Основные методы прогнозирования (на примере ООО "ДонКвас")

Размещено на http://www.allbest.ru/

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. ТЕОРИТИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ В МЕНЕДЖМЕНТЕ

1.1 Понятие и сущность прогнозирования

1.2 Задачи и принципы прогнозирования

1.3 Классификация методов прогнозирования

2. ОСНОВНЫЕ МЕТОДЫ ПРОГНОРЗИРОВАНИЯ

2.1 Экстраполяционные методы прогнозирования

2.2 Статистические методы прогнозирования

2.3 Экспертные методы прогнозирования

3. ПРОГНОЗИРОВАНИЕ СПРОСА НА ПРОДУКЦИЮ ООО «ДОНКВАС»

3.1 Общая характеристика ООО «ДОНКВАС»

3.2 Исследование рынка квасных напитков и оценка конкурентоспособности ООО «ДОНКВАС»

3.3 Прогнозирование спроса на продукцию ООО «ДОНКВАС»

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ВВЕДЕНИЕ

Прогнозирование одна из основных составляющих управленческого процесса. Без прогнозирования, без представления об ожидаемом ходе вырабатывания событий невозможно принятие эффективного управленческого решения.

Процесс прогнозирования достаточно актуален в настоящее время. Широка сфера его применения. Прогнозирование широко используется в экономике, а именно в управлении.

Прогнозирование является одним из способов предвидения внутренних и внешних условий деятельности. Прогнозирование как метод снижения рисков, вызванных неопределённостью, позволяет узнать наиболее вероятное состояние внешней среды в будущем (политической, научно-технической, финансовой, экологической, социальной). Прогнозирование даёт возможность оценки ближайших и отдалённых последствий принимаемых решений.

Актуальность темы обусловлена тем, что для большинства российских предприятий маркетинговое управление становится одним из условий выживания и успешного функционирования. При этом обеспечение эффективности такого управления требует умения предвидеть вероятное будущее состояние предприятия и среды, в которой оно существует, вовремя предупредить возможные сбои и срывы в работе. Это достигается с помощью прогнозирования как плановой, так и практической работы предприятия по всем направлениям его деятельности, и в частности, в области прогнозирования сбыта продукции (товаров, работ, услуг).

Многообразие проблем, возникающих при обеспечении жизнедеятельности предприятия и являющихся предметом прогнозирования, приводит к появлению большого количества разнообразных прогнозов, разрабатываемых на основе определенных методов прогнозирования. Поскольку современная экономическая наука располагает большим количеством разнообразных методов прогнозирования, каждый менеджер и специалист по планированию должен овладеть навыками прогнозирования, а руководитель, ответственный за принятие стратегических решений, должен к тому же уметь сделать правильный выбор метода прогнозирования.

Цель работы: рассмотреть прогнозы в менеджменте, а также методы прогнозирования. Исходя из поставленной цели, в данной работе сформулированы задачи, среди них:

- изучить теоретические аспекты прогнозирования;

- рассмотреть классификацию и методы прогнозирования;

- произвести анализ прогнозирования спроса на продукцию ООО «ДОНКВАС».

Объектом исследования является основные методы прогноза в менеджменте. Предметом исследования является процесс прогнозирования спроса на продукцию ООО «ДОНКВАС».

В процессе исследования использовались такие методы как: диалектический метод познания, системный подход, экономико-статистические методы.

1. ТЕОРИТИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ В МЕНЕДЖМЕНТЕ

1.1 Понятие и сущность прогнозирования

прогнозирование статистический экспертный рынок

Прогноз - конкретное предвидение, суждение о состоянии какого-либо явления в будущем на основе специально научного исследования. Классификация прогнозов осуществляется, как правило, по двум признакам рис.1

Рис.1 Классификация прогнозов по двум признакам

Размещено на http://www.allbest.ru/

Прогнозирование невозможно без обладания широкой информацией об организации в целом, помехах на пути её функционирования и развития, то есть о наиболее важных моментах, оказывающих влияние на поведение организации и принятие решений. Анализ всей этой собранной информации позволяет сделать выводы о тенденциях развития, как самой организации, так и её окружения, имеющие в основном характер прогноза, то есть системы аргументированных представлений о направлениях развития и будущем состоянии объекта управления. Основами прогнозов являются: специальные обследования, другие прогнозы, вероятностный математический анализ и анализ временных рядов, мозговая атака, индивидуальные опросы специалистов, сценарии на случай непредвиденных обстоятельств.

Объектом любого прогноза в менеджменте могут выступать экономические, социальные, технические, организационные и иные процессы, происходящие как в самой организации, так и в её окружении. Необходим:

1)научный анализ этих процессов, определение и анализ причинно- следственных и иных связей между ними, оценке сложившейся ситуации и выявление узловых проблем, которые необходимо решать;

2)попытки предвидеть будущего организации, а именно тех условий, в которых она будет функционировать, трудностей и вытекающих из них задач;

3)анализ и сопоставление различных вариантов развития организации, её кадрового, производственного и научно-технического потенциала.

Таким образом, под прогнозированием в менеджменте подразумевается научный способ выявления состояния и вероятных путей развития организации.

Прогнозы разрабатываются в виде качественных характеристик, а в элементарных случаях в виде утверждений о возможности или невозможности возникновения, какого либо события. Эти характеристики должны включать в себя количественные, точечные или интервальные показатели и степень вероятности их достижения. Прогноз не может быть точным на все 100%, он должен дополняться определенными допущениями. Иногда, когда материала недостаточно для, сколько - нибудь определенных выводов, допущения используются в качестве самостоятельного инструмента разработки стратегии. Одной из целей прогнозирования является решение проблем, возникших в процессе деятельности организации.

Особое внимание следует обратить описанию проблемной ситуации, найти те факторы, которые необходимо тщательно проанализировать и рассмотреть при решении. В первую очередь надо установить, являются ли они внутренними или внешними по отношению к данной организации, так как возможности воздействия на эти две группы факторов различные.

Внутренние факторы больше зависят от самого предприятия. К ним относят: цели и стратегию развития, состояние портфеля заказов, структуру производства и управления, финансовые и трудовые ресурсы, объем и качество работ и т.д. Они формируют предприятие как единую систему, взаимосвязь и взаимодействие элементов которой приводит к достижению стоящих перед ней целей. Поэтому изменение одного или нескольких факторов может привести к нарушению свойств всей системы. Следовательно, меры управленческого воздействия должны быть направлены на сохранение целостности этой системы.

Внешние факторы. Так как внешние факторы формируют среду, в которой работает организация, то эти факторы являются инертными и не поддаются воздействию со стороны менеджеров. Это вызвано тем, что эта среда характеризуется большей сложностью, динамичностью и неопределенностью, что существенно затрудняет учет факторов внешней среды при принятии организационных решений. Параллельно с этим, и факторы оказывают различное влияние на работу организации.

Существует также вторая группа внешних факторов, которая неуправляема со стороны менеджеров организации. Эта группа оказывает косвенное влияние на деятельность организации. В неё включают:

- состояние экономики страны (или региона);

- уровень научно-технического и социального развития;

- социально-культурную и политическую обстановку;

- существенные для данной организации события в других странах;

- другие факторы.

Экономическое состояние страны (региона) воздействует на работу организации через такие параметры среды, как наличие капитала и рабочей силы, уровни цен и инфляции, производительность труда, доходы покупателей, правительственная финансовая и налоговая политика и т.д. Конкретное влияние будет проявляться примерно так: инфляция приводит к сокращению покупательской способности и снижает спрос на продукцию, производимую организацией; повышение уровня цен на продукцию сопряженных отраслей вызывает соответственное увеличение затрат на производство в организации, что имеет своим следствие рост цен на её продукцию и может вызвать «отток» определенной группы потребителей: при сокращении своих доходов покупатели изменяют состав и структуру потребления, что также может оказать воздействие на спрос; уровень научно-технического развития в стране оказывает сильное влияние на структуру экономики, на процессы автоматизации производства и управления, на технологию, с помощью которой производится продукция, на состав и структуру персонала организации, и что особенно важно на конкурентоспособность продукции и технологий. Учет многочисленных и разнообразных факторов среды, выбор главных среди них и предвидение возможных изменений в их взаимовлиянии является задачей прогнозирования.

Анализ факторов, приведших к возникновению проблемной ситуации, дает возможность определить ресурсы (в том числе и временные), с затратами которых будет связано решение проблемы. В процессе принятия решения происходит оценка тех действий, которые предпринимаются на его различных этапах. Так на этапе распознавания проблемы чаще всего используется целевая установка, по отклонению от которой и судят о возникновении проблемы.

Этап формирования решений начинается со сбора и обработки информации, необходимой для выработки курса действий. Обычно при решении сложных проблем не удается ограничиться только той информацией, которую предоставляют действующие системы отчетности; поэтому требуется время и ресурсы для информационного обеспечения решения проблемы.

При прогнозировании, как правило, возникает вопрос: «Какой путь решения выбрать из допустимых вариантов?». Выбран будет тот, который наиболее полезен или предпочтителен для решения целей организации. От того, насколько обосновано они выбраны, зависит качество управленческих решений, а оно в свою очередь предопределяет конкурентоспособность организации, быстроту её адаптации к изменениям хозяйственной ситуации и в конечном счете эффективность и прибыльность.

1.2 Задачи и принципы прогнозирования

Прогнозирование - процесс разработки прогнозов. В зависимости от вида прогноза различают: нормативное, поисковое, оперативное.

Прогнозная модель - модель объекта прогнозирования, исследование которой позволяет получить информацию о возможных состояниях объектах в будущем и (или) путях и сроках их осуществления.

Чтобы получить информацию о будущем, нужно изучить законы развития народного хозяйства, определить причины, движущие силы его развития - это основная задача планирования и прогнозирования. В качестве основных движущих сил развития производства выступают социальные потребности, технические возможности и экономическая целесообразность. В соответствии с этим можно указать на три основные задачи прогнозирования: установление целей развития хозяйства; изыскание оптимальных путей и средств их достижения; определение ресурсов, необходимых для достижения поставленных целей.

Выбор целей является результатом анализа социально-политических задач, которые необходимо решить в обществе и которые отображают объективный характер действия экономических законов.

Выбору целей предшествует разработка альтернатив целей, построение иерархической системы или «дерева целей», ранжирование целей, выбор ведущих звеньев. Исходными предпосылками выбора целей являются, с одной стороны, реальная возможность решения данной альтернативы, а с другой - ее оптимальность по критерию эффективности.

Пути и средства достижения целей определяются на основе анализа развития народного хозяйства и научно-технического прогресса. При этом в процессе прогнозирования происходит ограничение области альтернативных вариантов путей и средств достижения поставленных целей, т. е. определяется область оптимальных решений. В процессе разработки плана (принятия решения) определяется единственное решение, оптимальное по принятому вектору критериев.

В зависимости от того, какая задача решается в первую очередь, различают два вида прогнозирования: исследовательское (или поисковое) и нормативное. Формирование прогноза объективно существующих тенденций развития на основе анализа исторических тенденций называется исследовательским или поисковым прогнозированием. Этот вид прогнозирования основан на использовании принципа инерционности развития, при котором ориентация прогноза во времени происходит по схеме «от настоящего -- к будущему». Исследовательский прогноз -- это картина состояния объекта прогноза в определенный момент будущего, полученная в результате рассмотрения процесса развития как движения по инерции от настоящего времени до горизонта прогноза. Прогнозирование тенденций развития объекта прогноза, которые должны обеспечивать достижение в установленный момент будущего определенных социально-политических, экономических и оборонных целей, называется нормативным. В этом случае ориентация прогноза во времени происходит по схеме «от будущего -- к настоящему».

Рассогласование нормативных и исследовательских оценок объекта прогноза в каждый момент времени будущего является следствием противоречия «потребности - возможности». Комплексный прогноз строится на основе композиции исследовательского и нормативного прогнозов.

Выбор целей и средств для их достижения непременно должен сочетаться с определением потребности в ресурсах. При определении этой потребности следует рассматривать плановые и прогнозные матрицы ресурсов (финансовых, трудовых, материальных и энергетических), а также матрицы производственных мощностей и ресурсов времени. Оценке подлежат как потребные ресурсы, так и вероятные ограничения на их величину в диапазоне времени упреждения плана или прогноза. Матрицы ресурсов прогноза являются важнейшими исходными данными при составлении балансов народного хозяйства при перспективном планировании.

При прогнозировании схема такая: «цели--теоретически достижимые, пути и средства их достижения - возможные, ресурсы - вероятные». Задачи прогнозирования надо оценивать как глобальные. К ним можно отнести: анализ ситуации, определение уровней достоверности информации, определение степени вероятности, выработка текущих, средне- и долгосрочных прогнозов. Принципы прогнозирования: сочетание социально-политических и хозяйственных целей; демократический централизм; системность; непрерывность и обратная связь; пропорциональность и оптимальность; реальность и объективность; выделение ведущего звена и т. д.

Прогнозирование должно носить системный характер. Необходимость системного подхода в прогнозировании вытекает из особенностей развития науки и техники, народного хозяйства в период научно-технической революции. Научно-техническая революция привела к принципиальному изменению свойств, характеристик и структуры современной техники и народного хозяйства.

Важнейшими требованиями системного подхода являются комплексность прогнозов и планов и непрерывный характер процесса планирования.

Комплексный подход предусматривает составление прогнозов и планов во взаимосвязи как в пространстве (в отраслевом и территориальном разрезе), так и во времени. Взаимосвязь в пространстве означает установление рациональных отношений между отраслями народного хозяйства, экономическими районами, установление оптимальных соотношений между темпами развития науки. Корректировка планов и прогнозов должна носить дискретный характер с заранее установленными сроками (режим функционирования). Относительно частое изменение планов, обусловливающее изменение производственных программ, может привести к дезорганизации работы отраслей и предприятий в силу сложности структуры производственных связей в народном хозяйстве, большой трудоемкости и материалоемкости процессов подготовки индекса промышленного производства.

Чувствительность прогноза и планов к изменениям зависит от уровня иерархии, сроков упреждения и периодичности корректировок. Чем ниже уровень, тем чувствительность выше, тем должны быть короче периоды корректировки.

Различная степень неопределенности вырабатываемой информации о будущем влияет на характер применяемых методов, способов и приемов прогнозирования.

1.3 Классификация методов прогнозирования

прогнозирование статистический экспертный рынок

В настоящее время наряду со значительным числом опубликованных методов прогнозирования известны многочисленные способы их классификации. Тем не менее, считать этот вопрос удовлетворительно решенным нельзя, так как единой, полезной и полной классификации сейчас еще не создано. Вероятно, прогностика, как молодая наука, еще не достигла такого уровня развития, когда возможно создание классификации, удовлетворяющей всем этим требованиям. Итак, каковы же цели классификации методов прогностики? Можно указать две такие основные цели. Это, во-первых, обеспечение процесса изучения и анализа методов и, во-вторых, обслуживание процесса выбора метода при разработке прогнозов объекта. На современном этапе трудно предложить единую классификацию, в равной степени удовлетворяющую обеим из указанных целей.

Существуют два основных типа классификации: последовательная и параллельная. Последовательная классификация предполагает вычленение частных объемов из более общих. Это процесс, тождественный делению родового понятия на видовые. При этом должны соблюдаться следующие основные правила:

1) основание деления (признак) должно оставаться одним и тем же при образовании любого видового понятия;

2) объемы видовых понятий должны исключать друг друга (требование отсутствия пересечения классов);

3) объемы видовых понятий должны исчерпывать объем родового понятия (требование полного охвата всех объектов классификации).

Параллельная классификация предполагает сложное информационное основание, состоящее не из одного, а из целого ряда признаков. Основной принцип такой классификации независимость выбранных признаков, каждый из которых существен, все вместе одновременно присущи предмету, и только их совокупность дает исчерпывающие представление о каждом классе.

Последовательная классификация имеет наглядную интерпретацию в виде некоторого генеалогического дерева, охватывает всю рассматриваемую область в целом и определяет место и взаимосвязи каждого класса в общей системе. Поэтому она является более приемлемой для целей изучения, позволяет методически более стройно представлять классифицируемую область знаний.

Каждый уровень классификации характеризуется своим классификационным признаком. Элементы каждого уровня представляют собой наименования принадлежащих им подмножеств элементов ближайшего нижнего уровня, причем подмножеств непересекающихся.

Элементы нижнего уровня представляют собой наименование узких групп конкретных методов прогнозирования (иногда из одного элемента), которые являются модификациями или разновидностями какого-либо одного, наиболее общего из них.

В целом классификация является открытой, так как представляет возможность увеличивать число элементов на уровнях и наращивать число уровней за счет дальнейшего дробления и уточнения элементов последнего уровня.

На первом уровне все методы делятся на три класса по признаку «информационное основание метода». Фактографические методы базируются на фактически имеющемся информационном материале об объекте прогнозирования и его прошлом развитии. Экспертные методы базируются на информации, которую поставляют специалисты-эксперты в процессе систематизированных процедур выявления и обобщения этого мнения. Комбинированные методы выделены в отдельный класс, чтобы можно было относить к нему методы со смешанной информационной основой, в которых в качестве первичной информации используются фактографическая и экспертная. Например, при проведении экспертного опроса участникам представляют цифровую информацию об объекте или фактографические прогнозы, либо, наоборот, при экстраполяции тенденции наряду с фактическими данными используют экспертные оценки.

Не следует относить к комбинированным методам те методы прогнозирования, которые к экспертной исходной информации применяют математические методы обработки или исходную фактографическую информацию оценивают экспертным путем. В большинстве случаев они достаточно хорошо укладываются в первый или второй из перечисленных выше классов.

Эти классы разделяются далее на подклассы по принципам обработки информации. Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей. Методы аналогий направлены на то, чтобы выявлять сходство в закономерностях развития различных процессов и на этом основании производить прогнозы. Опережающие методы прогнозирования строятся на определенных принципах специальной обработки научно-технической информации, реализующих в прогнозе ее свойство опережать развитие научно-технического прогресса.

Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов (или одного из них) при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива. Экспертные оценки с обратной связью в том или ином виде воплощают принцип обратной связи путем воздействия на оценку экспертной группы (одного эксперта) мнением, полученным ранее от этой группы или от одного из ее экспертов.

Третий уровень классификации разделяет методы прогнозирования на виды по классификационному признаку «аппарат методов». Каждый вид объединяет в своем составе методы, имеющие в качестве основы одинаковый аппарат их реализации. Так, статистические методы по видам делятся на методы экстраполяции и интерполяции; методы, использующие аппарат регрессионного и корреляционного анализа; методы, использующие факторный анализ.

Класс методов аналогий подразделяется на методы математических и исторических аналогий. Первые в качестве аналога для объекта прогнозирования используют объекты другой физической природы, другой области науки, отрасли техники, однако имеющие математическое описание процесса развития, совпадающее с объектом прогнозирования. Вторые в качестве аналога используют процессы одинаковой физической природы, опережающие во времени развитие объекта прогнозирования.

Опережающие методы прогнозирования можно разделить на методы исследования динамики научно-технической информации; методы исследования и оценки уровня техники. В первом случае в основном используется построение количественно-качественных динамических рядов на базе различных видов НТИ и анализа и прогнозирования на их основе соответствующего объекта. Второй вид методов использует специальный аппарат анализа количественной и качественной информации, содержащейся в НТИ, для определения характеристик уровня, качества существующей и проектируемой техники.

Прямые экспертные оценки по признаку аппарата реализации делятся на виды экспертного опроса и экспертного анализа. В первом случае используются специальные процедуры формирования вопросов, фирмы получения на них ответов, обработки полученных ответов и формирования окончательного результата. Во втором -- основным аппаратом исследования является целенаправленный анализ объекта прогнозирования со стороны эксперта или коллектива экспертов, которые сами ставят и решают вопросы, ведущие к поставленной цели.

Экспертные оценки с обратной связью в своём аппарате имеют три вида методов: экспертный опрос; генерацию идей; игровое моделирование. Первый вид характеризуется процедурами регламентированного неконтактного опроса экспертов перемежающимися обратными связями в рассмотренном выше смысле. Второй -- построен на процедурах непосредственного общения экспертов в процессе обмена мнениями по поставленной проблеме. Он характеризуется отсутствием вопросов и ответов и направлен на взаимное стимулирование творческой деятельности экспертов. Третий вид использует аппарат теории игр и ее прикладных разделов. Как правило, реализуется на сочетании динамического взаимодействия коллективов экспертов и вычислительной машины, имитирующих объект прогнозирования в возможных будущих ситуациях.

Наконец, последний, четвертый, уровень классификации подразделяет виды методов третьего уровня на отдельные методы и группы методов по некоторым локальным для каждого вида совокупностям классификационных признаков, из которых указать один общий для всего уровня в целом невозможно.

2. ОСНОВНЫЕ МЕТОДЫ ПРОГНОРЗИРОВАНИЯ

2.1 Экстраполяционные методы прогнозирования

Методы экстраполяции тенденций являются, пожалуй, самыми распространенными и наиболее разработанными среди всей совокупности методов прогнозирования. Использование экстраполяции в прогнозировании имеет в своей основе предположение о том, что рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих: регулярной и случайной.

y (x) = f(a, x) n(x)

Считается, что регулярная составляющая f(a, х) представляет собой гладкую функцию от аргумента, описываемую конечномерным вектором параметров а, которые сохраняют свои значения на периоде упреждения прогноза. Эта составляющая называется также трендом, уровнем, детерминированной основой процесса, тенденцией. Под всеми этими терминами лежит интуитивное представление о какой-то очищенной от помех сущности анализируемого процесса. Интуитивное, потому что для большинства экономических, технических, природных процессов нельзя однозначно отделить тренд от случайной составляющей. Все зависит от того, какую цель преследует это разделение и с какой точностью его осуществлять. Случайная составляющая n(х) обычно считается некоррелированным случайным процессом с нулевым мат ожиданием. Ее оценки необходимы для дальнейшего определения точных характеристик прогноза.

Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего в некотором смысле описания тренда и на определение прогнозных значений путем его экстраполяции. Методы экстраполяции во многом пересекаются с методами прогнозирования по регрессионным моделям. Иногда их различия сводятся лишь к различиям в терминологии, обозначениях или написании формул.

Специфическими чертами прогнозной экстраполяции можно назвать методы предварительной обработки числового ряда с целью преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние как па выбор вида экстраполирующей функции, так и на определение границ изменения ее параметров.

Предварительная обработка исходного числового ряда направлена на решение следующих задач: снизить влияние случайной составляющей в исходном числовом ряду, т. е. приблизить его к тренду; представить информацию, содержащуюся в числовом ряду, в таком виде, чтобы существенно снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда.

Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой предполагаемого тренда процесса. Наиболее распространен способ осреднения уровня по некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи, с чем обычно называется скользящая средняя. В самом простом варианте сглаживающая функция линейная и сглаживающая группа состоит из предыдущей и последующей точек, а в более сложных функция нелинейная и использует группу произвольного числа точек. Сглаживание производится с помощью многочленов, приближающих по методу наименьших квадратов группы опытных точек. Наилучшее сглаживание получается для средних точек группы, поэтому желательно выбирать нечетное количество точек в сглаживаемой группе.

Сглаживание даже в простом линейном варианте является во многих случаях весьма эффективным средством выявления тренда при наложении на эмпирический числовой ряд случайных помех и ошибок измерения. Число последовательных циклов сглаживания должно выбираться в зависимости от вида исходного ряда, от степени предполагаемой его зашумленности помехой, от цели, которую преследует сглаживание. Надо иметь при этом в виду, что эффективность этой процедуры быстро уменьшается (в большинстве случаев), так что целесообразно повторять ее от одного до трех раз.

Линейное сглаживание является достаточно грубой процедурой, выявляющей общий приблизительный вид тренда. Для более точного определения формы сглаженной кривой может применяться операция нелинейного сглаживания или взвешенные скользящие средние. В этом случае ординатам точек, входящих в скользящую группу, приписываются различные веса в зависимости от их расстояния от середины интервала сглаживания. Если сглаживание направлено на первичную обработку числового ряда для исключения случайных колебаний и выявления тренда, то выравнивание служит целям более удобного представления исходного ряда, оставляя прежними его значения.

Наиболее общими приемами выравнивания являются логарифмирование и замена переменных.

В случае если эмпирическая формула предполагается содержащей три параметра либо известно, что функция трехпараметрическая, иногда удается путем некоторых преобразований исключить один из параметров, а оставшиеся два привести к одной из формул выравнивания.

Можно рассматривать выравнивание не только как метод представления исходных данных, но и как метод непосредственного приближенного определения параметров функции, аппроксимирующей исходный числовой ряд. Зачастую именно так и используется этот метод в некоторых экстраполяционных прогнозах. Отметим, что возможность непосредственного его использования для определения параметров аппроксимирующей функции определяется главным образом видом исходного числового ряда и степенью наших знаний, нашей уверенности относительно вида функции, описывающей исследуемый процесс.

В том случае, если вид функции нам неизвестен, выравнивание следует рассматривать как предварительную процедуру, в процессе которой путем применения различных формул и приемов выясняется наиболее подходящий вид функции, описывающей эмпирический ряд.

Одной из разновидностей метода выравнивания является исследование эмпирического ряда с целью выяснения некоторых свойств функции, описывающей его. При этом не обязательно преобразования приводят к линейным формам. Однако результаты их подготавливают и облегчают процесс выбора аппроксимирующей функции в задачах прогностической экстраполяции. В простейшем случае предлагается использовать следующие три типа дифференциальных функций роста:

1) Первая производная, или абсолютная дифференциальная функция роста;

2) Относительный дифференциальный коэффициент, или логарифмическая производная;

3)Эластичность функции.

2.2 Статистические методы прогнозирования

Статистические методы прогнозирования охватывают разработку, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

Простейшие методы восстановления используемых для прогнозирования зависимостей исходят из заданного временного ряда, т. е. функции, определённой в конечном числе точек на оси времени. Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объем агрегата денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи -- интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К. Гауссом в 1794--1795 гг. Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование. Наиболее часто используется метод наименьших квадратов при нескольких факторах. Метод наименьших модулей, сплайны и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.

Оценивание точности прогноза (в частности, с помощью доверительных интервалов) необходимая часть процедуры прогнозирования. Обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия. Разработаны параметрические (обычно на основе модели нормальных ошибок) и непараметрические оценки точности прогноза и доверительные границы для него (на основе Центральной Предельной Теоремы теории вероятностей). Применяются также эвристические приемы, не основанные на вероятностно-статистической теории: метод скользящих средних, метод экспоненциального сглаживания.

Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения -- основной на настоящий момент статистический аппарат прогнозирования. Нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно.

Весьма важна проблема проверки адекватности модели, а также проблема отбора факторов. Априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить, и крупное направление современных исследований посвящено методам отбора «информативного множества признаков». Однако эта проблема пока еще окончательно не решена. Проявляются необычные эффекты. Так, установлено, что обычно используемые оценки степени полинома имеют в асимптотике геометрическое распределение. Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее общие результаты в этой области получены с помощью подходов статистики нечисловых данных.

К современным статистическим методам прогнозирования относятся также модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.

Для установления возможности применения асимптотических результатов при конечных (т. н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет рационального объема выборки, а также регрессионный анализ нечетких данных. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи -- дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем), давая единый подход к формально различным методам, полезна при программной реализации современных статистических методов прогнозирования.

Основными процедурами обработки прогностических экспертных оценок являются проверка согласованности, кластер-анализ и нахождение группового мнения. Проверка согласованности мнений экспертов, выраженных ранжировками, проводится с помощью коэффициентов ранговой корреляции Кендалла и Спирмена. Используются параметрические модели парных сравнений Терстоуна, Бредли-Терри-Льюса и непараметрические модели теории люсианов. Полезна процедура согласования ранжировок и классификаций путем построения согласующих бинарных отношений. При отсутствии согласованности разбиение мнений экспертов на группы сходных между собой проводят методом ближайшего соседа или другими методами кластерного анализа (автоматического построения классификаций, распознавания образов без учителя). Классификация люсианов осуществляется на основе вероятностно-статистической модели.

Используют различные методы построения итогового мнения комиссии экспертов. Своей простотой выделяются методы средних арифметических и медиан рангов. Компьютерное моделирование позволило установить ряд свойств медианы Кемени, часто рекомендуемой для использования в качестве итогового (обобщенного, среднего) мнения комиссии экспертов.

Интерпретация закона больших чисел для нечисловых данных в терминах теории экспертного опроса такова: итоговое мнение устойчиво, то есть мало меняется при изменении состава экспертной комиссии, и при росте числа экспертов приближается к «истине». При этом в соответствии с принятым в подходом предполагается, что ответы экспертов можно рассматривать как результаты измерений с ошибками, все они независимые одинаково распределенные случайные элементы, вероятность принятия определенного значения убывает по мере удаления от некоторого центра «истины», а общее число экспертов достаточно велико.

Многочисленны примеры ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений в условиях неопределенности (риска). Из-за противоречивости решений, получаемых по различным критериям, очевидна необходимость применения оценок экспертов.

В конкретных задачах прогнозирования необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья причин (в другой терминологии, деревья отказов) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски необходимо учитывать при прогнозировании экономических последствий принимаемых решений, поведения потребителей и конкурентного окружения, внешнеэкономических условий и макроэкономического развития Российской Федерации, экологического состояния окружающей среды, безопасности технологий, экологической опасности промышленных и иных объектов.

2.3 Экспертные методы прогнозирования

Экспертный метод прогнозирования - метод прогнозирования, базирующийся на экспертной информации. В теоретическом аспекте правомерность использования экспертного метода подтверждается тем, что методологически правильно полученные экспертные суждения удовлетворяют двум общепринятым в науке критериям достоверности любого нового знания: точности и воспроизводимости результата.

Область применения экспертных методов

Методы экспертных оценок в прогнозировании и перспективном планировании научно-технического прогресса применяются в следующих случаях:

а) в условиях отсутствия достаточно представительной и достоверной статистики характеристики объекта (например, лазеры, голографические запоминающие устройства, рациональное использование водных ресурсов на предприятиях);

б) в условиях большой неопределенности среды функционирования объекта (например, прогнозов человеко-машинной системы в космосе или учет взаимовлияния областей науки и техники);

в) при средне- и долгосрочном прогнозировании объектов новых отраслей промышленности, подверженных сильному влиянию новых открытий в фундаментальных науках (например, микробиологическая промышленность, квантовая электроника, атомное машиностроение);

г) в условиях дефицита времени или экстремальных ситуациях.

Экспертная оценка необходима, когда нет надлежащей теоретической основы развития объекта. Степень достоверности экспертизы устанавливается по абсолютной частоте, с которой оценка эксперта в конечном итоге подтверждается последующими событиями. Существует две категории экспертов - это узкие специалисты и специалисты широкого профиля, обеспечивающие формулирование крупных проблем и построение моделей. Выбор экспертов для прогноза производится на основе их репутации среди определенной категории специалистов. Однако не следует забывать и того обстоятельства, что первоклассный специалист не всегда может достаточно квалифицированно рассмотреть и понять общие, глобальные, вопросы. Для этой цели нужно привлекать экспертов хотя и недостаточно узко информированных, но обладающих способностью к дерзанию и воображению.

Метод эвристического прогнозирования (МЭП)

Методом эвристического прогнозирования называется метод получения и специализированной обработки прогнозных оценок объекта путем систематизированного опроса высококвалифицированных специалистов (экспертов) в узкой области науки, техники или производства. Прогнозные экспертные оценки отражают индивидуальное суждение специалиста относительно перспектив развития его области и основаны на мобилизации профессионального опыта и интуиции.

Назначение метода эвристического прогнозирования - выявление объективизированного представления о перспективах развития узкой области науки и техники на основе систематизированной обработки прогнозных оценок репрезентативной группы экспертов.

Область применения МЭП -- научно-технические объекты и проблемы, развитие которых либо полностью, либо частично не поддается формализации, т. е. для которых трудно разрабатывать адекватную модель. Например, элементно-технологическая база ЭЦВМ.

В основе метода лежат три теоретических допущения:

1) существование у эксперта психологической установки на будущее, сформулированной на основе профессионального опыта и интуиции, и возможности ее экстериоризации;

2) тождественности процесса эвристического прогнозирования и процесса решения научной проблемы с однотипностью получаемого знания в форме эвристических правдоподобных умозаключений, требующих верификации;

3) возможности адекватного отображения тенденции развития объекта прогнозирования в виде системы прогнозных моделей, синтезируемых из прогнозных экспертных оценок.

Эти допущения реализуются в методе эвристического прогнозирования путем системы приемов работы с экспертами, способами оценок и синтеза прогнозных моделей.

В качестве исходных документов при работе по методу эвристического прогнозирования выступают: описание метода; инструкции по формулированию вопросов; инструкции по составлению анкет и таблиц экспертных оценок; порядок работы с экспертами; набор эвристических приемов для экспертов; инструкция для экспертов по заполнению анкет и таблиц; инструкция по обработке на ЭВМ экспертных анкет и таблиц; алгоритмы и программы для обработки данных на ЭВМ; заполненные экспертами анкеты и таблицы; инструкция по оценке компетентности экспертов; инструкция по синтезу прогнозных моделей; набор способов верификации прогнозов.

Наличие полностью сформулированного информационного массива дает полное основание для качественной работы с МЭП.

Формирование анкет и таблиц экспертных оценок. Информационным массивом для разработки прогнозов методом эвристического прогнозирования является набор заполненных экспертами таблиц и анкет. Таблицы содержат перечень строго сформулированных вопросов. К вопросам в анкетах предъявляются следующие требования:

1) они должны быть сформулированы в общепринятых терминах;

2) формулировка их должна исключать всякую смысловую неоднозначность;

3) все вопросы должны логически соответствовать структуре объекта прогноза;

4) они должны быть отнесены к одному из трех перечисленных ниже видов. В зависимости от вида вопроса применяется определенная процедура его формулирования и составления анкет.

К первому виду относятся вопросы, ответы на которые содержат количественную оценку: вопросы относительно времени свершения событий; опросы относительно количественного значения прогнозируемого параметра; вопросы относительно вероятности осуществления события; вопросы по оценке относительного влияния факторов друг на друга в некоторой шкале. Для данного типа вопроса применяется самая простая процедура составления анкет.

Ко второму виду относятся содержательные вопросы, требующие свернутого ответа не в количественной форме. Вопросы, требующие содержательного ответа в свернутой форме, характеризуются наиболее сложной процедурой их формирования в анкету. Анкета в окончательном виде получается в результате трехэтапной итерации. На первом этапе прогнозист тщательно изучает результат работы (доклад) группы экспертов (метод комиссий) над определенной системой. Итогом изучения является формулировка первого варианта вопросника, который на втором этапе рассылается председателям соответствующих комиссий для корректировки и уточнения. В результате получается второй вариант вопросника. На третьем этапе вопросы группируются по темам и в определенном порядке внутри тем. Окончательный вариант вопросника приобретает форму таблиц экспертных оценок.

К третьему виду относятся вопросы, требующие ответа в развернутой форме, которые, в свою очередь, делятся на два типа:

1) вопросы с формой ответа в виде перечня сведений о предмете;

2) вопросы с формой ответа в виде перечня аргументов, подтверждающих или отвергающих тезис, содержащийся в вопросе.

Вопросы, требующие содержательного ответа в развернутой форме, определяются путем двухэтапной итерации. Первый этап прогнозист обращается к экспертам с просьбой сформулировать наиболее перспективные и наименее разработанные проблемы. На втором этапе из всех названных проблем выбираются лишь имеющие непосредственное отношение к объекту прогноза и принципиально разрешимые. После того как все вопросы уточнены и сведены по тематическим признакам в соответствующие разделы анкет или таблиц, переходят к работе с экспертами, анализу и обработке экспертных оценок.

Метод Дельфи

Метод Дельфи (иногда дельфийский метод) появился в 1950-1960 годы для анализа планов атомной войны США (разработан корпорацией RAND, авторами считаются Olaf Helmer, Norman Dalkey, и Nicholas Rescher ). Является методом экспертного оценивания. Особенности: заочность, многоуровневость, анонимность.

Суть этого метода в том, чтобы с помощью серии последовательных действий, опросов, интервью, мозговых штурмов добиться максимального консенсуса при определении правильного решения. Анализ с помощью дельфийского метода проводится в несколько этапов, результаты обрабатываются статистическими методами.

Базовым принципом метода является то, что некоторое количество независимых экспертов (часто несвязанных и не знающих друг о друге) лучше оценивает и предсказывает результат, чем структурированная группа (коллектив) личностей. Позволяет избежать открытых столкновений между носителями противоположенных позиций т.к. исключает непосредственный контакт экспертов между собой и, следовательно, групповое влияние, возникающее при совместной работе и состоящее в приспособлении к мнению большинства. Даёт возможность проводить опрос экстерриториально, не собирая экспертов в одном месте (например, посредством электронной почты).

Субъекты:

- группы исследователей, каждый из которых отвечает индивидуально в письменной форме.

- организационная группа -- сводит мнения экспертов воедино.

Этапы:

1. Предварительный:

- подбор группы экспертов -- чем больше, тем дольше -- до 20.

2. Основной:

- постановка проблемы экспертам рассылается вопрос и предлагается его разбить на под вопросы.

Эксперты должны оценить проблему по аспектам: эффективность, обеспеченность ресурсами, в какой степени соответствует изначальной постановке задачи. Таким образом, выявляются преобладающие суждения экспертов, сближаются их точки зрения. Всех экспертов знакомят с доводами тех, чьи суждения сильно выбиваются из общего русла. После этого все эксперты могут менять мнение, а процедура повторяется.

3. Аналитический:

- проверка согласованности мнений экспертов, анализ полученных выводов и разработка конечных рекомендаций.

Технические недостатки:

- время проведения зависит от средств коммуникации экспертов;

- опрашиваемые должны уметь хорошо излагать свои мысли, так как данный метод основан на получении информации в письменной форме, в противном случае обработка затрудняется.

Метод Дельфи представленный виде блок-схемы рис.2

Рис.2. Блок-схема

Размещено на http://www.allbest.ru/

3. ПРОГНОЗИРОВАНИЕ СПРОСА НА ПРОДУКЦИЮ ООО «ДОНКВАС»

3.1 Общая характеристика ООО «ДОНКВАС»

В настоящее время ООО «ДОНКВАС» производит и реализует крупным, средним и мелким оптом квас различных сортов, а так же квасной Сбитень различным коммерческим предприятиям и частным предпринимателям.

Миссия компании: для потребителя - все самое лучшее:

- это продукция только высочайшее качества и превосходный вкус;

- забота о покупателях и их здоровье;

- это соединение современных принципов организации высокопрофессионального менеджмента и богатого опыта ведущих специалистов данной индустрии.

Руководящие принципы:

- Сохранение и укрепление лидирующих позиций;

- Изучение потребностей клиентов и знание ожиданий потребителей;

- Высокая культура ведения бизнеса и личного поведения сотрудников компании;

- Понимание неизбежности перемен и постоянная готовность к ним.

Стратегическая цель - достижение устойчивого объема производства и реализации кваса на уровне 8,317 млн. литров в год и, по мере освоения капиталовложений, увеличение объема производства и реализации кваса до 12,317 млн. литров в год.

Текущие цели:

- увеличение доли ООО «ДОНКВАС» на рынке напитков;

- активное продвижение на рынок новых сортов кваса;

- снижение себестоимости продукции;

- повышение качества и конкурентоспособности выпускаемой продукции;

- выход на новые рынки сбыта.

Для реализации поставленных целей необходимо решить следующие задачи:

- увеличение объема производства продукции с 5,0 млн. литров до 6,7 млн. литров;

- создание сбытовых сетей в приоритетных регионах;

- оптимизация существующей сбытовой сети;

- проведение региональных рекламных компаний ;

- участия в российских и международных выставках и ярмарках;

- ведение политики сохранения доступных цен на продукцию;

- установление длительных и взаимовыгодных отношений с поставщиками основного сырья (снижение цены за счет увеличения объемов);

- исследование качественных характеристик зарубежных аналогов;

- освоение и продвижение на рынок новых сортов кваса.

В настоящее время у ООО «ДОНКВАС» появилось больше поставщиков, что привело к большему выпуску продукции и расширению расстояния поставки продукции.

Среднесуточная выработка кваса на ООО «ДОНКВАС» составляет:

Таблица 1.Среднесуточная выработка

...