Statistical forecasting can be very useful whenever your business contains:
1) fastmoving products: more accurate predictions (= the volume) are beneficial for your service level. You are able to reduce out of stock and overstock.
2) slowmoving products: being able to predict when (= the moment) a product will be sold can positively impact your stock & inventory KPI's.
Whenever having questions or just want to elaborate upon this topic, feel free to contact me at simon.blanchaert@4cconsulting.com or visit our blog for more information: blog.4cconsulting.com
Five Essential Tools for International SEO - Natalia Witczyk - SearchNorwich 15
Statistical Forecasting case by 4C Consulting
1. SAS Forum BeLux 2013 :
Smarter Analytics – The answer to a changing media environment
Case study Concentra NV
Mark Maldeghem
Media Services
Manager
Simon Blanchaert
Consultant
12. Some context …
But unfortunately, focus is needed to stabilize the print circulation …
975,000
970,309
# of paid copies
965,000
STEEP DECLINE UNTIL
2008, GENTLE DECLINE FROM
2009.
958,180
955,000
945,000
944,846
935,000
933,030
925,000
922,987
921,043
918,964
919,371
915,000
2004
2005
2006
2007
2008
2009
2010
FLEMISH PAID NEWSPAPER PRINT SALES 2004 - 2011
2011
13. Some context …
Nevertheless …
25000
21650
# of paid copies
20000
15000
12300
10000
4900
5000
0
2010
2011
2012
FLEMISH PAID NEWSPAPER DIGITAL SALES 2010 - 2012
14. Some context …
So let’s compare !
2%
PRINT
DIGITAL
98%
FLEMISH PAID NEWSPAPER DIGITAL SALES 2010 - 2012
15. Some context …
So let’s compare !
2%
Okay, there still is
a long way to go !
PRINT
DIGITAL
98%
FLEMISH PAID NEWSPAPER DIGITAL SALES 2010 - 2012
16. Some context …
Allright allright, it’s clear that …
Low volume, but increasing
DIGITAL SALES
17. Some context …
Allright allright, it’s clear that …
Low volume, but increasing
DIGITAL SALES
PAPER SALES
High volume, but declining
18. Some context …
Allright allright, it’s clear that …
Low volume, but increasing
DIGITAL SALES
PAPER SALES
What’s the strategy for the future ?
High volume, but declining
19. Some context …
So why not bundle best of both to optimize the offer ?
21. Some context …
Sales channels
Subscription sales
Single – copy sales
Can we optimize this ?
22. The case …
‘ The Newsboy problem’ :
How many newspapers should I deliver to each POS ?
TOO MANY
NEWSPAPERS
2 situations
TOO FEW
NEWSPAPERS
Overstock
Out of Stock
Unsold newspapers are useless
Missed sales
23. The case …
‘ The Newsboy problem’ :
How many newspapers should I deliver to each POS ?
TOO MANY
NEWSPAPERS
2 situations
Overstock
Unsold newspapers are useless
TOO FEW
NEWSPAPERS
Out of Stock
Optimal number
of newspapers ?
Missed sales
24. The case …
Traditional forecasting method:
The weighted moving average
PAST
80
60
X-4
X-3
X-2
X-1
FUTURE
X
40
20
0
Forecast for next Saturday :
X = (X-4 * 10%) + (X-3 * 20%) + (X-2 * 30%) + (X-1 * 40%) / 4
X = (60 * 10%) + (63 * 20%) + (66 * 30%) + (68 * 40%) / 4
= 66 newspapers
25. The case …
Traditional forecasting method:
The weighted moving average
PAST
80
60
X-4
X-3
40
20
0
1
Ignoring the upward trend
X-2
X-1
FUTURE
X
1
26. The case …
Traditional forecasting method:
The weighted moving average
PAST
80
60
X-4
X-2
X-3
X-1
40
20
0
1
2
2
Ignoring the upward trend
Only taking 4 weeks of history into account
FUTURE
X
1
27. The case …
Seasonally influenced POS versus stable POS
700000
600000
500000
400000
300000
Coast POS
200000
Stable POS
100000
0
31. The case …
Okay, now we know how much
sold newspapers we can expect on average…
32. The case …
Okay, now we know how much
sold newspapers we can expect on average…
… taking trends and seasonal effects into account …
33. The case …
Okay, now we know how much
sold newspapers we can expect on average…
… taking trends and seasonal effects into account …
But is this is
the optimal number of newspapers to deliver ?
34. The case …
Going a step further …
ARIMA model output:
Forecast : 70 Standard error : 2
= A smart newsboy !
He expects to sell
70 newspapers
Distribution of demand
0.25
0.2
0.15
But he realizes that the
average expected
demand comes with a
standard error
0.1
0.05
0
64 66 68 70 72 74 76
3 2 1 0 1 2 3
35. The case …
Going a step further …
ARIMA model output:
Forecast : 70 Standard error : 2
Distribution of demand
0.25
0.2
0.15
0.1
0.05
0
64 66 68 70 72 74 76
3 2 1 0 1 2 3
36. The case …
Going a step further …
ARIMA model output:
Forecast : 70 Standard error : 2
Distribution of demand
0.25
0.2
0.15
Out of Stock
0.1
0.05
0
64 66 68 70 72 74 76
3 2 1 0 1 2 3
37. The case …
Going a step further …
ARIMA model output:
Forecast : 70 Standard error : 2
Distribution of demand
0.25
0.2
0.15
Out of Stock
Overstock
0.1
0.05
0
64 66 68 70 72 74 76
3 2 1 0 1 2 3
38. The case …
Going a step further …
“ Actually, I don’t bother
with statistics,
I just want to maximize
my profit “
Integration of Marginal Profit (MP)
& Marginal Cost (MC)
Probability of selling
an extra newspaper
* MP
Probability of NOT selling
an extra newspaper
* MC
39. The case …
Going a step further …
Optimal number of newspapers to maximize profit ?
Formula for finding
balance point
between profit &
cost:
MC
----------------MP + MC
0.25
0.2
0.15
0.1
0.05
0
62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78
Taking into account the MP & MC, we are able
to deliver in 67 % of the cases
40. The case …
Conclusion
Our new way of forecasting …
… is completely automated …
… takes into account trends and seasonal effects …
… is optimized by balancing potential profit & costs
in the forecasting process …
So how about some results ?
41. The planning …
After Proof of Concept in 2012 :
Automated steering Go live
Manual steering
Parallel evaluation period
between manual and
automated steering
Incorporation of additional
business rules
42. The results …
% Out Of Stock
Conclusion:
2.5%
2.1%
2.0%
A positive effect on
Out of Stock copies
that are under target
1.5%
1.5%
1.6%
mrt/13
1.0%
jul/13
0.5%
Positive financial
contribution
0.1%
sep/13
0.1%
0.0%
0.0%
-0.5%
-0.5%
-1.0%
-0.4%
GVA
Kerngebied
Keten
-0.3%
-0.5%
-0.4%
-0.8%
GVA
Kerngebied
Niet - Keten
HBVL
Kerngebied
Keten
HBVL
Kerngebied
Niet - Keten
45. The key learnings …
Sounds great … And what did you learn ?
The choice of a capable
partner
The choice of a reliable
software platform
Specific knowledge in
advanced analytics
Scalable solution in line with
the needs of Concentra
Project management
(budget & time)
High computational power
Guidance in software solutions
Low maintenance cost
After sales support
47. The end …
Mark Maldeghem
Media Services
Manager
Thank you !
Simon Blanchaert
Consultant
Editor's Notes
Introductie
Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
And as youcansee, a lot of associationswith 4C Consultingcanbe made as well, but the mainthing to remember is that…Simon
… we are specialized in customerinteraction services. So, on the quantitativeside, we typically do projects in the realm of customerintelligence, database marketing, demandforecasting and soon… Buton the qualitativeside, we also have peopleworkingwithincustomerexperience management doingthingslikedefiningmoments of truth, emotional branding, etc. Soconsideringboth the quantitative and qualitativeexperience, it’s safe to saythat we deliverend-to-endsolutions and thatcustomerinteractions in general is ourarea of expertise.Simon
And havingdoneseveralprojects in different industries, we gainedquitesomeknowledgeabout data analytics and that’s of course the reasonwhy we are here. Butbeforedivinginto the analytics, Mark willfirsttellyouabout the media industry of today.Simon
Begin van de presentatie:De afgelopen decennia is de algemene mediaconsumptie steeds gestegen en daarbij ligt de focus steeds meer op digitale consumptie.Mark
Begin van de presentatie:De afgelopen decennia is de algemene mediaconsumptie steeds gestegen en daarbij ligt de focus steeds meer op digitale consumptie.Mark
Tegelijkertijd merken we wel dat de digitale krantenverkoop duidelijk toeneemt.Mark
Tegelijkertijd merken we wel dat de digitale krantenverkoop duidelijk toeneemt.Mark
Tegelijkertijd merken we wel dat de digitale krantenverkoop duidelijk toeneemt.Mark
Korte recapitulatie:Mediabedrijven bevinden zich momenteel in een tweestijd: de digitale wereld is klein qua volume, maar het is duidelijk dat daar nog groeimogelijkheden liggen. Tegelijkertijd zal de papieren krant waarschijnlijk nooit verdwijnen, maar neemt de oplage gestaag af.Kortom, het is moeilijk om een business model te vinden die deze tweestrijd perfect kan beantwoorden.Mark
Korte recapitulatie:Mediabedrijven bevinden zich momenteel in een tweestijd: de digitale wereld is klein qua volume, maar het is duidelijk dat daar nog groeimogelijkheden liggen. Tegelijkertijd zal de papieren krant waarschijnlijk nooit verdwijnen, maar neemt de oplage gestaag af.Kortom, het is moeilijk om een business model te vinden die deze tweestrijd perfect kan beantwoorden.Mark
Korte recapitulatie:Mediabedrijven bevinden zich momenteel in een tweestijd: de digitale wereld is klein qua volume, maar het is duidelijk dat daar nog groeimogelijkheden liggen. Tegelijkertijd zal de papieren krant waarschijnlijk nooit verdwijnen, maar neemt de oplage gestaag af.Kortom, het is moeilijk om een business model te vinden die deze tweestrijd perfect kan beantwoorden.Mark
Wat heeft Concentra gedaan ?Met haar combi-aanbod van digitale krant op tablet & papieren versie is Concentra zowel mee met haar tijd als trouw aan haar loyale papieren krantlezers.Dit aanbod is echter wel enkel voor geabonneerde lezers.Mark
Naast de geabonneerde lezers heb je ook nog de losse verkoop: dit zijn de kranten die je los kan kopen aan kiosken, in krantwinkels, in grootwarenhuizen, …Door de hevige concurrentie & grote druk binnen de printsector is het belangrijk dat ook dit proces volledig geoptimaliseerd is.Mark
Naast de geabonneerde lezers heb je ook nog de losse verkoop: dit zijn de kranten die je los kan kopen aan kiosken, in krantwinkels, in grootwarenhuizen, …Door de hevige concurrentie & grote druk binnen de printsector is het belangrijk dat ook dit proces volledig geoptimaliseerd is.Mark
Whenyou end up in a situationlikeournewsboyhere, youwill face a verycommonproblem in operational and inventory management, alsoknown as the newsboyproblem. It’s a classic case of break-evenanalysis in whichyou have to decidehowmuchnewspapersyou have to deliver to each POS. The newsboyproblemdefinestwopossible scenario’s:Youcaneitherdelivertoomanynewspapers, whichwilllead to overstock and, given the factthatnewstends to beoutdatedverysoon, these unsoldnewspapers are worthalmostnothing.On the other hand, youcandelivertoo few newspapers as well, whichwillcauseyour point of sales to go out of stock and as a consequence, youwill miss out onsales.Simon
Both scenario’s are very close to eachother and thereforeit’s important to make the demandforecast as accurate as possibleSimon
In order to so, we firstanalyzed the methodthatConcentra was using to forecast the newspaper volumes of tomorrow, which was doneby a weightedmoving average.Thisgraph shows the newspapersales of a POS of the last 4 weeks, which is This is a verystraight-forwardmethod of calculatingforecasting, beingDaarvoor moeten we eerst nagaan hoe men oorspronkelijk bepaalt hoeveel kranten een POS moet ontvangen?Dit wordt gebruikelijk gedaan met een weightedmoving average: het gewogen gemiddelde van X aantal weken, waarbij er meer gewicht wordt toegekend aan recentere observaties.In dit fictieve voorbeeld werden er respectievelijk 60, 63, 66 & 68 kranten geleverd op de voorbije 4 zaterdagen.Volgens deze methode zou men dus een 66-tal kranten leveren.Simon
Twee grote nadelen aan deze methode:De methode houdt geen rekening met trends & seizoenseffecten en zal dus nooit meer of minder leveren dan het maximum of minimum van de leveringen van de voorbije 4 zaterdagen (in dit voorbeeld zie je een duidelijk opwaartse trend die niet wordt opgepikt door deze methode)De methode houdt ook enkel rekening met de laatste X aantal weken (in dit voorbeeld 4), dus terugkerende seizoenseffecten worden volledig genegeerdSimon
Twee grote nadelen aan deze methode:De methode houdt geen rekening met trends & seizoenseffecten en zal dus nooit meer of minder leveren dan het maximum of minimum van de leveringen van de voorbije 4 zaterdagen (in dit voorbeeld zie je een duidelijk opwaartse trend die niet wordt opgepikt door deze methode)De methode houdt ook enkel rekening met de laatste X aantal weken (in dit voorbeeld 4), dus terugkerende seizoenseffecten worden volledig genegeerdSimon
Deze vergelijking tussen een POS met stabiele krantenverkoop & een POS aan de kust maakt duidelijk dat verschillende POS’en afwijkende seizoenseffecten kunnen hebben en dat het belangrijk is om hiermee rekening te houden.Simon
Vandaar dat we gebruik maken van de ARIMA forecasting methode.ARIMA staat voor Auto RegressiveIntegratedMoving Average: dit is een methode die de volledige verkoopshistoriek gaat analyseren, hierbij op systematische wijze terugkerende patronen (trends & seizoenseffecten) gaat oppikken en hiermee rekening houdt bij het genereren van de forecast.In ons fictief voorbeeld zou deze methode uiteindelijk 70 kranten gaan voorstellen, dus het is duidelijk dat hij de opwaartse trend duidelijk oppikt.Simon
Vandaar dat we gebruik maken van de ARIMA forecasting methode.ARIMA staat voor Auto RegressiveIntegratedMoving Average: dit is een methode die de volledige verkoopshistoriek gaat analyseren, hierbij op systematische wijze terugkerende patronen (trends & seizoenseffecten) gaat oppikken en hiermee rekening houdt bij het genereren van de forecast.In ons fictief voorbeeld zou deze methode uiteindelijk 70 kranten gaan voorstellen, dus het is duidelijk dat hij de opwaartse trend duidelijk oppikt.Simon
Vandaar dat we gebruik maken van de ARIMA forecasting methode.ARIMA staat voor Auto RegressiveIntegratedMoving Average: dit is een methode die de volledige verkoopshistoriek gaat analyseren, hierbij op systematische wijze terugkerende patronen (trends & seizoenseffecten) gaat oppikken en hiermee rekening houdt bij het genereren van de forecast.In ons fictief voorbeeld zou deze methode uiteindelijk 70 kranten gaan voorstellen, dus het is duidelijk dat hij de opwaartse trend duidelijk oppikt.Simon
Korte recapitulatie:We zijn overgestapt van een traditionele forecasting methode naar een moderne, dynamische manier van forecasten die rekening houdt met trends & seizoenseffecten.Maar kunnen we er zeker van zijn dat het aantal kranten dat we voorstellen ook het optimale aantal kranten is?Simon
Korte recapitulatie:We zijn overgestapt van een traditionele forecasting methode naar een moderne, dynamische manier van forecasten die rekening houdt met trends & seizoenseffecten.Maar kunnen we er zeker van zijn dat het aantal kranten dat we voorstellen ook het optimale aantal kranten is?Simon
Korte recapitulatie:We zijn overgestapt van een traditionele forecasting methode naar een moderne, dynamische manier van forecasten die rekening houdt met trends & seizoenseffecten.Maar kunnen we er zeker van zijn dat het aantal kranten dat we voorstellen ook het optimale aantal kranten is?Simon
Technisch gedeelte (heel twijfelachtig of we dit uitvoerig zullen bespreken op de presentatie):De output die we genereren met ARIMA is een gemiddelde en standaardafwijking, dus we gaan er vanuit dat de distributie van de forecast normaal verdeeld is.Dit wil zeggen dat 68% van de gevallen tussen het gemiddelde – 1 standaardafwijking (= 68) en het gemiddelde + 1 standaardafwijking (=72) zou liggen (dit zijn standaardpercentages van de normaalverdeling distributie).Kortom, de forecast van ARIMA is een gemiddelde en het optimale gemiddelde kan hier nog licht van afwijken (= de spelingsmarge die we hebben door de standaardafwijking)Als we nog een stap verder gaan en rekening houden met de marginale opbrengst en marginale kost van een krant, dan kunnen we de probabiliteit berekenen dat de laatste krant verkocht wordt. Dit is het break-even punt dat het niet voordeliger wordt om nog een extra krant te leveren.P = probabiliteit dat laatste krant verkocht wordt.MP = marginale opbrengstMC = marginale kostFormule : MP*P – MC*(1-P) = 0 ---> P = MC / (MC + MP)Dus als het produceren van 1 krant 0,45 cent kost en de verkoop ons 1,20 oplevert:P = 0,45 / (0,45 + 1,20) = 0,27Een kans van 27% in de normaalverdeling komt overeen met een z-score van 61% (zie tabel van normaalverdeling).Dus we voegen nog 61% van de standaardafwijking toe aan onze forecast en zo bekomen we tot het ideale aantal kranten van 71, rekening houdende met productiekost & opbrengst.
Technisch gedeelte (heel twijfelachtig of we dit uitvoerig zullen bespreken op de presentatie):De output die we genereren met ARIMA is een gemiddelde en standaardafwijking, dus we gaan er vanuit dat de distributie van de forecast normaal verdeeld is.Dit wil zeggen dat 68% van de gevallen tussen het gemiddelde – 1 standaardafwijking (= 68) en het gemiddelde + 1 standaardafwijking (=72) zou liggen (dit zijn standaardpercentages van de normaalverdeling distributie).Kortom, de forecast van ARIMA is een gemiddelde en het optimale gemiddelde kan hier nog licht van afwijken (= de spelingsmarge die we hebben door de standaardafwijking)Als we nog een stap verder gaan en rekening houden met de marginale opbrengst en marginale kost van een krant, dan kunnen we de probabiliteit berekenen dat de laatste krant verkocht wordt. Dit is het break-even punt dat het niet voordeliger wordt om nog een extra krant te leveren.P = probabiliteit dat laatste krant verkocht wordt.MP = marginale opbrengstMC = marginale kostFormule : MP*P – MC*(1-P) = 0 ---> P = MC / (MC + MP)Dus als het produceren van 1 krant 0,45 cent kost en de verkoop ons 1,20 oplevert:P = 0,45 / (0,45 + 1,20) = 0,27Een kans van 27% in de normaalverdeling komt overeen met een z-score van 61% (zie tabel van normaalverdeling).Dus we voegen nog 61% van de standaardafwijking toe aan onze forecast en zo bekomen we tot het ideale aantal kranten van 71, rekening houdende met productiekost & opbrengst.
Technisch gedeelte (heel twijfelachtig of we dit uitvoerig zullen bespreken op de presentatie):De output die we genereren met ARIMA is een gemiddelde en standaardafwijking, dus we gaan er vanuit dat de distributie van de forecast normaal verdeeld is.Dit wil zeggen dat 68% van de gevallen tussen het gemiddelde – 1 standaardafwijking (= 68) en het gemiddelde + 1 standaardafwijking (=72) zou liggen (dit zijn standaardpercentages van de normaalverdeling distributie).Kortom, de forecast van ARIMA is een gemiddelde en het optimale gemiddelde kan hier nog licht van afwijken (= de spelingsmarge die we hebben door de standaardafwijking)Als we nog een stap verder gaan en rekening houden met de marginale opbrengst en marginale kost van een krant, dan kunnen we de probabiliteit berekenen dat de laatste krant verkocht wordt. Dit is het break-even punt dat het niet voordeliger wordt om nog een extra krant te leveren.P = probabiliteit dat laatste krant verkocht wordt.MP = marginale opbrengstMC = marginale kostFormule : MP*P – MC*(1-P) = 0 ---> P = MC / (MC + MP)Dus als het produceren van 1 krant 0,45 cent kost en de verkoop ons 1,20 oplevert:P = 0,45 / (0,45 + 1,20) = 0,27Een kans van 27% in de normaalverdeling komt overeen met een z-score van 61% (zie tabel van normaalverdeling).Dus we voegen nog 61% van de standaardafwijking toe aan onze forecast en zo bekomen we tot het ideale aantal kranten van 71, rekening houdende met productiekost & opbrengst.
Technisch gedeelte (heel twijfelachtig of we dit uitvoerig zullen bespreken op de presentatie):De output die we genereren met ARIMA is een gemiddelde en standaardafwijking, dus we gaan er vanuit dat de distributie van de forecast normaal verdeeld is.Dit wil zeggen dat 68% van de gevallen tussen het gemiddelde – 1 standaardafwijking (= 68) en het gemiddelde + 1 standaardafwijking (=72) zou liggen (dit zijn standaardpercentages van de normaalverdeling distributie).Kortom, de forecast van ARIMA is een gemiddelde en het optimale gemiddelde kan hier nog licht van afwijken (= de spelingsmarge die we hebben door de standaardafwijking)Als we nog een stap verder gaan en rekening houden met de marginale opbrengst en marginale kost van een krant, dan kunnen we de probabiliteit berekenen dat de laatste krant verkocht wordt. Dit is het break-even punt dat het niet voordeliger wordt om nog een extra krant te leveren.P = probabiliteit dat laatste krant verkocht wordt.MP = marginale opbrengstMC = marginale kostFormule : MP*P – MC*(1-P) = 0 ---> P = MC / (MC + MP)Dus als het produceren van 1 krant 0,45 cent kost en de verkoop ons 1,20 oplevert:P = 0,45 / (0,45 + 1,20) = 0,27Een kans van 27% in de normaalverdeling komt overeen met een z-score van 61% (zie tabel van normaalverdeling).Dus we voegen nog 61% van de standaardafwijking toe aan onze forecast en zo bekomen we tot het ideale aantal kranten van 71, rekening houdende met productiekost & opbrengst.
Technisch gedeelte (heel twijfelachtig of we dit uitvoerig zullen bespreken op de presentatie):De output die we genereren met ARIMA is een gemiddelde en standaardafwijking, dus we gaan er vanuit dat de distributie van de forecast normaal verdeeld is.Dit wil zeggen dat 68% van de gevallen tussen het gemiddelde – 1 standaardafwijking (= 68) en het gemiddelde + 1 standaardafwijking (=72) zou liggen (dit zijn standaardpercentages van de normaalverdeling distributie).Kortom, de forecast van ARIMA is een gemiddelde en het optimale gemiddelde kan hier nog licht van afwijken (= de spelingsmarge die we hebben door de standaardafwijking)Als we nog een stap verder gaan en rekening houden met de marginale opbrengst en marginale kost van een krant, dan kunnen we de probabiliteit berekenen dat de laatste krant verkocht wordt. Dit is het break-even punt dat het niet voordeliger wordt om nog een extra krant te leveren.P = probabiliteit dat laatste krant verkocht wordt.MP = marginale opbrengstMC = marginale kostFormule : MP*P – MC*(1-P) = 0 ---> P = MC / (MC + MP)Dus als het produceren van 1 krant 0,45 cent kost en de verkoop ons 1,20 oplevert:P = 0,45 / (0,45 + 1,20) = 0,27Een kans van 27% in de normaalverdeling komt overeen met een z-score van 61% (zie tabel van normaalverdeling).Dus we voegen nog 61% van de standaardafwijking toe aan onze forecast en zo bekomen we tot het ideale aantal kranten van 71, rekening houdende met productiekost & opbrengst.
Technisch gedeelte (heel twijfelachtig of we dit uitvoerig zullen bespreken op de presentatie):De output die we genereren met ARIMA is een gemiddelde en standaardafwijking, dus we gaan er vanuit dat de distributie van de forecast normaal verdeeld is.Dit wil zeggen dat 68% van de gevallen tussen het gemiddelde – 1 standaardafwijking (= 68) en het gemiddelde + 1 standaardafwijking (=72) zou liggen (dit zijn standaardpercentages van de normaalverdeling distributie).Kortom, de forecast van ARIMA is een gemiddelde en het optimale gemiddelde kan hier nog licht van afwijken (= de spelingsmarge die we hebben door de standaardafwijking)Als we nog een stap verder gaan en rekening houden met de marginale opbrengst en marginale kost van een krant, dan kunnen we de probabiliteit berekenen dat de laatste krant verkocht wordt. Dit is het break-even punt dat het niet voordeliger wordt om nog een extra krant te leveren.P = probabiliteit dat laatste krant verkocht wordt.MP = marginale opbrengstMC = marginale kostFormule : MP*P – MC*(1-P) = 0 ---> P = MC / (MC + MP)Dus als het produceren van 1 krant 0,45 cent kost en de verkoop ons 1,20 oplevert:P = 0,45 / (0,45 + 1,20) = 0,27Een kans van 27% in de normaalverdeling komt overeen met een z-score van 61% (zie tabel van normaalverdeling).Dus we voegen nog 61% van de standaardafwijking toe aan onze forecast en zo bekomen we tot het ideale aantal kranten van 71, rekening houdende met productiekost & opbrengst.
Recapitulatie van de stappen die we doorliepen om zo tot de resultaten te komen.Simon
Recapitulatie van de stappen die we doorliepen om zo tot de resultaten te komen.Simon
Deze grafiek geeft het verschil in % weer tussen de voopgestelde target OOS en de afwijking hierop over drie meetmomenten: maart (manuele sturing) – juli (auto sturing na go live) – sept (auto sturing).Het resultaat is een positief effect op het aantal exemplaren dat minderMark
Deze grafiek geeft het verschil in % weer tussen de voopgestelde target OOS en de afwijking hierop over drie meetmomenten: maart (manuele sturing) – juli (auto sturing na go live) – sept (auto sturing).Het resultaat is een positief effect op het aantal exemplaren dat minderMark