Small Data als MVP auf dem Weg zum digitalen Controlling / 4.1 Begriffe

Prognosemethoden bestehen meist aus 2 Algorithmen. Ein Algorithmus trainiert ein Prognosemodell mit verfügbaren Daten. Der andere Algorithmus, der Interferenzalgorithmus, wendet das Prognosemodell an und liefert eine Vorhersage. Ein Parameter ist ein Wert, der beim Training des Prognosemodells trainiert – oder gelernt – wird. Dabei dient der Trainingsalgorithmus der Optimierung der Parameter. Der Interferenzalgorithmus berechnet die Prognose dann anhand der Parameter. Ein Prognosemodell ist das Ergebnis des Trainings mit einer Methode anhand von Daten und enthält neben den Parametern auch die Information, wie diese in der Vorhersage verwendet werden. Interferenz ist die Ausführung des Prognosemodells und damit die Generierung des Ergebnisses.^[1]

[1] Vgl. Divisio, 2019.