19-12-2012_21-41-11 / Тема 5

Тема 5. Специфика организации прогнозирования в сфере сервиса.

Вопросы:

1. Особенности применения методов прогнозирования в сфере сервиса.

2. Прогнозирование спроса на услуги как основа развития прогнозирования в сфере сервиса.

1. Особенности применения методов прогнозирования в сфере сервиса.

Проблемы прогнозирования в сфере сервиса вследствие быст­рых, порой плохо предсказуемых изменений внешней среды за по­следнее десятилетие стали особенно сложными. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специа­листы были вынуждены заговорить о тщетности прогнозирования. На самом деле прогнозирование — это обязанность, которую в яв­ной или неявной форме неизбежно должны выполнять все предпри­ятия сферы сервиса.

Помимо получения возможных будущих оценок тех или иных исследуемых параметров, целью прогнозирования также является побуждение к размышлению о том, что может произойти во внеш­ней среде и к каким последствиям для предприятия сферы сервиса это приведет. Прогнозирование повышает бдительность менедже­ров и, следовательно, их способность реагировать на изменения. Этот эффект достигается даже тогда, когда план не выполнен в свя­зи с тем, что некоторые гипотезы, положенные в основу прогнозно­го сценария, не материализовались.

Методы прогнозирования можно классифицировать на эвристи­ческие, при применении которых преобладают субъективные нача­ла, и на экономико-математические, при применении которых пре­обладают объективные начала.

Эвристические методы предполагают, что подходы, используе­мые для формирования прогноза, не изложены в явной форме и не­отделимы от лица, делающего прогноз, при разработке которого доминируют интуиция, прежний опыт, творчество и воображение. К данной категории методов относятся методы социологических исследований и экспертные методы, где опрашиваемые, давая свои оценки, могут основывать свои суждения, как на голой интуиции, так и используя определенные причинно-следственные связи, дан­ные статистики и расчетов.

Так, при прогнозировании спроса изучаются предпочтения по­требителей; в качестве экспертов может рассматриваться торговый персонал, обслуживающий определенные территории, дилеры, дистрибьюторы, консультанты по маркетингу и т.д.

При использовании экономико-математических методов подхо­ды к прогнозированию четко сформулированы и могут быть вос­произведены другими лицами, которые неизбежно придут к полу­чению такого же прогноза.

Если при применении экспертных методов структура причинно-следственных связей, используемая разными экспертами, может быть различной, то при использовании экономико-математических методов структура моделей устанавливается и проверяется экспе­риментально, в условиях, поддающихся объективному наблюдению и измерению.

Определение системы факторов и причинно-следственной (ка­зуальной) структуры исследуемого явления — исходная точка экономико-математического моделирования. Каждый из рассмотрен­ных возможных методов прогнозирования обладает определенными достоинствами и недостатками. Применение экономико-математи­ческих методов более эффективно в краткосрочном прогнозирова­нии. Они сильно упрощают реальные процессы, чтобы можно было рассчитывать на получение с их помощью результатов, выходящих за рамки представлений сегодняшнего дня. Практически невозмож­но отразить в моделях долгосрочного прогнозирования структур­ные сдвиги, постоянно происходящие в изменяющемся мире.

Методы экстраполяции тенденций являются самыми распро­страненными и наиболее разработанными среди всей совокупности методов прогнозирования. Использование экстраполяции в прогно­зировании имеет в своей основе предположение о том, что рассмат­риваемый процесс изменения переменной представляет собой соче­тание двух составляющих — регулярной и случайной.

Экстраполяционные методы прогнозирования основной упор делают на выделение наилучшего в некотором смысле описания тренда и на определение прогнозных значений путем его экстрапо­ляции. Методы экстраполяции во многом пересекаются с методами прогнозирования по регрессионным моделям. Тем не менее, сама по себе прогнозная экстраполяция имеет ряд специфических черт и приемов, позволяющих причислять ее к некоторому самостоятельному виду методов прогнозирования.

Специфическими чертами прогнозной экстраполяции можно на­звать методы предварительной обработки числового ряда с целью преобразования его к виду, удобному для прогнозирования, а также анализ логики и физики прогнозируемого процесса, оказывающий существенное влияние как на выбор вида экстраполирующей функ­ции, так и на определение границ изменения ее параметров.

Предварительная обработка исходного числового ряда направ­лена на решение следующих задач (всех или части из них): снизить влияние случайной составляющей в исходном числовом ряду, т.е. приблизить его к тренду; представить информацию, содержащуюся в числовом ряду, в таком виде, чтобы существенно снизить труд­ность математического описания тренда. Основными методами ре­шения этих задач являются процедуры сглаживания и выравнива­ния статистического ряда.

Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой предполагае­мого тренда процесса. Наиболее распространен способ осреднения уровня по некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем обычно на­зывается скользящая средняя. В самом простом варианте сглажи­вающая функция линейна и сглаживающая группа состоит из пре­дыдущей и последующей точек, в более сложных — функция нели­нейна и использует группу произвольного числа точек.

Сглаживание производится с помощью многочленов, прибли­жающих по методу наименьших квадратов группы опытных точек.

Наиболее распространенной формой сглаживания является ли­нейное, т.е. с использованием многочлена первой степени.

Наиболее общими приемами выравнивания являются логариф­мирование и замена переменных.

По степени комплексности статистические исследования можно разделить на двумерные и многомерные. Первые касаются рассмот­рения парных взаимосвязей между переменными и направлены в прогнозных исследованиях на ре­шение таких задач, как установление количественной меры тесноты между двумя случайными величинами, установление близости этой связи к линейной, оценки достоверности и точности прогнозов. Многомерные методы статистического анализа направлены в основном на решение задачи системного анализа многомерных стохастических объектов прогнозирования. Целью такого анализа является, как правило, выяснение внутренних взаимосвязей между переменными комплекса, построение многомерных функций связи переменных, выделение минимального числа характеристик, описывающих объект с достаточной степенью точности. Одной из основных задач здесь является сокращение размерности описания объекта прогнозирования.

Таким образом, статистические методы используются в основном для подготовки данных, приведения их к виду, пригодному для производства прогноза. Как правило, после их применения используется один из методов экстраполяции или интерполяции для получения непосредственно прогнозного результата.

Методы экспертных оценок в прогнозировании и перспективном планировании применяются в следующих случаях:

— в условиях отсутствия достаточно представительной и достоверной статистики характеристики объекта (например, рациональное использование водных ресурсов на предприятиях);

— в условиях большой неопределенности среды функциониро­вания объекта;

— при средне- и долгосрочном прогнозировании объектов но­вых отраслей промышленности, подверженных сильному влиянию новых открытий в фундаментальных науках;

— в условиях дефицита времени или экстремальных ситуациях.

Перечислим некоторые требования, которым должен удовлетворять эксперт:

1) оценки эксперта должны быть стабильны во времени;

2) наличие дополнительной информации о прогнозируемых при­знаках лишь улучшает оценку эксперта;

3) эксперт должен быть признанным специалистом в данной об­ласти знаний;

4) эксперт должен обладать некоторым опытом успешных про­гнозов в данной области знаний.

Характеризуя экспертов, следует иметь в виду, что в результате: оценок могут иметь место ошибки двух видов. Ошибки первого вида известны в технике измерений как систематические, ошибки второго вида — как случайные.

Организация форм работы эксперта может быть программированной или непрограммированной, а деятельность эксперта может осуществляться в устной (интервью) либо в письменной форме (ответ на вопросы специальных таблиц экспертных оценок или сводное изложение по заданной теме). Программирование формы работы эксперта предполагает:

— построение граф-модели объекта на базе ретроспективного анализа;

— определение структуры таблиц экспертных оценок или программы интервью на базе граф-модели объекта и целей экспертизы;

— определение типа и формы вопросов в таблице экспертных оценок или в интервью;

— определение типа шкалы для вопросов в таблице экспертных оценок;

— учет психологических особенностей экспертизы при определении последовательности вопросов в таблице экспертных оценок;

— разработка логических приемов для последующего синтеза прогнозных оценок в комплексных прогнозах объекта.

Метод «Дельфи» относится к классу методов групповых экс­пертных оценок. Он был разработан и применен в США впервые в 1964г. сотрудниками научно-исследовательской корпорации РЭНД О. Хелмером и Т. Гордоном.

Сущность метода «Дельфи» состоит в последовательном анке­тировании мнений экспертов различных областей науки и техники и формировании массива информации, отражающего индивидуаль­ные оценки экспертов, основанные как на строго логическом анали­зе, так и на интуитивном опыте. Данный метод предполагает ис­пользование серии анкет, в каждой из которых содержатся информация и мнения, полученные из предыдущей анкеты.

С помощью метода «Дельфи» выявляется преобладающее суждение специалистов по какому-либо вопросу в обстановке, исключающей их прямые дебаты между собой, но позволяющей им вместе с тем периодически взвешивать свои суждения учетом ответов и доводов коллег.

Метод сценариев — это хорошее средство для организации взаи­модействия количественного и качественного подходов, для интегрирования. Прежде всего, он заостряет внимание предприятия на неопределенности, которая характеризует любую рыночную си­туацию: управление в турбулентной среде подразумевает способ­ность предвидеть эволюцию этой среды.

1. Метод сценариев облегчает интеграцию данных, полученных разными методами, качественными или количественными.

2. Реализация этого метода вносит в управление дополнитель­ную гибкость и способствует разработке альтернативных планов и системы быстрого реагирования на изменения внешней среды.

2. Прогнозирование спроса на услуги как основа развития прогнозирования в сфере сервиса.

В методологически правильной постановке прогнозирование спроса — это искусство оценки будущего спроса при предположе­нии об определенном поведении покупателей в заданных условиях. Прогнозирование спроса в данном случае должно осуществляется в три этапа. Вначале разрабатывается прогноз внешней среды, за­тем — прогноз развития данной отрасли, наконец, разрабатывается прогноз величины спроса на товары конкретного предприятия. Такие комплексные, тем более аналитические модели разработать и реализовать чрезвычайно сложно, поэтому на практике получили применение более простые статистические модели. Обычно в этом случае речь идет о прогнозировании на основе статистических данных по объему продаж для конкретного предприятия или конкретного рынка величины текущего рыночного спроса на определенный товар.

Простейшими методами прогнозирования спроса на основе статистической маркетинговой информации являются экстраполяционные методы, основанные на анализе временных рядов. Анализ временных рядов применительно к прогнозированию величины спроса представляет собой разбиение данных об объеме продаж в прошлом на компоненты, характеризующие тренды, циклы, сезонные и случайные изменения, выявление причин изменения спроса в прошлом с последующим переносом полученных закономерностей на будущее.