Von der Regatta zur intuitiv richtigen Verwendung von Forecasts

0

Es ist ein lauer Sommerabend im Juli am Neusiedler See. Die Teilnehmer der traditionellen YES-Cup Regatta sitzen bei Bier und Grillkotelette auf der Terrasse unseres Clubhauses. Die Stimmung ist ausgelassen, jeder hat nach zwei ereignisreichen Wettfahrten seine Geschichte zu erzählen.

Eine Unterhaltung am Ende unseres Tisches zieht meine Aufmerksamkeit auf sich, denn es geht um Forecasting, genauer gesagt um die Verwendbarkeit und Treffsicherheit von Wetter- und Windprognosen. Die Meinungen gehen erwartungsgemäß stark auseinander. Von „Meistens falsch“, über „Sind wir froh, dass wir sie haben - hat es früher in dem Detailgrad nicht gegeben“ bis hin zu „Ich richte mich nur nach den Wolkenbildern.“ Dass man die Windverhältnisse vor der Regatta kennt ist wichtig, um Entscheidungen wie. „Mit welcher Größe der Segel gehe ich ins Rennen, damit ich während der Regatta nicht wechseln muss“ oder „Welche Windrichtung wird sich durchsetzen und welche Bereiche des Sees werden daher begünstigt sein?“ besser treffen zu können.

Marc, ein alter Regattahase, erklärt seinen Umgang mit den Windprognosen wie folgt:

Ich sehe mir immer mehrere verfügbaren Prognosen auf Windguru, Windfinder, Otto Lustyk, swz.at und ORF Burgenland an. So bekomme ich ein Bild über die Vielfalt oder die Einheitlichkeit der möglichen Windszenarien - denn offensichtlich verwenden die einzelnen Stationen unterschiedliche Wettermodelle. So kann ich auch abschätzen, ob sich Wetter und Wind für das Regattawochenende gut oder schlecht vorhersagen lassen und wie sehr ich den Prognosen generell vertrauen kann. Außerdem beobachte ich auch, wie sehr sich die Prognosen im Verlauf der Woche verändern. Bleiben sie die ganze Woche über stabil, so scheint die Wetterlage eine klare Vorhersage zuzulassen, verändern sich die Prognosen täglich, so scheinen hier sehr unsichere Wetterverhältnisse auf uns zuzukommen.  Am Regattatag selbst ist die Beobachtung der Wolken und des Himmels sehr wichtig. Diese kurzfristigen und lokalen Fakten können in diese Modelle gar nicht einfließen und geben mir aufgrund meiner Erfahrung zusätzliche Informationen, wie sich der Wind entwickeln wird.“

Wind 2     Wind 1

Auf meinem Gesicht breitet sich ein Schmunzeln aus und ich beteilige mich bewusst nicht an der Unterhaltung, da ich nicht als Statistiker gesehen werden will, der "alles ja nur mathematisch sieht". Viel wichtiger: Es gibt dem Statement von Marc nichts hinzuzufügen. Ohne dass es ihm bewusst ist, hat er gerade wichtige Prinzipien des Business Forecastings zusammengefasst und über den adäquaten Umgang mit statistischen Forecasts gesprochen. Und das obwohl sein beruflicher Background definitiv nicht im Umgang mit Daten, Prognosen oder Dingen wie „Business Intelligence“ liegt. Auf der nächsten Analytics Konferenz kann Marc gerne mit mir die Demo-Station zu „Forecasting“ betreuen, dann das was er erzählt hat, sind wichtige Features in unserem SAS Forecast Server.

  • Kombinierte Modelle für stabilere Forecasts: "Ich sehe mir immer mehrere verfügbare Prognosen“
  • Segmentierung der Zeitreihen - manche Wetterlagen lassen sich besser vorhersagen, manche schlechter: "Ob sich Wetter und Wind für das Regattawochenende gut oder schlecht vorhersagen lassen“
  • Konfidenzbereiche für die Vorhersagen: „In welchem Bereich sich die Windverhältnisse vermutlich bewegen werden“
  • Forecast Stabilitätsanalysen und rollierende Simulationen: „Kann ich auch abschätzen, wie sehr sich die Prognosen im Verlauf der Woche für das Wochenende verändern“
  • Berücksichtigung kurzfristiger oder lokaler Ereignisse durch Overwrites und Judgemental Forecasts: "Geben mir aufgrund meiner Erfahrung zusätzliche Information, wie sich der Wind entwickeln wird"

Forecast

Freuen wir uns also darüber, dass unsere Software offenbar das bietet, was wir Menschen als intuitiv richtig und wichtig betrachten und steuern zufrieden lächelnd den Zapfhahn für ein weiteres Bier an.

Share

About Author

Gerhard Svolba

Principal Solutions Architect

Dr. Gerhard Svolba ist Analytic Solutions Architect und Data Scientist bei SAS Institute in Österreich. Er ist in eine Vielzahl von analytischen und Data Science Projekten quer über fachliche Domains wie Demand Forecasting, analytisches CRM, Risikomodellierung und Produktionsqualität involviert. Seine Projekterfahrung reicht von der fachlichen und technischen Konzeption über die Datenaufbereitung und die analytische Modellierung in unterschiedlichen Branchen. Er ist der Autor der SAS Press Bücher Data Preparation for Analytics Using SAS, Data Quality for Analytics Using SAS and “Applying Data Science: Business Case Studies Using SAS”. Als nebenberuflich Lehrender unterrichtet er Data Science Methoden an der Medizinischen Universität Wien, der Universität Wien und an Fachhochschulen. Sie finden auch Beitrage auf: Github und Twitter. ENGLISH: Dr. Gerhard Svolba ist Analytic Solutions Architect und Data Scientist bei SAS Institute in Österreich. Er ist in eine Vielzahl von analytischen und Data Science Projekten quer über fachliche Domains wie Demand Forecasting, analytisches CRM, Risikomodellierung und Produktionsqualität involviert. Seine Projekterfahrung reicht von der fachlichen und technischen Konzeption über die Datenaufbereitung und die analytische Modellierung in unterschiedlichen Branchen. Er ist der Autor der SAS Press Bücher Data Preparation for Analytics Using SAS®, Data Quality for Analytics Using SAS® and “Applying Data Science: Business Case Studies Using SAS”. Als nebenberuflich Lehrender unterrichtet er Data Science Methoden an der Medizinischen Universität Wien, der Universität Wien und an Fachhochschulen. Sie finden auch Beitrage auf: Github und Twitter.

Related Posts

Leave A Reply

Back to Top