Основные методы прогнозирования (Задачи и принципы прогнозирования)

Содержание:

ВВЕДЕНИЕ

Прогнозирование является одной из основных составляющих процесса управления. Без прогнозирования, без представления об ожидаемом ходе развития событий невозможно принять эффективное управленческое решение.

Процесс прогнозирования весьма актуален в настоящее время. Сфера его применения широка. Прогнозирование широко используется в экономике, а именно в менеджменте.

Прогнозирование – один из способов предвидения внутренних и внешних условий деятельности. Прогнозирование как метод снижения рисков, вызванных неопределенностью, позволяет знать наиболее вероятное состояние внешней среды в будущем (политическое, научное, техническое, финансовое, экологическое, социальное). Прогнозирование дает возможность оценить ближайшие и долгосрочные последствия принимаемых решений.

Актуальность темы обусловлена тем, что для большинства российских предприятий управление маркетингом становится одним из условий выживания и успешного функционирования. В то же время обеспечение эффективности такого управления требует умения предвидеть вероятное будущее состояние предприятия и среды, в которой оно существует, вовремя предупреждать возможные сбои и сбои в работе. Это достигается путем прогнозирования как плановой, так и практической работы предприятия по всем направлениям его деятельности, и в частности, в области прогнозирования реализации продукции (товаров, работ, услуг).

Многообразие проблем, возникающих в жизни предприятия и являющихся предметом прогнозирования, приводит к появлению большого количества различных прогнозов, разработанных на основе определенных методов прогнозирования. Поскольку современная экономическая наука располагает большим количеством различных методов прогнозирования, каждый менеджер и планировщик должен овладеть навыками прогнозирования, а руководитель, ответственный за принятие стратегических решений, также должен 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 «ПИКРА».

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

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

Структура работы соответствует поставленным цели и задачам и включает введение, три главы, заключение и список использованной литературы.

Глава 1. Теоретические основы прогнозирования в менеджменте

1.1. Понятие и сущность прогнозирования

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).^[1]

Рис.1 – Классификация прогнозов по двум признакам

временному

функциональному

краткосрочные

среднесрочные

долгосрочные

ПРОГНОЗЫ

сверхдолгосрочные

исследовательские

программные

ресурсные

Прогнозирование невозможно без наличия широкой информации об организации в целом, препятствиях ее функционированию и развитию, то есть о наиболее важных моментах, влияющих на поведение организации и принятие решений. Анализ всей этой собранной информации позволяет сделать выводы о тенденциях развития, как самой организации, так и ее окружения, имеющих в основном характер прогноза, то есть системы аргументированных представлений о направлениях развития и будущем состоянии объекта управления. Основы прогнозов: специальные опросы, другие прогнозы, вероятностный математический анализ и анализ временных рядов, мозговой штурм, индивидуальные опросы специалистов, сценарии 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 наступления какого-либо события. Эти характеристики должны включать количественные, точечные или интервальные показатели и вероятность их достижения. Прогноз не может быть 100% точным, он должен быть дополнен определенными предположениями. Иногда, когда материала недостаточно для каких-то определенных выводов, предположения используются как самостоятельный инструмент разработки стратегии. Одной из целей прогнозирования является решение проблем, возникших в ходе деятельности организации.

Особое внимание следует уделить описанию проблемной ситуации, найти те факторы, которые необходимо тщательно проанализировать и учесть при решении. Прежде всего, необходимо установить, являются ли они внутренними или внешними по отношению к организации, так как возможности влияния этих двух групп факторов различны.

Внутренние факторы в большей степени зависят от самого предприятия. К ним относятся: цели и стратегия развития, состояние портфеля заказов, структура производства и управления, финансовые и кадровые ресурсы, объем и качество выполняемых работ и др. Они образуют предприятие как единую систему, взаимосвязь и взаимодействие элементов которой приводит к достижению его целей. Поэтому изменение одного или нескольких факторов может привести к нарушению свойств всей системы. Поэтому управленческие меры должны быть направлены на сохранение целостности системы.

Внешний фактор. Поскольку внешние факторы формируют среду, в которой функционирует организация, эти факторы инертны и не реагируют на влияние менеджеров. Это связано с тем, что данная 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) влияет на работу организации через такие параметры внешней среды, как доступность капитала и рабочей силы, уровень цен и инфляции, производительность труда, доходы покупателей, государственная финансовая и налоговая политика и др. специфическое воздействие будет проявляться следующим образом: инфляция ведет к снижению покупательной способности и снижает спрос на продукцию, производимую организацией; повышение уровня цен на продукцию смежных отраслей вызывает соответствующее увеличение издержек производства в организации, что является следствием роста цен на ее продукцию и может вызвать "отток" определенной группы потребителей: при снижении их доходов покупатели изменяют состав и структуру потребления, что также может повлиять на спрос; уровень научно-технического развития в стране оказывает сильное влияние на структуру экономики, на процессы автоматизации производства и управления, на технологию, по которой производится продукция, на состав и структуру персонала организации, а главное на конкурентоспособность продукции и технологий. Задача прогнозирования заключается в учете многочисленных и разнообразных факторов внешней среды, выборе среди них основных и предвидении возможных изменений их взаимного влияния.^[2]

Анализ факторов, приведших к возникновению проблемной ситуации, дает возможность определить ресурсы (в том числе и временные), затраты на которые будут связаны с решением проблемы. В процессе принятия решений оцениваются действия, предпринятые на различных его этапах. Поэтому на этапе распознавания проблемы чаще всего используется целевая установка, по отклонению от которой судят о проблеме.

Этап принятия решений начинается со сбора и обработки информации, необходимой для разработки плана действий. Как правило, сложные проблемы не могут быть ограничены информацией, предоставляемой существующими системами отчетности; поэтому для решения проблемы требуются время и ресурсы.

При прогнозировании, как правило, возникает вопрос: «Какой путь решения выбрать из приемлемых вариантов?». Будет выбран тот, который наиболее полезен или предпочтителен для решения задач организации. Качество управленческих решений зависит от того, насколько удачно они выбраны, а это в свою очередь определяет конкурентоспособность организации, скорость ее адаптации к изменениям экономической ситуации и в конечном итоге эффективность и рентабельность.

1.2. Задачи и принципы прогнозирования

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

Прогнозная модель – это модель объекта прогнозирования, изучение которой позволяет получить информацию о возможных состояниях объектов в будущем и (или) путях и сроках их реализации.

Чтобы получить информацию о будущем, необходимо изучить закономерности развития национальной экономики, определить причины, движущие силы ее развития – это и есть основная задача планирования и прогнозирования. Основными движущими силами развития производства являются социальные потребности, технические возможности и экономическая целесообразность. В соответствии с этим можно выделить три основные задачи прогнозирования: постановка целей экономического развития; нахождение оптимальных путей и средств их достижения; определение ресурсов, необходимых для достижения поставленных целей.

Выбор целей является результатом анализа социально-политических задач, которые необходимо решать в обществе и которые отражают объективный характер 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 этой альтернативы, а с другой-ее оптимальность по критерию эффективности.

Пути и средства достижения поставленных целей определяются на основе анализа развития национальной экономики и научно-технического прогресса. В то же время в процессе прогнозирования объем альтернативных вариантов путей и средств достижения поставленных целей ограничен, т. е. определяется объем 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. Данный 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 на определенный момент в будущем, полученная в результате рассмотрения процесса развития как движения по инерции от настоящего времени к горизонту 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».^[3]

Несоответствие нормативных и исследовательских оценок объекта прогноза в каждый момент будущего времени является следствием противоречия «потребность – возможность». Комплексный прогноз основан на сочетании исследовательских и нормативных прогнозов.

Выбор целей и средств их достижения должен обязательно сочетаться с определением потребностей в ресурсах. При определении этой потребности необходимо учитывать плановые и прогнозные матрицы ресурсов (финансовых, трудовых, материальных и энергетических), а также матрицы производственных мощностей и временных ресурсов. Оценке подлежат как требуемые ресурсы, так и вероятные пределы их стоимости в диапазоне времени выполнения плана или прогноза. Матричные ресурсы прогноза являются важнейшими исходными данными при составлении баланса национальной экономики в долгосрочном планировании.

В прогнозировании схема выглядит следующим образом: «цели – теоретически достижимы, пути и средства их достижения – возможны, ресурсы – вероятны». Проблему прогнозирования надо оценивать как глобальную. К ним относятся: анализ ситуации, определение уровней достоверности информации, определение степени вероятности, разработка текущих, среднесрочных и долгосрочных прогнозов. Принципы прогнозирования: сочетание социально-политических и экономических целей; демократический централизм; последовательность; преемственность и обратная связь; пропорциональность и оптимальность; реальность и объективность; выделение ведущего звена и др.^[4]

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

Важнейшими требованиями системного подхода являются сложность прогнозов и планов и непрерывность процесса планирования.

Комплексный подход предусматривает подготовку прогнозов и планов во взаимосвязи как в пространстве (в отраслевом и территориальном разрезе), так и во времени. Взаимосвязь в пространстве означает установление рациональных связей между отраслями народного хозяйства, экономическими регионами, установление оптимальных связей между темпами развития науки. Корректировка планов и прогнозов должна носить дискретный характер с заранее определенными временными рамками (режим работы). Относительно частые изменения планов, вызывающие изменения производственных программ, могут привести к дезорганизации отраслей и предприятий в связи со сложностью структуры производственных отношений в народном хозяйстве, большой трудоемкостью и материалоемкостью процессов подготовки индекса промышленного производства.

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

Различная степень неопределенности генерируемой информации о будущем влияет на характер методов, приемов и приемов прогнозирования.

1.3. Классификация методов прогнозирования

В настоящее время наряду со значительным количеством опубликованных методов прогнозирования существует множество способов их классификации. Тем не менее, этот вопрос нельзя считать удовлетворительно решенным, поскольку до сих пор не создана единая, полезная и полная классификация. Вероятно, прогностика, как молодая наука, еще не достигла такого уровня развития, когда можно создать классификацию, отвечающую всем этим требованиям. Итак, каковы же цели классификации методов прогнозирования? Можно выделить две такие основные цели. Это, во-первых, обеспечение процесса изучения и анализа методов и, во-вторых, сопровождение процесса выбора метода при разработке прогнозов объекта. На современном этапе трудно предложить единую классификацию, которая в равной степени удовлетворяла бы обеим этим целям.

Существует два основных типа классификации: последовательная и параллельная. Последовательная классификация предполагает отделение отдельных объемов от более общих. Это процесс, идентичный разделению родового понятия на виды. Необходимо соблюдать следующие основные правила:^[5]

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 наличие сложной информационной базы, состоящей не из одного, а из ряда признаков. Основным принципом этой классификации является независимость выделенных признаков, каждый из которых существенен, все вместе одновременно присущи предмету, и только их совокупность дает исчерпывающее представление о каждом классе.

Последовательная классификация имеет наглядную интерпретацию в виде генеалогического древа, охватывает всю рассматриваемую область в целом и определяет место и взаимосвязь каждого класса в общей системе. Поэтому она более приемлема для целей изучения, позволяет методически более гармонично представлять классифицируемую область знаний.

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

Элементы нижнего уровня – это названия узких групп конкретных методов прогнозирования (иногда одного элемента), которые являются модификациями или разновидностями какого-либо одного, наиболее распространенного 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 принципу «информационная основа метода». Фактографические методы основаны на реально имеющемся информационном материале об объекте прогнозирования и его прошлом развитии. Экспертные методы основаны на информации, предоставляемой экспертами в процессе систематических процедур выявления и обобщения данного мнения. Комбинированные методы выделяются в отдельный класс, так что к ним можно отнести методы со смешанной информационной основой, в которых первичная информация используется как фактологическая, так и экспертная. Например, при проведении экспертного опроса участникам предоставляется цифровая информация об объекте или фактические прогнозы, или, наоборот, при экстраполяции тенденций наряду с фактическими данными используются экспертные оценки.

К комбинированным методам не следует относить те методы прогнозирования, которые к экспертной исходной информации применяют математические методы обработки или исходную фактическую информацию оценивают экспертным путем. В большинстве случаев они довольно хорошо вписываются в первый или второй из вышеперечисленных классов.

Эти классы далее делятся на подклассы в соответствии с принципами обработки информации. Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления математических закономерностей развития и математических соотношений характеристик с целью получения прогностических моделей. Методы аналогий направлены на выявление сходств в закономерностях развития различных процессов и на этой основе делают прогнозы. Современные методы прогнозирования базируются на определенных принципах специальной обработки научно-технической информации, реализуя в прогнозе ее свойство опережать развитие научно-технического прогресса.

Экспертные методы делятся на два подкласса. Прямые экспертные оценки основаны на принципе получения и обработки независимого обобщенного мнения группы экспертов (или одного из них) при отсутствии влияния на мнение каждого эксперта мнения другого эксперта и мнения группы экспертов. Обратная связь экспертные оценки в той или иной форме воплощают принцип обратной связи путем воздействия на оценку экспертной группы (одного эксперта) с учетом мнения, ранее полученного от этой группы или от одного из ее экспертов.

Третий уровень классификации делит методы прогнозирования на типы в соответствии с классификационным признаком "аппарат методов". Каждый тип объединяет в своем составе методы, имеющие в своей основе один и тот же аппарат их реализации. Таким образом, статистические методы по типу подразделяются 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 иной физической природы, иной области науки, отрасли техники, однако имеющие математическое описание процесса развития, совпадающее с объектом прогнозирования. Вторые в качестве аналога используют процессы той же физической природы, опережающие по времени развитие объекта.

Современные методы прогнозирования можно разделить на методы исследования динамики научно-технической информации; методы исследования и оценки технологии. В первом случае в основном используется построение количественных и качественных динамических рядов на основе различных типов НТИ и анализ и прогнозирование на их основе соответствующего объекта. Второй тип методов использует специальный аппарат для анализа количественной и качественной информации, содержащейся в НТИ, для определения характеристик уровня, качества существующего и Проектируемого оборудования.^[6]

Прямые экспертные оценки на основе аппарата реализации подразделяются на виды экспертного опроса и экспертного анализа. В первом случае специальные процедуры используются для формирования вопросов, получения ответов на них, обработки полученных ответов и формирования конечного результата. Во втором-основным аппаратом исследования является целенаправленный анализ объекта прогнозирования экспертом или группой экспертов, которые сами ставят и решают вопросы, ведущие к поставленной цели.

Экспертные оценки с обратной связью в своем аппарате имеют три вида методов: экспертный опрос; генерация идей; игровое моделирование. Для первого типа характерны процедуры регламентированного бесконтактного опроса экспертов, перемежающиеся обратными связями в том смысле, о котором говорилось выше. Второй базируется на процедурах прямого общения экспертов в процессе обмена мнениями по проблеме. Она характеризуется отсутствием вопросов и ответов и направлена на взаимное стимулирование творческой активности специалистов. Третий тип использует аппарат теории игр и ее прикладные разделы. Как правило, это реализуется на сочетании динамического взаимодействия команд экспертов и компьютера, моделирующего объект прогнозирования в возможных будущих ситуациях.

Наконец, последний, четвертый уровень классификации делит типы методов третьего уровня на отдельные методы и группы методов по некоторым локальным наборам классификационных признаков для каждого типа, из которых невозможно выделить один общий для всего уровня в целом.

Глава 2. Основные методы прогнозирования

2.1. Экстраполяционные методы прогнозирования

Методы экстраполяции тренда являются, пожалуй, наиболее распространенными и наиболее развитыми среди всего комплекса методов прогнозирования. Использование экстраполяции в прогнозировании основано на предположении, что процесс изменения переменной представляет собой комбинацию 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 также называется трендом, уровнем, детерминированной основой процесса, трендом. Под всеми этими терминами скрывается интуитивное представление о некоей очищенной от помех сущности анализируемого процесса. Интуитивно, потому что для большинства экономических, технических, природных процессов невозможно четко отделить тренд от случайной составляющей. Все зависит от цели этого деления и точности, с которой оно проводится. Случайная составляющая n(х) обычно считается некоррелированным случайным процессом с нулевым мат ожиданием. Ее оценки необходимы для дальнейшего определения точных характеристик прогноза.^[7]

Методы экстраполяционного прогнозирования ориентированы на выбор наилучшего в некотором смысле описания тренда и определение прогнозных значений методом экстраполяции. Методы экстраполяции перекрываются с методами прогнозирования по регрессионным моделям. Иногда их различия сводятся только к различиям в терминологии, обозначениях или написании формул.

Специфическими особенностями прогностической экстраполяции можно назвать методы предварительной обработки числового ряда с целью преобразования его в форму, удобную для прогнозирования, а также анализ логики и физики прогнозируемого процесса, что оказывает существенное влияние на выбор типа экстраполирующей функции и на определение границ изменения ее параметров.

Предварительная обработка числового ряда направлена на решение следующих задач: уменьшить влияние случайной составляющей в исходном числовом ряду, т. е. приблизить ее к тренду; предоставить информацию, содержащуюся в числовом ряду, таким образом, чтобы значительно снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистических рядов.^[8]

Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой ожидаемого тренда процесса. Наиболее распространен метод усреднения уровня по некоторому набору окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем обычно называется скользящей средней. В простейшем варианте функция сглаживания линейна и группа сглаживания состоит из предыдущей и последующей точек, а в более сложном-нелинейна и использует группу произвольного числа точек. Сглаживание осуществляется с помощью полиномов, аппроксимирующих группы экспериментальных точек методом наименьших квадратов. Лучшее сглаживание получается для средних точек группы, поэтому желательно выбрать нечетное число точек в сглаженной группе.

Сглаживание, даже в простом линейном варианте, во многих случаях является очень эффективным средством обнаружения тренда при применении случайных шумов и ошибок измерений к эмпирическому числовому ряду. Количество последовательных циклов сглаживания следует выбирать в зависимости от типа исходного ряда, степени его шумовых помех, цели, преследуемой сглаживанием. Следует иметь в виду, что эффективность этой процедуры быстро снижается (в большинстве случаев), поэтому целесообразно повторять ее от одного до трех раз.

Линейное сглаживание-это довольно грубая процедура, которая позволяет получить общее приблизительное представление о тренде. Нелинейное сглаживание или взвешенные скользящие средние могут быть использованы для более точного определения формы сглаженной кривой. В этом случае ординатам точек в движущейся группе присваиваются различные веса в зависимости от их расстояния от середины интервала сглаживания. Если сглаживание направлено на первичную обработку числового ряда для устранения случайных флуктуаций и выявления тренда, то выравнивание служит цели более удобного представления исходного ряда, оставляя его значения неизменными.

Наиболее распространенными методами выравнивания являются логарифм и изменение переменных.

Если предполагается, что эмпирическая формула содержит три параметра или известно, что функция является трехпараметрической, то иногда можно путем некоторых преобразований исключить один из параметров, а оставшиеся два привести к одной из формул выравнивания.

Выравнивание можно рассматривать не только как метод представления исходных данных, но и как метод прямого приближенного определения параметров функции, аппроксимирующей начальный числовой ряд. Этот метод часто используется в некоторых прогнозах экстраполяции. Отметим, что возможность ее непосредственного использования для определения параметров аппроксимирующей функции определяется в основном типом исходного числового ряда и степенью наших знаний, нашей уверенностью в типе функции, описывающей исследуемый процесс.

Если тип функции нам неизвестен, то выравнивание следует рассматривать как предварительную процедуру, в процессе которой, применяя различные формулы и приемы, находят наиболее подходящий тип функции, описывающей эмпирический ряд.^[9]

Одной из разновидностей метода выравнивания является исследование эмпирического ряда с целью выяснения некоторых свойств описывающей его функции. В этом случае преобразования не обязательно приводят к линейным формам. Однако их результаты 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 основой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

Простейшие методы восстановления, используемые для прогнозирования зависимостей, исходят из заданного временного ряда, т. е. функции, определенной в конечном числе точек на временной оси. Временной ряд часто рассматривается в рамках вероятностной модели, кроме времени вводятся другие факторы (независимые переменные), например, объем совокупной денежной массы. Временной ряд может быть многомерным. Основными задачами, которые необходимо решить, являются интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция одного фактора) был разработан К. Гауссом в 1794-1795 годах. Предварительные преобразования переменных, такие как логарифм, могут быть полезны. Наиболее часто используемым методом является метод наименьших квадратов для нескольких факторов. Метод наименьших модулей, сплайны и другие методы экстраполяции используются реже, хотя их статистические свойства часто лучше.

Оценка точности прогноза (в частности, с использованием доверительных интервалов)является необходимой частью процедуры прогнозирования. Обычно используются вероятностно-статистические модели восстановления зависимости, например, они строят наилучший прогноз с использованием метода максимального правдоподобия. Разработаны параметрические (обычно на основе модели нормальной ошибки) и непараметрические оценки точности прогноза и доверительных границ для него (на основе центральной предельной теоремы теории вероятностей). Также используются эвристические методы, не основанные на вероятностно-статистической теории: метод скользящих средних, метод экспоненциального сглаживания.

Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения, является основным статистическим аппаратом прогнозирования на данный момент. Не стоит использовать нереалистичное предположение о нормальности погрешностей измерений и отклонений от линии регрессии (поверхности).

Проблема проверки адекватности модели очень важна, как и проблема выбора факторов. Априорный перечень факторов, влияющих на реакцию, обычно весьма обширен, желательно его сократить, и большая область современных исследований посвящена методам выделения «информативного набора признаков». Однако эта проблема до сих пор окончательно не решена. Появляются необычные эффекты. Таким образом, установлено, что обычно используемые оценки степени многочлена в асимптотическом разложении имеют геометрическое распределение. Перспективны непараметрические методы оценки плотности вероятности и их применение для восстановления регрессионной зависимости любого вида. Наиболее общие результаты в этой области получены с использованием методов нечисловой статистики данных.

Современные статистические методы прогнозирования включают также авторегрессионные модели, Модель бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрическом, так и на непараметрическом подходах.

Компьютерные статистические технологии полезны для установления возможности применения асимптотических результатов при конечных (так называемых «малых») объемах выборки. Они также позволяют 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 являются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет рационального размера выборки, а также регрессионный анализ нечетких данных. Общая постановка регрессионного анализа в рамках нечисловой статистики данных и его частные случаи-дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем), дающие единый подход к формально различным методам, полезны при программной реализации современных методов статистического прогнозирования.^[10]

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.

Используются различные методы построения окончательного заключения экспертной комиссии. Методы среднего арифметического и среднего рангов отличаются своей простотой. Компьютерное моделирование позволило установить ряд свойств медианы Кемени, часто рекомендуемой к использованию в качестве окончательного (обобщенного, усредненного) заключения экспертной комиссии.

Интерпретация закона больших чисел для нечисловых данных с точки зрения теории экспертного опроса заключается в том, что итоговое мнение является устойчивым, то есть мало изменяется с изменением состава экспертной комиссии, а все большее число экспертов приближается к «истине». В соответствии с принятым подходом предполагается, что ответы экспертов можно рассматривать как результаты измерений с ошибками, все они являются независимыми равномерно распределенными случайными элементами, вероятность принятия определенного значения уменьшается с удалением от некоторого центра «истины», а общее количество экспертов довольно велико.

Существует множество примеров ситуаций, связанных с социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях прогнозирование обычно необходимо. Существуют различные типы критериев, используемых в теории принятия решений в условиях неопределенности (риска). В связи с несогласованностью решений, полученных по разным критериям, необходимость использования экспертных оценок очевидна.

В конкретных задачах прогнозирования необходимо классифицировать риски, ставить задачу оценки конкретного риска, структурировать риск, в частности, строить деревья причин (в другой терминологии-деревья неудач) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски должны учитываться при прогнозировании экономических последствий принимаемых решений, потребительского поведения и конкурентной среды, внешнеэкономических условий и макроэкономического развития Российской Федерации, экологического состояния окружающей среды, технологической безопасности, экологических опасностей промышленных и иных объектов.

2.3. Экспертные методы прогнозирования

Экспертный метод прогнозирования-это метод прогнозирования, основанный на экспертной информации. В теоретическом аспекте обоснованность 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 тогда, когда нет должной теоретической базы для развития объекта. Степень достоверности экспертизы определяется абсолютной частотой, с которой оценка эксперта в конечном счете подтверждается последующими событиями. Существует две категории специалистов – узкие специалисты и специалисты широкого профиля, обеспечивающие постановку крупных задач и построение моделей. Выбор экспертов для прогноза производится на основе их репутации среди определенной категории специалистов. Однако не следует забывать и о том, что первоклассный специалист не всегда может адекватно рассмотреть и понять общие, глобальные, вопросы. Для этого необходимо привлекать специалистов, пусть и не узко информированных, но обладающих способностью к смелости и воображению.

Метод эвристического прогнозирования (МЭП)^[11]

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

Целью эвристического метода прогнозирования является выявление объективированного представления о перспективах развития узкой области науки и техники на основе систематической обработки прогнозных оценок представительной 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 предположения реализуются в методе эвристического прогнозирования с помощью системы методов работы с экспертами, методов оценки и синтеза прогнозных моделей.

В качестве исходных документов при работе над методом эвристического прогнозирования выступают: описание метода; инструкции по формулированию вопросов, инструкции по составлению анкет и таблиц экспертных оценок; работа с экспертами; набор эвристических методик для экспертов; инструкции для экспертов по анкетам и таблицам; инструкции по обработке на ЭВМ экспертных анкет и таблиц; алгоритмы и программы обработки данных на ЭВМ; заполненные экспертами анкеты и таблицы; инструкции по оценке компетентности экспертов; инструкции по синтезу прогностических моделей; набор методов верификации прогнозов.

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

Формирование анкет и таблиц экспертных оценок. Информационный массив для разработки прогнозов методом эвристического прогнозирования представляет собой набор таблиц и анкет, заполняемых экспертами. 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 типу относятся вопросы, ответы на которые содержат количественную оценку: вопросы о времени наступления события; вопросы о количественном значении прогнозируемого параметра; вопросы о вероятности наступления события; вопросы об оценке относительного влияния факторов друг на друга в определенной шкале. Для этого типа вопросов используется самая простая процедура анкетирования.

Второй тип включает содержательные вопросы, требующие минимизированного ответа не в количественной форме. Вопросы, требующие содержательного ответа в свернутом виде, характеризуются наиболее сложной процедурой их формирования в анкете. Анкета в окончательном виде получается в результате трехэтапной итерации. На первом этапе прогнозист внимательно изучает результат работы (отчет) группы экспертов (метод комиссий) по определенной системе. Результатом исследования является формулировка первого варианта вопросника, который на втором этапе направляется председателям соответствующих комиссий для корректировки и уточнения. Результатом является второй вариант вопросника. На третьем этапе вопросы группируются по темам и в определенном порядке внутри тем. Окончательный вариант вопросника представлен в виде 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 развернутом виде, определяются двухэтапной итерацией. На первом этапе прогнозист просит экспертов сформулировать наиболее перспективные и наименее развитые проблемы. На втором этапе из всех этих задач выбираются только те, которые непосредственно связаны с объектом прогноза и принципиально разрешимы. После того как все вопросы будут уточнены и обобщены по тематическим признакам в соответствующих разделах вопросников или таблиц, приступайте к работе с экспертами, анализу и обработке экспертных оценок.

Метод Дельфи^[12]

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 заключается в использовании серии последовательных действий, опросов, интервью, мозгового штурма для достижения максимального консенсуса при определении правильного решения. Анализ с помощью Дельфийского метода проводится в несколько этапов, результаты обрабатываются статистическими методами.

Основной принцип метода заключается в том, что ряд независимых экспертов (часто не связанных и не знающих друг о друге) лучше оценивает и прогнозирует результат, чем структурированная группа (коллектив) индивидов. Позволяет избежать открытых столкновений между носителями противоположных позиций, т. к. исключает прямой контакт экспертов между собой и, следовательно, групповое влияние, возникающее при совместной работе и заключающееся в адаптации к мнению большинства. Позволяет проводить опрос экстерриториально, без сбора экспертов в одном месте (например, по электронной почте).

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 оценивать проблему с точки зрения: эффективности, наличия ресурсов, в какой мере соответствует исходная постановка проблемы. Таким образом, выявляются преобладающие суждения экспертов, сводятся воедино их точки зрения. Все эксперты знакомятся с аргументами тех, чьи суждения сильно выбиты из мейнстрима. После этого все эксперты могут изменить свое мнение, и 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.

Раздел 3. Прогнозирование спроса на продукцию ООО «ПИКРА»

3.1. Общая характеристика ООО «ПИКРА»

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

Среднесуточная выработка кваса на ООО «ПИКРА» составляет:

Таблица 1

Среднесуточная выработка

Вид изделия	Количество, тонн
Квас «Боярский»	13
Квас «Особый»	1,3
Квасной сбитень	4,2

Высокотехническое оборудование, профессионализм и ответственность сотрудников перед потребителями позволили компании ООО «ПИКРА» выпустить на российский рынок, не имеющий аналогов квас «Боярский». Его вкусовые качества с одной стороны воскрешают в памяти те времена, когда в домах независимо от достатка квас был напитком каждого дня, с другой – убеждают в его натуральности.

3.2. Исследование рынка квасных напитков и оценка конкурентоспособности ООО «ПИКРА»

Исследование и анализ рынка включают в себя: определение его емкости и конъюнктуры, а также изучение деятельности конкурентов. В данной работе рассмотрим каждый из этапов последовательно.

Свою продукцию ООО «ПИКРА» распространяет на потребительском рынке. Сегодня ООО «ПИКРА» борется за покупателя. Рынок насытился аналогичными товарами. Сегодня в Ростовской области существует очень жесткая конкуренция среди марок квасных напитков, а точнее фирм их производящих. Потребители от этого только выигрывают – они могут купить практически любой напиток.

Продовольственный рынок – типичный пример рынка покупателя. Сегодня проблема доступности напитков не является существенной проблемой для потребителя. Сегодня существует множество мест, где можно приобрести желаемый напиток – супермаркеты, рынки, магазины, павильоны, они предоставляют практически идентичный ассортимент рассматриваемых товаров. Конкуренция создает условия для снижения цен и улучшения качества товара. Из данных анализа отрасли по производству квасных напитков известно, что на первое место покупатели ставят ассортимент, на второе – цены, на третье вкус. И ООО «ПИКРА» старается учитывать их мнение.

Сегодня производство кваса в России составляет 7 литров на душу населения в год, а потребление (с учетом импорта) – 10-11 литров в год.

Совокупный рынок кваса можно разделить на два сегмента:

• дешевый квас на ароматизаторах;
• более дорогой натуральный квас.

Наиболее емким является первый сегмент. По разным оценкам емкость сегмента этих сортов составляет до 50% общей емкости рынка кваса.

ООО «ПИКРА» работает как с торговыми точками в городе Ростов-на-Дону и Ростовской области, так и с торговыми точками, расположенными в Воронежской области, Волгоградской области. Рынки сбыта в Ростове-на-Дону и в целом по области можно рассматривать совместно. ООО «ПИКРА» хорошо себя зарекомендовал себя и держит марку, обладает надежной репутацией.

Таблица 2

Основные сведения о рынках сбыта

№	Показатели	Ростов-на-Дону и Ростовская обл.	Воронежская обл.	Волгоградская обл.
1	уровень спроса	высокий	высокий	средний
2	степень удовлетворения спроса	выше среднего	средний	средний
3	уровень конкуренции	высокий	выше среднего	выше среднего

Весь рынок ООО «ПИКРА» можно разбить на три больших сегмента: потребители в Ростов-на-Дону и Ростовской области, потребители в Воронежской области и потребители в Волгоградской области. Однако рассматривать отдельно сегменты по каждому городу не имеет смысла, так как в рассматриваемых районах живут люди с одинаковым уровнем доходов, да и цены на квас не чуть не выше конкурентов, а иногда даже и ниже. Поэтому сегменты рассмотрим для всех районов одинаковые. Итак, дифференцируем сегменты по каждому виду товаров:

1. Первый вид товара – это, конечно же, натуральный квас. Этого вида товаров выпускается довольно большое количество, рассчитанное на все возрасты и вкусы потребителей.

2. Второй вид товара – это квасной сбитень.

Рассмотрим оценку конкурентоспособности ООО «ПИКРА». Оценки проставлялись в каждом из столбцов таблицы, а затем суммируются. Из приведенной таблицы видно, что наиболее сильным конкурентом будет выступать ООО «ПИКРА».

Таблица 3

Краткая характеристика конкурентов

Конкурирующая фирма	Доля рынка, которым она владеет (%	Предполагаемый объем продаж (в год)
ЗАО «Воронеж квас»	35	265,6 млн. руб.
ОАО «квас - Волгоградский»	29	189 млн.руб.
ООО «ПИКРА»	36	292,1 млн. руб.

1. ЗАО «Воронеж квас» объём продаж – 115,5 млн. руб.:

доля рынка = 115,5/(100+223)*100% ~ 35%;

2. ОАО «квас - Волгоградский» объём продаж – 100 млн. руб.:

доля рынка = 100/(115,5+223)*100% ~ 29%;

3. ООО «ПИКРА» объём продаж – 223 млн. руб.:

доля рынка = 223/(115,5+100)*100% ~ 36%.

Судя по анализируемым факторам конкурирующих фирм можно сказать, что предприятие ООО «ПИКРА» обладает большим потенциалом на рынке. То же самое можно сказать и о конкурентах. Необходимо не расслабляться, уделить внимание слабым сторонам, продолжить стимулирование продаж. А слабые стороны есть, хоть их и не видно в таблице. Ими могут стать и непредвиденные ситуации, зависимость предприятия от внешней среды.

3.3. Прогнозирование спроса на продукцию ООО «ПИКРА»

Часто специалист располагает только статистическими данными, характеризующими динамику (изменение) спроса за определённый период. В таком случае прогноз рассчитывают путем экстраполяции, то есть «продолжения» динамического ряда. Продукция ООО «ПИКРА» разделена на 2 вида товара: квас и сбитень. Спрогнозируем спрос, на каждый вид товара, применяя экстраполяцию.

Таблица 4

Динамический ряд реализованного спроса на квас ООО «ПИКРА»

Годы	2011	2012	2013	2014	2015	2016	2017	2018
Объём продаж, млн. руб	70	75,3	77,8	79	85,5	94,7	98,3	101,2

Таблица 5

Динамический ряд реализованного спроса на сбитень ООО «ПИКРА»

Годы	2011	2012	2013	2014	2015	2016	2017	2018
Объём продаж, млн. руб	37,1	38,4	39,7	41,5	43	45,1	47,9	51,8

Используя метод экстраполяции для прогноза спроса, квасные напитки ООО «ПИКРА» определяем величину достоверности аппроксимации и прогнозную функцию для каждого показателя, строятся математические модели тренда. Полученные модели тренда описывают изменения динамического ряда с разной точностью. Из них выбирается та модель, которая с большей точностью описывает динамику изменения временного ряда.

Далее, для прогноза спроса, подставляют полученные уравнения вместо значения Х прогнозируемый год. В нашем случае ретроспективный ряд составляет 8 лет (2011-2018), следовательно, значение Х для 2019 года равняется 9, для 2020 года – 10, а для 2021 года – 11.

Прогноз спроса на квасные напитки ООО «ПИКРА» с определенной достоверностью представлен в таблицах 6-7.

Таблица 6

Прогноз спроса на квас на 2019-2021 годы

Годы	2019	2020	2021
Объём продаж, млн. руб.	109,1	115,6	122,5

Таблица 7

Прогноз спроса на сбитень на 2019-2021 годы

Годы	2019	2020	2021
Объём продаж, млн. руб.	54,9	58,8	63,1

В аналитических исследованиях часто изучаются связи между случайными и неслучайными величинами. Такие связи называются регрессионными, а метод их изучения – регрессионным анализом. Спрос формируется под влиянием сложной системы факторов. Модели спроса на базе материалов статистики строятся в виде некоторого уравнения, в котором в качестве функции выступают показатели спроса, а в качестве независимых переменных величин – определяющие спрос факторы, т.е. следует определить функцию Y=f(X1,X2,..,Xn), отражающая в среднем зависимость, по которой, зная значения независимых факторов Хi, можно найти приближенное значение Y.

Независимыми факторами для прогнозирования спроса на квасные напитки ООО «ПИКРА» будут являться:

1) доход населения (X1) в расчёте на 100 человек;

2) средние потребительские цены (X2) на 1литр квасных напитков;

3) численность населения (X3) Курской области (тыс.чел.);

4) валовой сбор зерна (X4).

С помощью экстраполяции временных рядов спрогнозируем независимые факторы. В таблице 8 представлены временные ряды факторов спроса на квасные напитки в Ростовской области.

Таблица 8

Временные ряды факторов спроса на квасные напитки

Годы	Х1	Х2	Х3	Х4
2011	10073,2	4,73	1327,51	1206
2012	16117,2	9,75	1315,67	1176
2013	22397,1	11,28	1278,15	1401
2014	29873,3	12,79	1266,47	1573
2015	40147,9	13,02	1248,59	1957
2016	49471,2	20,68	1231,097	1346
2017	61301	21,9	1214,46	1599
2018	74240,9	21,87	1199,12	1428

Прогнозные значения факторов спроса на квасные напитки в Ростовской области представлены в таблице 9.

Таблица 9

Прогнозные значения факторов спроса

фактор	Функция	R²	Прогнозные значения 2019 2020 2021
Х1	у = 523,25х²+4250,2х+5234,2	0,9995	85869,25	100061,2	115229,65
Х2	у=-0,0421х²+2,8693х+2,6654	0,9285	25,079	27,1484	29,1336
Х3	у = – 186,16х+13439	0,9853	11763,56	11577,4	11391,24
Х4	у=6,7588х²-246,99х+13540	0,9905	11864,553	11745,98	11640,924

Для прогнозирования спроса на квасные напитки необходимы данные об объёме продаж на ООО «ПИКРА».

Таблица 10

Объём продаж на ООО «ПИКРА»

Годы	Объём продаж, млн. руб.
2011	157,1
2012	165,3
2013	171,9
2014	189,3
2015	203,3
2016	216
2017	226,9
2018	236,6

С помощью регрессионного анализа можно определить и исключить статистически незначимые факторы спроса.

В общей форме уравнение регрессии имеет вид:

y =a0 + b1*X1 + b2*X2 +... bi * Xi

где Xi – обозначение фактора;

m – общее число факторов;

a0 – постоянный член уравнения;

bi – коэффициент регрессии при факторе.

Для получения уравнения регрессии будем использовать информацию таблицы 11, и формулу:

Таблица 11

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение	143,2245093	4,722361	30,329	7,3107	131,0852939	155,3637	131,0853	155,3637247
Переменная X 1	0,001168325	0,00024	4,86457	0,004615	0,000550948	0,001786	0,000551	0,001785703

Y = 143,2245 + 0,001168Х1

Осуществим прогноз спроса, на квасные напитки, используя прогнозные оценки (таблица 8):

Y2013 = 143,2245 + 0,001168 × 85869,25 = 243,298;

Y2014 = 143,2245 + 0,001168 × 100061,2 = 260,093;

Y2015 = 143,2245 + 0,001168 × 115229,65 = 277,781.

На основе полученных результатов можно сделать вывод, что спрос на квасные напитки ООО «Квас-Дон» в 2019-2021 г.г. будет расти, планируется, что к 2021 году он достигнет 277,781 млн. руб.

ЗАКЛЮЧЕНИЕ

Прогнозирование является одной из основных частей процесса управления. Если мы не сможем представить себе ожидаемый ход событий, то есть не сможем спрогнозировать это событие, то не сможем эффективно принимать управленческие решения и оптимизировать работу предприятия.

В современных условиях функционирования рыночной экономики невозможно успешно управлять коммерческой фирмой, не имея эффективного прогнозирования ее деятельности. От того, насколько прогнозирование будет точным и своевременным, а также насколько отвечающим поставленным задачам, будет зависеть, в конечном счете, прибыль, получаемая предприятием.

Для того чтобы эффект прогноза был максимально полезным, необходимо создать так называемые прогнозные отделы на средних и крупных предприятиях (для малых предприятий создание этих отделов будет нерентабельным).

Что касается самих прогнозов, то они должны быть реалистичными, то есть их вероятность должна быть достаточно высокой и соответствовать ресурсам предприятия.

Для повышения качества прогноза необходимо повысить качество информации, необходимой при его разработке. Эта информация, прежде всего, должна обладать такими свойствами, как достоверность, полнота, своевременность и точность.

Поскольку прогнозирование является отдельной наукой, целесообразно (насколько это возможно) использовать несколько методов прогнозирования при решении той или иной задачи. Это позволит повысить качество прогноза и позволит выявить «подводные камни», которые могут остаться незамеченными при использовании только одного метода.

Также необходимо соотнести полученный прогноз с прецедентами в решении данной задачи, если таковые имели место при аналогичных условиях функционирования аналогичной организации (конкурента). И с определенной корректировкой, в соответствии с этим прецедентом, принимать решения.

В данной курсовой работе разработан прогноз спроса ООО «ПИКРА».

На основе проведённого исследования курсовая работа подводит к следующим выводам:

1. ООО «ПИКРА» развивается весьма успешно, у предприятия есть финансовая база для развития и грамотные специалисты, занимающиеся его развитием. Сегодня это две основные характеристики успеха.

2. Прогноз, показывает, что спрос на квасные напитки ООО «ПИКРА» в 2019-2021 г.г. будет расти, так как растет объём продаж (реализованный спрос). Планируется, что к 2021 году он достигнет 294,941 млн. руб.

БИБЛИОГРАФИЯ

Лукасевич, И.Я. Прогнозирование финансовых кризисов: методы, модели, индикаторы [Электронный ресурс] / И.Я. Лукасевич, Е.А. Федорова. – М.: Инфра-М; Вузовский Учебник, 2015. – 151 с.

Макроэкономическое планирование и прогнозирование: Учебно-методическое пособие / Почекутова Е.Н., Клундук К.А., Феденко А.П. – Краснояр.: СФУ, 2016. – 110 с.

Модели финансового рынка и прогнозирование в финансовой сфере: Учебное пособие / А.И. Новиков. – М.: НИЦ ИНФРА-М, 2014. – 256 с.

Прогнозирование и планирование в условиях рынка: учеб. пособие / Т.Н. Бабич, И.А. Козьева, Ю.В. Вертакова, Э.Н. Кузьбожев. – М.: ИНФРА-М, 2018. – 336 с.

Прогнозирование и планирование в условиях рынка: Учебное пособие / Л.Е. Басовский. – М.: НИЦ ИНФРА-М, 2019. – 260 с.

Прогнозирование и планирование: Учебно-методическое пособие / Почекутова Е.Н., Феденко А.П. – Краснояр.: СФУ, 2016. – 126 с.

Социально-экономическое прогнозирование: Учебное пособие / Герасимов А.Н., Громов Е.И., Скрипниченко Ю.С. – М.:СтГАУ – «Агрус», 2017. – 144 с.

1. Прогнозирование и планирование: Учебно-методическое пособие / Почекутова Е.Н., Феденко А.П. – Краснояр.: СФУ, 2016. – 126 с. ↑

2. Прогнозирование и планирование в условиях рынка: учеб. пособие / Т.Н. Бабич, И.А. Козьева, Ю.В. Вертакова, Э.Н. Кузьбожев. – М.: ИНФРА-М, 2018. – 336 с. ↑

3. Прогнозирование и планирование в условиях рынка: учеб. пособие / Т.Н. Бабич, И.А. Козьева, Ю.В. Вертакова, Э.Н. Кузьбожев. – М.: ИНФРА-М, 2018. – 336 с. ↑

4. Прогнозирование и планирование в условиях рынка: учеб. пособие / Т.Н. Бабич, И.А. Козьева, Ю.В. Вертакова, Э.Н. Кузьбожев. – М.: ИНФРА-М, 2018. – 336 с. ↑

5. Прогнозирование и планирование в условиях рынка: Учебное пособие / Л.Е. Басовский. – М.: НИЦ ИНФРА-М, 2019. – 260 с. ↑

6. Прогнозирование и планирование в условиях рынка: Учебное пособие / Л.Е. Басовский. – М.: НИЦ ИНФРА-М, 2019. – 260 с. ↑

7. Лукасевич, И.Я. Прогнозирование финансовых кризисов: методы, модели, индикаторы [Электронный ресурс] / И.Я. Лукасевич, Е.А. Федорова. – М.: Инфра-М; Вузовский Учебник, 2015. – 151 с. ↑

8. Лукасевич, И.Я. Прогнозирование финансовых кризисов: методы, модели, индикаторы [Электронный ресурс] / И.Я. Лукасевич, Е.А. Федорова. – М.: Инфра-М; Вузовский Учебник, 2015. – 151 с. ↑

9. Макроэкономическое планирование и прогнозирование: Учебно-методическое пособие / Почекутова Е.Н., Клундук К.А., Феденко А.П. – Краснояр.: СФУ, 2016. – 110 с. ↑

10. Макроэкономическое планирование и прогнозирование: Учебно-методическое пособие / Почекутова Е.Н., Клундук К.А., Феденко А.П. – Краснояр.: СФУ, 2016. – 110 с. ↑

11. Модели финансового рынка и прогнозирование в финансовой сфере: Учебное пособие / А.И. Новиков. – М.: НИЦ ИНФРА-М, 2014. – 256 с. ↑

12. Модели финансового рынка и прогнозирование в финансовой сфере: Учебное пособие / А.И. Новиков. – М.: НИЦ ИНФРА-М, 2014. – 256 с. ↑