In einer immer komplexer werdenden Welt sind die Ursachen für ein Ereignis oft vielfältig und miteinander verbunden. Die Fähigkeit, die Entwicklungen eines Ereignisses zu entschlüsseln und darauf zu reagieren, ist daher ein wesentlicher Wettbewerbsvorteil für jedes Unternehmen.
Ein nützliches Hilfsmittel hierfür ist die Zeitreihenanalyse, die weit über die bloße Analyse vergangener Daten hinausgeht und es Unternehmen ermöglicht, Veränderungen zu antizipieren, sich an neue Realitäten anzupassen und fundierte strategische Entscheidungen in einer sich ständig verändernden Welt zu treffen. In diesem Artikel untersuchen wir von Alcimed drei Möglichkeiten, die die Zeitreihenanalyse bietet: Vorhersage zukünftiger Veränderungen, Verstehen der den Ereignissen zugrunde liegenden Faktoren und Szenarienplanung.
Eine Zeitreihe ist eine Reihe von Daten, die in regelmäßigen Zeitabständen gemessen werden und die die Entwicklung eines Ereignisses im Laufe der Zeit darstellen (z. B. das wöchentliche Auftragsvolumen, die täglichen Temperaturen).
Mithilfe der Zeitreihenanalyse können Unternehmen aufkommende Nachfragetrends erkennen und sich entsprechend anpassen.
In der Pharmaindustrie beispielsweise kann die Verwendung von Zeitreihenanalysen zur Analyse vergangener Daten über den Verkauf von Medikamenten eine entscheidende Rolle spielen. Durch die genaue Vorhersage der Nachfrage nach Medikamenten, der Nachfragespitzen und ihrer Dauer (Antibiotika während der Grippesaison, Antihistaminika während der Pollenflugzeit, …) kann das Unternehmen eine effiziente Verwaltung seiner Bestände gewährleisten und gleichzeitig auf die sich ändernden Bedürfnisse der Patienten reagieren.
Die Zeitreihenanalyse ermöglicht es, nicht nur zu berücksichtigen, was in der Vergangenheit geschehen ist, sondern auch, sich in Echtzeit mithilfe der neuesten Daten anzupassen. Am Beispiel des Verkaufs von Antihistaminika während der Pollensaison kann die Zeitreihenanalyse nicht nur vorhersagen, dass die Nachfrage in den kommenden Monaten steigen wird, sondern auch die Nachfrageschätzungen anpassen, wenn sich die Nachfrage im Vergleich zu den Vorjahren in ihrer Intensität oder Dauer ändert.
Diese Prognosefähigkeit ermöglicht es Unternehmen, entsprechende Lagerbestände aufrechtzuerhalten und so Fehlbestände zu vermeiden, die für Patienten möglicherweise gefährlich sind. Gleichzeitig kann der Bestand an Medikamenten, die möglicherweise ablaufen und sich für das Unternehmen in Verlusten niederschlagen würden, minimiert werden.
Dieses Beispiel aus der Gesundheitsbranche ist nur eins von vielen, die zeigen, wie die Zeitreihenanalyse dazu verwendet werden kann, um Trends bei jedem Ereignis zu antizipieren, das nicht völlig zufällig ist! Wie wir gesehen haben, kann ein Unternehmen die Nachfrage nach einer seiner Dienstleistungen oder Produkte, aber auch die Entwicklung der Anzahl der Vorfälle an einer Maschine, der Anzahl der Abonnements für eine Dienstleistung, des Personalbedarfs, der Lieferfristen, der Produktionskosten, u.v.m. antizipieren.
Grundsätzlich würde jedes Unternehmen davon profitieren, wenn es die Ereignisse, die seine Performance bestimmen, voraussehen könnten.
Erfahren Sie, wie wir Sie bei Ihren Projekten im Zusammenhang mit Vorhersagemodellen begleiten können >
Es ist zwar interessant, die zukünftige Entwicklung eines Ereignisses voraussehen zu können, aber noch interessanter ist es, die ihr zugrundeliegenden Elemente zu verstehen. Die Zeitreihenanalyse ermöglicht es, diese in drei Hauptkomponenten zu zerlegen: Trend, Saisonalität (und Zyklen) und Zufallsvariationen.
Ein Beispiel: Ein Unternehmen, das Bauteile aus recyceltem Material herstellt, bemerkt einen starken Anstieg an Qualitätsproblemen. Nach einer gründlichen Zeitreihenanalyse gelingt es dem Unternehmen, dieses Ereignis in mehrere Elemente zu zerlegen. Zunächst gibt es unabhängig von saisonalen Schwankungen einen allgemeinen Anstieg der Anzahl an Qualitätsproblemen (Trend). Dieser könnte damit zusammenhängen, dass es auf der Qualitätsseite schwierig ist, mit dem starken Wachstum des Unternehmens Schritt zu halten. Dann gibt es Elemente wie den Anstieg der Qualitätsprobleme in den Sommermonaten (Saisonalität), der mit dem veränderten Verhalten von Recyclingmaterial bei großer Hitze zusammenhängt. Auch tauchen solche Probleme während der Schulferien aufgrund von Abwesenheiten und dem damit zusammenhängenden Stress der Arbeitskräfte auf. Schließlich gibt es noch das „weiße Rauschen“ (zufällige Schwankungen). Dazu gehören alle Elemente, die nicht vorhersehbar sind, wie zum Beispiel tägliche Mikroschwankungen oder ein Brand, der im Unternehmen ausbricht. Mithilfe der Zeitreihenanalyse können Unternehmen nicht nur die Entwicklung von Ereignissen antizipieren, sondern auch ein tieferes Verständnis für diese Entwicklung gewinnen und sich somit an sie anpassen.
Bei der Durchführung einer Zeitreihenanalyse ist es wichtig, zwischen Faktoren, die direkt mit der Zeitreihe verbunden sind (intrinsische Faktoren), und anderen Faktoren (extrinsische Faktoren) zu unterscheiden.
Extrinsische Faktoren sind solche, die nicht direkt in die Zeitreihe einfließen, aber die beobachteten Daten beeinflussen können. Dazu gehören beispielsweise das Wetter, Schulferien und einmalige Ereignisse: Kommunikationsmaßnahmen des Unternehmens, neue Gesetze, Gesundheitskrisen etc.
Bei der Zeitreihenanalyse können nicht nur extrinsische Variablen aus der Vergangenheit hinzufügt werden, um die Zerlegung eines Ereignisses besser zu verstehen. Es können auch bekannte oder mögliche zukünftige extrinsische Faktoren integriert werden, um zukünftige Veränderungen zu simulieren und eine Strategie zu entwickeln, um diese Entwicklungen zu antizipieren.
Diese extrinsischen Faktoren können dazu beitragen, die Entwicklung eines Ereignisses besser zu modellieren und zu verstehen, aber auch Szenarien zu planen, indem zukünftige Veränderungen simuliert werden.
Ein Unternehmen, das Speiseeis verkauft, könnte zum Beispiel verschiedene Situationen simulieren, um sich effektiv auf mögliche Schwankungen seiner Nachfrage vorzubereiten. Durch die Simulation der Auswirkungen extrinsischer Faktoren (Zeitpunkt, Dauer, Häufigkeit), wie beispielsweise Hitzewellen oder spezielle Werbeaktionen, kann das Unternehmen verschiedene mögliche Zukunftsszenarien antizipieren. Auf diese Weise kann es seine Lagerbestände anpassen, seine Marketingkampagnen optimieren und seinen Personalbedarf planen.
Die Zeitreihenanalyse ist ein nützliches Werkzeug, hat aber auch ihre Grenzen. Ihr Nutzen hängt stark von der Qualität der Daten und den getroffenen Annahmen ab.
Zum einen ist die Datenerhebung von entscheidender Bedeutung, da Daten von schlechter Qualität (fehlende Werte, Messfehler) die Gültigkeit der Analysen gefährden können. Darüber hinaus ist es wichtig, dass die Daten schnell verfügbar sind, um die Auswirkungen der getroffenen Entscheidungen zu maximieren.
Zum anderen geht die Zeitreihenanalyse von der Annahme aus, dass sich das vergangene Verhalten eines Ereignisses in der Zukunft wiederholen wird. Diese Methode stößt jedoch bei größeren Paradigmenwechseln (Gesundheitskrisen, Änderung von Vorschriften usw.), bei denen die vergangenen Daten nicht mehr die Realität widerspiegeln, an ihre Grenzen. In solchen Fällen müssen Unternehmen ihre Modelle anpassen und andere Analysemethoden verwenden, um diese Unsicherheit zu überwinden.
Alles in allem ist die Zeitreihenanalyse ein Art „Leuchtturm“: Sie ermöglicht es Unternehmen, im Nebel der Komplexität fundierte, auf Fakten basierende Entscheidungen zu treffen und in einem dynamischen und unvorhersehbaren Umfeld wettbewerbsfähig zu bleiben. Es ist jedoch wichtig, die Grenzen der Zeitreihenanalyse insbesondere in Bezug auf die Datenqualität und die Angemessenheit der Annahmen in einem sich wandelnden Umfeld zu kennen.
Durch die Kombination dieser Techniken kann jedes Unternehmen, das mit einem komplexen Ereignis konfrontiert ist, sein Verständnis desselben verbessern und die Schlüssel entdecken, um es zu seinem Vorteil zu nutzen. Alcimed kann Sie bei diesem Prozess begleiten und Ihnen helfen, das Potenzial der prädiktiven Analyse und der Zeitreihenanalyse zu nutzen, um Trends zu antizipieren und fundierte Entscheidungen zu treffen. Zögern Sie nicht, unser Team zu kontaktieren!
Über den Autor,
Tanguy, Consultant und Data Scientist in Alcimeds Healthcare Team in Frankreich
Healthcare
Anwendung Nr. 1: klinische Entscheidungshilfe (für Mehrfachinjektionstherapie und Insulinpumpe) KI-Algorithmen können als Entscheidungshilfesysteme für das Diabetesmanagement eingesetzt werden. ...
Healthcare
Was ist Künstliche Intelligenz (KI)? Einfach ausgedrückt bezieht sich Künstliche Intelligenz auf Softwarelösungen, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliches ...
Healthcare
Thema Nr. 1: Die prädiktiven Fähigkeiten von KI ermöglichen schnellere und effizientere Prozesse entlang der Unternehmenswertschöpfungskette Die Analyse großer Datenmengen sowie die ...