Vooruitkijken, voorspellen, realistische verwachtingen. Ieder bedrijf heeft prognoses nodig, variërend van de formules waarop processturing en productkwaliteit is gebaseerd tot omzetprognoses.
De kennis van u en uw medewerkers over uw processen (productie, logistiek, verkoop) en producten (van grondstoffen tot eindproduct) vormen de basis, mijn kennis en vaardigheden op het gebied van gegevensanalyse leveren het resultaat:
- Een model met de verbanden tussen gegevens over de situatie tot nu toe.
- Een voorspelling (prognose) met dit model, aangevuld met veranderingen:
- het effect van uw interne verbeterplannen;
- het effect van eigen scenario’s over externe veranderingen;
- het effect van prognoses door overheden, brancheverenigingen en anderen.
Technieken
- Uiteraard beheers ik alle basismethoden voor statistische analyse van gegevens:
- Het toetsen van verschillen tussen groepen van waarnemingen.
- Het toetsen van effecten van een variabele op een andere variabele.
- Regressieanalyse: een model dat het effect beschrijft van één of meer stuurvariabelen op één proces- of productvariabele.
Het resultaat vertelt u precies met welke factoren u hoeveel kunt bijsturen.
Er is veel mogelijk en ik heb erg veel ervaring met deze technieken, ook in hiërarchische systemen met herhaalde waarnemingen (dit vergt een zogenaamde mixed-effectsanalyse die bij veel beginnende regressieanalisten onbekend is). - Tijdreeksanalyse: een model dat berekent hoe groot de kans is dat waargenomen trends toevallig zijn en welke invloed gebeurtenissen hebben gehad.
- Monte-Carloanalyse: een model dat prognoses maakt met een onzekerheidspluim (voorspelinterval, net als in weersvoorspellingen). In een Monte-Carloanalyse wordt niet gerekend met vaste waarden van uw proces- en productvariabelen (deze zijn namelijk zelden constant), maar met kansverdelingen gebaseerd op waargenomen variatie en geschatte onzekerheden over de waarden.
- Principale componentenanalyse, factoranalyse, clusteranalyse, canonische correspondentieanalyse. Allemaal technieken die de relaties tussen veel variabelen met veel variabelen beschrijven. Ze worden ook wel technieken voor gegevensvermindering (data reduction) genoemd. Als u door de bomen het bos niet meer ziet en niet weet welke variabelen nu eigenlijk prioriteit hebben.
