No Budgeting

Performance Management without Traditional Budgeting

Wie sie ihre Forecast-Genauigkeit erhöhen

von Wolf-Gerrit Benkendorff

Immer mehr Unternehmen spüren die zunehmende Dynamik und Unsicherheit des wirtschaftlichen Umfelds am eigenen Leib. Das Schlagwort Volatilität als Ausdruck dieses Phänomens hat Hochkonjunktur. Wenn die Volatilität zunimmt, dann wird die Forecast-Genauigkeit wichtiger. Was liegt also näher, als diese Forecast-Genauigkeit kontinuierlich zu erhöhen? Die gute Nachricht ist: Schon mit einfachen Methoden lässt sich die Forecast-Genauigkeit deutlich steigern. Die noch bessere Nachricht ist: Es werden hierzu im ersten Schritt keine komplexen mathematisch-statistischen Modelle, teure Software oder übersinnlichen Fähigkeiten benötigt - obwohl das sicherlich auch hilft.

Abweichungen systematisch messen

Eine systematische Messung der Forecast-Genauigkeit ist die Voraussetzung für jede Art der Verbesserung. Messungen, die das Attribut «systematisch» verdienen, finden in der Praxis jedoch kaum statt. Oft wird die Forecast-Genauigkeit als Differenz zwischen Forecast und realisiertem Jahresendergebnis «gemessen». In schlimmen Fällen noch ergänzt um einen Vergleich der «Genauigkeiten» von Forecasts 1 bis 3. Solche «Messverfahren» liefern keine Erkenntnisse zur Erhöhung der Forecast-Genauigkeit. Einen guten Einstieg in das Thema der systematischen Messung bietet: 

http://www.forecastingprinciples.com/index.php/faq#F._Accuracy_of_forecasts

Je häufiger gemessen wird, desto besser

Je häufiger Messungen durchgeführt werden, desto mehr Daten zur Beurteilung der Genauigkeit liegen vor. Dadurch lassen sich Forecast-Fehler zeitnah identifizieren und beheben. Das zeigt ein einfaches Beispiel: treten bei vier aufeinanderfolgenden Forecasts Abweichungen zum realisierten Ergebnis mit dem gleichen Vorzeichen auf, dann ist von einem systematischen Forecast-Fehler auszugehen.* Ein Grund für einen systematischen Fehler kann sein, dass konservative Forecasts politisch nicht akzeptiert sind. Also werden kontinuierlich zu optimistische Forecasts produziert. Werden pro Jahr nur drei Forecasts erstellt, dann dauert es mehr als ein Jahr, um einen systematischen Forecast-Fehler aufzudecken.

Alle Abweichungen analysieren

Treten Forecast-Fehler auf, dann sind die Gründe hierfür zu analysieren. Eine solche Analyse erfordert gut dokumentierte Annahmen. Kann nicht nachvollzogen werden, warum sich ein Forecast im Nachhinein als falsch erwiesen hat, dann ist kein Lerneffekt möglich. Bei der Abweichungsanalyse sind positive wie negative Abweichungen gleich intensiv zu betrachten. Das gilt auch für grosse und kleine Abweichungen. Auch wenn es auf den ersten Blick wenig sinnvoll erscheint: auch Forecasts mit kleinen Abweichungen sollten (zumindest rudimentär) analysiert werden. Sonst lässt sich nicht ausschliessen, dass die gute Genauigkeit trotz falscher Annahmen zustande gekommen ist. Beispielsweise, wenn sich falsche Annahmen gegenseitig aufheben. In diesem Fall war es dann einfach Glück.

Anpassungen testen

Sobald die systematische Messung und Analyse etabliert ist, können Anpassungen an Forecast-Methoden, -Prozessen und -Modellen auf ihre Wirksamkeit hin getestet werden. So lässt sich prüfen, ob statistische Verfahren auf Basis historischer Daten reinen Expertenschätzungen überlegen sind. Oder welche Forecast-Methoden sinnvollerweise kombiniert werden (empirische Studien beweisen, dass die Kombination mehrere Forecast-Methoden zu einer höheren Genauigkeit führt).

Funktioniert das wirklich?

Ja, das funktioniert wirklich! Ich habe eine Forecast-Messung des Umsatzes auf Monatsbasis gemeinsam mit einem Kunden etabliert. Bereits nach vier Monaten konnte u.a. aufgezeigt werden, dass in fast allen Regionen systematische Forecast-Fehler existieren. Die Forecasts in den meisten Regionen waren durchgängig zu optimistisch. Wo früher also lediglich ein Verdacht bestand, herrscht nun Gewissheit. Dies ist nun Grundlage und Ansporn zur Verbesserung der aktuellen Forecast-Methoden, -Prozesse und -Modelle. 

*Ein Forecast ohne systematischen Fehler wird im Mittel gleich viele positive wie negative Abweichungen zum realisierten Ergebnis liefern. Die Wahrscheinlichkeit von vier aufeinanderfolgenden Abweichungen mit gleichem Vorzeichen liegt bei einem Forecast ohne systematischen Fehler lediglich bei 6.25%!