Forecast Bias
Der Forecast Bias beschreibt eine systematische Verzerrung von Prognosen. Er zeigt, ob Bedarfe über einen längeren Zeitraum hinweg tendenziell zu hoch oder zu niedrig eingeschätzt werden.
Damit unterscheidet sich der Forecast Bias vom reinen Prognosefehler. Ein Prognosefehler zeigt zunächst nur, wie stark eine Prognose vom tatsächlichen Bedarf abweicht. Der Forecast Bias betrachtet zusätzlich die Richtung dieser Abweichungen.
Werden Bedarfe regelmäßig überschätzt, liegt eine systematische Überprognose vor. Werden sie systematisch unterschätzt, handelt es sich um eine Unterprognose. Je nach verwendeter Berechnungsformel kann das Vorzeichen des Bias unterschiedlich definiert sein. Deshalb ist es meist eindeutiger, von Über- und Unterprognose zu sprechen.
Ein Forecast kann durchaus einen akzeptablen durchschnittlichen Prognosefehler aufweisen und trotzdem einen problematischen Bias besitzen. Eine dauerhaft einseitige Abweichung wirkt sich direkt auf Planung und Bestände aus.
Systematische Überprognosen können beispielsweise zu höheren Beständen, zusätzlichem Working Capital und Abschreibungsrisiken führen. Systematische Unterprognosen erhöhen dagegen das Risiko von Fehlteilen, Terminproblemen und unzureichender Lieferbereitschaft.
Unser Tipp:
Betrachten Sie Prognosefehler und Forecast Bias immer gemeinsam. Die Prognosegüte allein sagt noch nicht, ob Ihr Planungsprozess systematisch in eine bestimmte Richtung verzerrt ist.
Bewerten Sie den Forecast Bias für dispositive Entscheidungen grundsätzlich auf Ebene des einzelnen Artikels. Ein aggregierter Bias über Produktgruppen, Standorte oder das gesamte Sortiment kann zwar Hinweise auf systematische Schwächen des Prognoseprozesses geben. Für die konkrete Disposition ist er jedoch nur begrenzt aussagekräftig, weil sich Über- und Unterprognosen verschiedener Artikel gegenseitig aufheben können.
Ein Forecast Bias sollte möglichst im Forecast selbst beseitigt und nicht über den Sicherheitsbestand kompensiert werden. Bei einer dauerhaften Überprognose ist der Planbedarf zu hoch. Ein zusätzlicher Sicherheitsbestand würde das Problem noch verstärken. Bei einer dauerhaften Unterprognose könnte ein höherer Sicherheitsbestand zwar Fehlmengen abfedern, die eigentliche Ursache bliebe jedoch bestehen. Vorrangiges Ziel sollte deshalb sein, die systematische Abweichung der Prognose zu reduzieren. Der Sicherheitsbestand dient anschließend dazu, die verbleibende Unsicherheit der Nachfrage abzusichern.
Leistungsfähige Prognosesysteme unterstützen diesen Prozess, indem sie unterschiedliche Prognoseverfahren und deren Parametereinstellungen für jeden Artikel überprüfen und mit der Sicherheitsbestandsauslegung abstimmen. Welche Methode für einen Artikel tatsächlich geeignet ist, lässt sich dabei nicht durch einen Blick in die Zukunft feststellen. Deshalb müssen Prognosealternativen auf Basis historischer Daten simulativ getestet werden: Das System ermittelt, welche Prognose zu einem früheren Zeitpunkt entstanden wäre, und vergleicht sie mit dem inzwischen bekannten tatsächlichen Bedarf. Auf diese Weise lassen sich Verfahren und Einstellungen auswählen, die unter realen Vergangenheitsbedingungen möglichst robuste Planungsergebnisse geliefert hätten.
Auch moderne Prognoseverfahren können die Zukunft damit nicht vorhersagen. Sie können aber systematische Fehlprognosen erkennen und durch eine geeignete Auswahl und Parametrierung der Prognoseverfahren möglichst vermeiden.
