Als Beispiel seien historische Nachfragen nach einem beliebigen Produkt gegeben. Kenne ich den Bedarf der folgenden Periode bzw. den Nachfragetrend, so kann ich entsprechend planen (z.B. Lagerbestände und Produktionskapazitäten). Je besser die Prognose, desto akkurater die Planung.
Unter Berücksichtigung von Saisonalität und Ausreißern sind Regressionsanalysen beliebte Mittel zur Berechnung von Trends.Neuronale Netze lernen Regelmäßigkeiten im Zeitverlauf, die über einfache Muster hinausgehen. Sie nähern sich einer unbekannten Funktion an, statt Trendgeraden zu ermitteln.Sind Verläufe nicht linear und können Funktionen mit traditionellen Verfahren nur unzureichend bestimmt werden, so eignen sich neuronale Netze als Prognosemittel. Die Abweichung von Funktionswert und tatsächlichem Wert sinkt. Die Güte der Prognose verbessert sich.
