7) установление последствий. На этом этапе сопоставляются стратегические проблемы предприятия (например, возможность роста за счет более широкого освоения рынка) и выбранные варианты развития среды. Определяется характер и степень воздействия тех или иных вариантов развития на стратегические области действий предприятия;
8) принятие мер. В узком смысле этот этап уже не относится к анализу, но он естественно вытекает из предыдущих этапов.
В целом сценарий подчинен стратегической функции предприятия и разрабатывается в процессе долгосрочного планирования. Широкий временной охват предполагает усиление неопределенности среды бизнеса и поэтому для сценария, как правило, характерны некоторая недостоверность и повышенное количество ошибок. Поскольку определение количественных параметров будущего затруднено (так, трудно определить величину продаж предприятия через 5 лет), при составлении сценариев чаще всего используются качественные методы и интервальные прогнозы показателей. В то же время сценарий предполагает комплексный подход для его разработки: помимо качественных могут использоваться и количественные методы - экономико-математические, моделирование, анализ перекрестного влияния, корреляционный анализ и др.
7. Метод дерева целей - широко применяется для прогнозирования возможных направлений развития науки, техники, технологий. Так называемое дерево целей тесно увязывает между собой перспективные цели и конкретные задачи на каждом уровне иерархии. При этом цель высшего порядка соответствует вершине дерева, а ниже в несколько ярусов располагаются локальные цели (задачи), с помощью которых обеспечивается достижение целей верхнего уровня.
8. Матричный метод - широко используется в планировании и прогнозировании. Например, в практике маркетинга матричный метод применяется как метод оценки позиции предприятия на рынке, что позволяет принять решение о выборе одной из возможных стратегий:
· стратегии атаки при благоприятной позиции;
· стратегии обороны при средней, неопределенной позиции;
· стратегии отступления при неблагоприятной позиции.
9. Метод Дельфи является наиболее формальным из всех методов экспертного прогнозирования и наиболее часто используется в технологическом прогнозировании, данные которого используются затем, в планировании производства и сбыта продукции. Это групповой метод, при котором проводится индивидуальный опрос группы экспертов относительно их предположений о будущих событиях в различных областях, где ожидаются новые открытия или усовершенствования.
Метод получения мнений жюри - наиболее старый и наиболее простой метод прогнозирования сбыта, поскольку в этом случае просто объединяются и усредняются взгляды, нередко основанные всего лишь на интуиции высших администраторов. В большинстве случаев окончательная оценка представляет собой мнение президента фирмы, основанное на рассмотрении мнений прочих руководящих работников. Преимущества метода состоят в его доступности и простоте, недостатки - в том, что прогнозы основываются на предположениях, а не на фактах и их анализе; усреднение мнений уменьшает ответственность за точность прогноза; прогнозы обычно не разбиты на подразделы (по видам продукции), периоды времени или структурные подразделения.
Метод совокупных мнений работников сбыта - один из наиболее часто применяемых методов прогнозирования. Он состоит в том, что на основании мнений агентов по сбыту и руководителей подразделений сбыта составляется совокупная оценка вероятного объема сбыта.
Метод ожидаемых запросов потребителей (модель ожидания потребителей). Как можно судить по названию, модель ожидания потребителей является прогнозом, основанным на результатах опроса клиентов предприятия. Их просят оценить собственные потребности в будущем, а также новые требования. Собрав все полученные таким путем данные и сделав поправки на пере- или недооценку, исходя из собственного опыта, руководитель зачастую оказывается в состоянии точно предсказать совокупный спрос.
Дедуктивные методы. Каждый составитель прогнозов должен не забывать о том, что всегда необходимо руководствоваться здравыми суждениями и уметь делать логические выводы из фактов и взаимосвязей. В общем случае дело сводится к тому, чтобы выяснить, какова сейчас ситуация, какое положение со сбытом и почему, а затем дедуктивно проанализировать, исходя как из объективных обстоятельств, так и из субъективных суждений, факторы, оказывающие решающее влияние на сбыт. Полученные подобным образом данные могут быть введены в математическую модель, но могут и остаться неиспользованными, если они представляют собой неточно скоррелированный конгломерат фактов и оценок. Тем не менее, они часто служат полезным средством проверки результатов, полученных с помощью точных методов. 15
Основные проблемы использования рассмотренных выше методов
Основные трудности, которые могут возникнуть в процессе прогнозирования можно условно разделить на четыре группы:
1. Исходная статистическая информация зачастую бывает недостоверной. Однако даже при наличии достоверных данных о прошлом, они не всегда могут служить надежной базой для принятия плановых решений, направленных в будущее;
2. Некоторая часть информации, необходимой для выбора наилучшего варианта планового решения, имеет качественный характер и не поддается количественным измерениям (например, невозможно разработать формулу для прогнозирования (оценки) поведения людей в той или иной ситуации, в производственном коллективе);
3. В момент принятия решения необходимая статистическая информация отсутствует, а ее получение требует времени или средств;
4. Существует большая группа факторов, которые будут влиять на реализацию планов, но при подготовке плановых решений их нельзя точно предсказать.
Для применения статистических методов прогнозирования необходимо проводить исследовательскую работу и пользоваться услугами квалифицированных статистиков - и то и другое может дорого стоить. Кроме того, в условиях динамичного развития общества, когда происходят какие-то кардинальные изменения - в экономике, в социальной сфере, в технике, в технологии и в других областях - эффективность применения статистических методов для прогнозирования и планирования, особенно на длительный период, снижается. Существует также опасность, что управляющие станут чрезмерно полагаться на статистические методы и на полученные на их основе результаты и поэтому могут не заметить существенных изменений, значение которых мог бы оценить другой специалист.
Указанные трудности хотя и являются весьма существенными, однако не исключают эффективного прогнозирования того или иного экономического показателя. Вопрос очевидно должен ставиться о выборе наиболее эффективного для конкретной задачи метода прогнозирования.
Использование методов нечёткой логики для прогнозирования продаж. Большинство из рассмотренных выше методов прогнозирования основано на наблюдении прогнозируемого показателя в предыдущие периоды времени. Иногда при этом рассматривается ещё один или два сопутствующих фактора, влияющих на поведение данного показателя. В то же время мы понимаем как много всевозможных внешних и внутренних для предприятия факторов могут повлиять на поведение рассматриваемого показателя. Таких факторов может быть несколько десятков. Причём в одних условиях существенными могут быть одни факторы, при изменении условий другие. Построение аналитической зависимости прогнозируемого показателя y от вектора факторов, характеризующих состояние объекта и внешней среды x чаще всего не представляется возможным.
Перспективным в этом плане является подход, использующий алгоритмы нечеткой логики. Данный метод позволяет создавать эффективные модели сложных объектов. К его достоинствам можно отнести универсальность (согласно теореме FAT (Fuzzy Approximation Theorem), доказанной Б. Коско в 1993 г., любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике), использование языка, близкого к естественному для описания условия и метода решении задачи, что позволяет применять метод для объектов, значения переменных которых представлены не в количественных шкалах, а также данный подход позволяет легко учесть имеющуюся априорную информацию. Еще лучшее качество решения отмеченной задачи идентификации удается получить при использовании адаптивных нечетких алгоритмов, использующих имеющиеся экспериментальные данные, позволяющие создавать модель, основанную на принципах нечеткого вывода, выявляя закономерности в данных и обобщая их.
Основой данного подхода составляет теория нечетких множеств, которая оперирует нечетким представлением нечетких понятий. Теоретико-множественный подход позволяет кроме чётких статистических данных и отчётов учитывать социально-психологические и экономические переменные рынка. Работа с такой прогнозирующей системой состоит из двух этапов: этапа обучения и этапа собственно прогнозирования. На этапе обучения на основе предыдущих наблюдений осуществляется настройка системы нечёткой логики. Система нечёткого логического вывода способна обучаться в процессе её эксплуатации. По сути, такая система является интеллектуальной информационной системой, обладающей элементами прогнозирования.
Задача. Предприятие выпускает два вида продукции А и Б. Производство периодическое. Режим работы предприятия: в 2 смены по 8 часов с двумя выходными днями: субботой и воскресеньем. Необходимо составить план производства продукции при заданном расходе сырья. Исходная информация представлена в таблицах.
Таблица 2.1