Introduction to Simulation- Predictive Analytics

406 views

Published on

The goal of analysis should provide leadership with insight into risk and uncertainty and guidance on actions that can be taken. However, common analysis methods of using point estimates to generate forward-looking business plans disregard uncertainty and ignore risk.

In this presentation, you will learn how to incorporate uncertainty directly into a decision support application. The results is a range estimate with likelihoods of exceeding thresholds based on assumption values, providing leadership with the insight into uncertainty and actions that can be taken to reduce risk.

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
406
On SlideShare
0
From Embeds
0
Number of Embeds
15
Actions
Shares
0
Downloads
0
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Introduction to Simulation- Predictive Analytics

  1. 1. Introduction to Simulation: The Athematic of Uncertainty May 15th, 2014 We  will  get  started  3  –  5  minutes  past  the  hour   “Our  culture  encodes  a  strong  bias  either  to  neglect  or  ignore  VARIATION.         We  tend  to  focus  instead  on  measures  of  central  tendency,  and  as  a  result  we  make  some  terrible  mistakes,   o>en  with  considerable  prac?cal  import[ance].”      -­‐Stephen  Jay  Gould,  naturalist,  1941-­‐2002                                   Presented by: Andrew Pulvermacher Director | Decision Sciences
  2. 2. in/drewpulvermacher   Agenda                             Value  of  Simula?on  Modeling     •  What  is  it…   •  Why  you  need  it…   •  When  would  you  us  it…   •  How  to  use  it…   •  Which  Sim  Product  to  use…   •  Who  uses  it…  
  3. 3. in/drewpulvermacher   REASON FOR BEING 1:  Cure  for  the  Flaw  of  Averages   2:  Embed  UNCERTAINTY   3:  Enable  Risk  Management   MEANINGFUL  INFORMATION  
  4. 4. 4  Drew@PerformanceG2.com Simulation Modeling What  it  is….  
  5. 5. 5  Drew@PerformanceG2.com Simulation Modeling Why  use  it….  
  6. 6. What-­‐If What  Utilization  Rate  should  we  maintain  to  maximize  profit? Profit  per  Unit: 10.00$         Missed  Order  Cost (5.00)$           Plant  Capacity: 100                     Utilization  Rate: 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Units  Produced -­‐                       10                           20                           30                           40                           50                           60                           70                           80                           90                           100                       Product  Profit -­‐$                   100$                 200$                 300$                 400$                 500$                 600$                 700$                 800$                 900$                 1,000$           Cost  of  Missed  Orders -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   Profit -­‐$                   100$                 200$                 300$                 400$                 500$                 600$                 700$                 800$                 900$                 1,000$           6   What-­‐If  Analysis  on  Steroids   *With  beneficial  side  effects   Input   Variable   Target   TradiHonal  What-­‐If   SimulaHon   Input:  #  to    
  7. 7. 7   What-­‐If  Analysis  on  Steroids   *With  beneficial  side  effects   TradiHonal  What-­‐If   SimulaHon   Outputs  =  Meaningless   Inputs  =  Misleading   Inputs  =  ‘Mimic’  Real-­‐World   Outputs  =  StaHsHcally  Meaningful   •  Talk  in  terms  of  Probability   •  Terms  of  Achieving   •  Likelihood  of  Failure   •  BeRer  idea  of  what  to  EXPECT   $#&!  
  8. 8. 8   SCENARIO   Today:  May  15,  2014   Submit  Sales  Forecast  for   Black  Friday  Event   Why  don’t  we  use  simulaHon…  
  9. 9. WHY  SIMULATION?   What  will  Black  Friday  sales  volume  be?   $5.5  B   80%  Confidence   Level   $8.2  B   $3.9  B  Which  es?mate  do  we  use?   (6  months  from  now….)   POINT  ESTIMATE   RANGE   trying  to  hold  people  accountable?  establishing  a  budget?   defending  an  audit  of  how  it  was  generated?  Leadership  does  not  have   permission  to  be  uncertain!  
  10. 10. 10   “If  a  man  will  begin  in  certain1es  he  shall  end  in  doubts;   but  if  he  will  be  content  to  begin  in  doubts   he  shall  end  in  certain1es.”                  -­‐Sir  Francis  Bacon  
  11. 11. Es?mate  $5.5  B   Combine  a  point  esHmate  with  a  likelihood  esHmate   Chance  of  Missing  |  35%   WHY  SIMULATION?   What  will  Black  Friday  sales  volume  be?  
  12. 12. ASK  YOURSELF…   MENTAL  BREAK   Blackjack   Dealer   HIT   70%  of  busHng   Stay   65%  of  busHng  
  13. 13. ASK  YOURSELF…   401(k)   Return:   Return:  25%   15%   RiskP(<0%)   15%   5%   Risk   Tolerance   Uncertainty  <>  Risk   RiskP(<0%)  
  14. 14. CORE  CONCEPT   Uncertainty  <>  Risk   UNCERTAINTY  does  not  equal  RISK.         By  recognizing  uncertainty  exists  and  by  modeling   uncertainty  (simula8on),  you  know  enable  decision   makers  to  bejer  manage  RISK.  
  15. 15. Es?mate  $5.5  B   Chance  of  Missing  |  35%   WHY  SIMULATION?   Combine  a  point  esHmate  with  a  likelihood  esHmate   $3.9B   $5.5B   $8.2B   10%   35%   90%   Black  Friday  Sales  Forecast  
  16. 16. 16   What-­‐If  Analysis  on  Steroids   *With  beneficial  side  effects   What-­‐If What  Utilization  Rate  should  we  maintain  to  maximize  profit? Profit  per  Unit: 10.00$         Missed  Order  Cost (5.00)$           Plant  Capacity: 100                     Utilization  Rate: 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Units  Produced -­‐                       10                           20                           30                           40                           50                           60                           70                           80                           90                           100                       Product  Profit -­‐$                   100$                 200$                 300$                 400$                 500$                 600$                 700$                 800$                 900$                 1,000$           Cost  of  Missed  Orders -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   -­‐$                   Profit -­‐$                   100$                 200$                 300$                 400$                 500$                 600$                 700$                 800$                 900$                 1,000$           Input   Variable   TradiHonal  What-­‐If   SimulaHon   75%  chance  producHon  will  be  less   than  100  units.  
  17. 17. in/drewpulvermacher   REAL WORLD RISKS Pa?ent  Flow   Mee?ng  an  Order  Due  Date   Tampering  with  a  Stable  Process   Modeling  Customer  Loyalty   Long-­‐Term  Value  of  a  Customer   Reducing  Churn   Inventory  Modeling   Es?ma?ng  Dynamic  Market  Share   Warranty  Costs  for  a  Product   When  would  you  use  SimulaHon  Modeling…   Corporate  FP&A  
  18. 18. 18  Drew@PerformanceG2.com Simulation Modeling How….  
  19. 19. 19   DEMO NEWSVENDOR  
  20. 20. 20   DEMO Office  of  Finance  
  21. 21. 21   Pa?ent  Flow  
  22. 22. 22   Why  SPSS…  
  23. 23. 23   Why  SPSS…   Black  Friday….   $65M   $67M   2012   2013   Black  Friday….  
  24. 24. Black  Friday….   $65M   $67M   2012   2013   24   Why  SPSS…  
  25. 25. 25  Drew@PerformanceG2.com Who  is  using  it…   REAL WORLD RESULTS
  26. 26. 26  26   SimulaHon  Modeling:  TODAY   Building Risk Management at Lego August 5, 2013 Today,  the  sophis?ca?on  of  LEGO’s  Enterprise  Risk  Management   (ERM)  framework  is  widely  recognized.  It  is  one  of  the  foremost   companies  to  use  Monte  Carlo  simula?on  to  quan?fy  risk  and  present   key  risk  informa?on  to  its  board  of  directors  for  decision-­‐making   purposes.     This  gives  the  company  a  true  understanding  of  the  vola?lity  that  it   believes  is  inherent  in  its  ac?vi?es,  in  order  that  it  can  act  to  pre-­‐empt   it.  
  27. 27. in/drewpulvermacher   YOU CAN DO THIS & PerformanceG2 WILL HELP Regression   Mul?variate  Analysis   Forecas?ng   Op?miza?on  Modeling   Markov  Chains   Queuing  Theory   War  Gaming   Neural  Networks   Linear  Networks   Decision  Trees   Bayesian  Networks   ANALYTICS  
  28. 28. 28  Drew@PerformanceG2.com Q&A
  29. 29. Thank you for attending our webinar 29  Drew@PerformanceG2.com "  Call us: 877.742.4276 "    Email us: info@performanceg2.com or drew@performanceg2.com "    Visit our web site: performanceg2.com "    Read our Analytics blog: performanceg2.com/blog "    Follow us: "  (Twitter) @performanceg2 "  (Facebook) /performanceg2 "  (YouTube) /performanceg2 "  (LinkedIn) /performanceg2-inc
  30. 30. Predictive Analytics Series 1.  Execu?ve  Introduc?on   2.  Data  Modeling   3.  Simula?on   4.  Op?miza?on  –  June  2014   5.  Data-­‐Driven  Leadership  

×