Blogeinträge
Forecasting in Zeiten von Corona

Die Coronakrise stellt uns alle vor nie dagewesene Herausforderungen. Weil die Weltwirtschaft gerade einen plötzlichen Absturz erlebt wie selten zuvor, drohen Modelle zur Vorhersage von Unternehmenszahlen, wie z. B. Umsätze oder Produktionszahlen, zu versagen. Wir listen Ideen für kurz- und mittelfristige Maßnahmen auf, mit denen Sie Ihre Vorhersagemodelle der Pandemiesituation anpassen und wieder stabilisieren können.

Liebe Besucher des ProgBlogs,

der Coronavirus ist aktuell das Thema Nummer eins in Europa. Statistiken jeglicher Art und Aufbereitung über den Verlauf der Fallzahlen sowie der Sterberaten in diversen Ländern kennt kaum jemand nicht. Wir alle sind ein Stück weit zu (Hobby-)Statistikern geworden und prognostizieren, bei welchen Maßnahmen unserer Regierungen und entsprechender Kooperation der Bürger der Fallzahlenverlauf wohl wie steil sein wird und ob unser Gesundheitssystem dem gewachsen ist. All diese Zahlen betreffen eine große Grundgesamtheit an Personen oder große Personengruppen. Sie betreffen uns alle.

So ist uns allen auch bewusst, dass die Wirtschaft gerade einen Absturz erlebt, wie selten zuvor. Noch dazu kommt er plötzlich, so wie uns eben die ganze Coronapandemie plötzlich getroffen hat. Trotzdem ist jedes einzelne Geschäft und jedes einzelne Unternehmen immer etwas unterschiedlich von der Coronakrise betroffen. Es gibt einige wenige, die zumindest rein finanziell (vorläufig) davon profitieren. Längerfristig steht auch das in den Sternen, denn keiner weiß genau, wie es nach der Krise weitergeht. Wie wirken sich welches Einzelschicksal oder unser aller Zusammenleben auf das einzelne Unternehmen aus? Inwiefern findet sogar ein Umdenken im großen Stil statt? Fakt aber ist, auf einen sehr großen Anteil an Unternehmen hat die Coronakrise leichte bis fatale Auswirkungen. Auf diese möchten wir uns in diesem Artikel konzentrieren.

Planen – aber wie?

Alle Unternehmen planen in irgendeiner Weise. Sie haben monatliche fixe Ausgaben wie Miete und weitere Verbindlichkeiten, haben Produktionsanlagen einer gewissen Kapazität und sie haben Mitarbeiter eingestellt, die sie gerne weiter beschäftigen möchten. Sie alle haben sich auf einen gewissen monatlichen Umsatz eingestellt, der ihr Geschäft zumindest am Leben halten soll und bestenfalls noch Gewinne abwirft. Für viele Unternehmen ist Planung – etwa Produktions-, Einkaufs- oder Finanzplanung – so essenziell, dass dies ein regelmäßiger, systematischer Prozess ist, vielleicht sogar vollständig maschinenbasiert/automatisiert, etwa über eine Planungsmöglichkeit im ERP-System oder ein separates Vorhersagetool.

Die Vorhersagen solcher automatisierter Planungstools werden wie wir alle wahrscheinlich von der Coronakrise überrascht worden sein. Denn in der Regel beruhen mathematische Vorhersagemethoden mindestens mal teilweise, oft sogar vollständig auf den historischen Zahlen des Unternehmens. Die letzte Pandemie liegt so lange zurück, dass historische Unternehmenszahlen derartige Informationen sicher nicht in sich tragen.

Jetzt aber wird sich die Pandemie in den Unternehmenszahlen bemerkbar machen. So ist zu erwarten, dass die aktive Stilllegung des gesellschaftlichen Lebens als Reaktion auf die Pandemie eine Wirkung auf die Unternehmenszahlen ausübt, die nur wenige Wochen oder sogar Tage vorher noch nicht absehbar war. In China war dieser negative Effekt vermutlich ab Januar sichtbar. Europa folgte größtenteils ab Februar.

Planen – aber womit?

Die Produktions- oder Finanzzahlen der nächsten Zeit vorherzusagen ist eine Herausforderung. Besonders, weil sie stark von politischen Entscheidungen abhängig sein werden, die in der aktuellen Situation oft von heute auf morgen getroffen werden und schnelle Auswirkungen nach sich ziehen. Die andere Herausforderung wird sein: Wie ist mit der Krise umzugehen, wenn sie einmal weitestgehend überstanden ist und wieder einigermaßen Normalbetrieb herrscht? Die Unternehmenszahlen aus Krisenzeiten werden sich noch lange in den Historien der Zeitreihen bemerkbar machen. Viele der Wirtschaftsindikatoren, die gerne in Vorhersagemodelle integriert werden, zeigen ein genauso ungewöhnliches Verhalten wie fast die ganze restliche von Corona betroffene Welt auch. Wie ist damit umzugehen? Was können wir jetzt akut und was können wir mittelfristig für unsere Vorhersagen machen, damit sie weiterhin von guter Qualität sind und ihren Zweck erfüllen, die Planer/Einkäufer/Controller unterstützen und sie entlasten. Hier kommen ein paar Ideen.

  1. Kurzfristige Maßnahmen, d.h. für die Krisenzeit:
    1. Hochadaptive Vorhersagemethoden anwenden, welche sich der aktuellen Situation flexibel und schnell anpassen können und schnell reagieren können. Zum Beispiel auch, indem sie die gewohnte zeitliche Abhängigkeit zu erklärenden Faktoren aus dem ökonomischen Umfeld möglichst rasch an die dynamische Situation anpassen.
    2. Die Höhe des aktuellen Absturzes in den Unternehmenszahlen schätzen und den Rückgang als Levelshift modellieren. Das Abschätzen der Höhe des Levelshifts könnte entweder durch Expertenwissen (z. B. Ausmaß der geplanten Kurzarbeit) oder zahlenbasiert erfolgen, z. B. mittels Vergleich der aktuellen Zahlen zu Vorperioden/zum Vorjahr, durch Betrachten des Absturzes bestimmter Wirtschaftsindikatoren (z. B. PMI Manufacturing China) oder durch Betrachten des Aktienkurses.
    3. Jüngere historische Krisen als Beispiel eines Krisenverlaufs heranziehen, z. B. die Finanzkrise von 2008/2009. Auch wenn es sich um eine andere Art von Krise handelt, sind politische Maßnahmen und Hilfsangebote teilweise ähnlich, z. B. Umsetzung von Kurzarbeit, sodass ein Unternehmen auch in der Coronakrise ein potenziell ähnliches Krisenverhalten aufweisen könnte.

  2. Mittelfristige Maßnahmen, d.h. für die Zeit nach der Krise:
    1. Datenhistorie vor und während der Krise ignorieren und die Zeitreihe als völlig neue Zeitreihe betrachten. Die aktuelle Krise ist derart schwerwiegend, dass es durchaus möglich sein kann, dass ein Unternehmen nach der Krise nicht mehr "das Gleiche" ist wie vor der Krise, etwa durch Änderungen im Produktportfolio oder einem Strategiewechsel. Die Datenhistorie vor und während der Krise ist unzureichend, um über die künftige Geschäftsentwicklung Aufschluss zu geben. Historienbasierte Vorhersagemethoden stehen hier vor der Schwierigkeit, dass erst wieder eine neue, genügend lange Datenhistorie aufgebaut werden muss. In der Zwischenzeit sind womöglich keine oder nur rudimentäre Prognosen möglich.
    2. Die Zeit der Coronakrise in den Vorhersagemodellen geringer gewichten als die restliche Zeit. Aufgrund des plötzlichen Auftretens der Krise dürfte zumindest der Krisenstart einfach zu terminieren sein.
    3. Einen eigenen Krisenindikator bauen, der pro Unternehmenszeitreihe den Verlauf der Krise geeignet abbildet. Der Krisenindikator kann als Kovariate in die Vorhersagemodelle einbezogen werden, um den Kriseneffekt aus der Historie "herauszurechnen".
    4. Aufschwung und Normalisierung frühzeitig erkennen. Durch gezieltes Monitoring des ökonomischen Umfelds und der Auftragslage kann ein Unternehmen rechtzeitig ausmachen, wann es sich lohnt, die eigene Produktion wieder anzuziehen und Kapazitäten hochzufahren. Im Idealfall bildet sich diese Normalisierung des Zustands auch frühzeitig in den Vorhersagen ab.

  3. Bei den genannten Maßnahmen handelt es sich ausschließlich um Ideen, die bei der Analyse und Prognose der Zahlen eines konkreten Unternehmens noch einmal gefiltert und hinterfragt werden müssen. Auch kommt es im konkreten Fall auf die Art der zu untersuchenden Daten an: Wenn das Unternehmen im Gesamten betrachtet wird, können die Maßnahmen besser oder schlechter geeignet sein, als wenn man beispielsweise an der Vorhersage der Produktionszahlen eines Einzelartikels interessiert ist. Letztere können wesentlich sensibler auf die Krise reagieren, indem sie im Extremfall entweder gar nicht mehr (siehe z. B. die deutsche Automobilproduktion), deutlich weniger, oder vielleicht sogar deutlich mehr (z. B. Schutzmasken oder Desinfektionsmittel) produziert werden. Die meisten der vorgeschlagenen Maßnahmen haben wir in anderen Zusammenhängen bereits erprobt. Bei einigen müssen auch wir abwarten, wie genau die Unternehmenszahlen aussehen, mit denen unsere Vorhersagetools konfrontiert werden, um die Maßnahmen im konkreten Anwendungsfall live auf die Probe zu stellen. Wir alle stehen momentan vor einer nie dagewesenen Herausforderung. Auch dieser werden wir uns stellen.


    Dürfen wir Ihnen helfen, Ihre Datenanalyse unter COVID-19 neu auszurichten? Hier geht es zu unserem Aktionsangebot:

Zuletzt aktualisiert am: 01.04.2020
Vorheriger Eintrag: Das k-Means-Verfahren zur Gruppierung von Daten
Nächster Eintrag: Mitarbeiter der prognostica beim #EUvsVirus-Hackathon

Sie möchten mehr über künstliche Intelligenz und ihr Potenzial erfahren? Nutzen Sie die Vorteile und trauen Sie sich, in Ihr erstes KI-Projekt zu starten:

Jetzt kostenlos E-Book downloaden

Kontakt

prognostica GmbH
Prymstr. 3
D-97070 Würzburg
P: +49 931 497 386 0

Ihr Partner für Predictive Analytics und Data Science.

Weitere Angaben, u. a. zum Datenschutz, finden Sie in unserem Impressum und unserer Datenschutzerklärung.

Folgen Sie uns!

© 2023 prognostica GmbH

Kontakt