1.1. Методичні підходи і приклади вирішення задач
Попит як процедурна компонента системи прийняття управляючих рішень поділяється на залежний (попит на виріб або послугу, який спонукається попитом на інший виріб або послугу) і незалежний (попит, розмірність якого не залежить від попиту на інший виріб). Організація відносно незалежного попиту може мати активну позицію на ринку і впливати на попит, або пасивну і тільки реагувати на попит. Останнє є типовим явищем у разі якщо організація працює на повну потужність: ринок статичний і фіксований; попит існує поза контролю фірми.
Попит
в
дослідженні економіко-виробничих
систем розглядається як важлива складова
системи ринкових відносин і цільова
функція споживання (ЦФС). У формальному
виразі функція має вигляд Р
= F(У)
, де : Р
– рівень ЦФС – параметр доходу, добробуту
суспільства; У
– вектор, що включає різноманіття
товарів і послуг – у1....n
У;
(У
> 0
).
В основі дослідження і аналізу попиту покладено прогнозування його параметрів на підставі яких вирішуються проблеми наукових підходів щодо планування, програмування, проектування. Професійно зроблений прогноз може бути основою створення виробничого плану й маркетингової програми.
Задля обгрунтування власних дій на ринку і прозорості мотивацій прийняття рішень, для організації важливо мати результати прогнозу попиту на короткострокову і віддалену перспективу. Тобто прогнозування поділяють на короткострокове (кон’юнктурне), середньо і довгострокове.
Таким чином прогноз – це наукове дослідження, що спрямоване на визначення перспектив розвитку явища на основі науково-обгрунтованого судження стосовно можливих станів об’єкту в майбутньому, альтернативних шляхах і строках їх буття. У загальному сенсі прогнозування економіки, бізнесу вважається досить складною процедурою і в системі операційних функцій використовується найчастіше для планування ресурсів, рівня незавершеного виробництва, при створенні проектів нової продукції, послуги, складання бюджету, вирішення кадрових питань.
В умовах посилення динамічно-дискретних процесів в економіці роль прогнозування в системі прийняття рішень зростає, оскільки більшості процесів в економічних системах притаманна інерційність.
Основні джерела інформації для прогнозування: статистичні дані щодо динаміки об’ємів реалізації товару і ціни; матеріали досліджень і спостережень; статистика грошових доходів населення і демографічна статистика; темпи зростання галузей народного господарства.
В практиці операційного менеджменту процедури прогнозування попиту здебільшого спираються на аналітичні підходи, що реалізуються в системах управління попитом. Основною функцією таких підходів є контроль і координація усіх джерел попиту.
Стосовно процесуальних методів прогнозування, то їх прийнято поділяти на чотири основні види: якісні, аналіз часових рядів, аналіз каузальних зв’язків і моделювання. До типових компонент системи прогнозування відносяться:
середні значення попиту за визначений період;
тренди;
сезонні коливання попиту;
циклічні коливання попиту;
випадкові викиди;
автокореляція.
Таким чином, прогнозування відносно організації можна визначити як комплекс розрахунків для винайдення шляхів подальшого розвинення на основі тенденцій і рекомендацій минулого, врахування системних змін у майбутньому під впливом ситуацій. В такому випадку важливо орієнтуватись щодо методів, з метою відбору найбільш придатного для місії організації. При цьому, особливу увагу у разі обрання методу необхідно приділити придатності даних для конкретного методу і конкретної моделі.
Для складання прогнозів на різних рівнях прийняття рішень використовується різноманіття методів в основі кожного з яких закладені передумови і обмеження. Найбільш поширеними із методів в операційному менеджменті є такі:
- техніко-економічні розрахунки;
- екстраполяційні;
- багатофакторні методи кореляційного і регресійного аналізу;
- економіко-математичного моделювання;
- експертні оцінки.
Більш-менш цілісне уявлення щодо класифікаційних ознак і функціональної змістовністі методів можна мати, якщо звернутись до таблиць 1.1. і 1.2.
Наведене в таблицях розподілення класифікаційних підходів розширює масштаби усвідомлення сутності, особливостей і можливості обрання найбільш придатного методу, інструментарію для його реалізації у вигляді рішення конкретної прикладної задачі (придатності до її вирішення).
Таблиця 1.1. Функціональна змістовність методів прогнозування
№ п.п |
Найменуван-ня методів |
Особливості і функціональність |
1 |
2 |
3 |
1. Якісні методи. На підставі людських знань і інтуїції формується майбутній стан ринкового попиту. |
||
1.1. |
“Корені трави” |
Прогноз складається на основі збирання вхідних даних у персоналу, який на нижчої ступені ієрархії, тобто у тих хто безпосередньо пов’язаний із об’єктом прогнозування. |
1.2. |
Дослідження ринку |
Прогноз будується на основі даних за допомогою інтерв’ю, соціологічних і маркетингових досліджень. |
1.3 |
Метод гуртового погодження |
В основі - відкрите обговорення досліджуваного процесу на нараді. Обмін думками спеціалістів щодо тенденцій процесів. В основу покладені знання, досвід і інтуїція учасників. Спирається на неформальний аналіз. |
1.4 |
Метод історичних аналогій |
Використовується при плануванні нових видів продукції і грунтується на дослідженні життєвого циклу аналогічного товару. |
1.5 |
Метод “Дельфі” |
В основі методу послідовність відповідей експертів на запитання керівництва. Експерти незалежні і рівні за кваліфікацією.Форма опитування припускає анонімність експертів, відповіді обробляються і після ознайомлення всіх із проміжними результатами отримується групова оцінка досліджуваної проблеми |
2. Кількісні методи. Аналіз часових рядів: Кількісна оцінка майбутнього стану попиту на основі даних минулих періодів і діючих факторів із використанням математичних методів. |
||
2.1. |
Метод простого ковзаючого середнього |
Метод базується на розрахунках за фіксований період середнього значення величини попиту, що прогнозується. Відбувається усереднення значень досліджуваного процесу за кінцевим інтервалом часу. Кожна точка має однакову вагу. |
2.2 |
Метод виваженого ковзаючого середнього. |
Подібний до попереднього, але деяким точкам можна надати більшу або меншу вагу відносно інших. |
2.3 |
Експоненціальне згладжування |
Спирається на послідовність ваги (вагові коефіцієнти), що спадає за експоненціальним законом. Найбільш пізні спостереження ( точки) мають більшу вагу, тобто вага значень ряду зменшується по мірі наближення до минулого . |
2.4 |
Регресійний аналіз |
Встановлюється функціональна залежність між значеннями досліджуваного процесу і часом. |
2.5 |
Модель Бокса-Дженкінсона |
Метод призначено для обробки авто регресійних рядів без апріорних припущень відносно дисконтуючих коефіцієнтів. В основі зв’язування даних - моделі і значення часового ряду. Є складним і найбільш точним із відомих статистичних методів. |
2.6 |
Часові ряди Шискіна |
Ефективний у разі розкладання часового ряду на трендові, сезонні і нерегулярні складові. Потребує великого об’єму вхідних, однак є найбільш ефективним у разі побудови “коридору” прогнозу. |
2.7 |
Трендові проеціювання |
Метод встановлює математичну лінію тренду за даними минулого поводження процесу і дозволяє спроеціювати поведінку процесу у майбутньому. |
П р о д о в ж е н н я т а б л и ц і 1.1 |
||
3.Методи причини. Побудова економіко-математичної моделі попиту у вигляді функціональної залежності величини показника попиту від екзогенних і ендогенних факторів, що його визначають. |
||
3.1 |
Метод регресійного аналізу |
Аналогічний методам із аналізу часових рядів. Передбачається множина змінних: yt ( x1, x2 ,t) = a0+a1x1+ a2x2+ a12x1x2 + bt |
3.2 |
Економетрічні моделі |
Моделі описують визначений сектор економіки на підставі системи незалежних рівнянь. |
3.3 |
Моделі “Вхід-Вихід” |
Методи спрямовані на прогнозування об’ємів продажу. В основі визначення характеристик процесу, що має вхідні і вихідні дані. |
3.4 |
Попереджальні індикатори |
Сутність – оцінка розвитку процесу збуту продукції на базі одного чи декількох відомих індикаторів (показників) суміжних галузей. В основі аналіз статистики розвитку процесу, що впливає на досліджуваний процес, але відбувається із випередженням. |
3.5 |
Моделювання |
Передбачає створення динамічних моделей (комп’ютерних) які дозволяють записати або відтворити хід протікання досліджуваного процесу і вплив на нього зовнішніх факторів. |
3.6 |
Комбіновані методи |
Використовуючи результати прогнозів, що отримані різними методами, розраховують інтегрований прогноз попиту у вигляді точкової або інтегральної оцінки |
Таблиця 1.2. Прикладні особливості методів прогнозування
Метод |
Кількість даних |
Модель даних |
Межі прогнозу |
Час на під-готовку прогнозу |
Підготовка персонала |
Просте експоненційне згладжування |
Від 5 до 10 спостережень |
Дані стаціонарні |
Короткостроковий
|
Малий |
Не потріб- но |
Експоненті-альне зглад- жування |
Від 10 до 15 спостережень |
Тренд без сезонних коливань |
Від короткостро- кового до серед-ньострокового |
Малий |
Досить загального |
Експоненціаль- не сгладжу- вання Вінтера |
4–5 спостере-жень за сезон |
Тренд і сезонні коливання |
Від короткостро- кового до серед- ньострокового |
Малий |
Середній рівень |
Регресійні трендові моделі |
Від 10 до 20. Для сезонно-го 5 за сезон |
Тренд і сезонні коливання |
Від короткостро- кового до серед-ньострокового |
Малий |
Середній рівень |
Причинні регресійні моделі |
10 спостере-жень на не залежну змін-ну |
Може оброб-ляти складні моделі |
Короткострокові, середньо- і довгострокові |
Тривалий період розро бки і малий впроваджен-ня |
Високий рівень підготовки |
Декомпозиція часових рядів |
Достатньо 2-х екстремаль-них даних |
Обробляє се-зонні і цик-лічні моделі |
Від короткостро- кового до серед-ньострокового |
Від малого до серед-нього |
Не потребує особливої підготовки |
Метод Дженкінса |
50 або більше спостережень |
Стаціонарні або приведені до них |
Від короткостро- кового до довго-строкового |
Тривалий |
Високий рівень |