STATISTIK-FORUM.de

[aksi]

Hallo zusammen,
in Rahmen eines Projektes soll ich einige Auswertungen und eine Prognose machen. Da ich kein Statistik gelernt habe (sondern Mathematik), diese Aufgabe habe ich „rein mathematisch“ gelöst. Für eine bessere Prognose sollte man die Basis-Daten besser analysieren und zwar mit den „Werkzeugen“ der Datenanalyse.
Meine Aufgabe ist: Vorhersagen der Monatsumsätze in Jahren: „aktuelles Jahr“, „nächstes Jahr“ und „übernächstes Jahr“ auf Basis von Monatsumsätze in letzten 10 Jahren.
Ich habe eine Vorhersage des Umsatzes mit Hilfe der linearen Regressionsanalyse gemacht. Genauer beschrieben, das Muster einer Jahres-Umsatz-Kurve für jeden aus diesen 10 Jahren sich sehr ähnelt, nur Jahr zu Jahr liegt immer höher. Regressionsanalyse von jeder dieser Jahres-Kurve kann ich nicht machen, denn ich muss monatlich vorhersagen. Eine Regressionskurve über 10*12= 120 Monate kann ich auch nicht machen, weil das Muster viele Oszillationen aufweist und daher der Vorhersagefehler zu groß wird. Deswegen habe ich jeden Monat getrennt betrachtet und 12 Monatskurven (über alle 10 Jahre, also jede Kurve läuft durch 10 Punkte) untersucht. Dafür habe ich für jede Monats-Kurve eine lineare Regressionsanalyse gemacht (diese Kurven verlaufen nicht wirklich linear, aber ohne große Oszillationen) und so habe ich eine neue Umsatz-Vorhersage-Kurve gewonnen. Es gibt ein Problem: Wenn ich den Umsatz für z.B. Monat März 2016 vorhersagen möchte, bei dieser Methode, kann ich dafür nur alle März-Werte in vorherigen Jahren mit in die Berechnung nehmen, aber nicht Januar 2016 und Februar 2016 bzw. mehrere andere vorherigen Monate. Ich habe einige Tricks zur Lösung des Problems überlegt. Erster wäre:
Ich berechne um wieviel Prozent unterscheiden sich die vorhergesagten Umsatzwerte für Januar 2016, sowie Februar 2016 und echte Umsatzwerte in diesen Monaten. Wenn zu wenig in beiden Monate (Jan und Feb) vorhergesagt wurde, dann gibt es die Wahrscheinlichkeit, dass für März auch zu wenig vorhergesagt wurde. Dann könnte man den vorhergesagten Wert korrigieren.
Ähnlich so, wenn für beide Monate zu viel vorhergesagt wurde. Was ist aber, wenn in einem Monat zu viel und in anderen Monat zu wenig vorhergesagt wurde?
Zweiter Vorschlag kam von meinem Chef:
Unsere Manager kennen unsere Lage sehr gut und können anhand der Umsatzdaten von den vergangenen Jahren, eigenen Erfahrungen sowie Kenntnisse von anderen Umständen, die zukünftige Umsatzwerte schätzen. Diesen geschätzten Werte nehmen wir in die Berechnung mit und vorhersagen „zurück“.
Meine Frage ist: Werden diese Tricks von der Sicht der Datenanalyse funktionieren oder gibt es für solche Daten irgendwelche bestimmte Statistik-Verfahren. Falls ja, nennen Sie mir bitte die Schlüsselwörter, wonach ich recherchieren muss.

Danke im Voraus:)

[PonderStibbons]

nennen Sie mir bitte die Schlüsselwörter, wonach ich recherchieren muss.

Zeitreihen(~analyse), time series.

Mit freundlichen Grüßen

P.