Пошук та генерування нових ідей підприємцем (стр. 3 из 5)

- експертні оцінки;

- багатоваріантні методи аналізу.

При використанні методів генерування нових ідей бажано додержуватися таких рекомендацій:

- цілі прогнозування треба сформулювати до вибору відповідного методу їхнього досягнення. Для правильного вибору методу й застосування отриманих результатів спочатку треба задатися питанням: «У чому проблема?», а потім «Що ми маємо намір робити з результатом прогнозування?»;

- варто використовувати два або кілька методів, оскільки жоден метод не здатний відповісти на всі питання;

- оскільки на ідею в широкому значенні цього слова, і особливо на їхні кінцеві продукти, істотно впливають чинники нетехнічного характеру, то методи генерування ідей повинні також містити відповідні елементи економічного прогнозування й аналізу політичної ситуації;

- майже всі методи прогнозування можуть також використовуватися для цілей прогнозування інших тенденцій.

-

2.2 Аналіз тенденцій

Аналіз тенденцій дотепер залишається найпоширенішим підходом з прогнозування тенденцій. Його базові передумови прості: треба зібрати доречні історичні дані й потім графічно, або в чисельній формі, спроектувати відповідні зміни на майбутнє. Попри розходження конкретних методик, прийоми аналізу тенденцій мають низку спільних допущень і особливостей, а саме:

- майбутнє представляється безперервним продовженням недавнього минулого, і, отже, на нього поширюються встановлені раніше закономірності;

- є тільки один варіант майбутнього, і він передбачуваний, якщо правильно зрозуміти закони змін, що відбуваються, виявлених під час аналізу тенденцій.

З наукового погляду екстраполяція є забороненим прийомом, проте, за правильного врахування причино-наслідкових зв'язків, вона може дати прийнятні результати.

Метод екстраполяції тенденцій заснований на екстраполяції поведінки змінної, що шукається в заданому часовому відтинку. Як приклад на рис. 2.5 наведено екстраполяцію тенденцій зміни ефективності штучних джерел світла.

Як бачимо, до 1970 р. лінійна екстраполяція добре передбачала результати. Однак протягом наступних ЗО років цю тенденцію поки що не підтверджено. Цілком можливо, що зростання буде, тому що така тенденція підтверджена більш ніж сторічним досвідом. Варто мати на увазі, що чим більший часовий інтервал, тим менш надійним буде прогнозований результат.

Екстраполяцію тенденцій використовують для прогнозування параметрів ефективності технологій, параметрів якості продукції, рівня продажів даного продукту, тривалості розроблення конкретної технології тощо. На практиці майже кожна компанія в усіх галузях промисловості збирає інформацію про історичні тенденції змін важливих параметрів, використовуючи її як стартову точку для прийняття якихось стратегічних рішень. Прості екстраполяційні графіки служать для багатьох компаній корисними «кваліфікованими підказками».

За наявності необхідних даних екстраполяція тенденцій є досить недорогим і швидким методом. З урахуванням простоти опрацювання даних цей метод використовують як перший ступінь технічного та технологічного прогнозування, одержання якогось першого наближення.

Основним недоліком методу є низька точність, оскільки характер впливу зовнішніх обставин на розглянуті перемінні непостійний у часі, і тому найкращі результати можна отримати при використанні цього методу лише на найближче прогнозування.

Регресивний аналіз. Якщо зв'язок між досліджуваною величиною, наприклад, параметром якості, та технологічними параметрами процесу можна представити у формі математичної залежності – рівняння регресії, то це дає змогу розрахувати кількісні характеристики досліджуваної величини, навіть якщо параметри залежать один від одного, тобто корельовані. Позитивним у цьому методі є те, що є добре розроблена теорія регресивного аналізу та комп'ютерні програми для розрахунків значень параметрів. Якщо відомі причино-наслідкові зв'язки між параметрами, то такий аналіз дає якісніші прогнози, ніж метод екстраполяції, що дозволяє здійснювати середньо довгострокові прогнози.

Метод S-кривих. Залежність багатьох процесів від часу має S-подібний характер: на початковому етапі параметри збільшуються повільно, потім іде період швидкого зростання і, по досягненні певної величини, швидкість процесу зменшується, асимптотично наближаючись до певної межі. Така залежність характерна для багатьох параметрів якості продукції або для виведеного на ринок товару, коли частка відповідного ринку зростає спочатку повільно, потім швидко, а потім різко сповільнюється, після чого починає падати.

Процедуру побудовиS-кривої коротко можна описати в такий спосіб:

- визначити характеристику товару, якої потребує ринок;

- визначити технологічний параметр або параметри, якими можна забезпечити цю характеристику;

- зібрати інформацію про динаміку розвитку цього параметру в минулому;

- визначити природне обмеження цього параметру;

- побудувати на основі отриманої інформаціїS-криву, що мас асимптоту до природного обмеження;

- визначити події й тенденції, що можуть уплинути на майбутній розвиток параметра і як наслідок – на форму кривої. Схематично це показано на рис. 2.

Якщо побудувати декілька S-подібних кривих заміни технологій виявляється, що вони складають криву, що огинає всі попередні, має також S-подібну форму. Як приклад на рис. 2 показаноS-криву, побудовану для прогнозування швидкості транспорту.

Якщо відомі такі криві для аналогічних параметрів, то цей метод може бути корисним для прогнозування розвитку технологій, особливо на стадіях НДР і НДДКР. Метод також корисний своїм нагадуванням про те, що технологічні параметри не можуть зростати нескінченно, запобігаючи тим самим типовій помилці, коли прогнозування виходить з лінійної екстраполяції.

Метод історичних аналогів. Відомий вислів «Дурень учиться на власних помилках, а розумний – на чужих» відбився в цьому методі. Якщо відомі рішення, що їх застосовували великі фірми в ситуаціях, подібних до Вашої, то є велика ймовірність того, що, прийнявши аналогічне рішення, Ви одержите позитивний результат. Для цього на Заході є бази даних, наприклад, «Вплив ринкової стратегії на бізнес», де узагальнено велику кількість конкретних ситуацій для 1700 компаній у різних галузях промисловості. Поки що користуватись цією базою даних досить дорого, однак їх бурхливий розвиток сприятиме здешевленню та підвищенню надійності цього методу прогнозування.

Метод аналізу винахідницької активності. Аналіз динаміки патентування винаходів дозволяє отримати інформацію про технічні й технологічні тенденції, а також про основних учасників розроблення нових технологій і продуктів. Патенти є добротним матеріалом для досліджень, оскільки розробники, піклуючись про захист своїх прав, патентують їх. Якщо ще кілька років тому такий аналіз був утруднений, то тепер – зі зростанням комп'ютеризації, наявності інтернет мережі, забезпеченні вільного доступу до патентних фондів в електронному виді – ефективність такого аналізу різко зросла. Можна сподіватися, що в найближчому майбутньому цей метод стане одним з найнадійніших для прогнозування технологій та інноваційних продуктів.

Більшість компаній додержуються такої схеми патентних досліджень:

- визначення об'єктів дослідження;

- формулювання проблеми та встановлення сфери пошуку;

- пошук необхідних патентів;

- завантаження патентів у програму для ЇХ: опрацювання;

- комп'ютерне опрацювання патентів;

- інтерпретування результатів патентного аналізу.

Аналіз динаміки винахідницької активності за роками дозволяє виявити тенденції: чи зростає кількість Патентів, чи залишається постійною або ж зменшується. Такий аналіз дозволяє виявити домінування конкретного розроблювача. Важливе значення має аналіз портфелю патентів компанії, що дає змогу виявити напрямок проведених конкурентами Науково-технічних розроблень.

Статичний аналіз описів винаходів і корисних моделей дозволяє не тільки виявити вичерпний список вимог до певної продукції, кандидатів для купівлі або продажу ліцензії на розроблювані технології.

Для забезпечення необхідної повноти відомостей варто оновляти чи повторювати патентний пошук щороку. У великих компаніях цим займаються зазвичай до 10 чоловік.

Як приклад наведемо один з результатів виконаного нами прогнозу розвитку металургійної галузі. Аналіз проводили за класами МПК С21, С22, С23, С25, С30, що відповідають металургійній галузі. Дослідження здійснено 4002 року з прогнозом на 2003–2004 роки.

З рис. 2 видно, що за останні п'ять років спостерігається тенденція до зменшення активності патентування. Перевірка прогнозу в 2003 році показала, що у СПІА, як і передбачалося, за перше півріччя не було отримано в цій галузі жодного патенту, тоді як у 1999 році кількість патентів становила понад 250. Тенденція до зменшення патентної активності спостерігається також у Російській Федерації та в Китаї. Звідси можна зробити висновок, що металургійна галузь не є інноваційно-привабливою і Навряд чи слід шукати нові ідеї в цій сфері.

Аналіз наукової літератури. Цей метод певною мірою є доповненням до попередніх. Однак є й відмінності. З одного боку, не більш як третина досліджень доводяться до стадії патентування. З іншого боку, вони передують патентуванню, тому допоможуть виявити тенденції значно раніше. Вважається, що аналіз наукової літератури дозволяє зробити прогноз не більше ніж на 3–4 роки, тому його бажано повторювати щорічно. Поки що кількість фірм, що пропонують подібні послуги, вкрай обмежена, а вартість таких досліджень висока. Однак варто очікувати, що в міру переведення реферативних журналів на електронні носії швидкість і ефективність такого аналізу істотно зросте, а їхня вартість суттєво знизиться.