Как уже отмечалось, несмотря на использование компьютеров и сложных математических моделей, прогнозирование не является точной наукой. Опыт, суждение и техническая экспертиза, все это играет роль в разработке полезных прогнозов. Наряду с этим, может понадобиться некоторое количество везения и немного скромности, потому что даже самые плохие предсказатели иногда выдают очень хорошие прогнозы, и даже самые лучшие предсказатели иногда полностью ошибаются.
В принципе, ответственность за подготовку прогнозов спроса в деловых организациях лежит скорее на отделах маркетинга и сбыта, чем на производственном секторе. Тем не менее, производственникам часто приходится делать определенные прогнозы и помогать в этом другим. Кроме того, поскольку прогнозы основа для многих производственных решений, менеджеры и персонал производственного сектора должны быть знакомы с существующими методами прогнозирования, с положениями, которые лежат в основе использования этих методов, и с их ограничениями. Для руководителей производства важно учитывать, как прогнозы влияют на производство. Короче говоря, прогнозирование неотъемлемая составная часть управления производством.
В настоящее время используется много разнообразных методов прогнозирования. Во многих отношениях, они совершенно отличны друг от друга, как вы это увидите. Тем не менее, некоторые особенности являются общими для всех методов, и важно их распознавать.
За основу прогнозирования принимается предположение, что та же причинно-следственная система, которая существовала в прошлом, сохранится и в будущем.
Прогнозы для групп объектов обычно более точны, чем прогнозы для отдельных объектов, потому что ошибки прогнозирования в группе объектов, как правило, нейтрализуют друг друга. Возможности для группирования возникают, когда детали или сырье используются для производства многих изделий, а также если спрос на изделие или услугу существует среди ряда независимых источников.
Точность прогноза уменьшается с увеличением периода времени, который охватывается данным прогнозом так называемого горизонта времени. Вообще говоря, краткосрочные прогнозы должны содержать меньше неопределенности, чем долгосрочные прогнозы, поэтому краткосрочные прогнозы обычно более точные.
Важное следствие последнего правила состоит в том, что гибкие деловые организации, которые способны быстро реагировать на изменения спроса, требуют более узкого горизонта времени, и, следовательно, извлекают преимущества из более точных краткосрочных прогнозов. Их менее гибким конкурентам приходится пользоваться долгосрочными, а, следовательно, менее точными и эффективными прогнозами.
Процесс прогнозирования включает 5 основных этапов:
Определить цель прогноза.
Какова цель, и когда она потребуется? Это покажет уровень детализации в прогнозе, оправданное количество ресурсов (трудовые ресурсы, компьютерное время, деньги), и уровень необходимой точности.
Установить горизонт времени.
Прогноз должен определить временные границы с учетом того, что точность уменьшается по мере увеличения горизонта времени.
Выбрать методику прогнозирования.
Собрать и проанализировать соответствующие данные.
Прежде чем составлять прогноз, необходимо собрать и проанализировать определенные данные. Определите основные исходные положения для подготовки и использования прогноза.
Подготовить прогноз.
Обязательно прогноз нужно контролировать, чтобы определить, насколько точно он выполняется. Если результаты проверки неудовлетворительны, заново проверьте метод, исходные предположения, достоверность данных и т. д.; произведите необходимые изменения и подготовьте пересмотренный прогноз.
Существует два общих подхода к прогнозированию:
качественный;
количественный.
Качественные методы опираются главным образом на субъективные входные данные, которые часто игнорируют точные цифровые показатели. Качественные методы допускают использование в процессе прогнозирования «мягкой» информации (например, человеческого фактора, личных мнений, догадок). Эти факторы часто игнорируются или недооцениваются при использовании количественных методов, потому что они с трудом поддаются (если вообще поддаются) количественной оценке.
Количественные методы опираются или на использование статистических данных за определенный период, или на разработки ассоциативных моделей, которые пытаются использовать причинные переменные для того, чтобы подготовить прогноз. Количественные методы состоят главным образом из анализа объективных, или жестких данных. Они обычно избегают личных предубеждений, которые иногда пагубно влияют на качественные методы.
На практике, любой из этих подходов или они оба могут использоваться для разработки прогноза.
Также существуют прогнозы, основанные на суждении и мнении это прогнозы, которые используют субъективные входные данные, такие как мнения потребителей, торгового персонала, менеджеров, директоров и экспертов. Когда прогноз должен быть подготовлен быстро, не всегда имеется достаточно времени, чтобы собрать и проанализировать количественные данные. В других случаях, особенно в период изменения политических и экономических условий, данные могут быстро устаревать, а более свежую информацию пока получить невозможно. Аналогично, разработка новых изделий и перепроектировка уже существующих страдает от отсутствия исторической статистики, которая была бы полезна при прогнозировании. Соответственно эти прогнозы и полагаются на анализ субъективных входных данных, полученных из различных источников: опроса потребителей, сотрудников отдела продаж, менеджеров и директоров, групп экспертов. Достаточно часто эти источники выдают информацию, получить которую иным способом просто невозможно.
Небольшая группа руководителей верхнего звена (например, в маркетинге, производстве и финансах) может встречаться и коллективно разрабатывать прогнозы. Этот подход часто используется как часть долгосрочного планирования и разработки нового изделия. Он имеет то преимущество, что собирает воедино огромные коллективные знания и способности руководителей. Однако здесь имеется риск, что будет преобладать мнение одного человека, оказывающее давление на всю группу, а кроме того, распределение ответственности за прогноз среди большой группы людей может оказать расслабляющее действие на стремление создать хороший прогноз.
Следует отметить и прогнозы, основанные на данных временного ряда или статистическое прогнозирование.
Некоторые методы прогнозирования зависят от раскрытия связей между переменными, которые можно использовать для предсказания будущего значения одной из них; другие просто пытаются спроецировать прошлый опыт на будущее. Второй подход представляют прогнозы, которые используют статистический или временной ряд данных на основе предположения, что будущее будет подобно прошлому. Некоторые модели просто пытаются сглаживать произвольные изменения в исторической статистике, а другие пытаются выявить в данных определенные тенденции. В сущности, подходы, основанные на исторической статистике, рассматривают данные как зеркало, которое отражает комбинацию всех сил, влияющих на рассматриваемую переменную (например, спрос) не стараясь точно определить или измерить эти силы.