Методы прогнозирования

Априорная и апостериорная  оценка качества прогноза. Оценка качества прогноза - одна из центральных проблем в процессе разработки управленческих решений. Степень доверия к разработанному прогнозу во многом влияет на решение и сказывается на эффективности управленческих решений, принимаемых с использованием разработанного прогноза.

Однако оценка качества прогноза является достаточно сложной задачей не только в момент, когда прогноз только разработан (априорная оценка), но и в момент, когда прогнозируемое событие уже произошло (апостериорная оценка). Здесь следует также отметить тот факт, что качественный прогноз при принятии решения может быть использован по-разному.

Если со стороны руководства  организации не оказывается значительное воздействие на ход развития событий, а лишь осуществляется наблюдение за ним, то после наступления конца  прогнозируемого периода необходимо лишь сопоставить значения спрогнозированных показателей и параметров с полученными в действительности. Это позволяет оценить качество разработанного прогноза апостериорно.

После разработки прогноза должны быть определены критерии, по которым точность прогноза может быть оценена. Обычно для оценки прогноза используются два метода: дифференциальный и интегральный.

Интегральный метод  предполагает обобщенную оценку качества прогноза на базе оценки качества прогноза по частным критериям. При дифференциальном методе оцениваются наборы оценок отдельных составляющих качества прогноза, имеющих достаточно четкий объективный смысл. Этими критериями могут быть: ясность и четкость задания на прогноз, соответствие прогноза заданию, своевременность разработки прогноза, профессиональный уровень разработки прогноза, надежность использованной информации и т.д.

Примером использования  интегрального метода может служить  критерий «интегральное качество экспертного  прогноза».

Качество экспертного  прогноза определяется по таким критериям, как:

компетентность (или, в  более общем виде, качество) эксперта;

качество информации, представляемой экспертам;

качество экспертной информации, поступающей от экспертов;

уровень технологии разработки прогноза.

Если период прогнозирования уже завершился, то необходимо сопоставить спрогнозированные значения показателей и параметров с полученными в результате реализовавшегося в действительности хода прогнозируемых событий.

И здесь на первый план выступает вопрос, - по какому критерию оценивать качество прогноза апостериорно. В качестве примера критериев оценки точности прогноза можно привести следующую формулу:

K1=¦X-И¦K2=¦lnX/И¦,

где X—прогнозировавшееся  значение оценки показателя;

U—истинное значение  оценки показателя.

После того, как прогноз подготовлен и представлен руководству организации, наступает этап после прогнозной работы с подготовленным материалом.

Вариантная разработка прогноза предполагает разработку прогноза при различных альтернативных вариантах  условий и предположений. А они могут измениться. События, вчера казавшиеся маловероятными, сегодня происходят, а казавшиеся наиболее вероятными не происходят.

Поэтому неотъемлемой частью современной технологии прогнозирования  является периодически, в зависимости  от происходящих изменений, осуществляемый мониторинг хода реализации прогнозированного хода развития событий. Мониторинг позволяет своевременно выявлять значительные отклонения в ходе развития событий. Если они могут оказать принципиальное влияние на дальнейший ход событий в части касающейся принятия важных стратегических решений, то прогноз должен быть подвергнут корректировке.

Коррективы могут быть различного уровня значимости, сложности, трудоемкости и т.д. Если они не очень  значительны, то эта проблема может  решаться на уровне аналитической группы, сопровождающей разработку прогноза. Если коррективы более существенны, то может потребоваться дополнительное привлечение отдельных экспертов, а в особо важных случаях при наличии значительных изменений - дополнительная работа экспертной комиссии с возможным изменением её состава. Последнее необходимо, в особенности, в тех случаях, когда для корректировки прогноза требуется привлечение специалистов другой профессиональной ориентации.

3. Метод изыскательского прогнозирования.

Одним из основных методов, используемых в изыскательском прогнозировании, является экстраполяция временных  рядов - статистических данных об интересующем нас объекте. Экстраполяционные  методы основаны на предположении о  том, что закон роста, имевший место в прошлом, сохранится и в будущем, с учетом поправок из-за возможного эффекта насыщения и стадий жизненного цикла объекта.

К числу кривых, достаточно точно отражающих изменение прогнозируемых параметров в ряде распространенных ситуаций, является экспонента, то есть функция вида:

y=a•ebt,

где t—время, a и b—параметры экспоненциальной кривой.

К числу наиболее известных  экспоненциальных кривых, используемых при прогнозировании можно отнести  кривую Перла, выведенную на основании  обширных исследований в области роста организмов и популяций, и имеющую вид:

Y = L/(1+a•e-bt),

где L —верхний предел переменной y.

Не менее распространена кривая Гомперца, выведенная на основании  результатов исследований в области  распределения дохода и уровня смертности (для страховых компаний), имеющая вид:

где k—также параметр экспоненты.

Кривые Перла и Гомперца использовались при прогнозе таких  параметров, как возрастание коэффициента полезного действия паровых двигателей, рост эффективности радиостанций, рост тоннажа судов торгового флота и т.д.

Как кривая Перла, так  и кривая Гомперца могут быть отнесены к классу так называемых S-образных кривых. Для таких кривых характерен экспоненциальный или близкий к  экспоненциальному рост на начальной  стадии, а затем при приближении к точке насыщения они принимают более пологий вид.

Многие из упомянутых процессов могут быть описаны  с помощью соответствующих дифференциальных уравнений, решением которых и являются кривые Перла и Гомперца.

При экстраполяции используются регрессионные и феноменологические модели. Регрессионные модели строятся на базе сложившихся закономерностей развития событий с использованием специальных методов подбора вида экстраполирующей функции и определения значений её параметров. В частности, для определения параметров экстраполирующей функции может быть использован метод наименьших квадратов.

Предполагая использование  той или иной модели экстраполирования, того или иного закона распределения, можно определить доверительные  интервалы, характеризующие надежность прогнозных оценок.

Феноменологические модели строятся исходя из условий максимального  приближения к тренду процесса, с  учетом его особенностей и ограничений  и принятыми гипотезами о его  будущем развитии.

При многофакторном прогнозе в феноменологических моделях можно присваивать большие коэффициенты весомости факторам, которые в прошлом оказывали большее влияние на развитие событий в прошлом.

Если при прогнозировании  рассматривается ретроспективный  период, состоящий из нескольких отрезков времени, то, в зависимости от характера прогнозируемых показателей, менее удаленных от момента прогнозирования по шкале времени и т.д. Также должен быть учтен тот факт, что нередко при прогнозировании оценки экспертов относительно близкого будущего могут отличаться излишним оптимизмом, а оценки относительно более отдаленного будущего излишним пессимизмом.

Если в прогнозируемом процессе может участвовать несколько  различных технологий, каждая из которых  представлена соответствующей кривой, то в качестве результирующей экспертной кривой может быть использована огибающая частных кривых, соответствующих отдельным технологиям.

4. Метод нормативного  прогнозирования.

Нормативное прогнозирование  представляет собой подход, к разработке прогноза исходя из целей и задач, которые ставит перед собой организация в прогнозируемом периоде. Основным методом, использующимся в нормативном прогнозировании, является метод горизонтальных матриц решений, когда производится определение первоочередности выполнения предлагаемых для достижения поставленных целей проектов.

Обычно используются двумерные и трехмерные матрицы. Наиболее часто горизонтальные матрицы  решений используются для определения  оптимального распределения ресурсов при заданных ограничениях. При этом в качестве ресурсов могут выступать денежные средства, рабочая сила, её качество и квалификация, оборудование, энергетические ресурсы и т.д.

В частности, одно измерение  горизонтальной матрицы решений  может соответствовать основным проблемам, возникающим при достижении цели, второе измерение - ресурсам, которые могут потребоваться для решения этих проблем.

Согласованные матрицы  более низких иерархических уровней  проблем объединяются в матрицы  более высоких уровней вплоть до главных матриц для стратегических проблем организации.

В трехмерной горизонтальной матрице решений одно измерение, например, может соответствовать коммерческим миссиям (областям сбыта), второе - ресурсам, третье - времени. Ресурсы в свою очередь, могут подразделяться на финансовые, коммерческие, ресурсы сбыта, производства, оборудования и т.д.

Вертикальные матрицы  решений предназначены для отслеживания вертикального перемещения технологий. Вертикальная матрица решений для  внутрифирменного планирования по рекомендациям  Стэнфоррдского института может  выглядеть примерно так.

Стадия исследований и разработок

Продукт

Заказчик

Ресурсы

Открытие

Создать

Воплотить

Разработать

В частности, трехмерная вертикальная матрица решений под  названием «Общая схема разработки системы национальной космической  программы» была разработана в компании «Норт америкэн авиэйшн».

Для более рационального  выбора проектов для реализации могут  быть использованы методы исследования операций такие, как:

линейное программирование, позволяющее сформулировать оптимизационную  задачу в виде линейных ограничений (неравенств или равенств) и линейной целевой функции;

динамическое программирование, рассчитанное на решение многоступенчатых оптимизационных задач;

целочисленное программирование, позволяющее решать оптимизационные  задачи, в том числе задачи оптимального распределения ресурсов, при дискретных (целочисленных) значениях переменных и др.

В инструментарий нормативного прогнозирования входят методы построения деревьев целей, методы типа Паттерн  и др.

В этом случае каждой из рассматриваемых целей приписываются количественные весовые коэффициенты, а для каждого проекта оценивается вклад в достижение каждой из целей, если он ненулевой. Степень вклада впоследствии умножается на весовой коэффициент цели.

Наименование проектов

Цели обеспечения качества продукции

Цели обеспечения ритмичности производства

Все цели

0,6

0,4

Ценность проекта А=0,6*8+0,4*5=6,8

8

5

Ценность проекта В=0,6*4+0,4*7=5,2

4

7

Ценность проекта С=0,6*6+0,4*6=6,0.

6

6

Естественно для реализации целесообразно выбрать проект, представляющий наибольшую ценность.

5. Метод сценариев.

При разработке управленческих решений широкое распространение  нашел метод сценариев, также  дающий возможность оценить наиболее вероятный ход развития событий  и возможные последствия принимаемых  решений. Разрабатываемые специалистами сценарии развития анализируемой ситуации позволяют с, тем или иным уровнем достоверности определить возможные тенденции развития, взаимосвязи между действующими факторами, сформировать картину возможных состояний, к которым может прийти ситуация под влиянием тех или иных воздействий. Профессионально разработанные сценарии позволяют более полно и отчетливо определить перспективы развития ситуации, как при наличии различных управляющих воздействий, так и при их отсутствии. С другой стороны, сценарии ожидаемого развития ситуации позволяют своевременно осознать опасности, которыми чреваты неудачные управленческие воздействия или неблагоприятное развитие событий. Высказывается мнение, что необходимость в предвидении наиболее вероятного развития ситуации впервые возникла с возникновением промышленного производства, поскольку при сезонно повторяющемся сельскохозяйственном производстве в этом не было никакой необходимости. Метод сценариев предполагает создание технологий разработки сценариев, обеспечивающих более высокую вероятность выработки эффективного решения в тех ситуациях, когда это возможно, и более высокую вероятность сведения ожидаемых потерь к минимуму в тех ситуациях, когда потери неизбежны. В настоящее время известны различные реализации метода сценариев такие, как: