Aktionsabsätze aus Basisprognose herausrechnen oder mitführen?

[dlang]

In unserem Data Warehouse führen wir Tagesabsätze je Filiale und Artikel mit Aktionskennzeichen und Preisabschlag. In der Disposition nutzen wir eine statistische Basisprognose für das Normalgeschäft, zusätzlich plant der Einkauf Aktionsmengen manuell. Problematisch sind Vorzieheffekte vor Prospektstart und die Absatzdelle danach, die unsere Glättung als Trendbruch interpretiert. Dadurch schwankt der Nachschub bei großen Filialunterschieden in den Folgowochen deutlich. Mich interessiert, wie ihr das in der Praxis löst: Bereinigt ihr die Historie um Aktionszeiträume inklusive Vor- und Nachlauf, modelliert ihr Uplift und Kannibalisierung separat oder arbeitet ihr mit zwei Prognoseschichten im DWH? Welche Zeitfenster für Vor- und Nachlauf haben sich bewährt?

[staylor]

Ursache ist die Vermischung zweier Nachfrageprozesse in einer Zeitreihe: Die exponentielle Glättung interpretiert Vorziehkäufe und die Delle nach Aktionsende als Niveau- und Trendänderung und zieht den Nachschub falsch nach. In der Praxis bewährt sich ausschließlich die Trennung in zwei Prognoseschichten im DWH. Führe in der Faktentabelle neben dem Ist-Absatz einen bereinigten Basisabsatz und einen Uplift. Per SQL wird über einen Kalender-Join auf die Aktionsstammdaten jeder Tag mit Aktionskennzeichen sowie Vorlauf von 2 bis 3 Tagen und Nachlauf von 7 Tagen bei Frische bis 14 Tagen bei bevorratbaren Warengruppen markiert und für die Basisprognose per Interpolation aus den Vorwochen ersetzt. Uplift und Kannibalisierung auf Warengruppenebene modellierst du separat über Preisabschlag, Prospektseite und Filialcluster. Prüfschritte sind MAPE-Vergleich bereinigt gegen unbereinigt, Bias-Kontrolle je Filialcluster und Nachverfolgung der Bestandstage nach Aktionsende.