Unter Ausreißerbereinigung versteht man die Beseitigung ungewöhnlicher Bedarfsspitzen oder Bedarfsflauten in einer historischen Zeitreihe, aus der eine statistische Bedarfsprognose errechnet werden soll.
Eine Ausreißerbereinigung kann an drei Stellen im Rahmen des Prognoseprozesses erfolgen. Direkt bei der Übernahme der Daten in den Prognoseprozess (Preprocessing), durch statistische Bereinigung von Ausreißern oder durch manuelle Korrekturen. Im Preprocessing können unterschiedliche Datenquellen gemeinsam ausgewertet werden, um evtl. Verunreinigungen der Zeitreihen differenziert zu beseitigen.
Die statistische Ausreißerbereinigung verwendet verschiedene Algorithmen, um Werte einer Zeitreihe ab einem bestimmten Spitzenwert zu kappen oder Werte unterhalb eines Minimalwerts auf diesen anzuheben.
Die manuelle Ausreißerbereinigung ist sehr aufwändig und deshalb oftmals unrealistisch.
Unser Tipp:
Die differenziertesten automatischen Mechanismen zur Ausreißerbereinigung bietet das Preprocessing. Es setzt allerdings voraus, dass Sie konkrete Informationen haben, wie die Daten zu korrigieren sind. Wenn dies gegeben ist, sollten Sie die Möglichkeit des Preprocessings zuerst prüfen, allerdings kann dieser Prozess im Normalfall nicht durch den Anwender selbst durchgeführt werden, da üblicherweise Zusatzprogrammierung erforderlich ist. Wenn konkrete Informationen zur Bereinigung der Ausreißer fehlen, können mittel statistischer Ausreißerbereinigung Auffälligkeiten vom Bereinigungsalgorithmus erkannt und beseitigt werden. Testen Sie in diesem Falle unterschiedliche Einstellungen für die Bereinigungsparameter, um die besten zu finden. Besonders effizient und automatisch lässt sich dies mittels Simulation bewerkstelligen.
Bild: ©Manuel Pfeiffer/aboutpixel
