Angesichts der aktuellen Lage in der Welt sind Geschäftsprognosen für den Betrieb von Institutionen noch wichtiger geworden. In dieser Specializations konzentrieren wir uns auf Excel-Kenntnisse für Geschäftsprognosen in drei Kursen - Zeitreihenmodelle, Regressionsmodelle und Beurteilungsprognosen.
Im ersten Kurs über Zeitreihenmodelle befassen wir uns damit, wie Ihr Unternehmen Zeitreihendaten nutzen kann, um die verschiedenen Komponenten zu verstehen, die diesen Daten zugrunde liegen, und dann das entsprechende Modell in Abhängigkeit von diesen Komponenten anzuwenden, um Prognosen für die Bedürfnisse Ihres Unternehmens zu erstellen.
In unserem zweiten Kurs dieser Spezialisierung befassen wir uns mit Regressionsmodellen und erstellen kausale Modelle sowohl für Zeitreihendaten als auch für Querschnittsdaten. Mit Hilfe von Kausalmodellen können wir weitere Geschäftseinblicke und Strategien entwickeln, indem wir die Eingaben steuern, um die gewünschten Ergebnisse zu erzielen.
Im dritten und letzten Kurs erforschen wir die Rolle des Judgmental Forecasting, wenn quantitativere Prognosemethoden an ihre Grenzen stoßen und wir weitere geschäftliche Erkenntnisse gewinnen müssen. Wir werden uns mit einigen strukturierten Methoden zur Erstellung von Prognosen beschäftigen und erkunden, wie Excel uns bei diesen Prognosen unterstützen kann. Wir werden all diese Prognosemethoden in einer abschließenden Fallstudie zusammenführen und Ihnen die Möglichkeit geben, Prognosen zu erstellen, die die Grundlage für die Planung eines jeden Unternehmens bilden.
Übungsprojekt
Sie arbeiten mit Datensätzen, die denen in einem Unternehmen ähneln, und verwenden quantitative und qualitative Prognosetechniken, um Geschäftsprognosen zu erstellen. Erstellen Sie Diagramme zur Visualisierung von Daten und Prognosen. Berechnen Sie Modellfehler und verwenden Sie Optimierungstechniken, um diese Fehler zu minimieren und die besten Modellparameter auszuwählen. Kombinieren Sie verschiedene Modelle und Expertenurteile, um Unsicherheiten zu berücksichtigen.
