Sensitivitätsanalyse: die Annahme finden, die die Entscheidung verändert.

UNTERSTÜTZTE ENTSCHEIDUNGEine Empfehlung annehmen, wenn sie in den plausiblen Szenarien akzeptabel bleibt, oder die Information finanzieren, die die Unsicherheit über den entscheidenden Parameter senkt.

Stand des Nachweises

Was reproduziert wurde und was es nicht belegt.

Die öffentliche JSON-Datei und die Python-Ausführung prüfen die Einzelparameter, die Reihenfolge der Auswirkungen und die Umschaltregeln der vier veröffentlichten Szenarien. Sie prüfen weder die statistischen Intervalle noch die Elastizitäten noch die Wahrscheinlichkeit der Szenarien.

  1. Technische Spezifikation der didaktischen Sensitivitätsanalyse, Spezifikation auf Französisch (öffnet in einem neuen Tab)

    v1, 31. August 2026 · CC BY 4.0 · Spezifikation auf Französisch · Methodendokument von marketing-mix.net. Die Zahlen sind illustrativ: Es handelt sich nicht um Marktmessungen.

Was zu unterscheiden ist

Drei Bedingungen vor jeder Berechnung.

01

Vertretbare Spannen

Schätzintervalle, Verträge, Historien oder operative Schranken verwenden. Eine identische willkürliche Variation gewichtet Parameter je nach ihrer Einheit unterschiedlich.

02

Verknüpfte Parameter

Preis, Volumen und Marge; Reichweite und Frequenz; Budget und Einkaufskosten können sich gemeinsam bewegen. Sie getrennt zu variieren erzeugt unmögliche Szenarien.

03

Kippkriterium

Die Änderung der Entscheidung beobachten, nicht nur die Veränderung des Ergebnisses. Eine Empfehlung kann 30 % des Gewinns verlieren und dennoch deutlich vorzuziehen bleiben.

Methode

Von der lokalen Sensitivität zur Robustheit

  1. 01Die zentrale Entscheidung benennen

    Basisszenario, Ergebnis, Restriktionen und Alternative veröffentlichen; ohne stabile Referenz werden die Varianten zu einer Sammlung von Prognosen.

  2. 02Die Unbekannten einordnen

    Geschätzte Parameter, kontrollierte Entscheidungen, Restriktionen und externe Ereignisse trennen; ihre Behandlung und ihre Spanne sind nicht identisch.

  3. 03Einzeln und dann gemeinsam testen

    Der Tornado lokalisiert die sensiblen Parameter; die verknüpften Szenarien prüfen anschließend die plausiblen Kombinationen.

  4. 04Den Informationswert berechnen

    Die Kosten eines Tests mit dem vermeidbaren Verlust vergleichen, falls die zentrale Annahme falsch ist.

ORIGINALINHALT

Der Tornado des Beitragsgewinns

Jeder Balken zeigt die Abweichung vom zentralen Gewinn von 122.000 €. Elastizität und Marge zählen mehr als die sekundären Parameter des Modells.

UngünstigZentraler Gewinn +122 T€Günstig
Elastizität
−92 T€
+71 T€
Bruttomarge
−64 T€
+58 T€
Retail-Halbsättigung
−48 T€
+35 T€
TV-Kosten
−31 T€
+26 T€
Reaktionsverzögerung
−22 T€
+18 T€
GEMEINSAMES UNGÜNSTIGES SZENARIO−34 T€

Der Pilot ist dann dem direkten Rollout vorzuziehen.

JSONDie Szenarien herunterladen↓
ILLUSTRATIVES BEISPIEL · SIMULIERTE DATEN

Eine positive, aber von der Elastizität abhängige Empfehlung

01 · SITUATION

Die Umschichtung Noroa erzeugt im Zentrum +122.000 €. Die plausible Variation der Medienelastizität verschiebt das Ergebnis von −92.000 auf +71.000 €, jene der Marge von −64.000 auf +58.000 €.

02 · BERECHNUNG

Unter allein vorsichtiger Elastizität bleibt der Gewinn bei +30.000 €. Kombiniert man vorsichtige Elastizität und niedrige Marge, wird das Ergebnis −34.000 €. Ein sechswöchiger Test kostet 18.000 € und kann die Elastizitätsunsicherheit halbieren.

03 · ENTSCHEIDUNG

Das Ziel nicht direkt ausrollen. Den Piloten finanzieren: Seine Kosten liegen unter dem potenziellen Verlust des ungünstigen gemeinsamen Szenarios.

Voraussetzungen

Was erfüllt sein muss, um zu handeln.

  1. 01

    Die Spannen spiegeln die reale Unsicherheit oder operative Schranken.

  2. 02

    Der Tornado wird durch plausible gemeinsame Szenarien ergänzt.

  3. 03

    Die Schwelle des Entscheidungswechsels ist ausdrücklich.

  4. 04

    Der Wert einer zusätzlichen Information wird mit den Testkosten verglichen.

Grenzen

Was diese Analyse nicht belegt.

  • Eine lokale Analyse erfasst Nichtlinearitäten oder starke Interaktionen nicht immer.
  • Die Szenarien decken nicht vorgestellte Ereignisse nicht ab.
  • Zu enge Spannen verwandeln die Sensitivität in eine Bestätigung des zentralen Szenarios.

Quellenangaben

Zitierte Literatur.

  1. Saltelli, A. et al. (2008), Global Sensitivity Analysis.
  2. Keeney, R. L. & Raiffa, H. (1976), Decisions with Multiple Objectives.
  3. Ben-Tal, A., El Ghaoui, L. & Nemirovski, A. (2009), Robust Optimization.