Techniek Sterktes Zwaktes
Moving average - Geschikt voor situaties waarin er - Vereist een groot aantal historische data.
voorspellingen nodig zijn voor een groot - Past zich traag aan aan veranderingen.
aantal producten. - Geeft een gelijk gewicht aan elke periode, en
- Goed voor producten met bijna stabiele negeert het feit dat de recentere periodes
verkoop. meestal een grotere impact hebben op de
- Maakt random fluctuaties glad. toekomstige verkopen.
- Kan compenseren met enkele trends als het - De resultaten kunnen niet statistisch getest
‘double moving average model’ gebruikt worden.
wordt.
Exponential smoothing - Makkelijk te begrijpen en te gebruiken. - Vaak veel zoekwerk vereist om de juiste
- Meer gewicht aan recente data. gewichten toe te dienen.
- Vereist weinig data opslag. - Slecht voor middellange en lange termijn
- Gemeenschappelijke software programma’s voorspellingen.
beschikbaar. - Onjuiste voorspellingen mogelijk door grote
- Redelijk accuraat voor korte termijn random fluctuaties in de recente data.
voorspellingen.
Decomposition method - Makkelijk te begrijpen. - Vereist een groot aantal data uit het
- Aanwezig in de meeste computerpakketten. verleden.
- Herkent drie sleutelfactoren die een invloed - Niet goed voor lange termijn voorspellingen.
hebben op verkoop: trend, seizoen, cyclus. - Niet geschikt voor statistische analyse van
- Verkoop uit het verleden wordt opgedeeld de voorspelde waarden. Er zijn geen
in componenten dat ervoor zorgen dat het betrouwbaarheidsintervallen of
verkooppatroon makkelijker te begrijpen is. significantietesten mogelijk, dus de
betrouwbaarheid kan niet getest worden.
Moving average - Geschikt voor situaties waarin er - Vereist een groot aantal historische data.
voorspellingen nodig zijn voor een groot - Past zich traag aan aan veranderingen.
aantal producten. - Geeft een gelijk gewicht aan elke periode, en
- Goed voor producten met bijna stabiele negeert het feit dat de recentere periodes
verkoop. meestal een grotere impact hebben op de
- Maakt random fluctuaties glad. toekomstige verkopen.
- Kan compenseren met enkele trends als het - De resultaten kunnen niet statistisch getest
‘double moving average model’ gebruikt worden.
wordt.
Exponential smoothing - Makkelijk te begrijpen en te gebruiken. - Vaak veel zoekwerk vereist om de juiste
- Meer gewicht aan recente data. gewichten toe te dienen.
- Vereist weinig data opslag. - Slecht voor middellange en lange termijn
- Gemeenschappelijke software programma’s voorspellingen.
beschikbaar. - Onjuiste voorspellingen mogelijk door grote
- Redelijk accuraat voor korte termijn random fluctuaties in de recente data.
voorspellingen.
Decomposition method - Makkelijk te begrijpen. - Vereist een groot aantal data uit het
- Aanwezig in de meeste computerpakketten. verleden.
- Herkent drie sleutelfactoren die een invloed - Niet goed voor lange termijn voorspellingen.
hebben op verkoop: trend, seizoen, cyclus. - Niet geschikt voor statistische analyse van
- Verkoop uit het verleden wordt opgedeeld de voorspelde waarden. Er zijn geen
in componenten dat ervoor zorgen dat het betrouwbaarheidsintervallen of
verkooppatroon makkelijker te begrijpen is. significantietesten mogelijk, dus de
betrouwbaarheid kan niet getest worden.
