
- •Конспект лекций по дисциплине:
- •1. Что такое прогнозирование?
- •Типы прогнозов
- •2. Временные интервалы прогнозирования
- •3. Временные ряды
- •4. Обзор количественных методов.
- •Пример 1
- •Пример 2 Фирма, производящая складские навесы, решает прогнозировать продажи путем взвешивания прошлых продаж за три месяца следующим образом.
- •Пример 3
- •Пример 4
- •Пример 5
- •Пример 6
- •5. Сезонные колебания данных
- •Пример 8
- •Пример 9
- •6. Методы регрессионного и корреляционного анализов
- •Пример 12
- •Пример 13
- •7. Метод двойного сглаживания брауна
- •8. Мониторинг и контроллинг прогноза
- •Пример 14
- •9. Качественные методы прогнозирования
- •2. Метод экспертного прогнозирования.
- •3 Метод сценариев.
- •10. Комбинированные методы прогнозирования спроса
- •Например
Типы прогнозов
Организации используют три основных типа прогнозов в планировании своих будущих операций. Первые два — экономический и технологический прогнозы. Это специализированные инструменты, которые могут быть вне рамок роли операционного менеджера; здесь они описаны кратко. Упор в этой книге будет сделан на описание третьего типа прогнозов спроса.
1. Экономические прогнозы адресуются бизнес-циклу путем предсказания уровня информации, обеспечения деньгами и других планируемых индикаторов.
2. Технологические прогнозы касаются уровня технологического прогресса, который можно привести к рождению новых товаров, требующих новью заводов и оборудования.
3. Прогнозы спроса — это проекции спроса на товары и услуги компании. Эти прогнозы, называемые также прогнозами сбыта, ведут производство компании, мощности и системы планирования и обслуживаются с входными данными о финансах и маркетинге, о планировании и персонале.
Восемь шагов системы прогнозирования. Кроме методов, используемых для прогнозирования, имеются следующие восемь шагов прогнозирования.
1. Определение пользы прогноза, т. е. какие объекты мы рассматриваем.
2. Отбор объектов, которые будут прогнозироваться.
3. Определение временных горизонтов прогноза — является он краткосрочным, среднесрочным или долгосрочным.
4. Отбор модели (моделей) прогнозирования.
5. Сбор данных, необходимых для прогноза.
6. Обоснование модели прогнозирования.
7. Выполнение прогноза.
8. Отслеживание результатов.
Эти шаги следует осуществлять системным путем, инициируя, решая и отслеживая систему прогнозирования. Когда система используется для генерации прогнозов регулярно в течение времени, данные должны быть соответствующим образом собраны, и текущие расчеты прогнозов могут делаться автоматически, обычно на компьютере.
2. Временные интервалы прогнозирования
Временные серии базируются на последовательности равных промежутков (недельных, месячных, квартальных и т. д.) между точками данных. Примеры включают недельные продажи IBM PS/2, квартальные отчеты для акционеров AT&T и годовые индексы потребительских цен в Соединенных Штатах. Данные временных серий прогнозирования подразумевают, что будущие объемы определяются только прошлыми объемами и что другие переменные — не более, как потенциально существующие — игнорируются.
Декомпозиция временных серий. Анализ временных серий ведется посредством разбивания прошлых данных на компоненты и затем проецированием их вперед. Временные серии обычно имеют четыре компоненты: тренд, сезонность, циклы и случайные вариации.
1. Тренд (Т) является градацией повышения или понижения данных за период.
2. Сезонность (S) является моделью данных, которая повторяется через определенные промежутки, измеряемые днями, неделями, месяцами или кварталами (чаще термин «сезонность» относится к наступлению зимы, весны, лета и осени). Существует шесть общих сезонных моделей:
Период модели |
Длина |
Число периодов в модели |
Неделя Месяц Месяц Год Год Год |
День Неделя День Квартал Месяц Неделя |
7 4—41/2 28—31 4 2 52 |
3. Циклы (С) — это модели данных, которые встречаются каждые несколько лет. Они обычно связаны с циклами в бизнесе и, главным образом, важны в краткосрочном анализе и планировании бизнеса.
4. Случайные вариации (R) — это «блики» в данных, связанные со случайными и необычными ситуациями; они, следовательно, безразличны для модели.
Рис. 4.1 показывает временные серии и их компоненты. Существуют две основные формы временных серий моделей в статистике. Наиболее широко используется мультипликативная
Рис. 4.1. Спрос на товар за четыре года с трендом и сезонными колебаниями
модель, которая предполагает, что спрос является продуктом четырех компонент:
Спрос = T x S x C x R.
Аддитивная модель требует прогнозирования суммированием компонент друг с другом. Это выглядит так:
Спрос = T = S + C + R.