Prognose des Konzernerfolgs.
EBIT Forecasting.
In diesem Projekt haben wir ein Machine Learning Modell zur Prognose des zu erwartenden EBIT (Earning before interest and taxes) in den nächsten ein bis drei Monaten entwickelt und implementiert.
Herausforderung.
Der EBIT ist einer der wichtigsten KPIs für die Steuerung des zukünftigen Unternehmenserfolgs. In Zeiten zunehmender wirtschaftlicher Umbrüche sah sich unser Kunde, ein internationaler Automobilkonzern, mit einer aufwendigen und langsamen manuellen Planung für den EBIT konfrontiert. Ziel des Projekts war es, die manuelle Planung durch eine automatisierte, modellgestützte Planung als Decision-Support System zu unterstützen und dadurch die Untersicherheit bzgl. der Planung zu reduzieren.
Ansatz.
Zur Prognose des zukünftigen monatlichen EBITs wurden verschiedenste potenzielle Einflussfaktoren auf den Controlling-Systemen des Kunden konsolidiert und aufbereitet. Dies beinhaltete diverse interne Planungsgrößen, Lager- und Absatzzahlen, saisonale Effekte sowie externe Wirtschaftskennzahlen. Auf Grund der begrenzen zeitlichen Datenhistorie, mussten Methoden zur Auswahl der am besten geeignetsten Einflussfaktoren durchgeführt werden (Feature Selection). Die dadurch identifizierten relevanten Einflussgrößen wurden in einem Machine Learning Modell zusammengeführt. Das trainierte und optimierte Modell wurde im Anschluss in der IT-Infrastruktur des Kunden implementiert. Monatlich wird nun vollautomatisch ein Forecast für die nächsten ein bis drei Monate erzeugt und in einem Dashboard den relevanten Entscheidungsträgern zur Verfügung gestellt.
Ergebnis.
Die EBIT-Forecasts aus unserem Modell bilden eine unterstützende Komponente im monatlichen Planungsprozess des Kunden und outperformen regelmäßig die manuelle Planung des Kunden. Durch die Automatisierung des Prozesses stehen die Forecasts auch bereits vor der manuellen Planung zur Verfügung und erlauben dadurch ein frühzeitiges, proaktives Handeln.
Projekt Info.
Branche: Automotive
Thema: Forecasting
Tools: R, R Shiny
Aufwand: 12 Monate
Projektlaufzeit: 8 Monate
STATWORX Kontakt.
Ihr Ansprechpartner:
Fabian Müller
Leiter Data Science
Download Case.
Downloaden Sie diese Case Study als PDF zur weiteren Verwendung.