Kysynnän ennustaminen muuttuvassa maailmassa

Koko: px
Aloita esitys sivulta:

Download "Kysynnän ennustaminen muuttuvassa maailmassa"

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 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

Lisätiedot

Tilanne ei kuitenkaan ole toivoton. Kuten elefantin syöminen, myös kampanjoiden hallintaa voidaan kehittää pala kerrallaan.

Tilanne 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

Lisätiedot

Toimitusketjun hallinnan uudet kehityssuunnat. Mikko Kärkkäinen Tammiseminaari 2015

Toimitusketjun 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

Lisätiedot

Männyn laaturajojen integrointi runkokäyrän ennustamisessa. Laura Koskela Tampereen yliopisto 9.6.2003

Männyn 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

Lisätiedot

9. Tila-avaruusmallit

9. 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

Lisätiedot

Ennustaminen. Ennusteet ovat operaatioiden pohjana. Luennon sisältö. Ennusteet ovat operaatioiden pohjana - case EuroDisney ja yliarvioitu kysyntä -

Ennustaminen. 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

Lisätiedot

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

MS-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

Lisätiedot

Tiedosto Muuttuja Kuvaus Havaintoväli Aikasarjan pituus. Intelin osakekurssi. (Pörssi-) päivä n = 20 Intel_Volume. Auringonpilkkujen määrä

Tiedosto 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

Lisätiedot

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO

Aki 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...

Lisätiedot

Ajatuksia 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. Ajatuksia hinnoittelusta Hinta on silloin oikea, kun asiakas itkee ja ostaa, mutta ostaa kuitenkin. Hinnoittelu Yritystoiminnan tavoitteena on aina kannattava liiketoiminta ja asiakastyytyväisyys. Hinta

Lisätiedot

Kysynnän ennustaminen

Kysynnän 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

Lisätiedot

Hotellin asiakasliikenne ja kannattavuus

Hotellin 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

Lisätiedot

Ilkka Mellin Aikasarja-analyysi Aikasarjat

Ilkka 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:

Lisätiedot

SUOMALAINEN KIRJAKAUPPA. Timo Kauppila, RELEX Seminaari 2012

SUOMALAINEN 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

Lisätiedot

SAS liiketoiminnassa ja toimialoilla

SAS 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,

Lisätiedot

Suunnitteluprosessi (Sales and Operations Planning)

Suunnitteluprosessi (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

Lisätiedot

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

Tilastollisen 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 ),

Lisätiedot

Kysynnän ennustamismallien soveltuvuus rakennustarvikealalle

Kysynnän ennustamismallien soveltuvuus rakennustarvikealalle TUOTANTOTALOUDEN TIEDEKUNTA Toimitusketjun johtaminen Kysynnän ennustamismallien soveltuvuus rakennustarvikealalle Suitability of demand forecasting methods for building materials industry Kandidaatintyö

Lisätiedot

Tarkkuutta tuotannon suunnitteluun ennustamisen kehittämisestä Jaakko Takala RELEX Tammiseminaari 22.1.2014

Tarkkuutta 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

Lisätiedot

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

MS-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

Lisätiedot

Tilastotieteessä aikasarja tarkoittaa yleensä sarjaa, jossa peräkkäisten havaintojen aikaväli on aina sama.

Tilastotieteessä 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

Lisätiedot

Markkinariskien hallinta osaksi viljelijän rutiineja

Markkinariskien 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?

Lisätiedot

LUT/TUTA 2011 CS20A0050 Toimitusketjun hallinta Case Rasa

LUT/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

Lisätiedot

Aikasarjamallit. Pekka Hjelt

Aikasarjamallit. 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

Lisätiedot

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 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

Lisätiedot

Järjestyslukuihin perustuva eksponentiaalinen tasoitus ja volatiliteetin ennustaminen

Järjestyslukuihin 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

Lisätiedot

Ennustamisesta suunnitteluun Mitä jos

Ennustamisesta 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:

Lisätiedot

SUHDANNEVAIHTELU, TALOUSTILASTOT JA ENNUSTEET. Markku Lanne TTT-kurssi

SUHDANNEVAIHTELU, 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.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu 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

Lisätiedot

Ennakoiva analytiikka liiketoiminnassa

Ennakoiva analytiikka liiketoiminnassa Ennakoiva analytiikka liiketoiminnassa Askeleet edelläkävijäksi Tommi Vilkamo Senior Data Scientist, ecraft Referre Roundtable -ilmoittautujat tänään Muut Ennakoiva analytiikka TEKOÄLY KONEOPPIMINEN ENNAKOIVA

Lisätiedot

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Regressioanalyysi. Vilkkumaa / Kuusinen 1 Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen

Lisätiedot

Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin

Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin Toimitusketjun hallinnasta vähittäiskaupan kokonaisvaltaiseen suunnitteluun ja optimointiin Tammiseminaari Tommi Ylinen Kokonaisvaltaista vähittäiskaupan suunnittelua, analytiikkaa ja optimointia ennustepohjaisesti

Lisätiedot

Testauksen tuki nopealle tuotekehitykselle. Antti Jääskeläinen Matti Vuori

Testauksen 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

Lisätiedot

4. Tietokoneharjoitukset

4. 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

Lisätiedot

Yritysyhteenliittymän markkinointi

Yritysyhteenliittymän markkinointi Yritysyhteenliittymän markkinointi Hankintayksikön markkinakartoitus l. RFI Toimittajat voivat markkinoida tuotteitaan ja palveluitaan hankintayksikölle kuten muillekin potentiaalisille asiakkaille - aktiiviset

Lisätiedot

Identifiointiprosessi

Identifiointiprosessi Alustavia kokeita Identifiointiprosessi Koesuunnittelu, identifiointikoe Mittaustulosten / datan esikäsittely Ei-parametriset menetelmät: - Transientti-, korrelaatio-, taajuus-, Fourier- ja spektraalianalyysi

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 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

Lisätiedot

CREATIVE PRODUCER money money money

CREATIVE 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)

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset 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

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa 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

Lisätiedot

Älykäs kaukolämpö. Risto Lahdelma. Yhdyskuntien energiatekniikan professori. Energiatekniikan laitos. Insinööritieteiden korkeakoulu Aalto-yliopisto

Älykäs 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

Lisätiedot

Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun

Johtuuko 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

Lisätiedot

Innovatiivisten ja funktionaalisten tuotteiden kysynnän ennustaminen terveydenhuollonalan tukkuyrityksessä

Innovatiivisten ja funktionaalisten tuotteiden kysynnän ennustaminen terveydenhuollonalan tukkuyrityksessä LAPPEENRANNAN TEKNILLINEN YLIOPISTO Teknillistaloudellinen tiedekunta Tuotantotalouden koulutusohjelma Aleksi Torniainen Innovatiivisten ja funktionaalisten tuotteiden kysynnän ennustaminen terveydenhuollonalan

Lisätiedot

Location Business Forum 2015 Paikkatieto osana uudistuvaa analytiikkaa ja tiedolla johtamista

Location 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

Lisätiedot

Palveluiden kysynnän ennustaminen

Palveluiden kysynnän ennustaminen TEKNISTALOUDELLINEN TIEDEKUNTA TUOTANTOTALOUDEN OSASTO CS20A9000 Kandidaatintyö ja seminaari Toimitusketjun johtaminen Kevät 2011 Palveluiden kysynnän ennustaminen Forecasting demand for services Kandidaatintyö

Lisätiedot

Innovatiivisten tuotteiden kysynnän ennustamisen laadulliset mallit

Innovatiivisten tuotteiden kysynnän ennustamisen laadulliset mallit TUOTANTOTALOUDEN TIEDEKUNTA Toimitusketjun johtaminen Innovatiivisten tuotteiden kysynnän ennustamisen laadulliset mallit Qualitative methods of demand forecasting for innovative products Kandidaatintyö

Lisätiedot

Toimitusjohtajan katsaus

Toimitusjohtajan katsaus Toimitusjohtajan katsaus Kimmo Alkio, toimitusjohtaja Yhtiökokous Finlandia-talo, Helsinki 2.3.214 Olemme sitoutuneet kehittämään yrityksiä ja yhteiskuntaa informaatioteknologian avulla Palvelumme tukevat

Lisätiedot

Väestöennusteen taustat ja tulkinnat. Markus Rapo, Tilastokeskus

Väestöennusteen 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

Lisätiedot

Kaupan 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 Kaupan tulos kuntoon tehokkaammalla toimitusketjulla! Mikko Kärkkäinen Toimitusjohtaja, RELEX Oy 26.1.2010 RELEX Oy RELEX toimittaa ratkaisuja kysynnän ennustamisen ja täydennystilaamisen automatisoimiseen

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. 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

Lisätiedot

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =

xi = 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

Lisätiedot

Tikkurila 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 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

Lisätiedot

Vaikuttaako kokonaiskysyntä tuottavuuteen?

Vaikuttaako kokonaiskysyntä tuottavuuteen? Vaikuttaako kokonaiskysyntä tuottavuuteen? Jussi Ahokas Itä-Suomen yliopisto Sayn laki 210 vuotta -juhlaseminaari Esityksen sisällys Mitä on tuottavuus? Tuottavuuden määritelmä Esimerkkejä tuottavuudesta

Lisätiedot

Sähköistä asiointia graafisen alan yritysverkostossa - projektin yhteenveto - Ismo Heikkilä, VTT

Sähköistä 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

Lisätiedot

www.tulosakatemia.fi Toivo Koski Liiketoiminnan käynnistäminen, liiketoiminnan suunnittelu ja taloudelliset laskelmat

www.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),

Lisätiedot

Tieverkon kunnon stokastinen ennustemalli ja sen soveltaminen riskienhallintaan

Tieverkon kunnon stokastinen ennustemalli ja sen soveltaminen riskienhallintaan Mat 2.4177Operaatiotutkimuksenprojektityöseminaari Tieverkonkunnonstokastinenennustemallija sensoveltaminenriskienhallintaan Väliraportti 3/4/2009 Toimeksiantajat: PöyryInfraOy(PekkaMild) Tiehallinto(VesaMännistö)

Lisätiedot

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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:

Lisätiedot

TUOTEKEHITYKSELLÄ HUNAJAN KULUTUS KASVUUN. Vuokko Tuononen 24.11.2007

TUOTEKEHITYKSELLÄ 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

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 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

Lisätiedot

Onnistunut ohjelmistoprojekti

Onnistunut ohjelmistoprojekti Onnistunut ohjelmistoprojekti 2.12.2008 Hermanni Hyytiälä Reaktor Innovations Oy Agenda Yritysesittely Keinoja onnistuneeseen ohjelmistoprojektiin Ihmiset Menetelmät Käytännöt ja työkalut Tulevaisuuden

Lisätiedot

S-114.3812 Laskennallinen Neurotiede

S-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

Lisätiedot

Tuotekehitys palveluna

Tuotekehitys palveluna Kumppani joka tukee menestystäsi Tuotekehitys palveluna Tekniikka 2010, Jyväskylä Ville Volanen Koko tuotekehitysprojekti samasta paikasta Protoshop tarjoaa tuotekehitystä yhdistettynä tuotteen kaupallistamiseen,

Lisätiedot

ICT:n johtamisella tuloksia

ICT:n johtamisella tuloksia Tuottava IT ICT:n johtamisella tuloksia Data: Tietohallintojen johtaminen Suomessa 2012 Tietääkö liiketoimintajohto mitä IT tekee? Ei osaa sanoa tietääkö Ei tiedä Osittain Tietää 0 % 10 % 20 % 30 % 40

Lisätiedot

Teknisen analyysin ohjeet

Teknisen analyysin ohjeet Teknisen analyysin ohjeet Liukuvat keskiarvot (Moving Averages) - Yksinkertainen (Simple) - Eksponentiaalinen (Exponential) - Painotettu (Weighted) Bollinger Bands Envelope Moving Average Convergence Divergence

Lisätiedot

Identifiointiprosessi

Identifiointiprosessi Alustavia kokeita Identifiointiprosessi Koesuunnittelu, identifiointikoe Mittaustulosten / datan esikäsittely Ei-parametriset menetelmät: - Transientti-, korrelaatio-, taajuus-, Fourier- ja spektraalianalyysi

Lisätiedot

Otannasta ja mittaamisesta

Otannasta ja mittaamisesta Otannasta ja mittaamisesta Tilastotiede käytännön tutkimuksessa - kurssi, kesä 2001 Reijo Sund Aineistot Kvantitatiivisen tutkimuksen aineistoksi kelpaa periaatteessa kaikki havaintoihin perustuva informaatio,

Lisätiedot

Vastaavasti voidaan määritellä korkeamman kertaluvun autoregressiiviset prosessit.

Vastaavasti voidaan määritellä korkeamman kertaluvun autoregressiiviset prosessit. Autokovarianssi: (kun τ 0) Γ t (τ) = E[(X t µ t )(X t τ µ t τ )] ( ) ( = E[ φ k ε t k φ j ε t τ j )] = = j=0 φ j+k E[ε t k ε t τ j ] k,j=0 φ j+k σ 2 δ k,τ+j k,j=0 = σ 2 φ j+k δ k,τ+j = = k,j=0 φ τ+2j I

Lisätiedot

Korkojen aikarakenne

Korkojen 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),

Lisätiedot

YLEISKUVA - Kysymykset

YLEISKUVA - Kysymykset INSIGHT Käyttöopas YLEISKUVA - Kysymykset 1. Insight - analysointityökalun käytön mahdollistamiseksi täytyy kyselyn raportti avata Beta - raportointityökalulla 1. Klikkaa Insight välilehteä raportilla

Lisätiedot

VOIKO ASUNTOHINTAKUPLAN SITTENKIN HAVAITA HELPOSTI?

VOIKO 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

Lisätiedot

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio Ito-prosessit Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma Optimointiopin seminaari - Syksy 2000 / 1 Ito-prosessit Brownin liikkeen yleistys (Ito prosessi) x(t) : dx

Lisätiedot

Leena Erola, 26.1.2016

Leena Erola, 26.1.2016 Leena Erola, 26.1.2016 Sisältö Liikeidea ja sen merkitys markkinoinnin päätöksiin Mitä markkinointi on? Markkinoinnin kilpailukeinot Mainonnan ABC Liikeidea Mitä? Kenelle? Miten? = näkemys ja päätös siitä,

Lisätiedot

KYSYNNÄN ENNUSTAMINEN JA RESURSSITARPEET VAKUUTUSPALVELULIIKETOIMINNASSA

KYSYNNÄN ENNUSTAMINEN JA RESURSSITARPEET VAKUUTUSPALVELULIIKETOIMINNASSA OSKARI HEISKANEN KYSYNNÄN ENNUSTAMINEN JA RESURSSITARPEET VAKUUTUSPALVELULIIKETOIMINNASSA Diplomityö Prof. Miia Martinsuo hyväksytty tarkastajaksi Tuotantotalouden ja rakentamisen tiedekuntaneuvoston kokouksessa

Lisätiedot

SELKEÄSTI HELPOMPAA MARKKINOINTIA

SELKEÄSTI HELPOMPAA MARKKINOINTIA SELKEÄSTI HELPOMPAA MARKKINOINTIA Markkinatehdas on ryhmä nuoria markkinoijia, joiden tavoitteena on parantaa Keski-Suomen yritysten markkinoinnin suunnitelmallisuutta ja auttaa käytännön toteutuksessa.

Lisätiedot

3. Tietokoneharjoitukset

3. Tietokoneharjoitukset 3. Tietokoneharjoitukset Aikasarjan logaritmointi Aikasarjoja analysoidaan usein logaritmisessa muodossa. Asialooginen perustelu logaritmoinnille: Muuttujan arvojen suhteelliset muutokset ovat usein tärkeämpiä

Lisätiedot

Uudistuva kansainvälinen ohjelmistoyhtiö. Yritysesittely

Uudistuva kansainvälinen ohjelmistoyhtiö. Yritysesittely Uudistuva kansainvälinen ohjelmistoyhtiö Yritysesittely Arvolupaus, tarjoama ja hyödyt QPR Softwaren missiona on tehdä asiakkaista tehokkaita ja ketteriä toiminnassaan. Arvolupauksemme on avata asiakkaille

Lisätiedot

UUDET BUSINESS-MALLIT JA ASIAKKUUDEN ELINIKÄINEN ARVO

UUDET BUSINESS-MALLIT JA ASIAKKUUDEN ELINIKÄINEN ARVO UUDET BUSINESS-MALLIT JA ASIAKKUUDEN ELINIKÄINEN ARVO Linnoitustie 4 Violin-talo 5 krs., FI-02600 Espoo www.triplewin.fi Miksi asiakaskokemus? Uskomme, että tulevaisuudessa parhaiten menestyvät organisaatiot

Lisätiedot

Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen

Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen 08.09.2014 Ohjaaja: DI Mikko Harju Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

ARTIKKELEITA. 1. Johdanto. 2. Regressiomalli ja ennustaminen. Mikael Linden VTT, kansantaloustieteen professori Joensuun yliopisto

ARTIKKELEITA. 1. Johdanto. 2. Regressiomalli ja ennustaminen. Mikael Linden VTT, kansantaloustieteen professori Joensuun yliopisto Kansantaloudellinen aikakauskirja 100. vsk. 4/2004 ARTIKKELEITA Vuoden 2004 alkoholiverotuksen muutoksen kulutusennusteet vuosille 2004 2012 Mikael Linden VTT, kansantaloustieteen professori Joensuun yliopisto

Lisätiedot

Matemaattinen Analyysi, k2012, L1

Matemaattinen Analyysi, k2012, L1 Matemaattinen Analyysi, k22, L Vektorit Merkitsemme koulumatematiikasta tuttua vektoria v = 2 i + 3 j sarake matriisilla ( ) 2 v = v = = ( 2 3 ) T 3 Merkintätavan muutos helpottaa jatkossa siirtymistä

Lisätiedot

Johdatus tilastotieteeseen Johdatus regressioanalyysiin. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Johdatus regressioanalyysiin. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Johdatus regressioanalyysiin TKK (c) Ilkka Mellin (2005) 1 Johdatus regressioanalyysiin Regressioanalyysin lähtökohdat ja tavoitteet Deterministiset mallit ja regressioanalyysi

Lisätiedot

Harjoitukset 5 : Differences-in-Differences - mallit (Palautus )

Harjoitukset 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

Lisätiedot

MALLIT VESIJÄRJESTELMIEN TUTKIMUKSESSA

MALLIT VESIJÄRJESTELMIEN TUTKIMUKSESSA MALLIT VESIJÄRJESTELMIEN TUTKIMUKSESSA Hannu Poutiainen, FT PUHDAS VESI JA YMPÄRISTÖ TUTKIMUSAVAUKSIA MAMKISSA Mikpoli 8.12.2016 Mitä mallit ovat? Malli on arvioitu kuvaus todellisuudesta joka on rakennettu

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi

Lisätiedot

Aki Taanila TOIMITUSKETJUN HALLINNAN TYÖKALUJA

Aki Taanila TOIMITUSKETJUN HALLINNAN TYÖKALUJA Aki Taanila TOIMITUSKETJUN HALLINNAN TYÖKALUJA 10.9.2015 SISÄLLYS JOHDANTO... 1 1 TILASTOLLINEN LAADUNVALVONTA... 2 1.1 Prosessin kyvykkyys... 2 1.2 Prosessin valvonta... 4 1.2.1 Kontrollikaavio keskiarvolle...

Lisätiedot

SATAFOOD KEHITTÄMISYHDISTYS RY. Laatujärjestelmät yrityksen toiminnan tehostajana 4.3.2015. Marika Kilpivuori ISO 9001 ISO / FSSC 22000 ISO 14001

SATAFOOD KEHITTÄMISYHDISTYS RY. Laatujärjestelmät yrityksen toiminnan tehostajana 4.3.2015. Marika Kilpivuori ISO 9001 ISO / FSSC 22000 ISO 14001 SATAFOOD KEHITTÄMISYHDISTYS RY Laatujärjestelmät yrityksen toiminnan tehostajana 4.3.2015 Marika Kilpivuori OMAVALVONTA ISO 9001 ISO / FSSC 22000 BRC ISO 14001 OHSAS 18001 IFS 1 MIKSI OMAVALVONTA EI AINA

Lisätiedot

Energiatehokkuussopimus - Energiapalvelujen toimenpideohjelman toteuttaminen

Energiatehokkuussopimus - Energiapalvelujen toimenpideohjelman toteuttaminen Energiatehokkuussopimus - Energiapalvelujen toimenpideohjelman toteuttaminen Kaukolämmön jakelun energiatehokkuuden parantaminen verkkosimuloinnilla 14.12.2011 Jari Väänänen Kaukolämmön jakelun energiatehokkuuden

Lisätiedot

Osavuosikatsaus tammi-kesäkuulta 2013 25.7.2013. Toimitusjohtaja Erkki Järvinen ja CFO Jukka Havia

Osavuosikatsaus tammi-kesäkuulta 2013 25.7.2013. Toimitusjohtaja Erkki Järvinen ja CFO Jukka Havia Osavuosikatsaus tammi-kesäkuulta 2013 25.7.2013 Toimitusjohtaja Erkki Järvinen ja CFO Jukka Havia Huomautus Osavuosikatsauksen laatimisessa on sovellettu vuonna 2013 käyttöönotettuja uusia tai uudistettuja

Lisätiedot

Visuaaliset työpöydät - lisää voimaa liiketoimintaan suurten datamassojen ketterästä analysoinnista

Visuaaliset työpöydät - lisää voimaa liiketoimintaan suurten datamassojen ketterästä analysoinnista Visuaaliset työpöydät - lisää voimaa liiketoimintaan suurten datamassojen ketterästä analysoinnista Tomas Rytkölä Presales Leader Business Analytics 2013 IBM Corporation Agenda 1 Miten saadaan lisää voimaa

Lisätiedot

Tammi maaliskuu 2007. Tapani Järvinen, toimitusjohtaja Outotec Oyj, aiemmin Outokumpu Technology Oyj

Tammi 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

Lisätiedot

Loogisempaa sisälogistiikkaa: tuotteiden yksilöinti ja tuotetietojen hallinta verkkokaupassa

Loogisempaa 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

Lisätiedot

Reaaliaikainen ja liiketoimintalähtöinen talouden ennustaminen

Reaaliaikainen ja liiketoimintalähtöinen talouden ennustaminen Reaaliaikainen ja liiketoimintalähtöinen talouden ennustaminen Liiketoimintaa verkossa seminaari Markku Pitkänen, Vice President, Basware Oyj Reaaliaikainen ja liiketoimintalähtöinen talouden ennustaminen

Lisätiedot

Sentimentti. Hämeen osakesäästäjien kevätkokous Jarno Lönnqvist

Sentimentti. Hämeen osakesäästäjien kevätkokous Jarno Lönnqvist Sentimentti Hämeen osakesäästäjien kevätkokous Jarno Lönnqvist 14.4.2011 Kaikki tässä esityksessä sekä myös puheessani olevat viittaukset tulevaisuuteen ovat vain lausujan omia mielipiteitä. Viittaukset

Lisätiedot

Pohjoismaisen JMIhankintaverkoston. kysyntäennusteita hyödyntäen. Eglo-seminaari Helsinki, 30.5.2006 Heli Laurikkala ja Tero Kankkunen

Pohjoismaisen JMIhankintaverkoston. kysyntäennusteita hyödyntäen. Eglo-seminaari Helsinki, 30.5.2006 Heli Laurikkala ja Tero Kankkunen Pohjoismaisen JMIhankintaverkoston kehittäminen kysyntäennusteita hyödyntäen Eglo-seminaari Helsinki, 30.5.2006 Heli Laurikkala ja Tero Kankkunen Sisällys Lähtökohta Osallistujat Tavoitteet Aikataulu Toimenpiteet

Lisätiedot

Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus )

Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus ) 31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus 7.2.2017) Tämän harjoituskerran tehtävät

Lisätiedot

Rajatuotto ja -kustannus, L7

Rajatuotto ja -kustannus, L7 ja -kustannus, L7 1 Kun yritys valmistaa tuotetta jaksossa määrän q (kpl/jakso), niin kassaan kertyvä tuotto on R(q) = p q = p(q) q. Esimerkki. Jos kysyntäfunktio on p = 20 0.1q, niin tuotto funktio on

Lisätiedot

Pääpaino kannattavuuteen. Lasse Kurkilahti, Pääjohtaja 2.5.2007

Pääpaino kannattavuuteen. Lasse Kurkilahti, Pääjohtaja 2.5.2007 Pääpaino kannattavuuteen Lasse Kurkilahti, Pääjohtaja 2.5.27 Sisältö Kemiran tammi-maaliskuu Liiketoiminta-alueet tammi-maaliskuu Näkymät 2 Kemiran tammi-maaliskuu Tunnusluvut Q1/7 Q1/6 Muutos Liikevaihto

Lisätiedot