Системный подход к прогнозированию в задачах управления

процессам один с ускорением развития, другой - с замедлением.

B) Модельный подход к прогнозированию

Рассматривая задачу прогнозирования, мы предполагали, что

прогнозируемая величина является функцией времени. Однако, часто

это слишком упрощенный подход. Конечно, например,

радиоактивный распад можно считать зависимым только от времени,

но большинство прогнозируемых показателей все же зависит от

других факторов. Например, прогнозирование числа больных в

данном населенном пункте зависит не от времени как такового, а от

числа жителей, экологической обстановки и т.п. И если в следующем

году число жителей резко сократится или возрастет, то во столько же

раз изменится потенциальное число больных.

При модельном подходе ищется функциональная зависимость

прогнозируемого показателя от факторов, на него влияющих.

Модельный подход потенциально дает самый точный прогноз, но

является наиболее сложным и наукоемким.

Вернемся к причинам изменения прогнозируемого показателя и

оценим пригодность тех или иных подходов к прогнозированию.

1. Если изменение прогнозируемого  показателя связано только с 

динамическими процессами (а точнее, процесс изменения Р(t)

является частью переходного процесса), то наиболее эффективным

будет применение экстраполяциопного подхода.

При этом причинами изменения Р могут быть:

• переходные процессы, происходящие в объекте;

динамические процессы в объекте, приводящие к изменению

его параметров A(t) (можно рассматривать и динамические

процессы в психике людей, входящих в качестве элементов

исследуемого объекта);

• динамические процессы, протекающие вне объекта,

следствием чего могут быть изменения возмущающих и

неконтролируемые переменных - Х(t) и ε(t).

В общем виде это можно описать такой моделью:

P(t) = F(X(t),A(t),ε(t),t)

При этом, если мы не можем построить модель типа P=F(x),

прогнозная модель будет строиться на основании временных рядов и

описывать зависимость прогнозируемого показателя только как

функцию времени.

2. Другим подходом к  прогнозированию динамических 

процессов можно назвать модельный авторегрессионный подход,

когда строится модель, связывающая значения прогнозируемого

показателя в некоторый момент времени s со значениями этого же

показателя в предыдущие моменты времени:

P(s) =F[P(s-l),P(s-2),...].

Авторегрессионная модель является попыткой описать

динамический процесс алгебраическим уравнением вместо

дифференциального.

3. Если изменение прогнозируемого  показателя нельзя 

объяснить только как функцию времени (т. е. объяснить только

динамическими процессами), то применяется модельный подход, при

котором в модели учитываются возмущающие и управляющие

переменные.

Такой подход предполагает, что прогнозируемая величина

является выходной переменной исследуемого объекта (процесса или

явления) Р = у и, в первую очередь, зависит от множества различных

повременных факторов Х = {х1,...,хn}.

Строятся как простейшие модели типа P=F(x) так и более сложные,

учитывающие запаздывающие переменные и время:

P(t) = F[X(t),X(t-l),X(t-2),..,t],

а также авторегрессионные составляющие:

P(t) = F[Р(t-1),P(t-2),...,X(t),X(t-1),X(t-2),...,t].

Построение таких моделей связано с серьезными трудностями.

Хотя следует сказать, что такая полная модель никогда и не

используется для прогнозирования, но всегда можно допускать

присутствие ее членов в прогностической модели. Здесь мы

сталкиваемся с серьезной задачей выбора структуры модели, а

именно, отбора значимых членов модели. Во-первых, довольно

сложно выбрать структуру модели; второй проблемой является

ограниченное количество экспериментальных данных, что не

позволяет получить статистически значимые оценки параметров

модели.

 

1.3 Выбор метода  прогнозирования.

Адекватно подобранные средства прогнозирования значительно улучшают качество прогноза, поскольку:

• обеспечивают функциональную полноту, достоверность и точность прогноза;

• уменьшают временные и материальные затраты на прогнозирование.

На выбор метода прогнозирования влияют:

• сущность практической проблемы, подлежащей решению;

• динамические характеристики объекта прогнозирования в рыночной среде;

• вид и характер имеющейся информации, типовое представление об объекте прогнозирования;

• комбинация фаз жизненного, рыночного цикла товара или услуги;

• период упреждения и его соотношение с предполагаемой продолжительностью рыночного, жизненного цикла, цикла разработки или модификации товара, услуги;

• требование к результатам прогнозирования и другие особенности конкретной проблемы.

Все перечисленные факторы должны рассматриваться в системном единстве, лишь несущественные могут исключаться из рассмотрения. На практике, выбирая метод прогнозирования, рекомендуется учитывать два наиболее важных фактора — затраты и точность. Следует выяснить, сколько средств выделено на подготовку прогноза, какова возможная цена спрогнозированных ошибок и выход. Лучший прогноз, как правило, представляет собой оптимальную комбинацию точности и стоимости.

При выборе метода прогнозирования нужно учитывать:

• наличие статистических данных за необходимый период;

• компетентность прогнозиста, наличие электронно-вычислительной техники (ЭВТ);

• время, необходимое для сбора и анализа информации.

В ряде случаев для получения независимых прогнозов используются одновременно несколько методов. Требования к прогнозам:

• своевременность, с определенной степенью точности и определенности других показателей;

• надежность, выраженная в знаковых единицах (долларах, единицах продукции, оборудовании, квалификации персонала и т. п.) и зафиксированная на бумаге;

• простота методики прогнозирования для использования.

Таким образом, методы прогнозирования подразделяются на качественные и количественные. Качественные методы основаны на суждении, опыте и экспертизе; количественные — на использовании статистических данных за определенный период времени или на связи между переменными. Ни один из методов не является универсальным. Методы могут быть простыми и сложными.

 

1.4 Типы прогнозов  и этапы прогнозирования

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?

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

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.

 

1.5 Управление процессом 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 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.