Titel: Vorhersehbar unvorhersehbar: Wie sich Prognosen durch Urteilsvermögen und maschinelles Lernen ergänzen
Autoren: Ms. Devadrita Nair und Prof. Dr. Arnd Huchzermeier
Zusammenfassung: Wir schlagen einen dreistufigen Ansatz für die Nachfrageprognose vor, der das Wissen von Experten über den Markt mit der Fähigkeit des Algorithmus für maschinelles Lernen kombiniert, historische Informationen zu nutzen, um die saisonale Nachfrage nach Produkten mit schnellen Innovationen vorherzusagen. Unter Verwendung von Daten von Canyon Bicycles finden wir eine 29%ige Reduzierung des Prognosefehlers (gemessen durch WMAPE) gegenüber einer rein wertenden Prognose.