Kysynnän ennustaminen muuttuvassa maailmassa
|
|
- Kai Hänninen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 make connections share ideas be inspired Kysynnän ennustaminen muuttuvassa maailmassa Nina Survo ja Antti Leskinen SAS Institute
2 Mitä on kysynnän ennustaminen? Ennakoiva lähestymistapa, jolla pyritään havaitsemaan kysyntäsignaaleja Mahdollistaa tulevaisuuden skenaarioinnin kompastumatta historian tuotantorajoitteisiin Painotetaan niitä toimenpiteitä, jotka suoraan vaikuttavat kysyntään. Saadaan luotua selkeämpi kuva todellisesta kysynnästä
3 Kysynnän ennustamisen vaiheet Kolmivaiheinen prosessi: Etsitään kysyntäsignaaleja sisäisestä ja ulkoisesta datasta Sovitetaan kysyntää analytiikan avulla Ennustetaan tulevaisuuden kysyntää, jotta saataisiin mahdollisimman tarkkaa tietoa rajoitattamattomasta kysynnästä
4 Kysyntäsignaalien etsiminen yrityksen ja markkinoiden tuottamasta datasta Termille rajoittamaton kysyntä ei ole olemassa vakiintunutta määritelmää Rajoittamatonta kysyntää ei voida mitata luotettavasti, joudutaan turvautumaan erilaisiin myyntidatoihin: Laskutus Toimitus Tilaukset Jos mahdollista on suositeltavaa käyttää tilausdataa ennustamisen lähtötietona. Tilausdata kuvastaa asiakkaiden myyntikäyttäytymistä paremmin kuin toimitusdata.
5 Mitä on kysynnän sovittaminen? Ennakoiva prosessi, jossa arvioidaan kysyntää siihen vaikuttavien komponenttien näkökulmasta Myynnin ja markkinoinnin toimet: Uuden tuotteen lanseeraus Hinnoittelu Mainostaminen Kampanjat Tapahtumat Tuotteiden elinkaaren hallinta Ulkoisia komponentteja: Kilpailijoiden toimet Säätila Raaka-aineiden hinnat Korot ja valuuttakurssit Taloustilanne
6 Kysynnän sovittaminen analytiikan avulla Mallinnetaan kysyntäkomponenttien tilastollinen vaikutus Skenaarioanalyysillä voidaan arvioida tulevaisuuden kysyntää eri tilanteissa
7 Tulevaisuuden kysynnän ennustaminen Kysyntään vaikuttavien tekijöiden, kuten kausivaihtelun, markkinointitoimenpiteiden (hintamuutokset, mainonta, kampanjat) ja odottamattomien tapahtumien tarkka ennustaminen pelkästään subjektiivisella arvioinnilla on hankalaa Kysynnän ennustamisen tulisikin lähteä historiadataan perustuvasta tilastollisesta aikasarjaennustamisesta Tilastollinen ennuste toimii pohjana, johon voidaan lisätä eri tahojen subjektiivista tietoutta parantamaan ennusteen tarkkuutta
8 Erilaiset lähestymistavat ennustamiseen Subjektiiviseen arvioon perustuvat metodit Pelkkään myyntihistoriaan perustuvat ennustemallit Naiivit mallit ja liukuvan keskiarvon mallit Eksponentiaalinen tasoitus (exponential smoothing) Myyntihistoriaan ja erilaisiin selittäviin tekijöihin perustuvat ennustemallit ARIMAX UCM (Unobserved Components Models)
9 Aikasarjaennustaminen Eri tekniikoita, joilla pyritään löytämään historiasta säännönmukaisuuksia, joita tulevaisuuden myynnit noudattavat Aikasarjamallit pyrkivät löytämään: Trendejä Kausivaihteluita Jaksollisuutta
10 Aikasarjaennustamisen edut Sopii hyvin tilanteeseen, jossa ennusteet on luotava suurelle määrälle tuotteita Sopii hyvin, jos myyntihistoria on stabiili Voivat tasoittaa pieniä satunnaisia muutoksia Helppoja ymmärtää ja käyttää Ovat saatavilla ohjelmistoissa Hyviä lyhyen horisontin ennustamiseen
11 Aikasarjaennustamisen haasteet Vaativat paljon historiadataa Mukautuvat hitaasti myynnin muutoksiin Suuret satunnaiset poikkeamat historia-aineistossa saattavat tuottaa ennusteisiin suuria virheitä
12 Eksponentiaalinen tasoitus Useimmin käytetty malliperhe Perusoletus on, että lähihistorian myynneillä on suurempi vaikutus tulevaisuuteen kuin kaukaisemman historian myynneillä Kolme ylitse muiden: Yksinkertainen tasoitus Holtin kaksiparametrinen tasoitus Holtin ja Wintersin kolmiparametrinen tasoitus
13 Exponentiaalinen tasoitus - Holt & Winters Hyvä ennustamaan trendiä, syklejä ja kausivaihtelua Vaatii vähän dataa Käyttää kolmea parametria Trendi/sykli Kausivaihtelu Epäsäännöllinen Käytetyin matemaattinen metodi
14 Exponentiaalinen tasoitus - Holt & Winters Hankala löytää optimaalisia arvoja tasoitusparametreille Voi ennustaa vain 1-3 jaksoa eteenpäin tehokkaasti Ei pysty ennustamaan äkillisiä muutoksia kohtuullisessa ajassa Mukautuu hitaasti kysynnän muutoksiin Ei voi käyttää selittäviä muuttujia
15 Myyntihistorian ja selittävien muuttujien yhdistämisen edut Mukana useimmissa ohjelmistoissa Antavat tarkempia lyhyen ja keskipitkän ajanjakson ennusteita kuin pelkät aikasarjamallit Näiden avulla voidaan skenarioida tulevaisuutta
16 Myyntihistorian ja selittävien muuttujien yhdistämisen haasteet Ennustetarkkuus riippuu selittävän ja selitettävien muuttujien suhteen johdonmukaisuudesta Selittävien muuttujien tarkat estimaatit ovat välttämättömiä Hyvien mallien kehittäminen vie aikaa ja vaatii tilastotieteen ymmärrystä
17 ARIMAX Edistynein aikasarjamallinnustekniikka Yhdistää aikasarjan elementit ja regressiomallin ARIMA-mallien laajennus, jossa malliin lisätty selittäviä muuttujia: Hinta Mainonta Hyvä lyhyen, keskipitkän ja pitkän aikavälin ennusteissa
18 UCM- mallit Structured state space models Jakaa myyntihistorian komponentteihin: Trendi Kausivaihtelu Syklit Selittävät muuttujat Voidaan käyttää skenariointiin Hyviä lyhyen, keskipitkän ja pitkän aikavälin ennusteissa Melko uusi menetelmä
19 Ennusteisiin systemaattisesti vaikuttavat Ennustettavan koko tai volyymi Suurempi volyymi, pienempi selittämätön varianssi -> pienempi virhe Datan aggregointi Enempi aggregointia, tarkemmat ennusteet Kysynnän vakaus Aikasarjan eheys Kilpailu markkinoilla Kilpailutilanteessa kysyntä voi käyttäytyä ennalta-arvaamattomasti
20 Ennustevirheen syyt Virhe kysynnän mallin havaitsemisessa ja kausaalisuhteissa Väärät selittävät tekijät Kausaalisuuden sijasta kyse korrelaatiosta Epävakaat mallit tai epäluotettavat suhteet Kyse yleensä keskiarvoista Mallit tai suhteet muuttuvat ajassa
21 Ennustusmallin tehokkuuden mittaaminen Mitataan kuinka hyvin onnistuttiin ennustamaan tuleva Verrataan ennustetta ja toteutunutta myyntiä Vertaillaan historiassa tilastollisia malleja, jotta saadaan selville mikä malli ennustaisi parhaiten
22 Kysynnän ennustamisen hyödyt Rajoittamaton kysyntä saadaan tietoon tarkemmin Voidaan optimoida varaston kokoa ja varastokiertoa, tuotetta on saatavilla oikeaan aikaan Saadaan lyhennettyä toimitusaikoja Saadaan tietoa kysyntään vaikuttavista tekijöistä: Voidaan käyttää hyödyksi strategisissa linjauksissa Niiden avulla voidaan optimoida varastoarvoja Voidaan tutkia hinnan vaikutusta ja maksimoida siten tuottoa Voidaan tehostaa tiedon vaihtoa yrityksen sisällä eri toimijoiden välillä, joilla on tietoa kysynnän muutoksiin
23 Kirjallisuutta Demand-Driven Forecasting: A Structured Approach to Forecasting Charles Chase
24 make connections share ideas be inspired
Aki Taanila AIKASARJAENNUSTAMINEN
Aki Taanila AIKASARJAENNUSTAMINEN 26.4.2011 SISÄLLYS JOHDANTO... 1 1 AIKASARJA ILMAN SYSTEMAATTISTA VAIHTELUA... 2 1.1 Liukuvan keskiarvon menetelmä... 2 1.2 Eksponentiaalinen tasoitus... 3 2 AIKASARJASSA
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
LisätiedotTilanne ei kuitenkaan ole toivoton. Kuten elefantin syöminen, myös kampanjoiden hallintaa voidaan kehittää pala kerrallaan.
Whitepaper 16.1.2012 1 / 3 Kesytä kampanjat! Kampanjat nousevat aina esille kun kysyn, mitkä tuotteet tai tilanteet aiheuttavat ongelmia kulutustuotteiden toimitusketjussa. Kysymykseen, mikä kampanjoissa
LisätiedotToimitusketjun hallinnan uudet kehityssuunnat. Mikko Kärkkäinen Tammiseminaari 2015
1 Toimitusketjun hallinnan uudet kehityssuunnat Mikko Kärkkäinen Tammiseminaari 2015 2 Toimitusketjun suunnittelun uudet tuulet Muistinvarainen laskenta mullistaa toimitusketjun suunnittelun Välitön näkyvyys
Lisätiedot9. Tila-avaruusmallit
9. Tila-avaruusmallit Aikasarjan stokastinen malli ja aikasarjasta tehdyt havainnot voidaan esittää joustavassa ja monipuolisessa muodossa ns. tila-avaruusmallina. Useat aikasarjat edustavat dynaamisia
LisätiedotMännyn laaturajojen integrointi runkokäyrän ennustamisessa. Laura Koskela Tampereen yliopisto 9.6.2003
Männyn laaturajojen integrointi runkokäyrän ennustamisessa Laura Koskela Tampereen yliopisto 9.6.2003 Johdantoa Pohjoismaisen käytännön mukaan rungot katkaistaan tukeiksi jo metsässä. Katkonnan ohjauksessa
LisätiedotMS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely
MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
LisätiedotEnnustaminen. Ennusteet ovat operaatioiden pohjana. Luennon sisältö. Ennusteet ovat operaatioiden pohjana - case EuroDisney ja yliarvioitu kysyntä -
L u e n t o Ennusteet ovat operaatioiden pohjana Ennustaminen Luennon sisältö Ennusteiden merkitys Ennustemenetelmät Ennusteiden tekeminen käytännössä Ennusteet suunnittelun, päätöksenteon ja resurssien
LisätiedotEnnustaminen. Yritykset ennustavat monia asioita. Luennon sisältö. Ennusteet ovat operaatioiden pohjana - case EuroDisney ja yliarvioitu kysyntä -
L u e n t o Ennustaminen Luennon sisältö Ennusteiden merkitys Ennustemenetelmät Ennusteiden tekeminen käytännössä Yritys Toimiala Yhteiskunta Yritykset ennustavat monia asioita Poliittiset tapahtumat Arvojen
LisätiedotKysynnän ennustaminen
t-2.108 Sovelletun matematiikan erikoistyöt ura Salmi 41917D Kysynnän ennustaminen Sisällys 1 1. Johdanto... 2 2. Kysyntä... 3 3. Ennustamismenetelmät... 4 3.1 Kvalitatiiviset menetelmät... 4 3.2 Kvantitatiiviset
LisätiedotTiedosto Muuttuja Kuvaus Havaintoväli Aikasarjan pituus. Intelin osakekurssi. (Pörssi-) päivä n = 20 Intel_Volume. Auringonpilkkujen määrä
MS-C2128 Ennustaminen ja aikasarja-analyysi 4. harjoitukset / Tehtävät Kotitehtävät: 3, 5 Aihe: ARMA-mallit Tehtävä 4.1. Tutustu seuraaviin aikasarjoihin: Tiedosto Muuttuja Kuvaus Havaintoväli Aikasarjan
LisätiedotAjatuksia hinnoittelusta. Hinta on silloin oikea, kun asiakas itkee ja ostaa, mutta ostaa kuitenkin.
Ajatuksia hinnoittelusta Hinta on silloin oikea, kun asiakas itkee ja ostaa, mutta ostaa kuitenkin. Hinnoittelu Yritystoiminnan tavoitteena on aina kannattava liiketoiminta ja asiakastyytyväisyys. Hinta
LisätiedotHotellin asiakasliikenne ja kannattavuus
Mirja Rautiainen - Mika Siiskonen Hotellin asiakasliikenne ja kannattavuus HARJOITUSTEHTÄVIÄ LUKU 15: HUONEMYYNNIN MAKSIMOINTI http://charles.savonia.fi/~mas/julkaisut HINNOITTELUN VAIKUTUS HUONETUOTTOIHIN
LisätiedotKertaus. MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2017 Viikko 1: Yleinen lineaarinen malli 1 Määritelmä
LisätiedotTilastotieteessä aikasarja tarkoittaa yleensä sarjaa, jossa peräkkäisten havaintojen aikaväli on aina sama.
Aikasarjat Tilastotieteessä aikasarja tarkoittaa yleensä sarjaa, jossa peräkkäisten havaintojen aikaväli on aina sama. Aikasarja on laajassa mielessä stationäärinen (wide sense stationary, WSS), jos odotusarvo
LisätiedotLUT/TUTA 2011 CS20A0050 Toimitusketjun hallinta Case Rasa
YRITYSKUVAUS RASA OY Rasa Oy on suomalainen teollisuusyritys, joka on perustettu 50-luvulla. Rasa Oy toimittaa rakentamiseen liittyviä ratkaisuja, ja sillä on toimipisteitä 12 maassa. Se pyrkii tarjoamaan
LisätiedotSUOMALAINEN KIRJAKAUPPA. Timo Kauppila, RELEX Seminaari 2012
SUOMALAINEN KIRJAKAUPPA Timo Kauppila, RELEX Seminaari 2012 ENNUSTAMINEN JA TÄYDENNYS VAIHTUVAN VALIKOIMAN SESONKIKYSYNNÄSSÄ Timo Kauppila, RELEX Seminaari 2012 ESITYKSEN SISÄLTÖ Yritysesittely Ennustaminen
LisätiedotSAS liiketoiminnassa ja toimialoilla
make connections share ideas be inspired SAS liiketoiminnassa ja toimialoilla SAS Campaign Management ja Marketing Automation: Miten hyödynnät kampanjanhallinnan edistyneempiä ominaisuuksia Simo Lehtovirta,
LisätiedotSuunnitteluprosessi (Sales and Operations Planning)
Suunnitteluprosessi (Sales and Operations Planning) 23/1/2013 Michael Falck, RELEX E-mail: michael.falck@relexsolutions.com Phone: +358 44 552 0860 Tyypillisiä haasteita Selkeä SOP-prosessi Vastuut ihmisten
LisätiedotTilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
LisätiedotIlkka Mellin Aikasarja-analyysi Aikasarjat
Ilkka Mellin Aikasarja-analyysi Aikasarjat TKK (c) Ilkka Mellin (2007) 1 Aikasarjat >> Aikasarjat: Johdanto Aikasarjojen esikäsittely Aikasarjojen dekomponointi TKK (c) Ilkka Mellin (2007) 2 Aikasarjat:
LisätiedotTarkkuutta tuotannon suunnitteluun ennustamisen kehittämisestä Jaakko Takala RELEX Tammiseminaari 22.1.2014
Tarkkuutta tuotannon suunnitteluun ennustamisen kehittämisestä Jaakko Takala RELEX Tammiseminaari 22.1.2014 Konsernin rakenne 2012 Atria Oyj Liikevaihto 1 344 milj. Henkilöstö 4 898 (keskimäärin) Suomi
LisätiedotAki Taanila YHDEN SELITTÄJÄN REGRESSIO
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...
LisätiedotMS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely
MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2017 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
LisätiedotKysynnän ennustamismallien soveltuvuus rakennustarvikealalle
TUOTANTOTALOUDEN TIEDEKUNTA Toimitusketjun johtaminen Kysynnän ennustamismallien soveltuvuus rakennustarvikealalle Suitability of demand forecasting methods for building materials industry Kandidaatintyö
LisätiedotKertaus. MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 1: Yleinen lineaarinen malli 1 Määritelmä
LisätiedotEnnustamisesta suunnitteluun Mitä jos
Ennustamisesta suunnitteluun Mitä jos RELEX - Toimitusketjunhallinnan seminaari 2014 22.1.2014 Mikko Kärkkäinen RELEX Oy Mitä ennustaminen on? Ennustaminen on suunnitelman kääntämistä toimintaohjeeksi:
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4B Bayesläinen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy
LisätiedotMS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely
MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
LisätiedotMarkkinariskien hallinta osaksi viljelijän rutiineja
Markkinariskien hallinta osaksi viljelijän rutiineja Hämeenlinna 16.2.2012 Pertti Riikonen ProAgria Satakunta pertti.riikonen@proagria.fi Entämiltänäyttääjuuri nyt? Mitäkylvää? Pitäisikötyhjentäävarastot?
LisätiedotViikon 5 harjoituksissa käytämme samoja aikasarjoja kuin viikolla 4. Tiedosto Muuttuja Kuvaus Havaintoväli Aikasarjan pituus
MS-C2128 Ennustaminen ja aikasarja-analyysi 5. harjoitukset / Tehtävät Kotitehtävät: 2 Aihe: ARMA-mallit Viikon 5 harjoituksissa käytämme samoja aikasarjoja kuin viikolla 4. Tehtävä 5.1. Tarkastellaan
LisätiedotEnnustava analytiikka B2B- myynnissä. Miten hyötyä säännönmukaisuuksista markkinoinnissa ja myynnissä
Ennustava analytiikka B2B- myynnissä Miten hyötyä säännönmukaisuuksista markkinoinnissa ja myynnissä B2B Myynnin ja markkinoinnin haasteet nyt Myynti- ja muu yritysdata on olemassa, mutta ei saatavilla,
LisätiedotJärjestyslukuihin perustuva eksponentiaalinen tasoitus ja volatiliteetin ennustaminen
Tilastotieteen pro gradu -tutkielma Järjestyslukuihin perustuva eksponentiaalinen tasoitus ja volatiliteetin ennustaminen Ari Väisänen Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos 14.6.2009
LisätiedotTAVOITTEIDEN ASETTAMINEN JA MITTAAMINEN
IAB Finland TAVOITTEIDEN ASETTAMINEN JA MITTAAMINEN Vatanen 2018 Petri Vatanen on digitaalisen maailman moni- ja syväosaaja, jonka tekninen tausta verkkopalvelujen kehittämisestä yhdistyy vuosien markkinointi
LisätiedotAikasarjamallit. Pekka Hjelt
Pekka Hjelt Aikasarjamallit Aikasarja koostuu järjestyksessä olevista havainnoista, ja yleensä se on tasavälinen ja diskreetti eli havaintopisteet ovat erillisiä. Lisäksi aikasarjassa on yleensä autokorrelaatiota
LisätiedotEnnustamisen ja Optimoinnin mahdollisuudet
Ennustamisen ja Optimoinnin mahdollisuudet Agenda Mitä optimointi on Ennustamisen mahdollisuudet Optimoinnin eri tasot ja tavoitteet Optimoinnin käyttöönotto Mitä optimointi on Mitä optimointi on? Oikea
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotPintasääasemaverkon vikadiagnostiikkaa DADAssa
TEKNILLINEN KORKEAKOULU Systeemitekniikan laboratorio Pintasääasemaverkon vikadiagnostiikkaa DADAssa Vesa Hasu DADA? 2 Pintasääasemaverkon vikadiagnostiikkaa... Yleistä - DADA DADA: Datafuusio- ja diagnostiikkamenetelmien
LisätiedotDigiajan menestyksekäs toimitusketju / Expak Materiaalivirtojen ohjaus ja optimointi Caset - Vilpe Oy, Airam Electric Oy Ab
Etelä Digiajan menestyksekäs toimitusketju 24.10.2018 / Expak Materiaalivirtojen ohjaus ja optimointi Caset - Vilpe Oy, Airam Electric Oy Ab Expak Systems Oy Tommi Hyyrynen WWW.EXPAK.FI Suomen Osto- ja
Lisätiedot4. Tietokoneharjoitukset
4. Tietokoneharjoitukset Demotehtävät 4.1 Tarkastellaan seuraavia aikasarjoja. Tiedosto (.txt) Muuttuja Kuvaus Havaintoväli Aikasarjan pituus INTEL Intel_Close Intelin osakekurssi Pörssipäivä n = 20 Intel_Volume
Lisätiedot1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
LisätiedotEnnakoiva analytiikka liiketoiminnassa
Ennakoiva analytiikka liiketoiminnassa Askeleet edelläkävijäksi Tommi Vilkamo Senior Data Scientist, ecraft Referre Roundtable -ilmoittautujat tänään Muut Ennakoiva analytiikka TEKOÄLY KONEOPPIMINEN ENNAKOIVA
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin
LisätiedotTestauksen tuki nopealle tuotekehitykselle. Antti Jääskeläinen Matti Vuori
Testauksen tuki nopealle tuotekehitykselle Antti Jääskeläinen Matti Vuori Mitä on nopeus? 11.11.2014 2 Jatkuva nopeus Läpäisyaste, throughput Saadaan valmiiksi tasaiseen, nopeaan tahtiin uusia tuotteita
LisätiedotRegressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
LisätiedotToimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin
Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin Tammiseminaari Tommi Ylinen Kokonaisvaltaista vähittäiskaupan suunnittelua, analytiikkaa ja optimointia ennustepohjaisesti
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5A Bayeslainen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi
LisätiedotRegressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
Lisätiedot4. Tietokoneharjoitukset
4. Tietokoneharjoitukset Demotehtävät 4.1 Tarkastellaan seuraavia aikasarjoja. Tiedosto (.txt) Muuttuja Kuvaus Havaintoväli Aikasarjan pituus INTEL Intel_Close Intelin osakekurssi Pörssipäivä n = 20 Intel_Volume
LisätiedotTilastollisen analyysin perusteet Luento 7: Lineaarinen regressio
Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio Sisältö Regressioanalyysissä tavoitteena on tutkia yhden tai useamman selittävän muuttujan vaikutusta selitettävään muuttujaan. Sen avulla
LisätiedotKamux puolivuosiesitys
Kamux puolivuosiesitys 1.1. 30.6.2017 24.8.2017 Kamuxin kannattava kasvu jatkui strategian mukaisesti 1. Strategia kasvaa Euroopan johtavaksi käytettyjen autojen vähittäiskaupan ketjuksi toimii Jälleen
LisätiedotYritysyhteenliittymän markkinointi
Yritysyhteenliittymän markkinointi Hankintayksikön markkinakartoitus l. RFI Toimittajat voivat markkinoida tuotteitaan ja palveluitaan hankintayksikölle kuten muillekin potentiaalisille asiakkaille - aktiiviset
LisätiedotHARJOITUS- PAKETTI A
Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI A (6 pistettä) TUTA 19 Luento 3.Ennustaminen County General 1 piste The number of heart surgeries performed at County General Hospital
LisätiedotJatkuvalla kehittämisellä kohti laajempia hyötyjä. Atria Suomi Oy Antti Kuusisto
Jatkuvalla kehittämisellä kohti laajempia hyötyjä Atria Suomi Oy Antti Kuusisto Agenda 1. Atria ja RELEX 2. Jatkuvan kehityksen malli 3. Kehityshankkeet 4. Health Check Atrian liiketoimintaympäristön
LisätiedotHarjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
LisätiedotSUHDANNEVAIHTELU, TALOUSTILASTOT JA ENNUSTEET. Markku Lanne TTT-kurssi
SUHDANNEVAIHTELU, TALOUSTILASTOT JA ENNUSTEET Markku Lanne TTT-kurssi 1.2.2012 Mitä on suhdannevaihtelu? Kokonaistaloudellisen aktiviteetin eli reaalisen bruttokansantuotteen (BKT) vaihtelu trendinsä ympärillä.
LisätiedotIdentifiointiprosessi
Alustavia kokeita Identifiointiprosessi Koesuunnittelu, identifiointikoe Mittaustulosten / datan esikäsittely Ei-parametriset menetelmät: - Transientti-, korrelaatio-, taajuus-, Fourier- ja spektraalianalyysi
LisätiedotCREATIVE PRODUCER money money money
CREATIVE PRODUCER money money money 26.11.2009 Lenita Nieminen, KTM, tutkija Turun kauppakorkeakoulu, Porin yksikkö Liiketoimintamalli tuottojen lähteet (tuote-, palvelu- ja informaatio- ja tulovirrat)
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 6: 1 Kalmanin suodatin Aiemmin käsitellyt
LisätiedotInnovatiivisten ja funktionaalisten tuotteiden kysynnän ennustaminen terveydenhuollonalan tukkuyrityksessä
LAPPEENRANNAN TEKNILLINEN YLIOPISTO Teknillistaloudellinen tiedekunta Tuotantotalouden koulutusohjelma Aleksi Torniainen Innovatiivisten ja funktionaalisten tuotteiden kysynnän ennustaminen terveydenhuollonalan
LisätiedotPalveluiden kysynnän ennustaminen
TEKNISTALOUDELLINEN TIEDEKUNTA TUOTANTOTALOUDEN OSASTO CS20A9000 Kandidaatintyö ja seminaari Toimitusketjun johtaminen Kevät 2011 Palveluiden kysynnän ennustaminen Forecasting demand for services Kandidaatintyö
Lisätiedotwww.tulosakatemia.fi Toivo Koski Liiketoiminnan käynnistäminen, liiketoiminnan suunnittelu ja taloudelliset laskelmat
Liiketoiminnan käynnistäminen, liiketoiminnan suunnittelu ja taloudelliset laskelmat Jäljempänä esitetty vaiheistettu konsultoinnin sisältökuvaus sopii mm. uuden liiketoiminnan käynnistämiseen (kaupallistamiseen),
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
LisätiedotÄlykäs kaukolämpö. Risto Lahdelma. Yhdyskuntien energiatekniikan professori. Energiatekniikan laitos. Insinööritieteiden korkeakoulu Aalto-yliopisto
Älykäs kaukolämpö Risto Lahdelma Yhdyskuntien energiatekniikan professori Insinööritieteiden korkeakoulu Aalto-yliopisto risto.lahdelma@aalto.fi 1 Älykäs kaukolämpö Lähtökohtana älykkyyden lisäämiseen
LisätiedotTUOTEKEHITYKSELLÄ HUNAJAN KULUTUS KASVUUN. Vuokko Tuononen 24.11.2007
TUOTEKEHITYKSELLÄ HUNAJAN KULUTUS KASVUUN Vuokko Tuononen 24.11.2007 Tuotekehitys "Tuotekehitys on toimintaa, jonka tarkoituksena on etsiä, synnyttää, valita ja kehittää yritykselle uusia tuotteita sekä
LisätiedotJohtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun
Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun Jouni Räisänen Helsingin yliopiston fysiikan laitos 15.1.2010 Vuorokauden keskilämpötila Talvi 2007-2008
LisätiedotTämä opas soveltuu parhaiten tarjouspohjaiseen myyntiin MYYJÄN OPAS. Miten teen realistisen myyntiennusteen?
Tämä opas soveltuu parhaiten tarjouspohjaiseen myyntiin MYYJÄN OPAS Miten teen realistisen myyntiennusteen? Tämän oppaan neuvojen ja työkalujen avulla voit tehdä parempia ja realistisempia myyntiennusteita.
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään
LisätiedotLocation Business Forum 2015 Paikkatieto osana uudistuvaa analytiikkaa ja tiedolla johtamista
Location Business Forum 2015 Paikkatieto osana uudistuvaa analytiikkaa ja tiedolla johtamista Timo Helkiö, Senior Advisor Affecto Finland Oy Sisältö TIEDOLLA JOHTAMINEN JA UUDISTUVA ANALYTIIKKA PAIKKATIETO
LisätiedotS-114.3812 Laskennallinen Neurotiede
S-114.381 Laskennallinen Neurotiede Projektityö 30.1.007 Heikki Hyyti 60451P Tehtävä 1: Virityskäyrästön laskeminen Luokitellaan neuroni ensin sen mukaan, miten se vastaa sinimuotoisiin syötteisiin. Syöte
LisätiedotKorkojen aikarakenne
Korkojen aikarakenne opetusnäyte: osa kuvitteellista Raha- ja pankkiteorian aineopintojen kurssia Antti Ripatti Taloustiede 4.11.2011 Antti Ripatti (Taloustiede) Korkojen aikarakenne 4.11.2011 1 / 30 2003),
LisätiedotToimitusjohtajan katsaus
Toimitusjohtajan katsaus Kimmo Alkio, toimitusjohtaja Yhtiökokous Finlandia-talo, Helsinki 2.3.214 Olemme sitoutuneet kehittämään yrityksiä ja yhteiskuntaa informaatioteknologian avulla Palvelumme tukevat
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
LisätiedotKaupan tulos kuntoon tehokkaammalla toimitusketjulla! Mikko Kärkkäinen Toimitusjohtaja, RELEX Oy 26.1.2010
Kaupan tulos kuntoon tehokkaammalla toimitusketjulla! Mikko Kärkkäinen Toimitusjohtaja, RELEX Oy 26.1.2010 RELEX Oy RELEX toimittaa ratkaisuja kysynnän ennustamisen ja täydennystilaamisen automatisoimiseen
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
LisätiedotVäestöennusteen taustat ja tulkinnat. Markus Rapo, Tilastokeskus
Väestöennusteen taustat ja tulkinnat Markus Rapo, Tilastokeskus Esityksessäni Hieman historiaa Miksi ennusteita laaditaan Tilastokeskuksen väestöennusteen luonne ja tulkinta Lyhyesti ennustevirheistä Tor
LisätiedotEstimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
LisätiedotVOIKO ASUNTOHINTAKUPLAN SITTENKIN HAVAITA HELPOSTI?
1 Arvoasuntopäivä 2015 6.5.2015, Pörssitalo, Helsinki VOIKO ASUNTOHINTAKUPLAN SITTENKIN HAVAITA HELPOSTI? Elias Oikarinen KTT, Akatemiatutkija, Turun yliopiston kauppakorkeakoulu Kiinteistösijoittamisen
LisätiedotEnnustaminen ARMA malleilla ja Kalmanin suodin
Ennustaminen ARMA malleilla ja Kalmanin suodin MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2017
LisätiedotKYSYNNÄN ENNUSTEET TUOTANNONSUUNNITTELUN TUKENA
Opinnäytetyö (AMK) Tuotantotalous NTUTAS14 2018 Ville Kylä-Kaila KYSYNNÄN ENNUSTEET TUOTANNONSUUNNITTELUN TUKENA OPINNÄYTETYÖ (AMK) TIIVISTELMÄ TURUN AMMATTIKORKEAKOULU Tuotantotalouden koulutusohjelma
Lisätiedot6. Tietokoneharjoitukset
6. Tietokoneharjoitukset 6.1 Tiedostossa Const.txt on eräällä Yhdysvaltalaisella asuinalueella aloitettujen rakennusurakoiden määrä kuukausittain, aikavälillä 1966-1974. Urakoiden määrä on skaalattu asuinalueen
Lisätiedot4.2 Useampi selittävä muuttuja (kertausta)
14.2.2019/1 MTTTA1 Tilastomenetelmien perusteet Luento 14.2.2019 4.2 Useampi selittävä muuttuja (kertausta) Selittäjien lukumäärä k (k-ra) = + + + + Malliin liittyvät oletukset i ~ N(0, 2 ) ja i:t ovat
LisätiedotHarjoitukset 5 : Differences-in-Differences - mallit (Palautus )
31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 5 : Differences-in-Differences - mallit (Palautus 14.3.2017) Tämän harjoituskerran
LisätiedotVaikuttaako kokonaiskysyntä tuottavuuteen?
Vaikuttaako kokonaiskysyntä tuottavuuteen? Jussi Ahokas Itä-Suomen yliopisto Sayn laki 210 vuotta -juhlaseminaari Esityksen sisällys Mitä on tuottavuus? Tuottavuuden määritelmä Esimerkkejä tuottavuudesta
LisätiedotSähköistä asiointia graafisen alan yritysverkostossa - projektin yhteenveto - Ismo Heikkilä, VTT
Sähköistä asiointia graafisen alan yritysverkostossa - projektin yhteenveto - Ismo Heikkilä, VTT 2 Projektin alkutilanne Suomalaiset tilaavat painotuotteita yhä enemmän ulkomaisista verkkokaupoista kaikkien
LisätiedotTikkurila 150 vuotta värien voimaa Pörssi-ilta Tampereella 7.3.2013. Toimitusjohtaja Erkki Järvinen
Tikkurila 150 vuotta värien voimaa Pörssi-ilta Tampereella 7.3.2013 Toimitusjohtaja Erkki Järvinen Huomautus Kaikki tässä esityksessä esitetyt yritystä tai sen liiketoimintaa koskevat lausumat perustuvat
LisätiedotTieverkon kunnon stokastinen ennustemalli ja sen soveltaminen riskienhallintaan
Mat 2.4177Operaatiotutkimuksenprojektityöseminaari Tieverkonkunnonstokastinenennustemallija sensoveltaminenriskienhallintaan Väliraportti 3/4/2009 Toimeksiantajat: PöyryInfraOy(PekkaMild) Tiehallinto(VesaMännistö)
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotTammi maaliskuu 2007. Tapani Järvinen, toimitusjohtaja Outotec Oyj, aiemmin Outokumpu Technology Oyj
Tammi maaliskuu 2007 Tapani Järvinen, toimitusjohtaja Outotec Oyj, aiemmin Outokumpu Technology Oyj 2 Uusi nimi sama osaaminen Uusi nimi Outotec otettiin käyttöön 24.4.2007 Hyvä maine ja imago asiakkaiden
LisätiedotInnovatiivisten tuotteiden kysynnän ennustamisen laadulliset mallit
TUOTANTOTALOUDEN TIEDEKUNTA Toimitusketjun johtaminen Innovatiivisten tuotteiden kysynnän ennustamisen laadulliset mallit Qualitative methods of demand forecasting for innovative products Kandidaatintyö
LisätiedotDigitaalisen median todellinen ROI ja sen mittaaminen
Digitaalisen median todellinen ROI ja sen mittaaminen Vaikuttavan digimainonnan anatomia, 24.10.2018 JUHA NUUTINEN, CEO & Cofounder, Sellforte Maailmanlaajuisen vähittäiskauppa-analytiikan ja big datan
LisätiedotVAIKUTTAVUUSANALYYSI
RADIOMAINONNAN VAIKUTTAVUUSANALYYSI Radiomedia Ilkka Keskiväli 13.2.2018 ANALYYSIN TAVOITTEET Analyysin tavoitteena on tutkia radiomainonnan vaikuttavuutta, sen kehitystä ja vertailla radion tehokkuutta
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotLoogisempaa sisälogistiikkaa: tuotteiden yksilöinti ja tuotetietojen hallinta verkkokaupassa
Loogisempaa sisälogistiikkaa: tuotteiden yksilöinti ja tuotetietojen hallinta verkkokaupassa Tomi-Pekka Juha, Sector Manager, GS1 Finland Oy 08.10.2015 Sisältö GS1 Finland GS1 ja verkkokauppa GS1 järjestelmä
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
LisätiedotTilastotieteen aihehakemisto
Tilastotieteen aihehakemisto hakusana ARIMA ARMA autokorrelaatio autokovarianssi autoregressiivinen malli Bayes-verkot, alkeet TILS350 Bayes-tilastotiede 2 Bayes-verkot, kausaalitulkinta bootstrap, alkeet
LisätiedotOnnistunut ohjelmistoprojekti
Onnistunut ohjelmistoprojekti 2.12.2008 Hermanni Hyytiälä Reaktor Innovations Oy Agenda Yritysesittely Keinoja onnistuneeseen ohjelmistoprojektiin Ihmiset Menetelmät Käytännöt ja työkalut Tulevaisuuden
LisätiedotEnnustaminen. Yritykset ennustavat monia asioita. Luennon sisältö
L u e n t o Ennustaminen Luennon sisältö Ennusteiden merkitys Ennustemenetelmät Ennusteiden tekeminen käytännössä Yritys Toimiala Yhteiskunta Yritykset ennustavat monia asioita Poliittiset tapahtumat (esim.
LisätiedotTuotekehitys palveluna
Kumppani joka tukee menestystäsi Tuotekehitys palveluna Tekniikka 2010, Jyväskylä Ville Volanen Koko tuotekehitysprojekti samasta paikasta Protoshop tarjoaa tuotekehitystä yhdistettynä tuotteen kaupallistamiseen,
Lisätiedot