Ein zentrales Ziel unserer Forecasts ist es, die Kundennachfrage in zeitlicher und räumlicher Struktur vorherzusagen, um auf dieser Grundlage die Ressourceneinsatzplanung und die Dimensionierung von Betriebsmitteln zu unterstützen. So ermöglicht die rechtzeitige Kenntnis über die Kundennachfrage eine angepasste Fahrzeug- und Personalplanung, so dass einerseits Qualität und Service gewährleistet werden, auf der anderen Seite aber auch keine unnötig hohen Kosten entstehen. Aber auch die Prognose der Ausfallwahrscheinlichkeiten technischer Anlagen zählt zu unserem Portfolio, um damit z.B. predictive maintenance Strategien zu unterstützen. Bei unseren Big-Data-Forecasts kommen sowohl ‚black box‘-Verfahren aus dem Machine Learning zum Einsatz, wie z.B. Neuronale Netze, support vector machine, als auch klassische Regressionsverfahren und Regression trees.
