„Eine gute Planung ist die halbe Miete“. In Zitaten dieser Art steckt viel Wahrheit. Denn: komplexe Lieferketten (Supply Chains) sind hinsichtlich der Wertschöpfung auf eine präzise Planung angewiesen. Heißt: je genauer die Prognosen, desto weniger Ausschuss – oder auf der Gegenseite: desto weniger entgangener Absatz. Und nicht zu vergessen: Durch nachhaltige Produktion werden die Unternehmen auch ihrer Verantwortung gegenüber Ressourcen und der Umwelt gerecht.

 

Mithilfe moderner, datengetriebener Methoden können Sie eine Planung vom „Bauchgefühl“ in eine systematische Prognose überführen.

Darum lohnt sich die Teilnahme

  • Selbständige Umsetzung von Demand-Forecasting-Cases
  • Einsatz von Demand-Forecasting-Tools
  • Individuelle Betreuung
  • Methodisches Know-how für komplexe Analysen
  • Erfolgreiche Use Cases aus der Praxis

Inhalte des Seminars

  • Einführung Demand Forecasting
  • Praxisübung: Demand Forecasting in Excel
  • Einführung in Python
  • Praxisübung: Data Screening & ARIMA Forecasting in Python
  • Theorieteil Feature Engineering
  • Praxisübung: Feature Engineering in Python
  • Einführung Demand Forecasting als Regression
  • Praxisübung: Praxisbeispiel Demand Forecasting Python
  • Evaluation & nächste Schritte im Demand Forecasting

Termine

  • 11.11.2021: 9-12.30h | online
  • 12.11.2021: 9-12.30h | online

Durchführung

In diesem Training zeigen wir Ihnen die Grundzüge dieser Technologie und mit welchen Methoden diese realisiert werden können. Nach einer einfachen Planung in Microsoft Excel verlassen wir diese Welt und widmen uns der Implementierung in Python. Dort werden zunächst die Daten gesichtet und in einen ersten Planungsalgorithmus überführt (ARIMA). Um das volle Potenzial der Daten auszuschöpfen und ggf. dem Modell weitere Informationen zur Verfügung zu stellen (z.B. liegt in der nächsten Woche ein Feiertag?), begeben wir uns in die Welt des Feature Engineerings, in der wir diese Intuitionen in programmatische Abläufe einbetten. Im nächsten Block werden diese Features in einer Regressionsanalyse verwendet, um eine Prognose zu erstellen. Das Training schließen wir mit einem Block über die Evaluierung dieser Systeme ab. Zudem zeigen wir Ihnen, wie Sie diese Implementierung auf Ihren Anwendungsfall adaptieren können.

Ihre Ansprechperson

Dr. Stefan Balke
Teamlead Data Science
pmOne AG
Bahnhofstraße 16
33102 Paderborn
+49 151 46467022