Методы прогнозирования

Прогнозирование — способ определения будущего на осно­ве использования как накопленного прошлого опыта, так и те­кущих допущений насчет этого будущего.

Рассмотрим некоторые методы прогнозирования.

Неформальные методы прогнозирования с исполь­зованием:

Вербальной информации — получаемой из радио-, телепередач, от потребителей, поставщиков, конкурентов, на торговых совещаниях, в профессиональных организациях, от юристов, бухгалтеров и финансовых ревизоров, консультантов;

Письменной информации (о внешнем окружении) - посту­пающей из газет, торговых журналов, информационных бюлле­теней, профессиональных журналов и годовых отчетов.

Промышленного шпионажа.

Качественные методы прогнозирования:

Мнение жюри — формируется в результате соединения и ус­реднения мнений экспертов в релевантных сферах. Разновид­ность — «мозговой штурм».

Совокупное мнение сбытовиков — опытные торговые агенты часто прекрасно предсказывают будущий спрос и чувствуют ры­нок точнее, чем количественные модели.

Ожидания потребителя — базируется на результатах опроса клиентов организации.

Экспертные оценки — процедура, позволяющая группе экс­пертов приходить к согласию.

Количественные методы прогнозирования можно использовать для прогнозирования, когда есть основания счи­тать, что деятельность в прошлом имела определенную тенден­цию, которую можно продолжить в будущем, и когда имеющей­ся информации достаточно для выявления статистически досто­верных тенденций или зависимостей. Кроме того, руководитель обязан знать, как использовать количественную модель, и пом­нить, что выгоды от принятия более эффективного решения должны перекрыть расходы на создание модели:

анализ временных рядов, иногда называемый проецировани­ем тренда, — основан на допущении, согласно которому слу­чившееся в прошлом дает достаточно хорошее приближение в оценке будущего. Этот анализ является методом выявления об­разцов и тенденций прошлого и продления их в будущее.

каузальное (причинно-следственное) моделирование — наибо­лее хитроумный и математически сложный количественный ме­тод прогнозирования из числа применяемых сегодня. Он ис­пользуется в ситуациях с более чем одной переменной. Так, уровень личных доходов, демографические изменения, напри­мер, влияют на будущий спрос на недвижимость. Каузальное моделирование — это попытка спрогнозировать то, что произой­дет в подобных ситуациях, путем исследования статистической зависимости между рассматриваемым фактором и другими пе­ременными. На языке статистики подобная зависимость называ­ется корреляцией. Чем теснее корреляция, тем выше пригодность модели для прогнозирования. Полная корреляция (1.000) бывает в ситуации, когда в прошлом зависимость всегда была истинной.

Из каузальных самыми сложными являются эконометрические модели, которые представляют из себя тысячи уравнений, решаемых только с применением мощных компьютеров. Стои­мость моделей настолько высока, что даже крупные предприятия предпочитают использовать результаты исследований с применением эконометрической модели, а не разрабатывать свои собственные модели. Несмотря на сложность, каузальные модели дают не всегда правильные результаты, о чем с очевид­ностью свидетельствует неспособность федерального правитель­ства точно предсказывать влияние различных своих действий на экономику.