Прогнозы служат инструментами поддержки принятия решений, которые позволяют лидерам планировать будущее, выполняя анализ «что, если», чтобы определить, как изменения входных данных влияют на результаты. Например, прогнозы помогают бизнесу определить соответствующие ответы на изменения уровня спроса, снижение цен в результате конкуренции, экономические взлеты и падения и многое другое. Чтобы получить максимальную выгоду от прогнозов, руководители должны понимать более мелкие детали различных типов методов прогнозирования, понимать, что конкретный тип метода прогнозирования может и не может делать, и знать, какой тип прогноза лучше всего подходит для конкретной потребности.
Наивные методы прогнозирования
Наивные методы прогнозирования основывают прогноз на будущий период на данных, записанных за прошедший период. Например, наивный прогноз может быть равен фактическим показателям за предыдущий период или среднему значению фактических значений для определенных предыдущих периодов. Наивное прогнозирование не вносит поправок в прошлые периоды для сезонных колебаний или циклических трендов, чтобы наилучшим образом оценить прогноз на будущий период. Пользователь любого наивного метода прогнозирования не имеет отношения к причинным факторам, тем факторам, которые приводят к изменению фактических данных. По этой причине метод наивного прогнозирования обычно используется для создания прогноза для проверки результатов более сложных методов прогнозирования.
Методы качественного и количественного прогнозирования
В то время как личные мнения являются основой качественных методов прогнозирования, количественные методы полагаются на прошлые числовые данные для прогнозирования будущего. Метод Дельфи, обоснованные мнения и историческая аналогия жизненного цикла являются качественными методами прогнозирования. В свою очередь, простое экспоненциальное сглаживание, мультипликативные сезонные индексы, простые и взвешенные скользящие средние являются методами количественного прогнозирования.
Методы случайного прогнозирования
Регрессионный анализ и авторегрессионное скользящее среднее с экзогенными входными данными являются причинно-следственными методами прогнозирования, которые прогнозируют переменную с использованием основных факторов. Эти методы предполагают, что математическая функция, использующая известные текущие переменные, может использоваться для прогнозирования будущего значения переменной. Например, используя коэффициент продажи билетов, вы можете предсказать переменную продажу фигурок, связанных с фильмами, или вы можете использовать коэффициент количества футбольных игр, выигранных университетской командой, для прогнозирования переменной продажи товаров, связанных с командой.
Методы объективного прогнозирования
Метод Дельфи, построение сценариев, статистические обследования и составные прогнозы - это методы прогнозного суждения, основанные на интуиции и субъективных оценках. Методы дают прогноз на основе совокупности мнений, сделанных менеджерами и группами экспертов или представленных в опросе.
Методы прогнозирования временных рядов
Методы прогнозирования временных рядов, такие как экспоненциальное сглаживание, скользящее среднее и анализ трендов, используют исторические данные для оценки будущих результатов. Временной ряд - это группа данных, которые записываются за определенный период, например, объем продаж компании за квартал с 2000 года или годовой объем производства Coca Cola с 1975 года. Поскольку прошлые модели часто повторяются в будущем, вы можете использовать время Серии, чтобы сделать долгосрочный прогноз на 5, 10 или 20 лет. Долгосрочные прогнозы используются для ряда целей, например, для того, чтобы отделы закупок, производства, продаж и финансов компании могли планировать новые заводы, новые продукты или новые производственные линии.
