Skip to main content
SpringerLink
Log in

Szenarioanalyse als Prognoseinstrument mit einem Beispiel zur Kundenbindung

  • Chapter
  • First Online:
Markt- und Absatzprognosen

Part of the book series: FOM-Edition ((FOMEDITION))

  • 12k Accesses

Zusammenfassung

Die Daten der Vergangenheit – und insbesondere deren Trend sowie die Schwankungen – können wichtige Hinweise zur zukünftigen Entwicklung liefern. Über computerintensive Resampling-Verfahren kann auf dieser Basis die Prognoseverteilung generiert und unterschiedliche Szenarien können simuliert werden.

Die Möglichkeiten dieser Methode werden an einem Beispiel zur Kundenbindung demonstriert. Neben den anwendungsbezogenen und statistischen Grundlagen werden auch Hinweise zur Umsetzung mit R gegeben.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 64.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Wir danken der Firma BP Europa SE/ARAL für die freundliche Genehmigung, den Fall und die manipulierten Daten hier zu verwenden.

Literatur

  • Altobelli, C. F. (2007). Marktforschung. Stuttgart: UTB.

    Google Scholar 

  • Berekoven, L., Eckert, W., & Ellenrieder, P. (2001). Marktforschung, Methodische Grundlagen und praktische Anwendung (9. Aufl.). S. 258–268). Wiesbaden: Gabler.

    Google Scholar 

  • Britton, E., Fisher, P. G., & Whitley, J. D. (1998). The Inflation Report projections: understanding the fan chart. Bank of England Quarterly Bulletin, 38, 30–37.

    Google Scholar 

  • Bühlmann, P. (1997). Sieve bootstrap for time series. Bernoulli, 3(2), 123–148.

    Article  Google Scholar 

  • Bühlmann, P. (2002). Bootstraps for Time Series. Statistical Science, 17(1), 52–72.

    Article  Google Scholar 

  • Canty, A.; Ripley, B. (2013): boot: Bootstrap R (S-Plus) Functions. R package version 1.3-9.

    Google Scholar 

  • Chatfield, C. (2001). Prediction intervals for time-series forecasting. In Principles of Forecasting (S. 475–494). New York: Springer.

    Chapter  Google Scholar 

  • Chatfield, C., & Yar, M. (1998). Holt-Winters Forecasting: Some Practical Issues. The Statistician, 37(2), 129–140.

    Article  Google Scholar 

  • Cottin, C., & Döhler, S. (2009). Risikoanalyse. Wiesbaden: Vieweg+Teubner.

    Book  Google Scholar 

  • Cowpertwait, P. S. P., & Metcalfe, A. V. (2009). Introductory Time Series with R. New York.: Springer.

    Google Scholar 

  • Dalrymple, D. J. (1987). Sales Forcasting Practices. International Journal of Forecasting, 3, 379–391.

    Article  Google Scholar 

  • Davison, A. C., & Hinkley, D. V. (1997). Bootstrap Methods and Their Applications. Cambridge: Cambridge University Press.

    Book  Google Scholar 

  • Efron, B. (1979). Bootstrap Methods: Another look at the Jackknife. The Annals of Statistics, 7(1), 1–26.

    Article  Google Scholar 

  • Efron, B. (1987). Better Bootstrap Confidence Intervals. Journal of the American Statistical Association, 82(397), 171–185.

    Article  Google Scholar 

  • Glusac, N. (2005). Der Einfluss von Bonusprogrammen auf das Kaufverhalten und die Kundenbindung von Konsumenten – Eine theoretische und empirische Analyse. Wiesbaden: Gabler.

    Book  Google Scholar 

  • Holt, C. C. (1957). Forecasting trends and seasonals by exponentially weighted moving averages. ONR Research Memorandum, Bd. 52. Ballston: Carnegie Institute of Technology.

    Google Scholar 

  • Hyndman, R. J.mit Beiträgen von Athanasopoulos, G., Razbash, S., Schmidt, D., Zhou, Z., Khan, Y., Bergmeir, C., & Wang, E. (2013). forecast: Forecasting functions for time series and linear models. R package version 4.8. http://CRAN.R-project.org/package=forecast

    Google Scholar 

  • Hyndman, R. J., Koehler, A. B., Snyder, R. D., & Grose, S. (2002). A state space framework for automatic forecasting using exponential smoothing methods. International Journal of Forecasting, 18, 439–454.

    Article  Google Scholar 

  • Kuensch, H. R. (1989). The Jackknife and the Bootstrap for General Stationary Observations. The Annals of Statistics, 17, 1217–1241.

    Article  Google Scholar 

  • Lauer, T. (2004). Bonusprogramme – Rabattsysteme für Kunden erfolgreich gestalten. Berlin: Springer.

    Google Scholar 

  • Lübke, K., & Vogt, M. (2014). Angewandte Wirtschaftsstatistik: Daten und Zufall. Wiesbaden: Springer Gabler.

    Book  Google Scholar 

  • Makridakis, S., Hibon, M., Lusk, E., & Belhadjali, M. (1987). Confindence Intervals. An Empirical Investigation of the Series in the M-Competition. International Journal of Forecasting, 3, 489–508.

    Article  Google Scholar 

  • Mentzer, J. T., & Cox, J. E. (1984). Familiarity, application, and performance of sales forecasting techniques. Journal of Forecasting, 3(1), 27–36.

    Article  Google Scholar 

  • Morgenstern, T., & Zimmermann, K. (2012). Branchenstudie Tankstellenmarkt Deutschland 2011. Berlin: Scope Credit Ranking.

    Google Scholar 

  • R Core Team (2013). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. http://www.R-project.org/

    Google Scholar 

  • Spann, M., Soukhoroukova, A., & Skiera, B. (2008). Prognose von Marktentwicklungen anhand virtueller Börsen, in: Herrmann, A, Homburg, C, Klarmann, M. Handbuch Marktforschung (3. Aufl.). S. 791–809). Wiesbaden: Springer.

    Google Scholar 

  • Tomczak, T., Reinecke, S., & Dittrich, S. (2005). Kundenbindung durch Kundenkarten und -clubs. In M. Bruhn, & C. Homburg (Hrsg.), Handbuch Kundenbindungsmanagement: Strategien und Instrumente für ein erfolgreiches CRM (5. Aufl. S. 275–295). Wiesbaden: Gabler.

    Chapter  Google Scholar 

  • Winklhofer, H., Diamantopoulos, A., & Witt, S. F. (1996). Forecasting practice: a review of the empirical literature and an agenda for future research. International Journal of Forecasting, 12, 193–221.

    Article  Google Scholar 

  • Winters, P. R. (1960). Forecasting sales by exponentially weighted moving averages. Management Science, 6, 324–342.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. FOM Hochschule für Oekonomie & Management gGmbH, Rheinlanddamm 201, 44139, Dortmund, Deutschland

    Karsten Lübke Prof. Dr.

  2. Sales Force Services GmbH, Hibbelweg 58a, 45549, Sprockhövel, Deutschland

    Heike Papenhoff Prof. Dr.

Authors
  1. Karsten Lübke Prof. Dr.
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Heike Papenhoff Prof. Dr.
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Karsten Lübke Prof. Dr. .

Editor information

Editors and Affiliations

  1. FOM Hochschule für Oekonomie & Management, München, Germany

    Oliver Gansser

  2. FOM Hochschule für Oekonomie & Management, Essen, Germany

    Bianca Krol

Rights and permissions

Reprints and permissions

Copyright information

© 2015 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Lübke, K., Papenhoff, H. (2015). Szenarioanalyse als Prognoseinstrument mit einem Beispiel zur Kundenbindung. In: Gansser, O., Krol, B. (eds) Markt- und Absatzprognosen. FOM-Edition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-04492-3_10

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-04492-3_10

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-04491-6

  • Online ISBN: 978-3-658-04492-3

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation