Het voorspellen van de toekomstige vraag is een belangrijk proces voor bedrijven. Foute inschattingen van toekomstige verkoop hebben een grote invloed op serviceniveau, kosten en werkkapitaal van een bedrijf. Wanneer er trendveranderingen optreden kunnen traditionele voorspellingsmethodes geen goede inschatting geven over de verkoop. Een oplossing is het meenemen van externe data in dit proces. In dit onderzoek wordt het meenemen van zowel macroeconomische indicatoren en weersinformatie geanalyseerd. Voor macroeconomische indicatoren wordt een framework voorgesteld dat grote datasets kan gebruiken om midellange en lange (tactische en strategische) inschattingen kan maken van toekomstige vraag. De methode kan gebruikt worden om op geautomatiseerde manier deze inschatting te maken vermits de gebruikte statistische methode deze selectie uitvoert. Voor weersinformatie wordt er ook een geautomatiseerd framework voorgesteld dat kan omgaan met de niet-lineariteit van het weer op de verkoop. Vermits beide effecten een andere invloed hebben (de directe weersinvloed is immers op zeer korte termijn), kunnen beide frameworks gecombineerd worden tot één voorspellingsmethode. De methode voor macroeconomische indicatoren wordt momenteel gecommercialiseerd in de Solventure LIFe tool en is bijgevolg gevalideerd over een groot aantal cases. Er zijn concrete plannen om de weersmethode te commercialiseren in de toekomst. | |