A prediktív kereslet-előrejelzés.

Adatvezérelt döntéstámogatás szerepe az autóipari beszállítói láncban

Szerzők

DOI:

https://doi.org/10.63684/dk.2026.11.04

Kulcsszavak:

Prediktív kereslet-előrejelzés, gyártástervezés, készletgazdálkodás, proaktív analitikai modellek

Absztrakt

A prediktív kereslet-előrejelzés és az üzleti intelligencia (Business Intelligence – BI) megoldások integrációja a modern autóipari beszállítói láncok egyik legkritikusabb stratégiai eszközévé vált. Elsősorban a rendkívül változékony és bizonytalan piaci környezethez való rugalmas al­kalmazkodást szolgálja. Az elmúlt évek makrogazdasági és geopolitikai válságai, mint a globális chiphiány és az energiaválság, jelentősen átalakították a termeléstervezés feltételeit, és új adminisztratív, valamint operatív kihívásokat teremtettek a menedzsment számára, különösen a gyártástervezés és a készletgazdálkodás területén. A tanulmány célja annak bemutatása, hogy a hagyományos, múltbeli adatokra támaszkodó riportálási környezet milyen gyakorlati nehézségeket és tőkeköltség-növekedést okoz az autóüveg-gyártásban. Ezek mellett az is a vizsgálat tárgya, hogy ezekre milyen adatinformatikai és prediktív modellezési megoldások kínálhatnak hatékony válasz. A kutatás alapját egy autóipari vállalat szakemberei körében végzett kérdőíves felmérés adja, amely a döntéstámogatás során felmerülő információhiányra, a riportálási csúszásokra és a piaci megfelelés kockázataira fókuszál.

A kutatás eredményei rámutatnak arra, hogy a reaktív működés helyett a proaktív analitikai modellek alkalmazása nélkülözhetetlen eszköz a felesleges raktári tőkelekötés és a kapacitáshiány kezelésében, ugyanakkor az egyik legnagyobb kihívást az jelenti, hogy a döntéshozók nem rendelkeznek valós idejű, külső makrogazdasági és iparági indikátorokkal integrált rendszerekkel. A tanulmány egy Microsoft Power BI-alapú dashboard prototípus és egy Jupyter Notebook környezetben futtatott többszörös lineáris regressziós modell bevonásával mutatja be a prediktív forecasting gyakorlati megvalósíthatóságát. A következtetések szerint a döntéstámogató rendszerek hosszú távú fenntarthatósága nemcsak technológiai, hanem szervezeti és stratégiai fejlesztéseket is igényel.

Hivatkozások

Went R. (2000): Globalizáció. Neoliberális feladatok, radikális válaszok. Budapest: Perfekt Gazdasági Tanácsadó, Oktató és Kiadó Részvénytársaság.

Csath M. (2010): Versenyképességmenedzsment. Budapest: Nemzeti Tankönyvkiadó.

Deák Cs. (2023): Innovációs módszertan. Budapest: Akadémiai.

Kacsukné Bruckner L.–Kiss T. (2007): Bevezetés az üzleti informatikába. Az e-korszak üzletembere számára. Budapest: Akadémiai.

Liker K. J. (2008): A Toyota-módszer. 14 vállalatirányítási alapelv. Budapest: World’s Greatest Manufacturer– McGraw-Hill– HVG Kiadó Zrt, pp. 52–53.

Horváth Gy. (2003): Válságmenedzselés a gyakorlatban. Budapest: Glória Press, pp. 21–22.

Pálinkás J. (2000): Piacfejlesztés. A marketing elmélete és gyakorlata informatikai vonatkozásokkal. Budapest: LSI Oktatóközpont.

Letöltések

Megjelent

2026-11-18

Hogyan kell idézni

Szabó, O., & Kovács, T. (2026). A prediktív kereslet-előrejelzés.: Adatvezérelt döntéstámogatás szerepe az autóipari beszállítói láncban. Dunakavics, 14(11), 49–61. https://doi.org/10.63684/dk.2026.11.04

Folyóirat szám

Rovat

Cikkek