Сущность и понятие бизнес-прогноза на предприятии. Прогнозирование бизнес


Зачем нужно бизнес-прогнозирование?

 

 

Кому необходимы прогнозы? Практически каждое предприятие, большое или малое, частное или государственное, явно или неявно пользуется прогнозами, потому что каждое предприятие должно планировать будущее, о котором оно пока ничего не знает.

 

Автор: Артур Дж. Райтш (Arthur G. Reitsch), почетный профессор Восточного Вашингтонского университета.

 

Кому необходимы прогнозы? Практически каждое предприятие, большое или маленькое, частное или государственное, явно или неявно пользуется прогнозами, потому что каждое предприятие должно планировать будущее, о котором оно пока ничего не знает. К тому же необходимость в прогнозах пронизывает все функциональные линии так же, как и все типы организаций.

Прогнозы необходимы в финансировании, маркетинге, подборе кадров и различных производственных областях, в правительственных и коммерческих организациях, в маленьких социальных клубах и национальных политических партиях. Вот несколько примеров вопросов, для получения ответов на которые необходимы те или иные процедуры прогнозирования.

  • Как повлияет на объемы продаж увеличение финансирования рекламы на 10%?
  • Какой годовой доход может ожидать государство по истечении следующего двухлетнего периода?
  • Сколько единиц продукции необходимо продать, чтобы возвратить планируемые капиталовложения в производственное оборудование?
  • Как определить факторы, которые помогут объяснить изменчивость в ежемесячных объемах продажи продукции?
  • Каков ежегодный прогноз на последующие 10 лет в отношении сводного баланса займов нашего банка?
  • Будет ли экономический спад? Если да, то когда он начнется, насколько сильным он будет и когда он окончится?

Типы прогнозов

Какие существуют типы прогнозов для менеджера, столкнувшегося с необходимостью принятия решения в условиях неопределенности? Прогнозы могут классифицироваться как долгосрочные и краткосрочные. Долгосрочные прогнозы необходимы для того, чтобы наметить основной курс предприятия на длительный период, поэтому именно на них акцентируется основное внимание менеджеров высшего звена. Краткосрочные прогнозы используются для разработки безотлагательных стратегий. Они чаще всего применяются менеджерами среднего и низшего звена для удовлетворения потребностей ближайшего будущего.

Процедуры прогнозирования могут также классифицироваться как количественные и качественные. На одном полюсе здесь находится чисто качественный аппарат, не требующий явного математического оперирования данными. Используется только "оценка", предоставляемая составителем прогноза. Конечно, даже в этом случае "оценка" составителя прогноза в действительности является результатом мысленного анализа данных. На другом полюсе находится чисто количественный аппарат, не требующий никакой дополнительной оценки. Это чисто механические процедуры, которые на выходе дают количественные результаты.

Этапы прогнозирования

Все формальные процедуры прогнозирования предусматривают перенос прошлого опыта в неопределенное будущее. Таким образом, все они построены на предположении, что условия, породившие полученные ранее данные, неотличимы от условий будущего. Исключение составляют только те переменные, которые точно распознаны моделью прогнозирования. Например, если кто-то строит прогноз показателей производительности служащих, исходя только из множества оценок, выставленных им при испытаниях в процессе приема на работу, то он, очевидно, предполагает, что показатель производительности каждого работника зависит только от них. В действительности же подобное предположение о неразличимости прошлого и будущего не выполняется в полной мере. Поэтому полученный прогноз будет неточен, если только он не будет модифицирован на основании оценки, выполненной составителем прогноза.

Осмысление того, что аппарат прогнозирования оперирует данными, порожденными естественными событиями, приводит к определению следующих пяти этапов в процессе прогнозирования.

  1. Сбор данных
  2. Редукция или уплотнение данных
  3. Построение модели и ее оценка
  4. Экстраполяция выбранной модели (фактический прогноз)
  5. Оценка полученного прогноза

Этап 1, сбор данных, предполагает получение корректных данных и обязательную проверку того, что они верны. Этот этап часто является наиболее сомнительной частью всего процесса прогнозирования и в то же время наиболее сложен для проверки, поскольку последующие этапы с одинаковым успехом могут производиться с использованием данных, как соответствующих изучаемой проблеме, так и не соответствующих ей. Всякий раз, когда возникает необходимость получить в организации определенные данные, их сбор и проверка обязательно сопровождаются множеством различных проблем.

Этап 2, редукция или уплотнение данных, часто оказывается необходимым, так как для выполнения прогнозирования может быть собрано как слишком много исходных данных, так и слишком мало. Некоторые данные могут не иметь прямого отношения к рассматриваемой задаче, а будут лишь снижать точность прогнозирования. Другие данные могут соответствовать проблеме, но только в контексте некоторого конкретного исторического периода. Например, при прогнозировании продаж малолитражных автомобилей целесообразно будет использовать данные о продажах автомобилей только с момента введения эмбарго на нефть в 1970-х годах, а не данные за последние 50 лет.

Этап 3, построение модели и ее оценка, состоит в подборе модели прогноза, наиболее соответствующей особенностям собранных данных в смысле минимизации ошибки прогноза. Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу. Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются. Из сказанного очевидно, что оценка непременно должна применяться в процессе выбора.

Этап 4, экстраполяция выбранной модели, предусматривает фактическое получение требуемого прогноза, поскольку необходимые данные уже собраны и, возможно, редуцированы, а соответствующая модель прогноза определена. Часто для проверки точности получаемых результатов применяется прогнозирование на недавно прошедшие периоды, для которых исследуемые величины уже известны. Наблюдаемые ошибки затем определенным образом анализируются. Эта процедура обсуждается ниже, при описании этапа 5.

Этап 5, оценка полученного прогноза, состоит в сравнении вычисленных величин с действительно наблюдаемыми значениями. Для этой цели часть наиболее свежей фактической информации обычно исключается из множества анализируемых данных. После того как модель прогноза будет подобрана, выполняется прогноз на эти периоды и полученные результаты сравниваются с известными наблюдаемыми значениями. Некоторые процедуры прогнозирования предусматривают суммирование абсолютных значений ошибок и представляют либо эту сумму, либо частное от деления ее на число прогнозируемых значений, представляющее собой значение средней ошибки прогноза. Другие процедуры используют сумму квадратов ошибок, которая затем сравнивается с аналогичными числами, полученными для альтернативных методов прогнозирования. Некоторые процедуры отслеживают и отмечают величину пределов ошибки за период прогнозирования.

Управление процессом прогнозирования

Здесь многократно подчеркивается, что в процесс прогнозирования непременно должны быть вовлечены способности и здравый смысл руководящего персонала. Специалист, занимающийся прогнозированием, должен рассматриваться как советник менеджера, а не как оператор некоего устройства, автоматически принимающего решения. К сожалению, именно эта ситуация чаще всего встречается на практике, особенно в связи с появлением компьютеров. Повторим, что количественный аппарат в процессе прогнозирования должен восприниматься как инструмент (чем он в действительности и является), используемый менеджером для принятия наилучшего решения.

Эффективность и уровень использования прогнозирования могут быть повышены, если менеджмент примет по отношению к нему более реалистичное отношение. Прогнозирование следует рассматривать не как некое пророчество, а скорее, как лучший способ выявления и экстраполяции существующих схем или взаимоотношений с целью прогнозирования. Если такое отношение будет воспринято, то ошибки прогноза будут рассматриваться как неизбежные, а обстоятельства, их порождающие, непременно подлежащими исследованию.

Следовательно, для того чтобы соответствующим образом руководить процессом прогнозирования, следует найти ответы на несколько ключевых вопросов.

  • Почему необходим прогноз?
  • Кто будет использовать прогноз, и в чем состоят его основные требования?
  • Какой уровень — отдельные составляющие или обобщенные показатели — требуется и каковы соответствующие временные рамки?
  • Какие имеются данные и будет ли их достаточно для того, чтобы получить необходимый прогноз?
  • Во что обойдется выполнение прогноза?
  • Какова ожидаемая точность прогноза?
  • Будет ли прогноз сделан вовремя, чтобы помочь процессу принятия решения?
  • Ясно ли понимает создающий прогноз специалист то, как он будет использован на предприятии?
  • Существует ли обратный процесс, позволяющий оценить прогноз после того, как он был сделан, и внести соответствующие уточнения в процесс прогнозирования?

Резюме

Целью создания прогноза является уменьшение того уровня неопределенности, в пределах которого менеджер должен принимать решения. Эта цель диктует два основных правила, которым должен следовать процесс прогнозирования.

  1. Прогнозирование должно быть технически корректным и должно порождать прогнозы, достаточно точные для того, чтобы отвечать нуждам фирмы.
  2. Процедура прогнозирования и ее результаты должны быть достаточно эффективно представлены менеджменту, что обеспечит использование прогнозов в процессе принятия решения во благо фирмы. Результаты прогнозирования также должны быть сбалансированы в отношении затрат/прибыли.

Последнее часто понимается неверно, что может мешать работе профессиональных специалистов по прогнозированию. Все же, если прогнозы должны использоваться на благо фирмы, то те, кто ответственен за принятие решений, должны пользоваться ими. Это утверждение поднимает вопрос о том, что следует считать "нормой поведения" в прогнозировании. Существенные, а иногда и основные статьи расходов и распределение ресурсов в фирме чаще всего соответствуют представлению руководства о будущем развитии событий. Так как движение ресурсов и средств в организации часто строится на предполагаемом направлении развития будущего (прогнозе), неудивительно, что вокруг процесса прогнозирования обычно ведутся интриги. Это наблюдение подчеркивает значение второго основного правила: "Прогнозы, созданные в пределах фирмы, должны быть поняты и оценены ее руководством в такой степени, которая позволит эффективно использовать эти прогнозы в управлении фирмой".

 

Теги: бизнес-план

www.businesstuning.ru

Сущность и понятие бизнес-прогноза на предприятии

Поиск Лекций

ЛЕКЦИЯ № 14

Тема: Формирование бизнес-прогнозов для расчета сводного бюджета предприятия

Вступление(7 мин.)

Основные вопросы:

1. Сущность и понятие бизнес-прогноза на предприятии (15 мин.)

2. Методы прогнозирования финансовых показателей (20 мин.)

3. Подходы к разработке прогнозов (25 мин.)

Выводы(13 мин.)

Основные понятия: финансовое планирование, финансовое прогнозирование, метод экспертных оценок, метод экстраполяции, методы экономики-математического моделирования, методы финансовой математики, пассивный прогноз, активный прогноз, план, прогноз.

Литература:

А) основная:

1. Пьер Берже. Денежный механизм. Учебное пособие. Москва, изд. группа «Прогресс Универс», 2013 . с. 5-262.

2. Учебник под редакцией к.э.н., доцента О.В. Соколовской. Москва, 2001 г. с. 30-783.

Б) дополнительная:

1. Е.Н. Гладковская. Финансы. Учебное пособие. Стандарт третьего поколения. – Спб.: ПИТЕР, 2012 г. с. 5-320.

2. В.В. Сухинина. Бюджетирование. Учебное пособие. Самар. гос

. техн. Ун - т.; Самара, 2008. 120 с.

3.Официальный сайт Фонда социального страхования Российской Федерации www.fss.ru

4.Официальный сайт Центрального банка Российской Федерации www.cbr.ru

Вступление

В современных условиях отечественный рынок характеризуется высокими темпами развития, гибкостью и широкой диверсификацией. Промышленным предприятиям для успешного функционирования необходимо учитывать особенности рыночной экономики и ее динамизм, выдвигая в качестве приоритетной задачи обеспечение конкурентоспособности своей продукции. Основными экономическими целями предприятий в рыночных условиях являются повышение эффективности производства, максимизация прибыли, завоевание новых рынков и удовлетворение потребностей коллектива. Вместе с тем возрастает влияние фактора хозяйственного риска, появляются преимущества свободного ценообразования, возможности самостоятельного выбора предприятием поставщиков. В настоящее время, ориентируясь на интересы и требования потребителей, конъюнктуру рынка и изменения в социально-экономической политике государства, предприятия пытаются разрабатывать стратегии своего развития, рассчитанные как на долгосрочную, так и ближайшую перспективы. Очевидно, что чем точнее определены будущие результаты развития, намечены цели, разработаны механизмы и способы их достижения, тем увереннее осуществляется текущее руководство, тем эффективнее решаются проблемы. Поэтому на промышленных предприятиях при разработке стратегических и текущих планов и подготовке управленческих решений постоянно возникают задачи, связанные с оценкой будущего, из-за чего возрастает необходимость практического овладения методами определения перспектив своего развития.

Применение прогнозирования на уровне отдельно взятого предприятия способствует разработке научно обоснованных целей его функционирования, стратегических и текущих планов, в основу которых положены различные варианты прогнозов, характеризующих перспективы развития самого предприятия и его внешней среды; в значительной степени предопределяет принятие руководителями верных управленческих решений; помогает избежать негативных тенденций, которые возникают как внутри предприятия, так и в его внешнем окружении. Несмотря на то, что многие промышленные предприятия, ориентируясь на требования рыночной экономики, проводят преобразование действующей у них системы управления, функции прогнозирования по-прежнему не уделяется должного внимания. На предприятиях, в процессе создания прогнозов превалируют интуитивные предположения и безальтернативные технико-экономические расчеты в лучшем случае по весьма ограниченному числу показателей. Кроме того, такие расчеты основываются на неявном допущении о том, что имеющиеся зависимости между элементами прогнозируемой системы являются жестко детерминированными, вследствие чего используются элементарные математические процедуры, упускающие тенденции и влияние существенных факторов. В этой связи получение прогнозных данных на предприятиях зачастую носит несистематизированный, спонтанный характер.

Таким образом, прогнозирование и планирование развития предприятия является весьма актуальной и значимой для обеспечения социально-экономического развития экономики. Бюджетное планирование на предприятиях во многом зависит от качества прогнозов основных показателей их производственной деятельности, рыночной конъюнктуры, состояния денежного обращения и курса рубля. Поэтому в сложившихся условиях возможна заниженная оценка потребности в финансовых ресурсах и изменений в финансовом состоянии предприятий, в связи с чем необходимо предусматривать финансовые резервы.

Сущность и понятие бизнес-прогноза на предприятии

Прогнозирование — деятельность, направленная на выявление и изучение возможных альтернатив будущего развития фирмы. Главная роль здесь отводится прогнозированию сбыта продукции. Основная цель прогноза — определить тенденции факторов, воздействующих на конъюнктуру рынка.

При прогнозировании обычно выделяют прогнозы краткосрочные — на 1 — 1,5 года, среднесрочные — на 4-6 лет и долгосрочные — на 10-15 лет.

Главный акцент прикраткосрочном прогнозировании делается на количественной и качественной оценке изменений объема производства, спроса и предложения, уровня конкурентоспособности товара и индексов цен, валютных курсов, соотношений валют и кредитных условий. Учитываются также временные, случайные факторы.

Среднесрочное идолгосрочное прогнозирование основывается на системе прогнозов — конъюнктуры рынка, соотношения спроса и предложения, ограничений по защите окружающей среды, международной торговли.

В качестве инструментария прогнозирования применяются формализованные количественные методы (факторные, статистического анализа, математического моделирования), методы экспертных оценок, базирующиеся на опыте и интуиции специалистов по данному товару и рынку.

Важнейшими прогнозами в деятельности фирм являются прогнозы сбыта, при разработке которых могут быть использованы следующие основные методы:

  • опрос группы руководителей различных служб и отделов фирмы,а такжеобобщение оценок отдельных торговых агентов предприятия и руководителей его сбытовых подразделений - прогноз представляет собой среднее значение из их мнений. Метод применяется для новых фирм, не имеющих опыта использования других методов, а также когда отсутствует подробная информация о тенденциях развития рынка. В рамках данного метода создается возможность учитывать региональные особенности спроса и условий реализации продукции фирмы;
  • прогнозирование на базе прошлого оборота - определяется темп роста объема продаж в отчетном году по сравнению с предыдущим и делается предположение, что достигнутые темпы роста сохранятся в следующем году:

Оборотследующего года = Оборот отчетного года х (Оборот текущего года: Оборот прошлого года). Метод применяется для рынков со стабильной конъюнктурой, слабо меняющимся ассортиментом, незначительными колебаниями оборота и вялотекущим НТП;

  • анализ тенденций, циклов и факторов, влияющих на объем сбыта. К наиболее значимым факторам относятся: долгосрочные тенденции роста фирмы, циклические колебания деловой активности, сезонные изменения сбыта, технические сдвиги, появление новых конкурентов и др. Метод используется для долгосрочных прогнозов на период не менее 3-5 лет и наиболее применим в капиталоемких видах деятельности;
  • корреляционный анализ - дополняет предыдущий метод, но основан на использовании более сложных методов статистического анализа. Выявляется теснота связи между уровнем сбыта и различными влияющими на него факторами, на основе чего факторы ранжируются по степени значимости. Метод требует больших затрат, связанных с глубоким исследованием рынка, и наиболее точные результаты дает на рынках со стабильной конъюнктурой;
  • прогнозирование на основе «доли рынка» сбыта фирмы — сбыт прогнозируется в виде определенного процента от доли фирмы на рынке в данной отрасли. Делается расчет доли фирмы в общем объеме продаж на рынке. При использовании метода важно быть уверенным в точности прогноза сбыта по рынку в целом и не принимать в расчет неценовую конкуренцию;
  • анализ конечного использования — прогноз основывается на предполагаемых объемах заказов основных клиентов фирмы. Общий объем сбыта обычно превышает этот показатель на определенный процент. Метод требует проведения исследований по основным отраслям, потребляющим продукцию предприятия, и наиболее предпочтителен в отраслях сырьевого и энергетического комплекса и на фирмах, выпускающих законченные изделия и узлы;
  • анализ ассортимента товаров — прогнозы сбыта по отдельным видам изделий сводятся воедино и образуют плановый оборот фирмы. Метод подходит для диверсифицированных фирм; его точность зависит от детального исследования рынка каждого вида изделий;
  • пробный маркетинг - один из самых точных подходов к прогнозированию сбыта. Новый продукт и система его продвижения на рынке (цены, виды рекламы, каналы сбыта, тип упаковки) проходят апробацию на небольшом региональном рынке, а затем информация об объеме продаж на нем распространяется на весь рынок сбыта фирмы;
  • методы стандартного распределения вероятностей — экспертным путем определяются три вида прогнозов сбыта: О — оптимистический прогноз;В - наиболее вероятный прогноз;П - пессимистическая оценка прогноза сбыта. Далее рассчитывается ожидаемое значение прогноза сбыта (С) по формуле:

С = (О + 4В + П) : 6.

Стандартное отклонение(СО) вычисляется какС0 = (0 − П) : 6. В соответствии с общей теорией статистики наиболее вероятное значение переменной — объема сбыта с вероятностью 95% будет находиться в пределахС ±2 СО.

Эффективность применения того или иного метода зависит от специфики деятельности фирмы. Обычно считается, что прогноз составлен правильно, если отклонение фактического оборота от планируемого не более 5%. Прогноз сбыта является основой для составления плана производства и реализации продукции фирмы.



poisk-ru.ru

Как вам может помочь бизнес-прогнозирование

Как вам может помочь бизнес-прогнозирование

Автор: Артур Дж. Райтш (Arthur G. Reitsch), почетный профессор Восточного Вашингтонского университета. Материал публикуется в сокращенном переводе с английского.

 

Кому необходимы прогнозы? Практически каждое предприятие, большое или малое, частное или государственное, явно или неявно пользуется прогнозами, потому что каждое предприятие должно планировать будущее, о котором оно пока ничего не знает.

Прогнозы необходимы в финансах, маркетинге, подборе кадров и производстве, в правительственных и коммерческих организациях. Вот несколько примеров вопросов, для получения ответов на которые необходимы те или иные процедуры прогнозирования:

  • Как повлияет на объемы продаж увеличение финансирования рекламы на 10%?
  • Какой годовой доход может ожидать государство по истечении следующего двухлетнего периода?
  • Сколько единиц продукции необходимо продать, чтобы возвратить планируемые капиталовложения в производственное оборудование?
  • Как определить факторы, которые помогут объяснить изменчивость в ежемесячных объемах продажи продукции?
  • Каков ежегодный прогноз на последующие 10 лет в отношении сводного баланса займов нашего банка?
  • Будет ли экономический спад? Если да, то когда он начнется, насколько сильным он будет и когда он окончится?

 

Какие существуют типы прогнозов для менеджера, столкнувшегося с необходимостью принятия решения в условиях неопределенности? Прогнозы могут классифицироваться как долгосрочные и краткосрочные. Долгосрочные прогнозы необходимы для того, чтобы наметить основной курс предприятия на длительный период, поэтому именно на них акцентируется основное внимание менеджеров высшего звена. Краткосрочные прогнозы используются для разработки безотлагательных стратегий. Они чаще всего применяются менеджерами среднего и низшего звена для удовлетворения потребностей ближайшего будущего.

Процедуры прогнозирования могут также классифицироваться как количественные и качественные. На одном полюсе здесь находится чисто качественный аппарат, не требующий явного математического оперирования данными. Используется только «оценка», предоставляемая составителем прогноза. Конечно, даже в этом случае «оценка» составителя прогноза в действительности является результатом мысленного анализа данных. На другом полюсе находится чисто количественный аппарат, не требующий никакой дополнительной оценки. Это чисто механические процедуры, которые на выходе дают количественные результаты.

 

Все формальные процедуры прогнозирования предусматривают перенос прошлого опыта в неопределенное будущее. Таким образом, все они построены на предположении, что условия, породившие полученные ранее данные, неотличимы от условий будущего. Исключение составляют только те переменные, которые точно распознаны моделью прогнозирования.

Например, если кто-то строит прогноз показателей производительности служащих, исходя только из множества оценок, выставленных им при испытаниях в процессе приема на работу, то он, очевидно, предполагает, что показатель производительности каждого работника зависит только от них. В действительности же подобное предположение о неразличимости прошлого и будущего не выполняется в полной мере. Поэтому полученный прогноз будет неточен, если только он не будет модифицирован на основании оценки, выполненной составителем прогноза.

Осмысление того, что аппарат прогнозирования оперирует данными, порожденными естественными событиями, приводит к определению следующих пяти этапов в процессе прогнозирования:

  1. Сбор данных.
  2. Редукция или уплотнение данных.
  3. Построение модели и ее оценка.
  4. Экстраполяция выбранной модели (фактический прогноз).
  5. Оценка полученного прогноза.

 

Прогнозирование: этап 1 — сбор данных

Предполагает получение корректных данных и обязательную проверку того, что они верны. Этот этап часто является наиболее сомнительной частью всего процесса прогнозирования и в то же время наиболее сложен для проверки, поскольку последующие этапы с одинаковым успехом могут производиться с использованием данных, как соответствующих изучаемой проблеме, так и не соответствующих ей. Всякий раз, когда возникает необходимость получить в организации определенные данные, их сбор и проверка обязательно сопровождаются множеством различных проблем.

 

Прогнозирование: этап 2 — редукция или уплотнение данных

Часто оказывается необходимым, так как для выполнения прогнозирования может быть собрано как слишком много исходных данных, так и слишком мало. Некоторые данные могут не иметь прямого отношения к рассматриваемой задаче, а будут лишь снижать точность прогнозирования. Другие данные могут соответствовать проблеме, но только в контексте некоторого конкретного исторического периода. Например, при прогнозировании продаж малолитражных автомобилей целесообразно будет использовать данные о продажах автомобилей только с момента введения эмбарго на нефть в 1970-х годах, а не данные за последние 50 лет.

 

Прогнозирование: этап 3 — построение модели и ее оценка

Состоит в подборе модели прогноза, наиболее соответствующей особенностям собранных данных в смысле минимизации ошибки прогноза. Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу.

Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются. Из сказанного очевидно, что оценка непременно должна применяться в процессе выбора.

 

Прогнозирование: этап 4 — экстраполяция выбранной модели

Предусматривает фактическое получение требуемого прогноза, поскольку необходимые данные уже собраны и, возможно, редуцированы, а соответствующая модель прогноза определена. Часто для проверки точности получаемых результатов применяется прогнозирование на недавно прошедшие периоды, для которых исследуемые величины уже известны. Наблюдаемые ошибки затем определенным образом анализируются. Эта процедура обсуждается ниже, при описании этапа 5.

 

Прогнозирование: этап 5 — оценка полученного прогноза

Состоит в сравнении вычисленных величин с действительно наблюдаемыми значениями. Для этой цели часть наиболее свежей фактической информации обычно исключается из множества анализируемых данных. После того как модель прогноза будет подобрана, выполняется прогноз на эти периоды и полученные результаты сравниваются с известными наблюдаемыми значениями.

Некоторые процедуры прогнозирования предусматривают суммирование абсолютных значений ошибок и представляют либо эту сумму, либо частное от деления ее на число прогнозируемых значений, представляющее собой значение средней ошибки прогноза. Другие процедуры используют сумму квадратов ошибок, которая затем сравнивается с аналогичными числами, полученными для альтернативных методов прогнозирования. Некоторые процедуры отслеживают и отмечают величину пределов ошибки за период прогнозирования.

 

В процесс прогнозирования непременно должны быть вовлечены способности и здравый смысл руководящего персонала. Специалист, занимающийся прогнозированием, должен рассматриваться как советник менеджера, а не как оператор устройства, автоматически принимающего решения.

Эффективность и уровень использования прогнозирования могут быть повышены, если менеджмент примет по отношению к нему более реалистичное отношение. Прогнозирование следует рассматривать не как некое пророчество, а скорее, как лучший способ выявления и экстраполяции существующих схем или взаимоотношений с целью прогнозирования. Если такое отношение будет воспринято, то ошибки прогноза будут рассматриваться как неизбежные, а обстоятельства, их порождающие, непременно подлежащими исследованию.

Следовательно, для того чтобы соответствующим образом руководить процессом прогнозирования, следует найти ответы на несколько ключевых вопросов:

  • Почему необходим прогноз?
  • Кто будет использовать прогноз, и в чем состоят его основные требования?
  • Какой уровень — отдельные составляющие или обобщенные показатели — требуется и каковы соответствующие временные рамки?
  • Какие имеются данные и будет ли их достаточно для того, чтобы получить необходимый прогноз?
  • Во что обойдется выполнение прогноза?
  • Какова ожидаемая точность прогноза?
  • Будет ли прогноз сделан вовремя, чтобы помочь процессу принятия решения?
  • Ясно ли понимает создающий прогноз специалист то, как он будет использован на предприятии?
  • Существует ли обратный процесс, позволяющий оценить прогноз после того, как он был сделан, и внести соответствующие уточнения в процесс прогнозирования?

 

Целью создания прогноза является уменьшение того уровня неопределенности, в пределах которого менеджер должен принимать решения. Эта цель диктует два основных правила, которым должен следовать процесс прогнозирования:

  1. Прогнозирование должно быть технически корректным и должно порождать прогнозы, достаточно точные для того, чтобы отвечать нуждам фирмы.
  2. Процедура прогнозирования и ее результаты должны быть достаточно эффективно представлены менеджменту, что обеспечит использование прогнозов в процессе принятия решения во благо фирмы. Результаты прогнозирования также должны быть сбалансированы в отношении затрат/прибыли.

 

Последнее часто понимается неверно, что может мешать работе профессиональных специалистов по прогнозированию. Все же, если прогнозы должны использоваться на благо фирмы, то те, кто ответственен за принятие решений, должны пользоваться ими. Это утверждение поднимает вопрос о том, что следует считать «нормой поведения» в прогнозировании.

Существенные, а иногда и основные статьи расходов и распределение ресурсов в фирме чаще всего соответствуют представлению руководства о будущем развитии событий. Так как движение ресурсов и средств в организации часто строится на предполагаемом направлении развития будущего (прогнозе), неудивительно, что вокруг процесса прогнозирования обычно ведутся интриги. Это наблюдение подчеркивает значение второго основного правила: «Прогнозы, созданные в пределах фирмы, должны быть поняты и оценены ее руководством в такой степени, которая позволит эффективно использовать эти прогнозы в управлении фирмой».

 

Изучите системно инструменты анализа, оценки и совершенствования финансовой политики в курсе «Финансовый менеджмент: управление финансами»:

Финансовый менеджмент (управление финансами): практический интерактивный дистанционный курсФинансовый менеджмент (управление финансами): практический интерактивный дистанционный курс

www.elitarium.ru

TopTrening.ru

Кому необходимы прогнозы? Практически каждое предприятие, большое или маленькое, частное или государственное, явно или неявно пользуется прогнозами, потому что каждое предприятие должно планировать будущее, о котором оно пока ничего не знает. К тому же необходимость в прогнозах пронизывает все функциональные линии так же, как и все типы организаций. Прогнозы необходимы в финансировании, маркетинге, подборе кадров и различных производственных областях, в правительственных и коммерческих организациях, в маленьких социальных клубах и национальных политических партиях. Вот несколько примеров вопросов, для получения ответов на которые необходимы те или иные процедуры прогнозирования.

  • Как повлияет на объемы продаж увеличение финансирования рекламы на 10%?
  • Какой годовой доход может ожидать государство по истечении следующего двухлетнего периода?
  • Сколько единиц продукции необходимо продать, чтобы возвратить планируемые капиталовложения в производственное оборудование?
  • Как определить факторы, которые помогут объяснить изменчивость в ежемесячных объемах продажи продукции?
  • Каков ежегодный прогноз на последующие 10 лет в отношении сводного баланса займов нашего банка?
  • Будет ли экономический спад? Если да, то когда он начнется, насколько сильным он будет и когда он окончится?

Типы прогнозов

Какие существуют типы прогнозов для менеджера, столкнувшегося с необходимостью принятия решения в условиях неопределенности? Прогнозы могут классифицироваться как долгосрочные и краткосрочные. Долгосрочные прогнозы необходимы для того, чтобы наметить основной курс предприятия на длительный период, поэтому именно на них акцентируется основное внимание менеджеров высшего звена. Краткосрочные прогнозы используются для разработки безотлагательных стратегий. Они чаще всего применяются менеджерами среднего и низшего звена для удовлетворения потребностей ближайшего будущего.

Процедуры прогнозирования могут также классифицироваться как количественные и качественные. На одном полюсе здесь находится чисто качественный аппарат, не требующий явного математического оперирования данными. Используется только "оценка", предоставляемая составителем прогноза. Конечно, даже в этом случае "оценка" составителя прогноза в действительности является результатом мысленного анализа данных. На другом полюсе находится чисто количественный аппарат, не требующий никакой дополнительной оценки. Это чисто механические процедуры, которые на выходе дают количественные результаты.

Этапы прогнозирования

Все формальные процедуры прогнозирования предусматривают перенос прошлого опыта в неопределенное будущее. Таким образом, все они построены на предположении, что условия, породившие полученные ранее данные, неотличимы от условий будущего. Исключение составляют только те переменные, которые точно распознаны моделью прогнозирования. Например, если кто-то строит прогноз показателей производительности служащих, исходя только из множества оценок, выставленных им при испытаниях в процессе приема на работу, то он, очевидно, предполагает, что показатель производительности каждого работника зависит только от них. В действительности же подобное предположение о неразличимости прошлого и будущего не выполняется в полной мере. Поэтому полученный прогноз будет неточен, если только он не будет модифицирован на основании оценки, выполненной составителем прогноза.

Осмысление того, что аппарат прогнозирования оперирует данными, порожденными естественными событиями, приводит к определению следующих пяти этапов в процессе прогнозирования.

1. Сбор данных

2. Редукция или уплотнение данных

3. Построение модели и ее оценка

4. Экстраполяция выбранной модели (фактический прогноз)

5. Оценка полученного прогноза

Этап 1, сбор данных, предполагает получение корректных данных и обязательную проверку того, что они верны. Этот этап часто является наиболее сомнительной частью всего процесса прогнозирования и в то же время наиболее сложен для проверки, поскольку последующие этапы с одинаковым успехом могут производиться с использованием данных, как соответствующих изучаемой проблеме, так и не соответствующих ей. Всякий раз, когда возникает необходимость получить в организации определенные данные, их сбор и проверка обязательно сопровождаются множеством различных проблем.

Этап 2, редукция или уплотнение данных, часто оказывается необходимым, так как для выполнения прогнозирования может быть собрано как слишком много исходных данных, так и слишком мало. Некоторые данные могут не иметь прямого отношения к рассматриваемой задаче, а будут лишь снижать точность прогнозирования. Другие данные могут соответствовать проблеме, но только в контексте некоторого конкретного исторического периода. Например, при прогнозировании продаж малолитражных автомобилей целесообразно будет использовать данные о продажах автомобилей только с момента введения эмбарго на нефть в 1970-х годах, а не данные за последние 50 лет.

Этап 3, построение модели и ее оценка, состоит в подборе модели прогноза, наиболее соответствующей особенностям собранных данных в смысле минимизации ошибки прогноза. Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу. Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются. Из сказанного очевидно, что оценка непременно должна применяться в процессе выбора.

Этап 4, экстраполяция выбранной модели, предусматривает фактическое получение требуемого прогноза, поскольку необходимые данные уже собраны и, возможно, редуцированы, а соответствующая модель прогноза определена. Часто для проверки точности получаемых результатов применяется прогнозирование на недавно прошедшие периоды, для которых исследуемые величины уже известны. Наблюдаемые ошибки затем определенным образом анализируются. Эта процедура обсуждается ниже, при описании этапа 5.

Этап 5, оценка полученного прогноза, состоит в сравнении вычисленных величин с действительно наблюдаемыми значениями. Для этой цели часть наиболее свежей фактической информации обычно исключается из множества анализируемых данных. После того как модель прогноза будет подобрана, выполняется прогноз на эти периоды и полученные результаты сравниваются с известными наблюдаемыми значениями. Некоторые процедуры прогнозирования предусматривают суммирование абсолютных значений ошибок и представляют либо эту сумму, либо частное от деления ее на число прогнозируемых значений, представляющее собой значение средней ошибки прогноза. Другие процедуры используют сумму квадратов ошибок, которая затем сравнивается с аналогичными числами, полученными для альтернативных методов прогнозирования. Некоторые процедуры отслеживают и отмечают величину пределов ошибки за период прогнозирования.

Управление процессом прогнозирования

Здесь многократно подчеркивается, что в процесс прогнозирования непременно должны быть вовлечены способности и здравый смысл руководящего персонала. Специалист, занимающийся прогнозированием, должен рассматриваться как советник менеджера, а не как оператор некоего устройства, автоматически принимающего решения. К сожалению, именно эта ситуация чаще всего встречается на практике, особенно в связи с появлением компьютеров. Повторим, что количественный аппарат в процессе прогнозирования должен восприниматься как инструмент (чем он в действительности и является), используемый менеджером для принятия наилучшего решения.

Эффективность и уровень использования прогнозирования могут быть повышены, если менеджмент примет по отношению к нему более реалистичное отношение. Прогнозирование следует рассматривать не как некое пророчество, а скорее, как лучший способ выявления и экстраполяции существующих схем или взаимоотношений с целью прогнозирования. Если такое отношение будет воспринято, то ошибки прогноза будут рассматриваться как неизбежные, а обстоятельства, их порождающие, непременно подлежащими исследованию.

Следовательно, для того чтобы соответствующим образом руководить процессом прогнозирования, следует найти ответы на несколько ключевых вопросов.

  • Почему необходим прогноз?
  • Кто будет использовать прогноз, и в чем состоят его основные требования?
  • Какой уровень — отдельные составляющие или обобщенные показатели — требуется и каковы соответствующие временные рамки?
  • Какие имеются данные и будет ли их достаточно для того, чтобы получить необходимый прогноз?
  • Во что обойдется выполнение прогноза?
  • Какова ожидаемая точность прогноза?
  • Будет ли прогноз сделан вовремя, чтобы помочь процессу принятия решения?
  • Ясно ли понимает создающий прогноз специалист то, как он будет использован на предприятии?
  • Существует ли обратный процесс, позволяющий оценить прогноз после того, как он был сделан, и внести соответствующие уточнения в процесс прогнозирования?

Резюме

Целью создания прогноза является уменьшение того уровня неопределенности, в пределах которого менеджер должен принимать решения. Эта цель диктует два основных правила, которым должен следовать процесс прогнозирования.

1. Прогнозирование должно быть технически корректным и должно порождать прогнозы, достаточно точные для того, чтобы отвечать нуждам фирмы.

2. Процедура прогнозирования и ее результаты должны быть достаточно эффективно представлены менеджменту, что обеспечит использование прогнозов в процессе принятия решения во благо фирмы. Результаты прогнозирования также должны быть сбалансированы в отношении затрат/прибыли.

Последнее часто понимается неверно, что может мешать работе профессиональных специалистов по прогнозированию. Все же, если прогнозы должны использоваться на благо фирмы, то те, кто ответственен за принятие решений, должны пользоваться ими. Это утверждение поднимает вопрос о том, что следует считать "нормой поведения" в прогнозировании. Существенные, а иногда и основные статьи расходов и распределение ресурсов в фирме чаще всего соответствуют представлению руководства о будущем развитии событий. Так как движение ресурсов и средств в организации часто строится на предполагаемом направлении развития будущего (прогнозе), неудивительно, что вокруг процесса прогнозирования обычно ведутся интриги. Это наблюдение подчеркивает значение второго основного правила: "Прогнозы, созданные в пределах фирмы, должны быть поняты и оценены ее руководством в такой степени, которая позволит эффективно использовать эти прогнозы в управлении фирмой".

Источник: www.elitarium.ru

www.toptrening.ru

Базовые инструменты прогнозирования ключевых бизнес-показателей

Задача прогнозирования бизнес-показателей, таких, как продажи или рост знания бренда, всегда была одной из самых актуальных для любого бизнеса. Однако решение этой задачи часто оказывается нетривиальной из-за большого числа факторов, влияющих на результат прогноза, и отсутствия необходимых данных. Выбор оптимальной прогнозной модели будет зависеть от объема доступной информации и постановки задачи.

Представим, что мы запускаем новый продукт в новой категории и хотим получить прогноз развития показателей бизнеса на ближайшие пять лет. Категория новая, как сделать прогноз наиболее реалистичным? Решение такой задачи часто сводится к классическому рецепту приготовления каши из топора. Если в холодильнике пусто, посмотрите, нет ли у вас соли, крупы, масла. Вуаля — каша готова.

Так и с данными: если нет своих, поищите хоть какие-то данные, которые можно использовать для прогнозирования. Что закинуть в котел? Первый шаг — анализ открытых источников. Данные поисковых запросов в целевой категории можно достать из таких систем, как Wordstat Yandex, Google Adwords, Google Trends, а посещаемость близких по тематике ресурсов можно оценить, например, по данным SimilarWeb.

Дальше все будет зависеть от специфики продукта и готовности инвестировать в покупку доступа к индустриальным базам данных. Так, например, в фармацевтике существуют базы данных IMS и DSM, которые позволят проанализировать продажи любого лекарственного средства в исторической перспективе с детализацией по регионам, формам выпуска и другими специфическими для этой категории показателями.

В категории FMCG есть аналогичный источник индустриальных данных — Nielsen, в автокатегории — «Автостат» (AEB), в мобильных приложениях — App Annie. У TNS есть панель Marketing Index с мониторингом знания крупных брендов в большинстве категорий. Практически для любого рынка можно подобрать источник данных, позволяющий оценить продажи или близкую к ним метрику.

При работе с индустриальными источниками данных нужно всегда обращать внимание на методологию: так или иначе все используют некоторую выборку, анализ которой потом экстраполируется на весь рынок. Качество данных будет напрямую зависеть от репрезентативности такой выборки в исследуемом вами сегменте. Ввиду этого крайне желательно иметь несколько источников информации и понимать степень надежности данных.

Если в вашей категории нет никаких источников данных, либо нет возможности получить к ним доступ, имеет смысл прибегнуть к экспертному мнению. Силу экспертного мнения не стоит недооценивать, ведь даже индустриальные источники данных могут ошибаться, а человек с опытом может лучше оценить фактические показатели бизнеса.

Экспертная модель — модель на основе экспертного мнения — это наглядный пример работы нейронной сети, за ней стоит опыт конкретных людей. Принято считать, что точность таких моделей увеличивается с ростом числа опрошенных экспертов.

Так же, как и модели на основе нейронных сетей, экспертные модели можно обучать по мере поступления фактических данных. То есть если вы три квартала подряд спрашивали Васю и Петю о том, какими будут продажи в последующем квартале, и три раза подряд прогноз Пети оказывался точнее, то в четвертый раз прогнозу Пети можно придать больший вес.

Одно из главных преимуществ, и он же главный недостаток экспертных моделей — их простота. Чтобы разработать такую модель, достаточно найти компетентных людей и записать их прогноз. Никаких специальных инструментов не требуется, максимум — калькулятор. Однако такими моделями сложно управлять, и если прогноз не сбудется, то все, что остается — признать, что кто-то из экспертов ошибся.

По мере накопления данных стоит постепенно отходить от экспертных моделей в пользу более прозрачных и взвешенных способов прогнозирования. При наличии данных всего за три предыдущих периода уже становится возможным использовать модель линейного тренда.

Почему именно три периода, а не два? Потому что на двух точках погрешность модели всегда будет равна нулю, так как через две точки проходит единственная прямая (в этом случае лучшей моделью будет выбор среднего значения).

В моем опыте был случай, когда производитель шин обратился с просьбой построить прогноз на пять лет вперед на основе замера текущего знания бренда с учетом их рекламного бюджета. Так как замер был только один, мы опирались на экспертную оценку. Через полгода клиент попросил нас уточнить прогноз с учетом новой волны опроса. Но это не могло повлиять на наш прогноз, потому что первый замер производился зимой, а второй летом. А знание марок летних и зимних шин довольно сильно отличается.

Мы объяснили клиенту, что, чтобы построить хотя бы тренд, придется ждать три года. В итоге, чтобы дать более точный прогноз, мы пересекли данные опроса с данными объема поисковых запросов, которые в Yandex Wordstat доступны в детализации по месяцам за последние два года.

В реальности любая модель должна обладать погрешностью, и знание величины этой погрешности не менее ценно, чем сам прогноз. Классическая ошибка при построении прогноза — стремление выбрать такую модель, которая бы полностью описывала исторические данные с нулевой ошибкой, неважно сколько факторов задействовано для описания.

Одним из основных критериев в выборе наиболее подходящей модели прогнозирования должна быть ее способность описывать ранее неизвестные данные при минимальной зависимости от факторов, которые сами требуют предсказания и обладают погрешностью в оценке.

Из двух моделей, одинаково хорошо описывающих исторические данные, лучшей будет та, в которой задействовано меньше факторов.

Самый простой способ построить модель линейного тренда — воспользоваться функцией Trend (тенденция) в Excel. Аналогичные функции есть в любом специализированном ПО для анализа данных. К плюсам такого способа прогнозирования можно отнести его простоту и наглядность. К минусам — не самую высокую точность прогнозирования (бизнес редко живет по линейным законам) и отсутствие возможности управлять прогнозом в зависимости от внешних факторов. Такой способ прогнозирования хорошо подходит для описания ситуаций типа «что, если в следующем году все будет так же, как было последние три года».

Линейный тренд — это простейший вариант регрессии — класса алгоритмов, использующихся в машинном обучении для предсказания численных значений. Суть регрессии в разложении или, как еще говорят, декомпозиции, измеримой числовой характеристики (например, продаж) на базовые составляющие.

Так же, как модель самолета состоит из набора базовых деталей — крыла, двигателя, шасси и так далее, — регрессионная модель может состоять из дистрибуции, цены, рекламы. Усложнение процедуры прогнозирования происходит за счет добавления в регрессию новых факторов по мере роста объема доступных данных. Модели, где факторов больше одного, относятся к многофакторному регрессионному анализу.

В качестве простейших факторов для прогнозирования можно использовать предыдущие значения прогнозируемого показателя (авторегрессия) и среднее значение за несколько предыдущих периодов (скользящее среднее).

Пример такого прогноза: последние три месяца продажи росли в среднем на X, но последние три года в прогнозируемом периоде продажи были на Y больше, чем в другие месяцы, даже с учетом роста на X. Значит, в прогнозе мы ожидаем рост X+Y.

Так можно учесть сезонность целевого показателя (если она есть) и адаптировать прогноз к изменениям тренда. Так как для прогнозирования используются значения прогнозируемого показателя, такой подход лучше работает на коротких дистанциях (прогноз на один период вперед), чем на длинных (прогноз на три и больше периода). Иначе получается прогноз от прогноза, что ведет к быстрому росту ошибки прогнозирования.

Если категория сезонна, то, накопив помесячные данные за три года, можно использовать так называемую сезонную декомпозицию — линейную регрессию, состоящую из тренда и сезонности. Дополнительная нагрузка модели факторами должна быть оправдана увеличением ее точности, и для этого в статистике есть специальные информационные критерии.

В хороших прогнозных моделях факторов обычно не больше 10% от количества доступных данных. Дальше либо факторы начинают конкурировать между собой пытаясь объяснить одно и тоже явление (проблема мультиколлинеарности), либо модель становится неустойчива, и при добавлении новых точек данных сильно меняется сила влияния отдельных факторов (проблема смещенных оценок значимости факторов).

В фармацевтической категории для одного из клиентов мы предоставляли отчет о динамике доли рынка игроков, очищенной от сезонности — это позволяет гораздо лучше понимать реальные позиции игроков на рынке и прогнозировать их развитие.

Один из способов оценить качество модели и значимость заложенных в нее факторов — разделить доступные данные на две части: обучающую и тестовую. Например, если есть понедельные данные за три года, можно построить модель на данных за 2 года и 10 месяцев, это будет обучающей выборкой, а потом сравнить прогноз от полученной модели с фактическими данными последних двух месяцев (тестовой выборкой).

Многофакторный регрессионный анализ используют во многих областях: от социологии до ядерной физики, но, когда он используется для описания бизнес-процессов, обычно используют термин эконометрическое моделирование. Преимущество использования эконометрики заключается в возможности описать степень влияния каждого отдельного фактора на целевой показатель.

Базово для построения таких моделей по-прежнему достаточно Excel, если подключить надстройку «Пакет анализа» (ее можно активировать в настройках Excel в версии для Windows, владельцам macOS потребуется Excel 2016 или сторонние надстройки). Однако Excel предоставляет ограниченную статистику по проверке качества и устойчивости моделей. Кроме того, в эконометрических моделях часто анализируются нелинейные взаимосвязи между факторами и целевым показателем.

Потенциал Excel в разработке сложных моделей сильно ограничен. Раньше такие модели разрабатывали в специализированных платных статистических программных пакетах, таких как Eviews и SPSS. В последние несколько лет основными инструментами анализа данных и построения прогнозных моделей стали языки программирования R и Python. Разработка таких моделей требует глубокого знания статистического анализа временных рядов и навыков программирования.

Когда данных становится слишком много, возникает вопрос о том, какой уровень их детализации является оптимальным для задач прогнозирования. Если, например, требуется построить прогноз динамики посетителей сайта на следующие пять лет по годам, а данные доступны в детализации по дням, то что будет более правильным: 1) суммировать исторические данные по дням и строить прогноз по годам; 2) построить прогноз по дням и прогнозировать годовые показатели как сумму прогнозных значений по дням; 3) построить прогноз по месяцам и прогнозировать годовые показатели как сумму прогнозных значений по месяцам?

Правильный ответ: выбирайте тот уровень детализации данных, на котором работают факторы, оказывающие воздействие на результат вашего прогноза. Так, если для продвижения бизнеса используется ТВ-реклама, то корректная модель должна строиться по дням или неделям — на том уровне, на котором мы видим влияние рекламы.

Чтобы определить оптимальный масштаб времени, иногда достаточно сравнить между собой графики продаж разной периодичности. Есть спорное мнение, что оценивать эффект от ТВ-рекламы на, например, посещение сайта или установку приложения надо в определенном окне (например, 15 минут) с момента выхода сообщения.

В реальности, если реклама не призывает явно совершить действие прямо сейчас, нет гарантии, что мы увидим рост целевого показателя в момент выхода рекламы. Однако реклама может увеличить вероятность того, что люди, ее увидевшие, совершат заложенное в сообщении действие, и по закону больших чисел с накоплением статистики эффект от рекламы должен становится более очевидным.

Необходимо контролировать статистическую значимость показателей на выбранном уровне детализации. Если вы — автодилер и продаете от трех до пяти машин определенной модели в день, не надо пытаться прогнозировать продажи авто по дням и рассчитывать на точность прогноза ±10%.

Как известно аналитикам, занимающимся социологическими опросами, предельная ошибка выборки прямо пропорциональна разбросу значений вокруг среднего и обратно пропорциональна корню из числа наблюдаемых значений. На практике это означает, что, чтобы получить статистически значимый результат опроса, вам надо опросить не менее 300−400 человек в каждой волне исследования. На тот же критерий можно ориентироваться и в анализе временных рядов.

С другой стороны, если анализировать динамику посетителей сайта по месяцам, кварталам или годам, будет невозможно изолировать индивидуальный эффект отдельных факторов. Например, на эффект рекламы может наложиться сезонность.

Наиболее сложные задачи прогнозирования — те, где количество доступных точек данных измеряется десятками тысяч, а количество факторов, которые могут потенциально оказать влияние — сотнями. Если нет возможность снизить размерность задачи и свести ее к регрессии, решение таких задач может потребовать привлечение одного или нескольких учёных по данным и использование таких методов машинного обучения, как, например, градиентный бустинг и нейронные сети.

Градиентный бустинг — это тестирование качества нескольких разных алгоритмов на тестовой выборке, чтобы на выходе получить «коктейль» из разных моделей, который работает лучше, чем каждая модель в отдельности.

Принцип работы нейронных сетей заключается в том, что функциональный вид модели определяется не исследователем, а рассчитывается автоматически в процессе обучения. Исследователь задает только предельную сложность модели. Сама модель при этом остается для исследования черным ящиком.

Оба подхода — градиентный бустинг и нейронные сети — хорошо зарекомендовали себя в соревнованиях по анализу данных, но обладают существенным недостатком. Они не позволяют в явном виде анализировать влияние отдельных факторов на результат прогноза. Кроме того, обучение таких моделей может потребовать значительных вычислительных мощностей, поэтому быстро изменить модель с учетом новой вводной получится далеко не всегда.

Вне зависимости от того, каким способом строится прогноз, его качество будет в первую очередь зависеть от объема и качества доступных данных.

vc.ru

Методы прогнозирования в бизнес-планировании | Distanz.ru – сетевая система обучения

Подпишитесь на бесплатную рассылку видео-курсов:

Экзамен по дисциплине «Бизнес-планирование» студента 3 курса Долгалева Александра В.2. Методы прогнозирования в бизнес-планировании Первоначально прогнозирование в рамках фирмы возникло как предсказание экономических параметров длительности бизнеса (как внешних по отношению к фирме, так и внутренних). Позднее фирмы освоили прогнозирование технологического (технологическое прогнозирование), а также социального и политического компонентов (социально-политическое прогнозирование) своей среды. Поэтому общие, наиболее распространенные методы прогнозирования возникли в рамках экологического прогнозирования, однако позднее они нашли свое применение также и в технологическом, и в социально-политическом прогнозировании. Кроме того, для технологического и социально-политического прогнозирования характерны собственные, специфические методы исследования. Общие методы прогнозирования можно разделить на четыре крупные группы: * методы экспертных оценок; * методы экстраполяции трендов; * методы регрессионного анализа; * методы экономико-математического моделирования. Методы экстраполяции трендов и методы регрессионного анализа объединяют в общее понятие "методы анализа временных рядов". Методы регрессионного анализа и метод экономико-математического моделирования вместе составляют понятие "методы анализа причинных связей". Методы экспертных оценок Эта группа методов прогнозирования предполагает учет субъективного мнения экспертов о будущем состоянии дел. Для экспертных оценок характерно предсказание будущего на основе как рациональных доводов, так и интуитивного знания. Методы экспертных оценок, как правило, имеют качественный характер. Экспертные оценки разделяют на индивидуальные и коллективные. К индивидуальным экспертным оценкам относят: сценарии, метод "интервью", аналитические докладные записки. Метод "интервью" предполагает беседу организатора прогнозной деятельности с прогнозистом-экспертом, в которой ставятся вопросы о будущем состоянии фирмы и ее среды. Метод аналитических докладных записок означает самостоятельную работу эксперта над анализом деловой ситуации и возможных путей ее развития. Коллективные экспертные оценки можно назвать комплексными методами прогнозирования, поскольку они включают: во-первых, подготовку и сбор индивидуальных экспертных оценок; во-вторых, статистические методы обработки полученных материалов. Коллективные экспертные оценки включают: метод "комиссий", метод "мозговых атак", метод Дельфи. Метод "комиссий" может означать организацию "круглого стола" и других подобных мероприятий, в рамках которой происходит согласование мнений экспертов. Для метода "мозговых атак" характерны коллективная генерация идей и творческое решение проблем. Мозговая атака представляет собой свободный, неструктурированный процесс генерирования любых идей по избранной теме, которые спонтанно высказываются участниками встречи. Оптимальное число участников – 6-12 человек, желательно, чтобы это были люди, имеющие различные профессии и специализации. В методе Дельфи сочетаются творческий подход к решению проблемы и достаточная точность прогноза. Свое название метод получил по древнегреческому городу Дельфи, прославившемуся своими предсказателями. Суть метода Дельфи состоит в проведении анкетных опросов специалистов выбранной области знаний (наиболее часто этот метод используется в технологическом прогнозировании, при предсказании открытий и нововведений в области технологии). Полученные анкетные данные подвергаются статистической обработке, в результате которой формируется диапазон мнений экспертов, отражающий их коллективное мнение по избранной проблеме. Обычно после первого опроса наблюдается значительный разброс мнений. Поэтому процедура осуществления метода Дельфи предполагает проведение еще трех-четырех опросов, в преддверии которых каждого из экспертов знакомят с итогами предыдущего опроса, но не для того, чтобы оказать на него давление, а для того, чтобы эксперт мог получить дополнительную информацию о предмете опроса. Идеально опрос повторяется до совпадения мнений экспертов, реально – до получения наиболее узкого диапазона мнений. Из всех перечисленных методов экспертных оценок очень высокую популярность в последние десятилетия получил метод составления сценариев. Впервые термин "сценарий" был употреблен в 1960 г. футурологом Х. Каном при разработке картин будущего, необходимых для решения стратегических вопросов в военной области. Сценарий – это описание (картина) будущего, составленное с учетом правдоподобных предложений. Как правило, для прогноза ситуации характерно существование определенного количества вероятных вариантов развития. Поэтому прогноз обычно включает в себя несколько сценариев. В большинстве случаев это три сценария: оптимистический, пессимистический и средний – наиболее вероятный, ожидаемый. Сценарии разрабатываются для определения рамок будущего развития: * технологии; * рыночных сегментов; * стран или регионов и т.д. В целом сценарий подчинен стратегической функции фирмы и разрабатывается в процессе долгосрочного планирования. Широкий временной охват предполагает усиление неопределенности среди бизнеса, и поэтому для сценария, как правило, характерны некоторая недостоверность и повышенное количество ошибок. Поскольку определение количественных параметров будущего затруднено (так, трудно точно определить величину продаж фирмы через 5 лет), при составлении сценариев чаще всего используются качественные методы и интервальные прогнозы показателей. Вместе с тем сценарий предполагает комплексный подход для его разработки, помимо качественных могут использоваться количественные методы: экономико-математические, моделирование, анализ перекрестного влияния, корреляционный анализ.

Прогнозирование служит для выяснения тенденций развития фирмы в условиях постоянного изменения факторов внешней и внутренней среды и поиска рациональных мероприятий по поддержанию устойчивости ее экономического поведения. Методы прогнозирования используются для исследования рыночной конъюнктуры, в системе прогнозирования цен, новых продуктов и технологий, поведения покупателей на рынке. При разработке бизнес-плана важнейшими направлениями являются прогнозирование развития рынка, его динамики, структуры, конъюнктуры, возможностей рынка воспроизводить предложение и спрос. Методы прогнозирования делятся на: 1. Качественные: - Индивидуальные экспертные оценки - Метод "Интервью" (предполагает беседу организатора прогнозной деятельности с прогнозистом-экспертом, в которой ставятся вопросы о будущем развитии рынка, состоянии фирмы и ее среды.) - Аналитические докладные записки (самостоятельная работа эксперта над анализом деловой ситуации и возможных путей ее развития.) - Метод сценариев (описание будущего, составленное с учетом правдоподобных предположений.) - Коллективные экспертные оценки - Опрос экспертов - Метод "Комиссий" (организация «круглого стола» и других подобных мероприятий, в рамках которых происходит согласование мнений экспертов.) - Метод "Мозговых атак" (коллективная генерация идей и творческое решение проблем.) - Метод синектики (метод основан на принципе систематического отчуждения от исходной проблемы.) - Метод "Дельфи" (обобщение результатов исследования осуществляется путем индивидуального письменного опроса экспертов в несколько туров по специально разработанной процедуре.) 2. Количественные: - Анализ временных рядов (необходим для учета временных колебаний исследуемых величин.) - Анализ цикличности (выявляются изменения исследуемых величин, связанные с деловым циклом. ) - Анализ сезонности - Экстраполяция трендов (закономерности прошлого развития объекта переносятся в будущее.) - Метод скользящей средней (исходит из простого предположения, что следующий во времени показатель по своей величине равен средней, рассчитанной за три периода.) - Прогнозирование на базе прошлого оборота - Экспоненциальное сглаживание (прогноз показателя на будущий период в виде суммы фактического показателя за данный период и прогноза на данный период, взвешенных при помощи специальных коэффициентов) - Корреляция трендов (исследует взаимосвязь между двумя показателями (парная корреляция) или между многими показателями (множественная корреляция).) - Регрессионный анализ (построение модели зависимости определенной величины от другой величины или нескольких других величин.) - Экономико-математическое моделирование - Метод аналогий (определение перспектив развития новых видов продукции и услуг.) - Нормативный метод (используется для прогнозирования спроса) - Метод стандартного распределения вероятностей(используется при прогнозировании рынка).

В качестве инструментария прогнозирования применяются формализованные количественные методы (факторные, статистического анализа, математического моделирования), методы экспертных оценок, базирующиеся на опыте и интуиции специалистов по данному товару и рынку. При прогнозировании деятельности предприятий по выпуску продукции производственного назначения учитывается анализ инвестиционной политики в отраслях, потребляющих соответствующие товары, тенденции развития НТП в этих отраслях, а также формирование принципиально новых потребностей и способов их лучшего удовлетворения. При прогнозировании деятельности предприятий, выпускающих продукцию широкого потребления, обычно опираются на данные опросов потребителей и продавцов товаров. В этом случае используются такие методы изучения рынка как анкетирование, телефонные и персональные интервью. Наибольшую сложность представляет прогнозирование внешнеэкономической деятельности предприятия и фирмы, что обусловлено высокой динамичностью, многофакторным и противоречивым характером формирования, а потому и неопределенностью, трудной предсказуемостью внешнеэкономических связей. Поэтому применительно к прогнозированию внешнеэкономической деятельностью предприятия важно комплексное исследование целого ряда частных рынков (отдельных стран) конкретного товара, выявление специфических для каждого и общих для всех (или группы таких рынков) факторов формирования конъюнктуры рынка, анализ взаимосвязи этих рынков между собой, а также синтез частных прогнозов, учет взаимодействия и взаимовлияния в рамках мирового рынка данного товара. Результаты прогнозирования деятельности предприятий (фирм) должны быть отражены в соответствующих разделах их бизнес-планов.

www.distanz.ru

Зачем нужно бизнес-прогнозирование

Кому необходимы прогнозы? Практически каждое предприятие, большое или малое, частное или государственное, явно или неявно пользуется прогнозами, потому что каждое предприятие должно планировать будущее, о котором оно пока ничего не знает.

Артур Дж. Райтш (Arthur G. Reitsch), почетный профессор Восточного Вашингтонского университета, Эмеритус.

Кому необходимы прогнозы? Практически каждое предприятие, большое или маленькое, частное или государственное, явно или неявно пользуется прогнозами, потому что каждое предприятие должно планировать будущее, о котором оно пока ничего не знает. К тому же необходимость в прогнозах пронизывает все функциональные линии так же, как и все типы организаций. Прогнозы необходимы в финансировании, маркетинге, подборе кадров и различных производственных областях, в правительственных и коммерческих организациях, в маленьких социальных клубах и национальных политических партиях. Вот несколько примеров вопросов, для получения ответов на которые необходимы те или иные процедуры прогнозирования.

Как повлияет на объемы продаж увеличение финансирования рекламы на 10%?

Какой годовой доход может ожидать государство по истечении следующего двухлетнего периода?

Сколько единиц продукции необходимо продать, чтобы возвратить планируемые капиталовложения в производственное оборудование?

Как определить факторы, которые помогут объяснить изменчивость в ежемесячных объемах продажи продукции?

Каков ежегодный прогноз на последующие 10 лет в отношении сводного баланса займов нашего банка?

Будет ли экономический спад? Если да, то когда он начнется, насколько сильным он будет и когда он окончится?

Типы прогнозов

Какие существуют типы прогнозов для менеджера, столкнувшегося с необходимостью принятия решения в условиях неопределенности? Прогнозы могут классифицироваться как долгосрочные и краткосрочные. Долгосрочные прогнозы необходимы для того, чтобы наметить основной курс предприятия на длительный период, поэтому именно на них акцентируется основное внимание менеджеров высшего звена. Краткосрочные прогнозы используются для разработки безотлагательных стратегий. Они чаще всего применяются менеджерами среднего и низшего звена для удовлетворения потребностей ближайшего будущего.

Процедуры прогнозирования могут также классифицироваться как количественные и качественные. На одном полюсе здесь находится чисто качественный аппарат, не требующий явного математического оперирования данными. Используется только "оценка", предоставляемая составителем прогноза. Конечно, даже в этом случае "оценка" составителя прогноза в действительности является результатом мысленного анализа данных. На другом полюсе находится чисто количественный аппарат, не требующий никакой дополнительной оценки. Это чисто механические процедуры, которые на выходе дают количественные результаты.

Этапы прогнозирования

Все формальные процедуры прогнозирования предусматривают перенос прошлого опыта в неопределенное будущее. Таким образом, все они построены на предположении, что условия, породившие полученные ранее данные, неотличимы от условий будущего. Исключение составляют только те переменные, которые точно распознаны моделью прогнозирования. Например, если кто-то строит прогноз показателей производительности служащих, исходя только из множества оценок, выставленных им при испытаниях в процессе приема на работу, то он, очевидно, предполагает, что показатель производительности каждого работника зависит только от них. В действительности же подобное предположение о неразличимости прошлого и будущего не выполняется в полной мере. Поэтому полученный прогноз будет неточен, если только он не будет модифицирован на основании оценки, выполненной составителем прогноза.

Осмысление того, что аппарат прогнозирования оперирует данными, порожденными естественными событиями, приводит к определению следующих пяти этапов в процессе прогнозирования.

1. Сбор данных

2. Редукция или уплотнение данных

3. Построение модели и ее оценка

4. Экстраполяция выбранной модели (фактический прогноз)

5. Оценка полученного прогноза

Этап 1, сбор данных, предполагает получение корректных данных и обязательную проверку того, что они верны. Этот этап часто является наиболее сомнительной частью всего процесса прогнозирования и в то же время наиболее сложен для проверки, поскольку последующие этапы с одинаковым успехом могут производиться с использованием данных, как соответствующих изучаемой проблеме, так и не соответствующих ей. Всякий раз, когда возникает необходимость получить в организации определенные данные, их сбор и проверка обязательно сопровождаются множеством различных проблем.

Этап 2, редукция или уплотнение данных, часто оказывается необходимым, так как для выполнения прогнозирования может быть собрано как слишком много исходных данных, так и слишком мало. Некоторые данные могут не иметь прямого отношения к рассматриваемой задаче, а будут лишь снижать точность прогнозирования. Другие данные могут соответствовать проблеме, но только в контексте некоторого конкретного исторического периода. Например, при прогнозировании продаж малолитражных автомобилей целесообразно будет использовать данные о продажах автомобилей только с момента введения эмбарго на нефть в 1970-х годах, а не данные за последние 50 лет.

Этап 3, построение модели и ее оценка, состоит в подборе модели прогноза, наиболее соответствующей особенностям собранных данных в смысле минимизации ошибки прогноза. Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу. Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются. Из сказанного очевидно, что оценка непременно должна применяться в процессе выбора.

Этап 4, экстраполяция выбранной модели, предусматривает фактическое получение требуемого прогноза, поскольку необходимые данные уже собраны и, возможно, редуцированы, а соответствующая модель прогноза определена. Часто для проверки точности получаемых результатов применяется прогнозирование на недавно прошедшие периоды, для которых исследуемые величины уже известны. Наблюдаемые ошибки затем определенным образом анализируются. Эта процедура обсуждается ниже, при описании этапа 5.

Этап 5, оценка полученного прогноза, состоит в сравнении вычисленных величин с действительно наблюдаемыми значениями. Для этой цели часть наиболее свежей фактической информации обычно исключается из множества анализируемых данных. После того как модель прогноза будет подобрана, выполняется прогноз на эти периоды и полученные результаты сравниваются с известными наблюдаемыми значениями. Некоторые процедуры прогнозирования предусматривают суммирование абсолютных значений ошибок и представляют либо эту сумму, либо частное от деления ее на число прогнозируемых значений, представляющее собой значение средней ошибки прогноза. Другие процедуры используют сумму квадратов ошибок, которая затем сравнивается с аналогичными числами, полученными для альтернативных методов прогнозирования. Некоторые процедуры отслеживают и отмечают величину пределов ошибки за период прогнозирования.

Управление процессом прогнозирования

Здесь многократно подчеркивается, что в процесс прогнозирования непременно должны быть вовлечены способности и здравый смысл руководящего персонала. Специалист, занимающийся прогнозированием, должен рассматриваться как советник менеджера, а не как оператор некоего устройства, автоматически принимающего решения. К сожалению, именно эта ситуация чаще всего встречается на практике, особенно в связи с появлением компьютеров. Повторим, что количественный аппарат в процессе прогнозирования должен восприниматься как инструмент (чем он в действительности и является), используемый менеджером для принятия наилучшего решения.

Эффективность и уровень использования прогнозирования могут быть повышены, если менеджмент примет по отношению к нему более реалистичное отношение. Прогнозирование следует рассматривать не как некое пророчество, а скорее, как лучший способ выявления и экстраполяции существующих схем или взаимоотношений с целью прогнозирования. Если такое отношение будет воспринято, то ошибки прогноза будут рассматриваться как неизбежные, а обстоятельства, их порождающие, непременно подлежащими исследованию.

Следовательно, для того чтобы соответствующим образом руководить процессом прогнозирования, следует найти ответы на несколько ключевых вопросов.

Почему необходим прогноз?

Кто будет использовать прогноз, и в чем состоят его основные требования?

Какой уровень — отдельные составляющие или обобщенные показатели — требуется и каковы соответствующие временные рамки?

Какие имеются данные и будет ли их достаточно для того, чтобы получить необходимый прогноз?

Во что обойдется выполнение прогноза?

Какова ожидаемая точность прогноза?

Будет ли прогноз сделан вовремя, чтобы помочь процессу принятия решения?

Ясно ли понимает создающий прогноз специалист то, как он будет использован на предприятии?

Существует ли обратный процесс, позволяющий оценить прогноз после того, как он был сделан, и внести соответствующие уточнения в процесс прогнозирования?

Резюме

Целью создания прогноза является уменьшение того уровня неопределенности, в пределах которого менеджер должен принимать решения. Эта цель диктует два основных правила, которым должен следовать процесс прогнозирования.

mirznanii.com


Смотрите также