sich der Markt verändern wird. Falls die Kundschaft länger ein Neuprodukt betrachtet als die Top-Seller, kann dies bereits eine Implikation für eine Marktveränderung sein. In diesem Fall wären weitere Informationen über die Kundschaft wie Alter, Geschlecht, Einkommen und Vermögen spannend. An diesem Beispiel wird schnell ersichtlich, welches ~~Potential~~ in einem Predictive Forecast liegt.		In Anlehnung an Blascheck, Raschke & Ertl (2013, S. 111-113) messen Eye-Tracking-Tools die Zeit, wie lange die Kundschaft online auf einer Webpage gewisse Produkte betrachtet. Wird nun ein kausaler Zusammenhang zwischen Betrachtungszeit und Wunsch nach dem Produkt definiert, kann mit einem Algorithmus errechnet werden, wie stark sich der Markt verändern wird. Falls die Kundschaft länger ein Neuprodukt betrachtet als die Top-Seller, kann dies bereits eine Implikation für eine Marktveränderung sein. In diesem Fall wären weitere Informationen über die Kundschaft wie Alter, Geschlecht, Einkommen und Vermögen spannend. An diesem Beispiel wird schnell ersichtlich, welches Potenzial in einem Predictive Forecast liegt.

	== Kritische Würdigung ==		== Kritische Würdigung ==
Zeile 32:		Zeile 32:
	=== Vorteile ===		=== Vorteile ===

	Durch die Anwendung von Predictive Forecasting können Forecasts schneller, effizienter und somit auch häufiger erstellt werden. Weiter wird durch die grosse Anzahl der mit den entwickelten Methoden analysierten Daten, die Qualität und dadurch auch die Verlässlichkeit der Voraussage erhöht. Aufgrund der präziseren und häufigeren Prognosen kann das Management gezielter eingreifen und nötige Massnahmen in die Wege leiten, um die gesetzten Ziele zu erreichen oder Einspar- und ~~Kostenoptimierungspotentiale~~ auszunutzen (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 75).		Durch die Anwendung von Predictive Forecasting können Forecasts schneller, effizienter und somit auch häufiger erstellt werden. Weiter wird durch die grosse Anzahl der mit den entwickelten Methoden analysierten Daten, die Qualität und dadurch auch die Verlässlichkeit der Voraussage erhöht. Aufgrund der präziseren und häufigeren Prognosen kann das Management gezielter eingreifen und nötige Massnahmen in die Wege leiten, um die gesetzten Ziele zu erreichen oder Einspar- und Kostenoptimierungspotenziale auszunutzen (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 75).

	=== Nachteile ===		=== Nachteile ===

Marcel.fallegger am 31. August 2018 um 14:47 Uhr

2018-08-31T14:47:21Z

← Nächstältere Version		Version vom 31. August 2018, 16:47 Uhr
Zeile 77:		Zeile 77:

	* Feindt, M. (2014). (Big Data) Predictive and Prescriptive Analytics mit NeuroBayes et al. Abgerufen am 15.10.2017 von http://www-ekp.physik.uni-karlsruhe.de/~feindt/Informatik2014.pdf		* Feindt, M. (2014). (Big Data) Predictive and Prescriptive Analytics mit NeuroBayes et al. Abgerufen am 15.10.2017 von http://www-ekp.physik.uni-karlsruhe.de/~feindt/Informatik2014.pdf
	* Seiter, M. (2017). [https://elibrary.vahlen.de/10.15358/9783800653713/ Business Analytics. Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung.] München: Vahlen		* Langmann, C. (2018). [https://elearning.hslu.ch/ilias/goto.php?target=file_3787623_download&client_id=hslu Predictive Analytics für Controller – einfache Anwendungen mit MS Excel.] Controller Magazin, Juli / August, S. 37-41.
			* Seiter, M. (2017). [https://elibrary.vahlen.de/10.15358/9783800653713/ Business Analytics. Effektive Nutzung fortschrittlicher Algorithmen in der Unternehmenssteuerung.] München: Vahlen.

	== Autoren ==		== Autoren ==

Marcel.fallegger: Schützte „Predictive Forecasting“ ([Bearbeiten=Nur Administratoren erlauben] (unbeschränkt) [Verschieben=Nur Administratoren erlauben] (unbeschränkt))

2018-01-15T07:04:23Z

Schützte „Predictive Forecasting“ ([Bearbeiten=Nur Administratoren erlauben] (unbeschränkt) [Verschieben=Nur Administratoren erlauben] (unbeschränkt))

← Nächstältere Version	Version vom 15. Januar 2018, 09:04 Uhr
(kein Unterschied)

Marcel.fallegger am 14. Januar 2018 um 15:46 Uhr

2018-01-14T15:46:51Z

← Nächstältere Version		Version vom 14. Januar 2018, 17:46 Uhr
Zeile 12:		Zeile 12:
	=== Predictive Forecasting ===		=== Predictive Forecasting ===

	Predictive Forecasting ist eine Teildisziplin von [[Predictive Analytics]], was wiederum ein Bestandteil von Business Analytics darstellt. In Abbildung 1 werden die verschiedenen Bestandteile von Business Analytics aufgezeigt und an einem Beispiel verdeutlicht (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17). Mit Predictive Forecasting sind Methoden und Modelle gemeint, welche die Zukunft bestmöglich voraussagen. Die Vorhersagen beruhen auf historischen und real-time Daten und deren Zusammenhänge. Das Einsatzgebiet von Predictive Analytics in Unternehmen ist sehr umfangreich und beinhaltet unter anderem die Unternehmens- und Finanzplanung, die Beschaffung, die Produktion, den Vertrieb, das Personalmanagement und das Qualitätsmanagement (Schön, ~~2015~~, S. 268).		Predictive Forecasting ist eine Teildisziplin von [[Predictive Analytics]], was wiederum ein Bestandteil von Business Analytics darstellt. In Abbildung 1 werden die verschiedenen Bestandteile von Business Analytics aufgezeigt und an einem Beispiel verdeutlicht (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17). Mit Predictive Forecasting sind Methoden und Modelle gemeint, welche die Zukunft bestmöglich voraussagen. Die Vorhersagen beruhen auf historischen und real-time Daten und deren Zusammenhänge. Das Einsatzgebiet von Predictive Analytics in Unternehmen ist sehr umfangreich und beinhaltet unter anderem die Unternehmens- und Finanzplanung, die Beschaffung, die Produktion, den Vertrieb, das Personalmanagement und das Qualitätsmanagement (Schön, 2016, S. 268).

	== Methodik von Predictive Forecasting ==		== Methodik von Predictive Forecasting ==
Zeile 69:		Zeile 69:
	* Mehanna, W., Müller, F. & Tunco, C. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_3568291_download&client_id=hslu Predictive Forecasting und die Digitalisierung der Unternehmenssteuerung.] IM+io Fachzeitschrift für Innovation, Organisation und Management (4), S. 28-32.		* Mehanna, W., Müller, F. & Tunco, C. (2015). [https://elearning.hslu.ch/ilias/goto.php?target=file_3568291_download&client_id=hslu Predictive Forecasting und die Digitalisierung der Unternehmenssteuerung.] IM+io Fachzeitschrift für Innovation, Organisation und Management (4), S. 28-32.
	* 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		* 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
	* Schön, D. (~~2015~~). [https://link.springer.com/book/10.1007/978-3-658-08009-9 Planung und Reporting. Grundlagen, Business Intelligence, Mobile BI und Big-Data-Analytics.] Wiesbaden: Springer Gabler.		* Schön, D. (2016). [https://link.springer.com/book/10.1007/978-3-658-08009-9 Planung und Reporting. Grundlagen, Business Intelligence, Mobile BI und Big-Data-Analytics (2. Aufl.).] Wiesbaden: Springer Gabler.
	* Shim, J. K. (2009). Strategic Business Forecasting. Including Business Forecasting Tools and Applications. London: Global Professional Publishing.		* Shim, J. K. (2009). Strategic Business Forecasting. Including Business Forecasting Tools and Applications. London: Global Professional Publishing.
	* Shmueli, G., Bruce, P. C., Stephens, M. L. & Patel, N. R. (2017). Data Mining for Business Analytics: Concepts, Techniques, and Applications with JMP Pro®. New York: WILEY.		* Shmueli, G., Bruce, P. C., Stephens, M. L. & Patel, N. R. (2017). Data Mining for Business Analytics: Concepts, Techniques, and Applications with JMP Pro®. New York: WILEY.

Marcel.fallegger am 14. Januar 2018 um 15:39 Uhr

2018-01-14T15:39:17Z

← Nächstältere Version		Version vom 14. Januar 2018, 17:39 Uhr
Zeile 8:		Zeile 8:

	[[Datei:Bestandteile_von_Business_Analytics.jpg\|miniatur\|600px\|Abb. 1: Bestandteile von Business Analystics (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17)]]		[[Datei:Bestandteile_von_Business_Analytics.jpg\|miniatur\|600px\|Abb. 1: Bestandteile von Business Analystics (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17)]]
	Nach Shim (2009) ist der [[Forecast]] ein Steuerungsinstrument, um langfristige Strategien und Kosten zu planen. Forecasts können im Marketing, in der Finanzabteilung, in der Disposition, in der Produktion, im Verkauf, in der Personalabteilung kurz in allen Abteilungen eingesetzt werden. Er wird aus einer strategischen Perspektive für Produkte, Prozesse, Margen, Zinsen, Einnahmen, Ausgaben u.a. verwendet (Shim, 2009, S. 3-4). Forecasts werden mit dem Ziel eingesetzt, das Unternehmensrisiko von Fehlentscheidungen zu minimieren. Sie basieren auf keiner exakten Wissenschaft (Shim, 2009, S. 12). Tendenziell nimmt die Qualität eines Forecasts mit der Erfahrung des Erstellers zu. Ein Forecast kann nach Shim (2009, S. 7) in die Hauptkategorien Verkaufsforecast, Ökonomischer Forecast, Finanzieller Forecast und Technologischer Forecast eingeteilt werden.		Nach Shim (2009) ist der [[Forecast]] ein Steuerungsinstrument, um langfristige Strategien und Kosten zu planen. Forecasts können im Marketing, in der Finanzabteilung, in der Disposition, in der Produktion, im Verkauf, in der Personalabteilung kurz in allen Abteilungen eingesetzt werden. Er wird aus einer strategischen Perspektive für Produkte, Prozesse, Margen, Zinsen, Einnahmen, Ausgaben u. a. verwendet (Shim, 2009, S. 3-4). Forecasts werden mit dem Ziel eingesetzt, das Unternehmensrisiko von Fehlentscheidungen zu minimieren. Sie basieren auf keiner exakten Wissenschaft (Shim, 2009, S. 12). Tendenziell nimmt die Qualität eines Forecasts mit der Erfahrung des Erstellers zu. Ein Forecast kann nach Shim (2009, S. 7) in die Hauptkategorien Verkaufsforecast, Ökonomischer Forecast, Finanzieller Forecast und Technologischer Forecast eingeteilt werden.

	=== Predictive Forecasting ===		=== Predictive Forecasting ===

Marcel.fallegger am 14. Januar 2018 um 15:38 Uhr

2018-01-14T15:38:34Z

← Nächstältere Version		Version vom 14. Januar 2018, 17:38 Uhr
Zeile 1:		Zeile 1:
			{{Geprueft\|+}}

	Predictive Forecasting ist ein Instrument zur Unternehmenssteuerung mit welchem, unter Anwendung von stochastischen Modellen, maschinellem Lernen und [[Data Mining]]-Ansätzen, die Prognostizierung der zu erwartenden Zielerreichung exakter und effizienter erfolgt, als durch traditionell erstellte Prognosen. Aufgrund diesen mit hoher Wahrscheinlichkeit zutreffenden Vorhersagen können Unternehmen adäquate Massnahmen erarbeiten und somit die zu erwartende Entwicklung positiv beeinflussen (Mehanna, Müller & Tunco, 2015, S. 3).		Predictive Forecasting ist ein Instrument zur Unternehmenssteuerung mit welchem, unter Anwendung von stochastischen Modellen, maschinellem Lernen und [[Data Mining]]-Ansätzen, die Prognostizierung der zu erwartenden Zielerreichung exakter und effizienter erfolgt, als durch traditionell erstellte Prognosen. Aufgrund diesen mit hoher Wahrscheinlichkeit zutreffenden Vorhersagen können Unternehmen adäquate Massnahmen erarbeiten und somit die zu erwartende Entwicklung positiv beeinflussen (Mehanna, Müller & Tunco, 2015, S. 3).

Marcel.fallegger am 14. Januar 2018 um 15:30 Uhr

2018-01-14T15:30:07Z

← Nächstältere Version		Version vom 14. Januar 2018, 17:30 Uhr
Zeile 5:		Zeile 5:
	=== Forecast ===		=== Forecast ===

	[[Datei:Bestandteile_von_Business_Analytics.jpg\|miniatur\|600px\|Abb. 1: Bestandteile von Business Analystics (Gleich, Grönke, Kirchmann, Leyk, 2014, S. 17)]]		[[Datei:Bestandteile_von_Business_Analytics.jpg\|miniatur\|600px\|Abb. 1: Bestandteile von Business Analystics (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17)]]
	Nach Shim (2009) ist der [[Forecast]] ein Steuerungsinstrument, um langfristige Strategien und Kosten zu planen. Forecasts können im Marketing, in der Finanzabteilung, in der Disposition, in der Produktion, im Verkauf, in der Personalabteilung kurz in allen Abteilungen eingesetzt werden. Er wird aus einer strategischen Perspektive für Produkte, Prozesse, Margen, Zinsen, Einnahmen, Ausgaben u.a. verwendet (Shim, 2009, S. 3-4). Forecasts werden mit dem Ziel eingesetzt, das Unternehmensrisiko von Fehlentscheidungen zu minimieren. Sie basieren auf keiner exakten Wissenschaft (Shim, 2009, S. 12). Tendenziell nimmt die Qualität eines Forecasts mit der Erfahrung des Erstellers zu. Ein Forecast kann nach Shim (2009, S. 7) in die Hauptkategorien Verkaufsforecast, Ökonomischer Forecast, Finanzieller Forecast und Technologischer Forecast eingeteilt werden.		Nach Shim (2009) ist der [[Forecast]] ein Steuerungsinstrument, um langfristige Strategien und Kosten zu planen. Forecasts können im Marketing, in der Finanzabteilung, in der Disposition, in der Produktion, im Verkauf, in der Personalabteilung kurz in allen Abteilungen eingesetzt werden. Er wird aus einer strategischen Perspektive für Produkte, Prozesse, Margen, Zinsen, Einnahmen, Ausgaben u.a. verwendet (Shim, 2009, S. 3-4). Forecasts werden mit dem Ziel eingesetzt, das Unternehmensrisiko von Fehlentscheidungen zu minimieren. Sie basieren auf keiner exakten Wissenschaft (Shim, 2009, S. 12). Tendenziell nimmt die Qualität eines Forecasts mit der Erfahrung des Erstellers zu. Ein Forecast kann nach Shim (2009, S. 7) in die Hauptkategorien Verkaufsforecast, Ökonomischer Forecast, Finanzieller Forecast und Technologischer Forecast eingeteilt werden.

	=== Predictive Forecasting ===		=== Predictive Forecasting ===

	Predictive Forecasting ist eine Teildisziplin von [[Predictive Analytics]], was wiederum ein Bestandteil von Business Analytics darstellt. In Abbildung 1 werden die verschiedenen Bestandteile von Business Analytics aufgezeigt und an einem Beispiel verdeutlicht (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17). Mit Predictive Forecasting sind Methoden und Modelle gemeint, welche die Zukunft bestmöglich voraussagen. Die Vorhersagen beruhen auf historischen und ~~Live~~-Daten und deren Zusammenhänge. Das Einsatzgebiet von Predictive Analytics in Unternehmen ist sehr umfangreich und beinhaltet unter anderem die Unternehmens- und Finanzplanung, die Beschaffung, die Produktion, den Vertrieb, das Personalmanagement und das Qualitätsmanagement (Schön, 2015, S. 268).		Predictive Forecasting ist eine Teildisziplin von [[Predictive Analytics]], was wiederum ein Bestandteil von Business Analytics darstellt. In Abbildung 1 werden die verschiedenen Bestandteile von Business Analytics aufgezeigt und an einem Beispiel verdeutlicht (Gleich, Grönke, Kirchmann & Leyk, 2014, S. 17). Mit Predictive Forecasting sind Methoden und Modelle gemeint, welche die Zukunft bestmöglich voraussagen. Die Vorhersagen beruhen auf historischen und real-time Daten und deren Zusammenhänge. Das Einsatzgebiet von Predictive Analytics in Unternehmen ist sehr umfangreich und beinhaltet unter anderem die Unternehmens- und Finanzplanung, die Beschaffung, die Produktion, den Vertrieb, das Personalmanagement und das Qualitätsmanagement (Schön, 2015, S. 268).

	== Methodik von Predictive Forecasting ==		== Methodik von Predictive Forecasting ==
Zeile 50:		Zeile 50:
	{\| class="wikitable"		{\| class="wikitable"
	\|-		\|-
	! ~~Fallstudie !! Praxisbeispiel~~		! Fallstudien
	\|-		\|-
	\|		\|
	* [[Predictive Forecasting ~~XY AG~~]]		* [[XY AG – Predictive Forecasting]]
	\|\|		* [[IBM – Umsatz- und Kostenvorhersage]]
	* [[Umsatz- und Kostenvorhersage ~~IBM~~]]
	\|}		\|}