Viele Führungskräfte und Analysten arbeiten täglich mit Prognosezahlen, ohne genau zu wissen, wie diese entstanden sind. Das führt zu Entscheidungen auf unsicherer Grundlage.
Was dieses Programm abdeckt
Wir beginnen mit den statistischen Grundlagen: gleitende Durchschnitte, Trendbereinigung, Saisonalitätseffekte. Anschließend arbeiten wir mit realen Datensätzen aus dem Einzelhandel und der Fertigungsindustrie, um Prognosemodelle in Excel und Python aufzubauen. Jede Methode wird an einem konkreten Zahlenbeispiel durchgespielt, nicht an abstrakten Formeln.
Typische Fehlerquellen bei Prognosen
Besonders viel Zeit widmen wir dem, was in der Praxis schiefläuft: Overfitting auf historische Daten, das Ignorieren von Ausreißern und fehlende Konfidenzintervalle. Wer nach diesem Kurs eine Prognose präsentiert, weiß, welche Annahmen dahinterstecken und wie belastbar die Zahlen wirklich sind.
Das Programm richtet sich an Controller, Finanzanalysten und Projektleiter mit Grundkenntnissen in Tabellenkalkulationen. Programmierkenntnisse sind hilfreich, aber keine Voraussetzung.