40. Прогнозирование и футурология

Футурология — это изучение истории будущего. История занимается рассмотрением причин и истоков нашей сегодняшней ситуации, а футурология рассматривает цели, задачи, направление нашего движения и то, какие проблемы и возможности встретятся на нашем пути.

Футурологи экстраполируют сегодняшние технологические, экономические и социальные тенденции и пытаются предсказать будущие тенденции. Смысл изучения будущего в том, чтобы от пассивного и фаталистического его принятия перейти к активному и уверенному участию в построении предпочтительного будущего. Футурология также включает в себя нормативную часть — рассуждения о том, как «должно быть».

Зарождение футурологии связано с возникновением идеи государственного экономического и политического планирования, прежде всего, в Советском Союзе в 1920-е годы.

В конце 1960-х в мире сформировалась критическая масса футурологов и начался международный диалог о долгосрочных целях человечества.

Футурология начиналась с прогнозирования, попытки предсказать, предвидеть будущее, выявляя тенденции и экстраполируя их, либо используя статистические методы. Но крупные футурологические прогнозы в области энергетики, выполненные подобными методами, не смогли предсказать нефтяной кризис 1973 года.

Из-за этой серьёзной неудачи футурологи перешли от прогнозирования к составлению сценариев, учитывающих, как принято говорить, «мультивариантность будущего» (см. подробнее о том, почему сценарии имеют малое отношение к прогнозированию), а также стали учитывать не только технологические аспекты, но и, например, более широкую информацию о рынках. Расширение сферы применения методов предвидения (в такие области как образование, медицина, урбанизация, демография, правоохранительная деятельность) привело к необходимости учитывать социальные аспекты, например, влияние технологий на общество.

http://www.transhumanism-russia.ru/content/view/39/126/

41. Причины неточности прогнозов научно-технологического развития отрасли. Возможности преодоления ошибок при прогнозировании

42. Принятие стратегических решений на предприятии на основе прогноза научно-технологического развития отрасли

43. Принципы разработки моделей научно-технологического развития отрасли для разработки прогнозов

44. Принципы прогнозирования научно-технологического развития

45. Оценка точности прогноза: методы и процедуры

Особую проблему представляет вопрос оценки качества прогнозной модели. Критерий качества модели должен определяться той целью, для которой строится модель. Прогнозная модель строится с целью предсказания значения выходной переменной в будущие моменты времени, т. е. нам надо проверить, правильно ли модель предсказывает. Но если мы предсказываем либо на год или больше вперед, то только через этот срок сможем узнать, хороша ли наша модель. Это, безусловно, нас не устраивает. Остается единственный выход — «спрятать» одно или несколько (k) последних по времени известных значений прогнозируемой величины, построить прогнозную модель по оставшимся значениям и попытаться спрогнозировать известные значения (рim, i= 1,...,k). Из множества прогнозных моделей лучшей будем считать ту, которая имеет минимальное значение следующего критерия:

Вообще же точность прогноза определяют несколько факторов.

1. Объем статистики (длина предыстории) - чем данных больше, тем надежнее прогноз. Это верно, к сожалению, только с позиций математической статистики - «чем больше, тем лучше». При прогнозировании социально-экономических и политических процессов часто имеют дело с резкими изломами тенденций изменения прогнозируемых показателей. В этом случае в выборке могут присутствовать разные тенденции. Обработка таких данных приведет к получению некой усредненной тенденции («средней температуре по больнице»), по которой можно получить «среднее» значение прогнозируемого показателя.

2. Неизменность тенденции изменения прогнозируемого показателя - важно, чтобы в вы-борке данных для прогнозирования присутствовали только данные, относящиеся к текущей тенденции. Иногда таких данных бывает крайне мало, что не позволяет сделать надежный прогноз.

3. Глубина (интервал) прогноза - чем он больше, тем сильнее возрастает ошибка прогноза. Есть эмпирическое правило - длина предыстории должна как минимум втрое превышать интервал прогноза.

Пример. Пусть нам необходимо спрогнозировать цену на хлеб в следующем месяце. Можно взять ряд данных о цене на хлеб за прошедшие 100 лет, Умножив на 12 месяцев, получаем 1200 «точек» для построения прогнозных моделей. Эта огромная выборка даст нам усредненную тенденцию за сто лет, которая с крайне малой вероятностью будет соответствовать тенденции изменения цены на хлеб «завтра». Если же мы возьмем выборку, отражающую тенденцию последних месяцев, и экстраполируем полученную тенденцию на сто лет вперед, то достоверность такого прогноза тоже будет чрезвычайно низкой, поскольку очень мала вероятность сохранения современной тенденции изменения цены на хлеб.