3.3. Изыскательское прогнозирование.

Одним из основных методов, используемых в изыскательском прогнозировании, является экстраполяция временных рядов - статистических данных об интересующем нас объекте.

В основе экстраполяционных методов предположение о том, что закон роста, имевший место в прошлом, сохранится и в будущем.

При этом, естественно, должны быть сделаны соответствующие поправки с учетом возможного эффекта насыщения и стадий жизненного цикла объекта.

К числу кривых достаточно адекватно отражающих изменения прогнозируемых параметров в ряде распространенных ситуаций является экспонента, т.е. функция вида:

y = ае ^bt

где t - время, а и b - параметры экспоненциальной кривой.

При экстраполяции используются регрессионные и феноменологические модели.

Регрессионные модели строятся на базе сложившихся закономерностей развития событий с использованием специальных методов подбора вида экстраполирующей функции и определения значений ее параметров.

В частности, для определения параметров экстраполирующей функции может быть использован метод наименьших квадратов.

Предполагая использование той или иной модели экстраполирования, того или иного закона распределения можно определить доверительные интервалы, характеризующие надежность прогнозных оценок.

Регрессионные модели обладают и определенными недостатками.

В частности, есть проблемы с корректным определением периода прогнозирования, с определением вида экстраполяционной кривой, а, самое главное, далеко не всегда в будущем сохраняются закономерности, имевшие место в прошлом.

Феноменологические модели строятся исходя из условий максимального приближения к тренду процесса с учетом его особенностей и ограничений и принятыми гипотезами о его будущем развитии.

При многофакторном прогнозе в феноменологических моделях можно присваивать большие коэффициенты весомости факторам, которые в прошлом оказывали большее влияние на развитие событий в прошлом.

3.4. Нормативное прогнозирование.

В нормативном прогнозировании характерным является подход к разработке прогноза, исходя из целей и задач, которые ставит перед собой организация в прогнозируемом периоде.

К числу методов, используемых в нормативном прогнозировании, относится метод горизонтальных матриц решений, когда производится определение первоочередности выполнения предлагаемых для достижения поставленных целей объектов.

Обычно используются двумерные или трехмерные матрицы. Наиболее часто горизонтальные матрицы решений используются для определения оптимального распределения ресурсов при заданных ограничениях. При этом в качестве ресурсов могут выступать денежные средства, рабочая сила, ее качество и квалификация, оборудование, энергетические ресурсы и т.д.

В частности, одно измерение горизонтальной матрицы решений может соответствовать основным проблемам, возникающим при достижении цели, второе измерение - ресурсам, которые могут потребоваться для решения этих проблем.

Согласованные матрицы более низких иерархических уровней проблем объединяются в матрицы более высоких уровней вплоть до главных матриц для стратегических проблем организации.

В трехмерной горизонтальной матрице решений одно измерение, например, может соответствовать коммерческим миссиям (областям сбыта), второе - ресурсам, третье - времени. Ресурсы, в свою очередь, могут подразделяться на финансовые, коммерческие ресурсы сбыта, производства, оборудования и т.д.

Вертикальные матрицы решений предназначены для отслеживания вертикального перемещения технологий.

Вертикальная матрица решений для внутрифирменного планирования по рекомендациям Стэндфордского института может выглядеть, например, следующим образом (см. рис. 3.4.).

Стадия исследований и разработок	Продукт	Заказчик	Ресурсы
Открытие
Создать
Воплотить
Разработать

Рис. 3.4. Матрица решений для внутрифирменного планирования.

Для более рационального выбора проектов для реализации могут быть использованы методы исследования операций такие, как:

• линейное программирование, позволяющее сформулировать оптимизационную задачу в виде линейных ограничений (неравенств или равенств) и линейной целевой функции;

• динамическое программирование, рассчитанное на решение многоступенчатых оптимизационных задач;

• целочисленное программирование, позволяющее решать оптимизационные задачи, в том числе задачи оптимального распределения ресурсов, при дискретных (целочисленных) значениях переменных и др.

В инструментарий нормативного прогнозирования входят методы построения деревьев целей, может быть использован также метод ожидаемой ценности (см. рис. 3.5.).

Ценность проекта А = 0,6 * 8 + 0,4 * 5 = 6,8

Ценность проекта В = 0,6 * 4 + 0,4 * 7 = 5,2

Ценность проекта С = 0,6 * 6 + 0,4 * 6 = 6,0

В этом случае каждой из рассматриваемых целей приписываются количественные весовые коэффициенты, а для каждого проекта оценивается вклад в достижение каждой из целей, если он не нулевой. Степень вклада впоследствии умножается на весовой коэффициент цели.

Наименование проектов	Вес цели
	Обеспечение качества продукции	Обеспечение ритмичности производства
	0,6	0,4
Проект А (вклад в цель) Проект В ( вклад в цель) Проект С ( вклад в цель)	8 4 6	5 7 6

Рис. 3.5. Модель ожидаемой ценности проекта.