Статистические методы прогнозирования в экономике кратко

Обновлено: 05.07.2024

В данной статье представлен краткий обзор методов прогнозирования. Здесь даны общие определения и дан набор общепринятых методов для построения прогнозных моделей.

Моделирование

Модель – это упрощенный образ объекта из реальной жизни, в котором отражаются его наиболее важные характеристики, с точки зрения исследования.

Что такое прогнозирование?

Прогнозирование — это предвидение (предсказание), которое предполагает состояние или описание возможных или желательных аспектов, состояний, решений, проблем будущего.

Прогноз — это результат процесса прогнозирования, выраженный в словесной, математической, графической или другой форме суждения о возможном состоянии объекта и его среды в будущий период времени.
Метод – это сложный прием, упорядоченная совокупность простых приемов, направленных на разработку прогноза в целом; путь, способ достижения цели, исходящий из знания наиболее общих закономерностей.
Методика – определенное сочетание приемов (способов) выполнения прогностических операций, получение и обработка информации о будущем на основе однородных методов разработки прогноза.
Методология прогнозирования – область знания о методах, способах, системах прогнозирования.
Система прогнозирования – это упорядоченная совокупность методик, технических средств, предназначенная для прогнозирования сложных явлений или процессов.

Формализованные методы:

Метод эстраполяции трендов;
Методы корреляционного и регрессионного анализов;
Методы математического моделирования.

Экспертные методы прогнозирования:
1. Индивидуальные методы

2. Коллективные методы

Признаки классификации прогнозов	Виды прогнозов
Временной охват (горизонт прогнозирования)	краткосрочные среднесрочные долгосрочные
Типы прогнозирования	экстраполятивное альтернативное
Степень вероятности будущих событий	вариантные инвариантные
Способ представления результатов прогноза	точечные интервальные

1. Определение тренда (тенденции роста/падения)
2. Оценка влияния стратегии компании на развитие тренда
3. Применение коэффициентов сезонности
4. Построение прогноза продаж
Экстраполяция динамических рядов предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в будущем.
Тренд (тенденция) — это долговременная тенденция изменения исследуемого временного ряда.
Временной ряд – это числовые значения определенного статистического показателя в последовательные моменты или периоды времени.
Коэффициент сезонности — это величина, на которую увеличиваются / уменьшаются продажи по сравнению со средними в определенный период времени.

Регрессионный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X1,X2,…,Xp на зависимую переменную Y. Уравнение линейной регрессии Yх = a+b*X, где а и b оцененные коэффициенты регрессии.
Регрессия — функция, позволяющая по средней величине одного признака определить среднюю величину другого признака, корреляционно связанного с первым.

Прогнозирование — это процесс построение предсказания будущего на основе исторических данных, текущих данных (текущей ситуации) и на основе анализа трендов. Риск и неопределенность являются центральными факторами для прогнозирования, поэтому в соответствии с лучшими практиками, необходимо указывать степень неопределенности по отношению к прогнозам.
Корректный подход к оценке метода прогнозирования включает несколько этапов. Следует выделить пять важных этапов:

тщательное изучение природы исследуемого объекта или процесса для выбора адекватного метода прогнозирования;
выделение двух групп среди доступных данных – для разработки прогнозов и для проверки полученных результатов;
уточнение исходных данных с целью обнаружения ошибок;
разработка прогнозов и оценка достоверности полученных результатов;
использование (интерпретация) полученных результатов и выполнение, при необходимости, уточнения и дополнения прогнозов.

Категории методов прогнозирования

Качественные методы в сравнении с количественными методами

Качественные методы прогнозирования — субъективны, основаны на мнении и суждении потребителей, экспертов. Качественные методы подходят тогда, когда отсутствуют исторические данные. Данные методы применяются, как правило, для среднесрочных и долгосрочных решений. Примерами качественных методов прогнозирования являются исследование рынка, метод Делфи, историческая аналогия жизненного цикла и т.д.
Количественные модели прогнозирования используются для прогнозирования будущих данных в виде функции от исторических данных. Они подходят для использования, когда исторические числовые данные доступны и когда ожидается сохранение динамики данных в будущем. Эти методы, как правило, применяются для краткосрочного и среднесрочного прогнозирования. Примерами количественных методов прогнозирования являются: скользящие средние, экспоненциальное сглаживание, мультипликативные сезонные индексы и т.д.

Метод средних

В данном подходе прогнозирования, все будущие значения принимаются равными средним значениям исторических данных. Этот подход может быть использован для любых исторических данных.
Метод усреднения позволяет разработать прогноз, основываясь на среднем значении прошлых наблюдений.

Наивный метод основан на предположении, что будущее лучше всего характеризуется последними изменениями. Метод основывается на предположении о том, что прогнозируемые показатели в будущем периоде равно показателям предшествующего периода. Наивный прогноз позволяет работать при отсутствии исторических данных. Наивный прогноз понятен, прост в подготовке, быстр в реализации, не требует, фактически, никаких затрат. Основным недостатком наивного прогнозирования является вероятная низкая точность прогноза.

Метод скользящих средних

Метод скользящих средних является одним из широко известных методов сглаживания временных рядов. Применяя этот метод, можно элиминировать случайные колебания и получить значения, соответствующие влиянию главных факторов.
Сглаживание с помощью скользящих средних основано на том, что в средних величинах взаимно погашаются случайные отклонения. Это происходит вследствие замены первоначальных уровней временного ряда средней арифметической величиной внутри выбранного интервала времени. Полученное значение относится к середине выбранного интервала времени (периода).
Затем период сдвигается на одно наблюдение, и расчет средней повторяется. При этом периоды определения средней берутся все время одинаковыми. Таким образом, в каждом рассматриваемом случае средняя центрирована, т.е. отнесена к серединной точке интервала сглаживания и представляет собой уровень для этой точки.
При сглаживании временного ряда скользящими средними в расчетах участвуют все уровни ряда. Чем шире интервал сглаживания, тем более плавным получается тренд. Сглаженный ряд короче первоначального на (n–1) наблюдений, где n – величина интервала сглаживания.

Сезонный “наивный” подход

Сезонный наивный метод прогнозирования приравнивает каждый прогнозируемый период равным соответствующему сезону в исторических данных. Например, прогнозируемые величины в апреле будут равны историческим данным за апрель предыдущего года. Данный метод применяется тогда, когда исторические данные характеризуются высоким уровнем сезонности.

Методы временных рядов

Методы временных рядов используют исторические данные в качестве основы для оценки будущих результатов.

Moving average (Скользящее среднее);
Weighted moving average (Взвешенная скользящая средняя);
Kalman filtering (фильтр Калмана);
Exponential smoothing (Экспоненциальное сглаживание);
Autoregressive moving average (ARMA) — Авторегрессия скользящего среднего;
Autoregressive integrated moving average (ARIMA) e.g. Box-Jenkins — интегрированная модель авторегрессии скользящего среднего, например, модель Бокса—Дженкинса;
Extrapolation (Экстраполяция);
Linear prediction (Линейное прогнозирование);
Trend estimation (Оценка тренда);
Growth curve (statistics) — Кривая роста (статистические данные).

Причинно-следственные методы/эконометрические методы прогнозирования

Некоторые методы прогнозирования пытаются идентифицировать основные факторы, которые могут повлиять на прогноз. Например, информация о погоде может помочь улучшить прогноз продаж зонтиков.
Причинно-следственные методы включают в себя:

Регрессионный анализ содержит в себе большую группу методов для прогнозирования будущих показателей, сюда входят параметрические методы (линейные и нелинейные) и непараметрические методы.
Autoregressive moving average with exogenous inputs (ARMAX) — Авторегрессия скользящего среднего с экзогенными входными данными.

Экзогенные переменные — переменные, задающиеся извне, значения которых задаются вне модели.
Эндогенные переменные — переменные, значение которых формируется внутри модели.

Методы экспертных оценок

Composite forecasts (составные прогнозы)
Cooke’s method (метод Кука)
Delphi method (метод Дельфи)
Forecast by analogy (Прогноз по аналогии)
Scenario building (Построение сценариев)
Statistical surveys (Статистическое обследование)
Technology forecasting (Прогнозирование технологий)

Методы искусственного интеллекта

Искусственные нейронные сети
Групповые методы обработки данных
Метод опорных векторов

В настоящее время по данной категории активно применяются следующие методы в специализированных программах:

Data mining (Интеллектуальный анализ данных)
Machine Learning (Машинное обучение)
Pattern Recognition (Распознавание образов)

Рассмотрим наиболее часто рассчитываемые ошибки для прогнозов

Прогнозирование – это предсказание вероятностных тенденций развития каких-либо процессов на основе научного анализа информации об их прошлом и текущем состоянии.

Иными словами, прогнозирование – это исследование перспектив развития какого-либо процесса, которое проводится для того, чтобы с большой долей вероятности предсказать положение изучаемого объекта в будущем. Инструментами выступают математические, статистические методы, экспертная оценка. Точность прогноза зависит от:

Полноты и прозрачности информации.
Свойств и особенностей изучаемой системы или объекта.
Методик и используемых в составлении прогноза.

Чем больше факторов влияют на конечный результат исследования, тем ближе оно становится к обычному рутинному расчету. Погрешность считается нормой.

Все прогнозы делят по срокам, масштабу, ответственности эксперта. По срокам они могут быть краткосрочными, долгосрочными и среднесрочными. Масштаб охватывает местность, определяя прогнозы, как частные, отраслевые, региональные, мировые, страновые и так далее. Уровень прогноза может быть личным, то есть проводиться на уровне предприятия, либо государственным.

Основными методами прогнозирования считаются статистические методы, экспертная оценка, методы моделирования, интуитивные методы, комбинированные. Прогнозирование широко используется в теоретической экономике, а так же в ее прикладных направлениях, например, в управлении цепочками поставок, технологиями, в маркетинге, продажах и телекоммуникациях.

Составление прогноза – емкая задача, требующая охвата большого массива данных. Развитие передовых технологий позволяет обрабатывать информацию с помощью программных продуктов. За счет этого повышается качество прогноза, снижается количество ошибок и погрешностей. Некоторые крупные компании заказывают разработку программ для прогнозирования под свои задачи. Несмотря на то, что покупка качественного продукта обходится дорого, составление максимально приближенных к реальности прогнозов снижает риски неопределенности, что положительным образом сказывается на деятельности предприятия или государства в целом.

Готовые работы на аналогичную тему

Статистические методы

Статистические методы представляют собой инструменты научного изучения массовых событий и явлений. Они дают количественную и качественную характеристику объекту изучения. Изначально статистика применялась для управления государством. Сейчас она занимается сбором, обработкой данных, а так же выявлением результатов исследования с помощью выборок из общего массива данных.

Методы статистики могут быть теоретическими, экспериментальными или комбинированными. Она опирается на опыт исследований и наблюдений. Одним из направлений статистики является теория вероятности. Она изучает массовые случайные явления. Под массовостью понимается множество однородных, схожих по своей природе событий или процессов. Ее характеристикой является распределение вероятностей, то есть теория вероятности исследует вероятность распределения событий в системе.

Статистика выделяет три типа методов анализа данных:

Методы общего значения без учета особенностей исследуемой совокупности.
Изучение реальных явлений и событий с заранее заданным направлением.
Применение моделей и методов для анализа и получения определенного результата.

Методы статистики применяются во многих областях жизни человека. Они применяются всегда, когда нужно получить какие-то данные о поведении или особенностях группы, отдельных объектов или целой системы. Они применимы как для однородных объектов, так и для структур неоднородных внутри.

Статистические методы экономического прогнозирования

Экономика отличается своей динамичностью, в ней практически отсутствуют статические объекты или системы. Так же на исследуемые предметы оказывает влияние большое число факторов, которые необходимо учитывать в анализе. Для целей экономического прогнозирования используются следующие методы статистики:

Средние показатели, аналитические методы (метод наименьших квадратов, функции, тренды), адаптивные методы, учитывающие устаревание данных относятся к методу экстраполяции тенденции.
Статистическое моделирование включает в себя статистические, динамические методы, а так же агрегатное моделирование, регрессию по рядам динамики и по пространственно-временной информации.

Тренд позволяет вычислить основную тенденцию развития системы или объекта, а так же их группы. Для составления прогноза с помощью трендов применяют выравнивание временного ряда. Здесь хорошо работают инструменты наименьших квадратов, конечная разность и скользящая средняя. Линейный тренд показывает, что динамика изменяется с одинаковой скоростью, в параболическом тренде происходит относительное ускорение значений, в кубическом наблюдается смена трендов на противоположные.

Если показатели статистической выборки стабильно растут, то используется показательная кривая, которая демонстрирует геометрическую прогрессию ряда. Возможно применение логистической кривой в случае, если при исследовании выясняется, что существуют определенные ограничения. Прогнозирование подразумевает выбор наилучшего тренда. То есть, исследование статистической выборки не заканчивается выяснением направленности тенденции развития. Важным в результате оказывается выбор наиболее подходящего варианта из предложенных альтернатив.

Еще одним методом составления прогноза является вычисление индексов. Индекс характеризует величину и отклонение ее изменения относительно определенного эталона. Индексы применяются для оценки количественных величин. Но возможно их использование для исследования качества. Например, они могут показывать изменение себестоимости за счет изменения цены. То есть, с их помощью увязываются различные процессы и явления.

Статистика широко используется в экономическом прогнозировании, так как позволяет одновременно исследовать большие массивы данных.

Моделирование

Что такое прогнозирование?

Формализованные методы:

Метод эстраполяции трендов;
Методы корреляционного и регрессионного анализов;
Методы математического моделирования.

Экспертные методы прогнозирования:
1. Индивидуальные методы

2. Коллективные методы

Признаки классификации прогнозов	Виды прогнозов
Временной охват (горизонт прогнозирования)	краткосрочные среднесрочные долгосрочные
Типы прогнозирования	экстраполятивное альтернативное
Степень вероятности будущих событий	вариантные инвариантные
Способ представления результатов прогноза	точечные интервальные

тщательное изучение природы исследуемого объекта или процесса для выбора адекватного метода прогнозирования;
выделение двух групп среди доступных данных – для разработки прогнозов и для проверки полученных результатов;
уточнение исходных данных с целью обнаружения ошибок;
разработка прогнозов и оценка достоверности полученных результатов;
использование (интерпретация) полученных результатов и выполнение, при необходимости, уточнения и дополнения прогнозов.

Категории методов прогнозирования

Качественные методы в сравнении с количественными методами

Метод средних

Метод скользящих средних

Сезонный “наивный” подход

Методы временных рядов

Методы временных рядов используют исторические данные в качестве основы для оценки будущих результатов.

Moving average (Скользящее среднее);
Weighted moving average (Взвешенная скользящая средняя);
Kalman filtering (фильтр Калмана);
Exponential smoothing (Экспоненциальное сглаживание);
Autoregressive moving average (ARMA) — Авторегрессия скользящего среднего;
Autoregressive integrated moving average (ARIMA) e.g. Box-Jenkins — интегрированная модель авторегрессии скользящего среднего, например, модель Бокса—Дженкинса;
Extrapolation (Экстраполяция);
Linear prediction (Линейное прогнозирование);
Trend estimation (Оценка тренда);
Growth curve (statistics) — Кривая роста (статистические данные).

Причинно-следственные методы/эконометрические методы прогнозирования

Регрессионный анализ содержит в себе большую группу методов для прогнозирования будущих показателей, сюда входят параметрические методы (линейные и нелинейные) и непараметрические методы.
Autoregressive moving average with exogenous inputs (ARMAX) — Авторегрессия скользящего среднего с экзогенными входными данными.

Методы экспертных оценок

Composite forecasts (составные прогнозы)
Cooke’s method (метод Кука)
Delphi method (метод Дельфи)
Forecast by analogy (Прогноз по аналогии)
Scenario building (Построение сценариев)
Statistical surveys (Статистическое обследование)
Technology forecasting (Прогнозирование технологий)

Методы искусственного интеллекта

Искусственные нейронные сети
Групповые методы обработки данных
Метод опорных векторов

Data mining (Интеллектуальный анализ данных)
Machine Learning (Машинное обучение)
Pattern Recognition (Распознавание образов)

Рассмотрим наиболее часто рассчитываемые ошибки для прогнозов

Статистические методы прогнозирования основаны на использовании количественной информации о состоянии и поведении исследуемого объекта. Эта информация является ретроспективной, т. е. она описывает состояние и поведение объекта в прошлые моменты времени. Исследователь, анализируя эту информацию, выявляет качественную картину поведения объекта в прошлом, определяет тенденцию его развития. После анализа условий возникновения выявленной тенденции исследователь делает вывод о правомочности продолжения (экстраполяции) этой тенденции на будущие состояния объекта, после чего производит соответствующие количественные расчеты, позволяющие установить численные характеристики прогнозного состояния объекта. В случае предполагаемых изменений условий функционирования объекта в будущем следует прибегать к экспертным методам прогнозирования для оценки влияния изменившихся условий на поведение объекта в прогнозном периоде.

Таблица 2.9 Характеристика количественных методов прогнозирования временных рядов

1. Метод наименьших

квадратов (МНК) кратко- и среднесрочный (КС,СС)

Выбор числа точек

Примечание: n — число точек исходной информации (число реализаций на ретроспективном интервале); - число точек прогноза (число реализаций на прогнозном интервале).

Области применения различных статистических количественных методов укрупнено систематизированы в табл. 2.9, которую можно представить так же, как классификацию методов прогнозирования.

В общем виде схема расчета прогноза с помощью статистических методов приведена на рис. 2.6

Первый этап — "Сбор информации" — включает в себя сбор статистических данных, описывающих объект управления в проявлениях, интересующих исследователя. Если, например, изучается горное предприятие как экономическая система с целью оценки его возможностей при разработке плана производства продукции, необходимо выявить тенденции изменения таких показателей, как производительность труда, себестоимость продукции, производительность и состояние техники, фондоотдача, фондоемкость, прибыль, рентабельность и т. п.

возникнуть необходимость знать изменения в динамике таких показателей, как уровень удовлетворения социально-бытовых нужд рабочих, уровень организации труда на рабочем месте, уровень текучести кадров и др.

На этом этапе в случае необходимости проводится математико-статистический анализ полученных статистических совокупностей с целью выявления вида и параметров закона распределения изучаемых показателей, установления корреляционных связей между ними и т. п.

Второй этап — "Анализ информации" — является необходимым предварительным этапом в прогнозировании. Прогнозирование статистическими методами основано на формальной математической экстраполяции выявленных тенденций развития объекта прогнозирования в будущие моменты времени. Однако такая экстра полиция тенденций без учета условий функционирования объекта может дать значительную ошибку. Например, при протезировании производительности труда или себестоимости продукции необходимо учитывал., что в следующем году предприятие может получить новую, более производительную технику, которая резко изменит сложившиеся тенденции в динамике изучаемых показаний. Такое качественное изменение условий необходимо учитывать в прогнозировании (блоки 3 и 4, рис. 6.5).

На следующем — "расчетном" — этапе на основе количественного анализа полученной на предыдущих этапах информации выявляются тенденции изменения прогнозируемых показателей, представляемые в конкретном численном виде — в виде функций, таблиц или графиков. С помощью полученных зависимостей, в которые подставляют численные значения параметров, влияющих на исследуемый показатель, рассчитывается прогноз.

Необходимость четвертого этапа — "Верификация прогноза" (бл. 6) —- обусловлена тем, что всякий прогноз есть вероятностное суждение о будущем. Процедура верификации (от англ. verification — проверка) призвана оценить, насколько велика вероятность совпадения в будущем прогнозных значений показателя с фактическими. В случае если расчетные значения надежности удовлетворяют принятому нормативному уровню надежности, прогноз принимается; в противном случае пересматриваются исходные условия прогнозирования или прогноз вычисляется другим методом до получения удовлетворительных оценок надежности.

Нормативный уровень надежности обычно принимается экспертным путем, исходя из практических соображений. Статистические методы прогнозирования включают в себя три основные Группы методов: методы прогнозирования временных рядов, методы факторного анализа — регрессионного, главных компонент, производственных функций — и методы имитационного моделирования.

2.2.4 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:

· 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:

· подготовку и сбор индивидуальных экспертных оценок;

· статистические методы обработки полученных материалов.

Коллективные экспертные оценки включают:

· метод "мозговых атак";

Метод "комиссий" может означать организацию "круглого стола" и других подобных мероприятий, в рамках которых происходит согласование мнений экспертов.

Для метода "мозговых атак" характерны:

· коллективная генерация идей

· 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.

Метод Дельфи был разработан известным экспертом из исследовательской корпорации "РЭНД" Олафом Хельмером, математиком по образованию. Может быть, поэтому 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. Рассмотрим его более подробно.

2.2.5 Метод составления сценариев

Впервые термин "сценарий" был употреблен в 1960г. футурологом Х.Каном при разработке картин будущего, необходимых для решения стратегических вопросов в военной области.

Сценарий– это описание (картина) будущего, составленное с учетом правдоподобных предположений. Как правило, для прогноза ситуации характерно существование определенного количества вероятных вариантов развития. Поэтому прогноз обычно включает в себя несколько сценариев (рис. 2.7). В большинстве случаев это три сценария:

· средний (наиболее вероятный, ожидаемый).

Рис.2.7 - Так изобразил модель сценариев немецкий исследователь X.Гешка

Сценарии разрабатываются для определения рамок будущего развития:

· стран или регионов и т.д.

Экономическая организация со смежной структурой и разнообразием направлений деятельности меньше поддается прогнозированию в рамках сценария.

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:

· анализ перекрестного влияния;

· корреляционный анализ и т.д.

Составление сценария обычно включает в себя несколько этапов.

Первый этап. Структурирование и формулировка вопроса.

Вопрос, выбранный для анализа, должен быть определен так точно, как это возможно. На данном этапе должна быть собрана и проанализирована базовая информация. Поставленная задача должна быть согласована со всеми участниками проекта.

Необходимо осветить структурные характеристики и внутренние проблемы проекта.

Второй этап. Определение и группировка сфер влияния.

Для осуществления второго этапа необходимо выделить критические точки среды бизнеса и оценить их влияние на будущее организации.

Третий этап. Установление показателей будущего развития критически важных факторов среды организации.

После того, как основные сферы влияния обозначены, необходимо определить их возможное состояние в будущем, исходя из намеченных фирмой целей.

Показатели будущего состояния не должны быть чрезмерно благополучными, амбициозными.

Для сфер, развитие которых может включать несколько вариантов, будущее состояние должно быть описано при помощи нескольких альтернативных показателей (например, фирму устраивает. чтобы численность населения в регионе увеличилась на 2,3 или 5%).

Четвертый этап. Формирование и отбор согласующихся наборов предположений.

Если на третьем этапе фирма определяла будущее состояние среды и ее влияние на фирму, исходя из собственных целей, то на четвертом этапе возможное развитие сфер влияния определяется исходя из их сегодняшнего состояния и всевозможных изменений.

Различные альтернативные предположения о будущем состоянии наиболее значимых компонентов среды комбинируются в наборы. Формирование наборов обычно осуществляется при помощи компьютерных программ. Из полученных наборов отбираются, как правило, три набора. Отбор осуществляется исходя из следующих критериев:

· высокая сочетаемость предположений, входящих в набор;

· наличие большого числа значимых переменных;

· высокая вероятность событий, относящихся к набору предположений.

Пятый этап. Сопоставление намеченных показателей будущего состояния сфер влияния с предположениями об их развитии.

На этом этапе сопоставляются результаты третьего и четвертого этапов. Повышенные или заниженные показатели состояния среды корректируются при помощи данных, полученных на четвертом этапе.

Так, если фирма на третьем этапе прогнозировала увеличение рождаемости в регионе в 2003 г. на 5%, а анализ на четвертом этапе показал, что произойдет ухудшение экономической конъюнктуры, экологической обстановки, возможны политические и социальные коллизии, то на пятом этапе показатель 5% должен быть изменен в сторону его уменьшения, например до 3%.

Для более точного прогноза необходимо сокращать интервал между сегодняшним днем и конечным временем прогнозирования. Так, если прогноз составляется в 1997 г для 2003 г., то период прогнозирования нужно разделить на два этапа по три года: сначала разработать сценарий для 2000 года, а уже затем для 2003 года.

Шестой этап. Введение в анализ разрушительных событий.

Разрушительное событие– это внезапно случившийся инцидент, который не был ранее спрогнозирован и который может изменить направление тенденции.

Разрушительные события могут иметь как отрицательный характер (наводнения, землетрясения, аварии атомных реакторов и т.д.), так и положительный (технологические взрывы, политические примирения между бывшими противниками и т.д.).

Из возможных разрушительных событий нужно выделить те, которые способны оказать наиболее сильное воздействие, и учесть их при составлении сценариев (например, на состояние рождаемости в регионе могут повлиять: во-первых, авария на атомной станции; во-вторых, вероятность локального конфликта; в-третьих, открытие нового месторождения полезных ископаемых. Однако реальное воздействие возможно только первого из событий).

Седьмой этап. Установление последствий.

На этом этапе сопоставляются стратегические проблемы фирмы (например, возможность роста за счет более широкого освоения рынка) и выбранные варианты развития среды. Определяются характер и степень воздействия тех или иных вариантов развития на стратегические области действий фирмы.

Восьмой этап. Принятие мер.

В узком смысле этот этап уже не относится к анализу. Однако он естественно вытекает из предыдущих этапов.

Раздел: Экономико-математическое моделирование
Количество знаков с пробелами: 182843
Количество таблиц: 25
Количество изображений: 24

Читайте также: