Количественные методы прогнозирования и принятия решений

         При прогнозировании  управленческих решений, как правило, возникает вопрос: «Какой путь решения  выбрать из допустимых вариантов?». Выбран будет тот, который наиболее полезен или предпочтителен для решения целей организации. От того, насколько обосновано они выбраны, зависит качество управленческих решений, а оно в свою очередь предопределяет конкурентоспособность организации, быстроту её адаптации к изменениям хозяйственной ситуации и в конечном счете—эффективность и прибыльность. 

   1.2. Количественный метод прогнозирования. 

   Методик существует огромное множество. Есть и такие, которые обойдутся предприятию дороже, чем ценность самого прогноза. Основная квалификация – качественные и количественные. Качественные используют экспертные оценки, мозговые штурмы, интуитивные и персональные суждения. Отвергать их на корню не стоит, но использовать лучше в сочетании с более гарантированными способами – количественными прогнозами. Наиболее простые для понимания и применения, а также достаточно гибкие для учета изменения ситуации методики – анализ временных рядов, метод экспоненциального сглаживания и регрессионный анализ. Метод анализа временных рядов (наблюдений, проводившихся регулярно через равные промежутки времени: год, месяц, сутки и т.д.) использует информацию о продажах прошлых периодов для выявления долгосрочных тенденций и повторяющихся циклов. Специалист, использующий метод временных рядов отталкивается от предположения, что условия и тенденции рынка в течение прогнозируемого периода останутся неизменными. Анализ временных рядов в особой цене у торговых предприятий, с объемной статистикой прошлых продаж. Первый этап анализа – построение и анализ временных рядов. Из графика динамики продаж по периодам выделяют сезонные вариации – регулярно повторяющиеся элементы. Периоды прогнозирования каждое предприятие подбирает по потребностям – чаще используют кварталы. Продуктовые магазины прогнозируют по дням недели, поскольку характер продаж в выходные отличается от будней. Макроэкономическое прогнозирование пользуется годовыми показателями вариации – динамика глобальной экономики имеет волнообразный вид, длина волны – 5-7 лет. График динамики изменения объемов продаж по периодам позволяет выявить тренд – второй этап анализа временных рядов. Тренд - это общее изменение динамики продаж, вне зависимости от сезонных колебаний. Высчитывают тренд с помощью метода скользящих средних. Грубо говоря, определяют характер сезонных колебаний – обычно это набор очень разрозненных и резких скачков. Потом скачки сглаживают в единую линию – это и есть скользящая средняя. Сглаживание достигается путем арифметического расчета значений объемов продаж со сдвигом на один период вперед – первая равна средней четырех периодов, вторая – четырех следующих и т.д

   Количественные  методы прогнозирования реализуются  с помощью математических моделей, базирующихся на предыстории. Подобные модели строятся в предположении, что  данные о поведении процесса в  прошлом могут быть распространены и на будущее.

   Количественные  методы представляют собой довольно развитую область. Все они основаны на временных рядах, полученных путём измерений в определённых временных периодах.

   Одна  из центральных проблем - оценка и  повышение точности прогнозов. Фактическая  точность может быть оценена только путём сравнения прогностических и фактических данных. Если точность модели недостаточна, то метод модифицируется или заменяется.

   Хотя  внешне результаты измерений (особенно долгосрочных) могут выглядеть хаотичными, в них можно выявить довольно простые составляющие.

   Циклическая составляющая описывает ту часть  процесса, которая повторяется с  низкой частотой.

   Сезонная  составляющая описывает циклы, повторяющиеся  с высокой частотой раз в течение  года.

   Периоды циклической и сезонной составляющих могут находиться между собой в определённых отношениях.

   Случайная флуктуация представляет собой случайное  отклонение временного рада от неслучайной  функции, описываемой трендом, циклической  и сезонной составляющими.

   Прогнозирование на основе количественных методов заключается прежде всего в определении вида и параметров функций, описывающих неслучайные составляющие.

   Наиболее  часто применяется следующие  количественные модели прогнозирования.

   1. Линейная регрессия. Модель направлена на выявление связи между зависимой переменной (т. е. прогнозируемой величиной) и одной или более независимыми переменными, которые представлены в виде данных о предыстории. В простой регрессии имеется только одна независимая переменная, а в множественной регрессии их несколько.

   Если  предыстория представлена в виде временного ряда, то независимая переменная - это временной период, а зависимая -прогнозируемая величина, например, объём  продаж. Регрессионная модель не обязательно  базируется на временных рядах. В  этом случае представления о величинах независимых переменных используются для того, чтобы определить зависимую переменную. Линейная регрессия обычно используется для долгосрочных прогнозов, но может также применяться для менее длительных прогнозов.

   2. Методы скользящего среднего. Прогностическая модель для краткосрочных прогнозов, основанная на временных рядах. В этой модели среднее арифметическое фактических продаж, вычисленное для принятого числа последних прошедших временных периодов принимается за прогноз на следующий временной период.

   3. Метод взвешенного скользящего среднего. Эта модель работает подобно предыдущей модели, но в ней вычисляется не среднее, а средневзвешенное значение, которое и принимается за прогноз на ближайший временной период. Меньшие веса приписываются более отдалённым периодам, отражая тем самым уверенность в том, что прогнозируемый процесс в ближайший период не претерпит резких изменений.

   4. Экспоненциальное сглаживание. Также модель, использующая временные ряды и предназначенная для краткосрочных прогнозов. В этом методе объём продаж, спрогнозированный для последнего периода, корректируется на основе информации об ошибке прогноза в последнем периоде. Этот скорректированный за последний период прогноз и становится прогнозом на следующий период.

   5. Экспоненциальное сглаживание с трендом. Эта та же модель, что и представленная выше, но модифицированная так, чтобы обрабатывать данные с трендами. Такие расчёты характерны для среднесрочного прогнозирования. Называется также моделью с двойным экспоненциальным сглаживанием, поскольку сглаживание выполняется для среднего значения и для тренда. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

   2. Принятия решений.  

   Требования  к решениям.

   Управленческое  решение — это концентрированное  выражение процесса управления на его заключительной стадии. Оно выступает как своеобразная формула управленческого воздействия на управляемый объект и таким образом предопределяет действия, необходимые для проведения изменений в его состоянии.

   Решения должны отвечать определенным требованиям. Главные среди них:

• обоснованность;
• четкость формулировок;
• реальная осуществимость;
• своевременность;
• экономичность (определяемая по размерам затрат на достижение целей);
• эффективность (как степень достижения поставленных целей в сопоставлении с затратами ресурсов).

   В связи с этими требованиями важно  учитывать три группы факторов, влияющих на качество и своевременность принятия решений (табл. 4.4).

   Как правило, решения должны приниматься  там, где возникает проблемная ситуация или появляется неиспользованная возможность. Для этого менеджеров соответствующего уровня необходимо наделить полномочиями и возложить на них ответственность за состояние дел на управляемом объекте. Очень важным условием положительного воздействия решения на работу организации является его согласованность с ранее принятыми решениями как по вертикали, так и по горизонтали управления (если, конечно, очередное решение не направлено на кардинальное изменение всей политики развития). 

   2.1. Классификация решений. 

   В организациях принимается большое количество самых разнообразных решений, различающихся между собой по содержанию, срокам действия и разработки, направленности и масштабам воздействия, уровню принятия, информационной обеспеченности и т. д. Их классификация позволяет выделить классы или виды решений, требующих различного подхода к организации процесса управления и методам принятия решений, а также неодинаковых по затратам времени и других ресурсов.

   Известно, например, что количество оперативных решений принимаемых в организациях, значительно (иногда многократно); превышает количество тактических и стратегических решений, однако по затрачиваемому времени самыми ресурсоемкими являются стратегические решения. Распределение общих затрат времени на принятие оперативных, тактических и стратегических решений в организациях крупного, среднего и малого размера также имеет особенности: в малых предприятиях основная доля затрат времени приходится на оперативные решения, но по мере роста размеров предприятий существенно увеличивается время, затрачиваемое на выработку стратегии развития.

   Одним из важнейших критериев классификации  является их группировка на программируемые  и непрограммируемые решения (высоко структурированные и слабо структурированные), требующие разного подхода к  их разработке и реализации.

   Программируемые и непрограммируемые  решения

   Классификация решений на высоко и слабо структурированные  позволяет более эффективно организовать процесс путем разработки разных подходов и действий, обеспечивающих движение к поставленным целям.

   Решения в высокой степени структурированные  считаются программируемыми. Они  являются результатом реализации определенной последовательности действий или шагов (подобных тем, которые предпринимаются  при решении математического  уравнения). При этом число альтернатив ограничено и выбор делается в пределах направлений, заданных организацией, а также с учетом нормативов, стандартов, правил и т. д. В решениях такого типа применяются правила и процедуры, которые точно предписывают, что надо делать, последовательность действий и способы выполнения. В качестве примера можно привести задачу определение числа руководителей при заданной норме управляемости. Выделение класса программируемых решений позволяет разрабатывать стандартные процедуры и программировать решения под ситуации, повторяющиеся с определенной регулярностью. В результате можно получить значительный выигрыш во времени и затратах на разработку, а также повысить качество решений.

   Слабо структурированные решения являются непрограммируемыми, так как принимаются в ситуациях, отличающихся новизной, внутренней неструктурированностью, неполнотой и недостоверностью информации,  многообразием  и сложностью влияния различных факторов. Это не позволяет находить решения путем построения адекватных математических моделей, и основную роль в поиске играет человек и его способность разрабатывать соответствующую процедуру, ведущую к решению. Лица, принимающие решения, используют имеющуюся у них информацию и собственное представление о том, как принимать подобные решения, при этом нередко в условиях дефицита времени.

   Слабо структурированными являются решения, связанные с определением целей  и формулировкой стратегии развития организации, с изменением ее структуры, с прогнозами работы на новых рынках и т. п. Количество таких решений увеличивается по мере роста масштабов сложности организации; к такому же результату приводят современные тенденции к глобализации экономики, увеличению ее открытости, так как их прямым следствием становятся рост числа связей между организациями, большая динамичность и изменения как внешней среды, так и внутренней организации каждого предприятия. В то же время современные разработки в области исследования операций, развитие информационной технологии и компьютеризация позволяют значительно повысить долю программируемых решений, которые, как уже было отмечено, характеризуются большей точностью и в ряде случаев требуют меньших затрат времени и других ресурсов.