Методы экстраполяции трендов

Методы экстраполяции трендов основаны на статис­тическом наблюдении динамики определенного показа­теля, определении тенденции (трения) его развития и

продолжении этой тенденции для будущего периода. Другими словами, при помощи методов экстраполяции трендов закономерности прошлого развития объекта переносятся в будущее. Обычно методы экстраполяции трендов применяются в краткосрочном (не более одно­го года) прогнозировании, когда число изменений в среде минимально. Прогноз создается для каждого конкрет­ного объекта отдельно и последовательно на каждый следующий момент времени. Если прогноз составляет­ся для товара (продукта/услуги), взадачи прогнозиро­вания, основанного на экстраполяции трендов, входят анализ спроса и анализ продаж этого продукта. Ре­зультаты прогнозирования используются во всех сфе­рах внутрифирменного планирования, включая общее стратегическое планирование, финансовое планирова­ние, планирование производства иуправления запаса­ми, маркетинговое планирование иуправление торго­выми потоками и торговыми операциями.

Наиболее распространенными методами экстраполя­ции трендов являются метод скользящего среднего и метод экспоненциального сглаживания.

Метод скользящего среднего.Метод исходит из про­стого предположения, что следующий во времени пока­затель по своей величине равен средней, рассчитанной за последние три месяца.

Например, если объем продаж составил:

· в марте — 270единиц,

· в апреле — 260 единиц,

· в мае — 290 единиц, то

Прогноз продаж (на июнь) = Скользящая (средняя) = (270+260+290)/3=273.

Если реальный показатель продаж за июнь составил 280 единиц, то прогноз продаж на июль уже будет ра­вен (260+290+280)/3 = 277 и т, д.

Метод экспоненциального сглаживания.Метод эк­споненциального сглаживания представляет прогноз показателя на будущий период в виде суммы фактичес­кого показателя за данный период и прогноза на дан­ный период, взвешенных при помощи специальных ко­эффициентов.

Представим, что составляется прогноз продаж на следующий месяц. Тогда:

где Ft + 1 — прогноз продаж на месяц t + 1; Xt — продажи в месяце t (фактические данные); Ft — про­гноз продаж на месяц t; a — специальный коэффици­ент, определяемый статистическим путем.

Рассмотрим прогнозирование продаж методом экс­поненциального сглаживания на конкретном примере.

Предположим, что а — 0,3.

Тогда, используя формулу экспоненциального сгла­живания, можно заполнить графу «Прогноз продаж» в табл. 6.1 при условии, что известны фактические дан­ные о продажах.

Так, если продажи в январе составили 50 единиц, а прогноз на январь был равен 65 единицам, то прогноз на февраль = 0,3 х продажи в январе + 0,7 х прогноз на январь = 0,3 х 504 — 0,7 х 0,65 = 61.

Полученные данные можно отразить на графике (рис.6.6).

Как видно из графика, кривая прогнозов представ­ляет собой сглаженную тенденцию по сравнению с кри­вой фактических продаж.

В прогнозировании методы экстраполяционных трен­дов дополняются методами корреляции трендов, в рам­ках которых исследуется взаимосвязь между различ­ными тенденциями в целях установления их взаимного влияния и, следовательно, повышения качества про­гнозов.

Корреляционный анализ может исследовать взаимо­связь между двумя показателями (парная корреляция) или между многими показателями (множественная кор­реляция).

Специалистами по планированию Хиггинсом и Фин­ном был проведен опрос о применении методов прогно­зирования в британских фирмах. Результаты опроса отражены в табл.6.2.

Как видно из таблицы, даже в условиях развитой рыночной экономики большинство компаний предпо­читают относительно простые и традиционные методы прогнозирования — субъективные оценки и экстрапо­ляцию трендов.

Полезными эти методы будут и для российских пред­приятий по двум причинам:

· они не требуют от ослабленных или только стано­
вящихся на ноги фирм значительных затрат и привле­
чения дорогостоящих специалистов;

· в силу чрезвычайно высокой неопределенности внеш­
ней среды большинство предприятий российской эконо­
мики ориентированы, скорее, на краткосрочные цели. А
методы экстраполяции оказываются наиболее эффектив­
ными именно в условиях краткосрочного планирования.

Методы регрессионного анализа

Регрессионный анализ исследует зависимость опре­деленной величины от другой величины или несколь­ких других величин.

Регрессионный анализ применяется преимуществен­но в среднесрочном прогнозировании, а также в долго­срочном прогнозировании. Средне- и долгосрочный пе­риоды дают возможность установления изменений в сре­де бизнеса и учета влияний этих изменений на исследу­емый показатель.

Для осуществления регрессионного анализа необхо­димо:

·наличие ежегодных данных по исследуемым пока­
зателям;

·наличие одноразовых прогнозов, то есть таких про-
гнозов, которые не поправляются с поступлением но­
вых данных.

Регрессионный анализ обычно проводится для объек­тов, имеющих сложную, многофакторную природу, та­ких как:

· объем инвестиций;

· прибыль;

· объемы продаж и др.

Методы экономико-математического моделирования

Во внутрифирменном прогнозировании использу­ются:

<=> модели внутренней среды фирмы, так называемые корпоративные модели;

■=> макроэкономические модели, к которым относят эконометрические модели, модели «затраты-выпуск».

Корпоративные модели обычно представляют собою набор формул (уравнений), которые выражают отно­шения ряда переменных к определенному объекту, на­пример к объему продаж.

Помимо формульных моделей во внутрифирменном планировании могут использоваться матричные моде­ли (модели в виде таблиц), структурно-иерархические модели, описывающие внутреннюю структуру и взаи­мосвязь в рамках экономической организации.

При использовании корпоративных моделей полез­но делать не только перспективные, но и ретроспек­тивные (обращенные в прошлое) прогнозы. Сравнение данных ретроспективного прогноза и фактических дан­ных за прошлый период позволяет сделать вывод о на­дежности моделей.

Большая часть математических моделей имеет фор­му компьютерных программ. Находясь в процессе вы­полнения, такие программы позволяют исследовать развитие внутрифирменных взаимосвязей, то есть прида­ют моделям динамический характер.

К недостаткам применения методов экономико-математического моделирования в рамках прогнозиро­вания будущего экономической организации можно от­нести:

· необходимость серьезных затрат на организацию
исследовательской работы и оплату труда специалис­тов;

· невозможность охватить в моделях все наиболее
существенные тенденции развития;

· высокую вероятность внезапных изменений, раз­рушительных событий, существенно снижающих полезный эффект модели.

В качестве отдельной отрасли экономического прогнозирования на уровне фирмы выделяют прогно­зирование продаж (сбыта). В прогнозировании продаж применяется большинство названных здесь методов.

6.3. Технологическое прогнозирование

Технологическое прогнозирование возникло позже экономического. Его необходимость обусловили серьез­ные сдвиги в технологии, постоянно происходящие в современной экономике.

Технологическое прогнозирование имеет значение в первую очередь для подготовки стратегии исследова­ний и разработок (стратегического плана НИОКР). Здесь технологические прогнозы находят свое выражение в решениях о том, на каких технологиях должна сосре­доточиться фирма и от каких технологий отказаться.

При помощи технологических прогнозов формиру­ется объем потенциальных технологий, который позднее, при разработке стратегии НИОКР, подвергнется отбо­ру и селекции.

Технологические прогнозы находят свое применение также в краткосрочном планировании для оценки ис­пользуемой технологии. Используя технологические прогнозы, можно определить возможности текущей технологии, потолок ее использования и необходимость в срочной смене технологии.

Техническое прогнозирование имеет наиболее важ­ное значение для фирм, которые являются технологи­ческими лидерами в отрасли и нацелены на дальней­ший рост. Менее важно участие в технологическом про­гнозировании для компаний, ориентированных на вы­живание. Вместе с тем выживание огромного числа со­временных российских предприятий связано в первую очередь с переориентацией производства и приспособ­лением его к рыночному спросу. А такая переориента­ция практически невозможна без технологической пе­рестройки, перехода к новым, прогрессивным способам производства товаров. Поэтому специалисты по управ­лению рекомендуют создание технологических прогно­зов даже небольшим предприятиям, не имеющим соб­ственных подразделений НИОКР. Источниками инфор­мации для них могут стать публикации в специальной литературе, сведения, предоставляемые поставщиками и крупными клиентами, и т.д.

В целом роль технологического прогнозирования го­раздо шире, чем только при подготовке стратегии НИ­ОКР. Результаты технологического прогнозирования влияют на формирование новых взглядов в общем уп­равленческом мышлении, оказывают воздействие на подготовку различных функциональных стратегий фир­мы, например стратегии маркетинга.

Традиционная концепция маркетинга предполагает, что фирма адаптируется к уже сформировавшимся по­требностям показателя. Вместе с тем сами потребности покупателей отстают от быстро меняющихся техноло­гий. Многие товары не успевают завершить свой жиз­ненный цикл и вытесняются с рынка под напором суб­ститутов — технологических новинок. Следовательно, фирмы, во-первых, должны уметь предусматривать воз­можные изменения в технологии и, во-вторых, уметь s создавать новые потребности у покупателей, чтобы покупатели были готовы к восприятию товаров-нови­нок. Технологическое прогнозирование способствует выработке новой концепции маркетинга, заключающей-

ся в подготовке потребителей к будущим изменениям, ознакомлении и обучении потенциальных покупателей новых товаров.

Такой подход к воздействию фирмы на свой рынок не означает давление на потребителей и контроль над ними с целью заставить их изменить свои потребности, напротив, он приводит к сохранению существующих потребностей и обогащению их новыми, то есть к уве­личению потребностей покупателей.

Как показывает опыт рыночной экономики, техно­логическое прогнозирование наиболее часто применя­ется в компьютерной, телекоммуникационной, нефте­химической, транспортной отраслях.

Технологическое прогнозирование широко использует методы, сложившиеся в общем экономическом прогно­зировании, особенно метод подготовки сценариев, ме­тод Дельфи, методы экстраполяции трендов и некото­рые другие.

Вместе с тем для технологического прогнозирования характерны некоторые специфические методы, среди них — морфологический анализ, анализ перекрестного вли­яния.

На схеме (рис. 6.7) показана взаимосвязь методов технологического прогнозирования и подготовки стра­тегического плана предприятия.

Большой популярностью у фирм, занимающихся технологическим прогнозированием, пользуются сцена­рии. Широко известны сценарии, разработанные для фирм, работающих в отраслях:

■=> генной инженерии;

■=> системы телекоммуникаций;

■=> автомобилестроения;

о техники и технологии для фармацевтической промышленности;

■=> автоматизации домашнего хозяйства и многих других.