Statistical Forecasting case by 4C Consulting

Editor's Notes

• #2: Introductie
• #3: Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
• #4: Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
• #5: Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
• #6: Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
• #7: Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
• #8: Concentra is een multimediaal bedrijf met verschillende bedrijfsactiviteiten:Kranten : Belang van Limburg & Gazet van AntwerpenAudiovisuele media : radio & televisiezendersClassifieds: zoekertjes – websitesMark
• #9: And as youcansee, a lot of associationswith 4C Consultingcanbe made as well, but the mainthing to remember is that…Simon
• #10: … 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
• #11: 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
• #12: Begin van de presentatie:De afgelopen decennia is de algemene mediaconsumptie steeds gestegen en daarbij ligt de focus steeds meer op digitale consumptie.Mark
• #13: Begin van de presentatie:De afgelopen decennia is de algemene mediaconsumptie steeds gestegen en daarbij ligt de focus steeds meer op digitale consumptie.Mark
• #14: Tegelijkertijd merken we wel dat de digitale krantenverkoop duidelijk toeneemt.Mark
• #15: Tegelijkertijd merken we wel dat de digitale krantenverkoop duidelijk toeneemt.Mark
• #16: Tegelijkertijd merken we wel dat de digitale krantenverkoop duidelijk toeneemt.Mark
• #17: 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
• #18: 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
• #19: 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
• #20: 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
• #21: 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
• #22: 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
• #23: 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
• #24: Both scenario’s are very close to eachother and thereforeit’s important to make the demandforecast as accurate as possibleSimon
• #25: 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
• #26: 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
• #27: 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
• #28: 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
• #29: 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
• #30: 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
• #31: 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
• #32: 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
• #33: 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
• #34: 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
• #35: 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.
• #36: 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.
• #37: 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.
• #38: 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.
• #39: 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.
• #40: 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.
• #41: Recapitulatie van de stappen die we doorliepen om zo tot de resultaten te komen.Simon
• #42: Recapitulatie van de stappen die we doorliepen om zo tot de resultaten te komen.Simon
• #43: 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
• #44: 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
• #45: Mark
• #46: Mark
• #47: Mark & Simon
• #48: Mark & Simon