Как составить прогноз влияния

В данной статье представлен краткий обзор методов прогнозирования. Здесь даны общие определения и дан набор общепринятых методов для построения прогнозных моделей.

Введение в прогнозирование

Моделирование

Модель – это упрощенный образ объекта из реальной жизни, в котором отражаются его наиболее важные характеристики, с точки зрения исследования.

Что такое прогнозирование?

Прогнозирование — это предвидение (предсказание), которое предполагает состояние или описание возможных или желательных аспектов, состояний, решений, проблем будущего.

Прогноз — это результат процесса прогнозирования, выраженный в словесной, математической, графической или другой форме суждения о возможном состоянии объекта и его среды в будущий период времени.
Метод – это сложный прием, упорядоченная совокупность простых приемов, направленных на разработку прогноза в целом; путь, способ достижения цели, исходящий из знания наиболее общих закономерностей.
Методика – определенное сочетание приемов (способов) выполнения прогностических операций, получение и обработка информации о будущем на основе однородных методов разработки прогноза.
Методология прогнозирования – область знания о методах, способах, системах прогнозирования.
Система прогнозирования – это упорядоченная совокупность методик, технических средств, предназначенная для прогнозирования сложных явлений или процессов.

Одна из классификаций методов прогнозирования

Формализованные методы:

• Метод эстраполяции трендов;
• Методы корреляционного и регрессионного анализов;
• Методы математического моделирования.

Экспертные методы прогнозирования:
1. Индивидуальные методы

• Метод составления сценариев;
• Метод «интервью»;
• Метод аналитических докладных записок.

2. Коллективные методы

• Метод анкетных опросов;
• Метод «комиссий»;
• Метод «мозговых атак»;
• Метод «Дельфи».

Экспертиза: анкетирование, интервьюирование, метод мозговой атаки (штурма), метод контрольных вопросов, метод аналитических докладных записок, метод лицом к лицу, метод ситуационного анализа, метод суда, метод «комиссий» («круглого стола»), «дельфийская техника» (метод «Дельфи»)
Фактографические методы: экстраполяция, трендовая модель, тренд-анализ, интерполяция, моделирование, математическое моделирование, сценарии, «прогнозы до абсурда» и пр.
Статистические методы: корреляционный анализ, регрессионный анализ, факторный анализ, распознавание образов, вариационное исчисление, спектральный анализ, цепи Маркова, алгебра логики, теория игр и др.

Прогнозирование продаж

1. Определение тренда (тенденции роста/падения)
2. Оценка влияния стратегии компании на развитие тренда
3. Применение коэффициентов сезонности
4. Построение прогноза продаж
Экстраполяция динамических рядов предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в будущем.
Тренд (тенденция) — это долговременная тенденция изменения исследуемого временного ряда.
Временной ряд – это числовые значения определенного статистического показателя в последовательные моменты или периоды времени.
Коэффициент сезонности — это величина, на которую увеличиваются / уменьшаются продажи по сравнению со средними в определенный период времени.

Экономические циклы

Регрессионный анализ

Регрессионный анализ — статистический метод исследования влияния одной или нескольких независимых переменных X1,X2,…,Xp на зависимую переменную Y. Уравнение линейной регрессии Yх = a+b*X, где а и b оцененные коэффициенты регрессии.
Регрессия — функция, позволяющая по средней величине одного признака определить среднюю величину другого признака, корреляционно связанного с первым.

Обзор категорий методов прогнозирования

Прогнозирование — это процесс построение предсказания будущего на основе исторических данных, текущих данных (текущей ситуации) и на основе анализа трендов. Риск и неопределенность являются центральными факторами для прогнозирования, поэтому в соответствии с лучшими практиками, необходимо указывать степень неопределенности по отношению к прогнозам.
Корректный подход к оценке метода прогнозирования включает несколько этапов. Следует выделить пять важных этапов:

• тщательное изучение природы исследуемого объекта или процесса для выбора адекватного метода прогнозирования;
• выделение двух групп среди доступных данных – для разработки прогнозов и для проверки полученных результатов;
• уточнение исходных данных с целью обнаружения ошибок;
• разработка прогнозов и оценка достоверности полученных результатов;
• использование (интерпретация) полученных результатов и выполнение, при необходимости, уточнения и дополнения прогнозов.

Категории методов прогнозирования

Качественные методы в сравнении с количественными методами

Качественные методы прогнозирования — субъективны, основаны на мнении и суждении потребителей, экспертов. Качественные методы подходят тогда, когда отсутствуют исторические данные. Данные методы применяются, как правило, для среднесрочных и долгосрочных решений. Примерами качественных методов прогнозирования являются исследование рынка, метод Делфи, историческая аналогия жизненного цикла и т.д.
Количественные модели прогнозирования используются для прогнозирования будущих данных в виде функции от исторических данных. Они подходят для использования, когда исторические числовые данные доступны и когда ожидается сохранение динамики данных в будущем. Эти методы, как правило, применяются для краткосрочного и среднесрочного прогнозирования. Примерами количественных методов прогнозирования являются: скользящие средние, экспоненциальное сглаживание, мультипликативные сезонные индексы и т.д.

Метод средних

В данном подходе прогнозирования, все будущие значения принимаются равными средним значениям исторических данных. Этот подход может быть использован для любых исторических данных.
Метод усреднения позволяет разработать прогноз, основываясь на среднем значении прошлых наблюдений.

«Наивный» подход

Наивный метод основан на предположении, что будущее лучше всего характеризуется последними изменениями. Метод основывается на предположении о том, что прогнозируемые показатели в будущем периоде равно показателям предшествующего периода. Наивный прогноз позволяет работать при отсутствии исторических данных. Наивный прогноз понятен, прост в подготовке, быстр в реализации, не требует, фактически, никаких затрат. Основным недостатком наивного прогнозирования является вероятная низкая точность прогноза.

Метод скользящих средних

Метод скользящих средних является одним из широко известных методов сглаживания временных рядов. Применяя этот метод, можно элиминировать случайные колебания и получить значения, соответствующие влиянию главных факторов.
Сглаживание с помощью скользящих средних основано на том, что в средних величинах взаимно погашаются случайные отклонения. Это происходит вследствие замены первоначальных уровней временного ряда средней арифметической величиной внутри выбранного интервала времени. Полученное значение относится к середине выбранного интервала времени (периода).
Затем период сдвигается на одно наблюдение, и расчет средней повторяется. При этом периоды определения средней берутся все время одинаковыми. Таким образом, в каждом рассматриваемом случае средняя центрирована, т.е. отнесена к серединной точке интервала сглаживания и представляет собой уровень для этой точки.
При сглаживании временного ряда скользящими средними в расчетах участвуют все уровни ряда. Чем шире интервал сглаживания, тем более плавным получается тренд. Сглаженный ряд короче первоначального на (n–1) наблюдений, где n – величина интервала сглаживания.

Сезонный “наивный” подход

Сезонный наивный метод прогнозирования приравнивает каждый прогнозируемый период равным соответствующему сезону в исторических данных. Например, прогнозируемые величины в апреле будут равны историческим данным за апрель предыдущего года. Данный метод применяется тогда, когда исторические данные характеризуются высоким уровнем сезонности.

Методы временных рядов

Методы временных рядов используют исторические данные в качестве основы для оценки будущих результатов.

• Moving average (Скользящее среднее);
• Weighted moving average (Взвешенная скользящая средняя);
• Kalman filtering (фильтр Калмана);
• Exponential smoothing (Экспоненциальное сглаживание);
• Autoregressive moving average (ARMA) — Авторегрессия скользящего среднего;
• Autoregressive integrated moving average (ARIMA) e.g. Box-Jenkins — интегрированная модель авторегрессии скользящего среднего, например, модель Бокса—Дженкинса;
• Extrapolation (Экстраполяция);
• Linear prediction (Линейное прогнозирование);
• Trend estimation (Оценка тренда);
• Growth curve (statistics) — Кривая роста (статистические данные).

Причинно-следственные методы/эконометрические методы прогнозирования

Некоторые методы прогнозирования пытаются идентифицировать основные факторы, которые могут повлиять на прогноз. Например, информация о погоде может помочь улучшить прогноз продаж зонтиков.
Причинно-следственные методы включают в себя:

• Регрессионный анализ содержит в себе большую группу методов для прогнозирования будущих показателей, сюда входят параметрические методы (линейные и нелинейные) и непараметрические методы.
• Autoregressive moving average with exogenous inputs (ARMAX) — Авторегрессия скользящего среднего с экзогенными входными данными.

Экзогенные переменные — переменные, задающиеся извне, значения которых задаются вне модели.
Эндогенные переменные — переменные, значение которых формируется внутри модели.

Методы экспертных оценок

• Composite forecasts (составные прогнозы)
• Cooke’s method (метод Кука)
• Delphi method (метод Дельфи)
• Forecast by analogy (Прогноз по аналогии)
• Scenario building (Построение сценариев)
• Statistical surveys (Статистическое обследование)
• Technology forecasting (Прогнозирование технологий)

Методы искусственного интеллекта

Методы искусственного интеллекта

• Искусственные нейронные сети
• Групповые методы обработки данных
• Метод опорных векторов

В настоящее время по данной категории активно применяются следующие методы в специализированных программах:

• Data mining (Интеллектуальный анализ данных)
• Machine Learning (Машинное обучение)
• Pattern Recognition (Распознавание образов)

Точность прогнозирования

Рассмотрим наиболее часто рассчитываемые ошибки для прогнозов

• Mean absolute error (MAE) — Средняя абсолютная ошибка
• Mean Absolute Percentage Error (MAPE) — Средняя авбсолютная процентная ошибка
• Mean Absolute Deviation (MAD) — Среднее абсолютное отклонение
• Percent Mean Absolute Deviation (PMAD) — Процент среднего абсолютного отклонения
• Mean squared error (MSE) — Средняя квадратичная ошибка
• Mean squared prediction error (MSPE) — средняя квадратичная ошибка прогноза
• Root Mean squared error (RMSE) — Средняя квадратическая ошибка
• Forecast skill (SS) — Прогноз компетенций
• Average of Errors (E) — Среднее значение всех ошибок

Источники информации

1. https://en.wikipedia.org/wiki/Forecasting
2. http://www.1cbit.ru/ (материалы по вебинару «Прогнозирование»)
3. http://www.ekonomika-st.ru/drugie/metodi/metodi-prognoz-1-3.html
4. http://www.webstarstudio.com/marketing/theor/gos/63.htm

Исследование – важное теоретическое или практическое изыскание призванное не просто проанализировать текущие тенденции, ситуацию, но и предложить достойные варианты решения рассматриваемой проблемы. Притом в данном деле важно разработать план мероприятий, а также показать его состоятельность, спрогнозировав результаты. Далеко не каждый начинающий автор НИР, студент знает, как правильно и корректно сделать прогноз, поэтому мы подготовили инструкцию в этой статье.

Что такое прогноз данных, прогнозирование результатов?

В дословном переводе с греческого «прогноз» означает «предсказание или предвидение». Автору любого НИР важно понять, что нужно делать, какие шаги предпринять, чтобы ликвидировать (решить) проблему, ситуацию, а для этого нужно уметь «предсказывать» итоги. Притом не нужно обладать способностями медиума, достаточен профессионализм и компетентность в конкретной области.

Прогнозирование результатов НИР относится к практической части исследования. С одной стороны, они позволяют определить эффективность предлагаемых мер и потенциальные результаты от внедрения новшеств. С другой стороны, носят приблизительный характер и не позволяют в полной мере оценить объективность действий, их достаточность, но подчеркивают целесообразность и необходимость перемен, новизну изыскания и его ценность.

Прогнозирование результатов проводится лишь в полномасштабных НИР (диссертация, монография, ВКР, бизнес-планирование и пр.), миссия которых заключается не просто в анализе ситуации на конкретному объекте, но и определении перспектив его развития. Именно оценка будущего является ключевой задачей прогнозных данных.

Важно отметить, что прогнозирование результатов исследования чаще всего совпадает с целью и гипотезой проекта, но ключевым отличием от данных параметров выступает то, что прогнозы основаны на расчетно-аналитических, количественных показателях и является аргументированными, более достоверными. Гипотеза же носит чисто теоретический характер, а с помощью прогнозирования она находит свое тотальное подтверждение или опровержение.

Этапы прогнозирования результатов курсовой, дипломной или иной научно-исследовательской работы

Прогнозирование результатов НИР – это завершающий этап проекта, когда автору предстоит показать, в чем проявляется новаторство и как оно воздействует на объект исследования.

Данный этап научно-исследовательской мысли основывается на теоретических аспектах в рамках научной области, а также аналитических данных. Все вместе (теория и аналитика) позволяет собрать предельно точную и достоверную доказательную базу, подчеркивающую:

• Проблему и причину ее возникновения;
• Степень воздействия проблемы на объект исследования;
• Необходимость введения новшеств для улучшения ситуации, выработки эффективного решения.

Первым этапом принято считать погружение в теоретические аспекты в рамках выбранной темы. Здесь исследователь должен конкретизировать основные понятия, законы и правила «игры», регламентирующие действующие процессы. Главное – понять: что происходит и почему, что делать и как.

Второй этап – аналитический, он же – доказательный. Специалисту предстоит определить причинно-следственные связи и установить: наличие проблемы, ее симптомы, воздействие (в чем и как проявляется, с каких пор и пр.). Здесь важна грамотная диагностика ситуации на основе конкретной методики и комбинации различных алгоритмов и схем. Лучше всего доверять расчетам и анализу конкретных показателей, опираясь на теоретический багаж: о чем свидетельствует изменение данных, какие факторы воздействуют и провоцируют ухудшение ситуации, какие принципы и правила действуют в данной ситуации.

Миссия второго этапа – установить причину трудностей и проблем, ключевые факторы и подобрать соответствующие меры, нацеленные на их ликвидацию или смягчение. Здесь на основе результатов анализа важно разработать поэтапный план действий, где будет прослеживаться четкая и логичная последовательность мер, приводящая к конкретному результату (предпочтительно положительного характера).

Третий и самый важный этап прогнозирования НИР – оценка перспектив развития объекта исследования по мере и после внедрения предложенных инноваций. Здесь важно показать, какие перемены настанут, насколько сильно изменится ситуация и в какую сторону, к каким результатам приведут внедренные коррективы, степень их затратности и окупаемости. Исходя из всего вышесказанного следует, что прогнозирование результатов научного исследования основывается преимущественно на экономико-математических действиях, статистических методах.

Check-Up по прогнозированию результатов НИР

Прогнозирование может выполнять различные миссии: поиск проблемы и выбор подходящего варианта ее решения с учетом возможностей объекта, целенаправленное воздействие на объект с целью решения конкретной проблемы.

При выполнении НИР целесообразно подготовиться к нему, погрузившись в теорию: изучите основные понятия, методики, инструментарий, стандартные (классические) решения и пр. Фактически «нулевым этапом» прогнозирования выступает подготовка исследователя: владение теорией, грамотная констатация научного аппарата НИР.

Для предоставления качественных прогнозов необходимо располагать соответствующими данными: отчетность, статистические показатели и материалы, результаты маркетинговых и социологических (иных) исследований и пр. При этом важно тщательно перепроверять все первоисточники, основывая все свои предположения исключительно на обоснованной, надежной информации. Отсюда следует, что первый шаг в прогнозировании – сбор информации об объекте исследования, проверка качества информации и ее анализ с целью констатации проблемы и причинно-следственных связей.

Второй стадией прогнозирования является выработка мероприятий или последовательности действий на основе результатов анализа. Здесь важно оказать воздействие на первопричину, а не устранить ее симптомы. Поэтому следует выяснить: какой фактор воздействует на объект и как на него повлиять, что необходимо изменить в текущем состоянии объекта. Исследователю предстоит тщательно спланировать каждый шаг инноваций: с чего начать, какие инструменты и методы привлечь, где найти средства для финансирований новаторских действий и пр. На стадии планирования мероприятий важно предоставить подробный расчет данных: чего и сколько будет израсходовано.

Третья стадия – оценка перспектив, экспертиза. Она будет носить субъективный характер, но здесь важно понять именно то, как повлияют изменения на конечный результат или проблему. Для этого чаще всего используют факторный анализ и методы моделирования ситуации: поэтапно автор НИР производит замену каких-либо параметров (реализуя соответствующие мероприятия), а затем изучает динамику показателей (по принципу «до» и «после»).

Важно отметить, что прогнозирование предполагает выработку не одного конкретного плана действий, а нескольких сценариев (альтернатив) и выбор оптимального варианта. В данном случае уместно сформировать прогнозы по трем основаниям: позитивный исход, нейтральный вариант, пессимистичный итог. Притом каждый прогноз будет носить срочный характер.

После оценки перспектив, важно внести коррективы в план действий с целью его унификации и оптимизации, достижения положительной тенденции и намеченной цели. На данном этапе прогнозирования необходимо учесть сомнительные параметры, погрешности, новые тенденции (важно минимизировать негативный исход и риск его возникновения). В этом деле приходит на помощь моделирование ситуации с помощью современных технологий (программ, приложений, техник).

Прогнозирование и/или апробация?

В зависимости от уровня сложности НИР применимы, как оба способа для экспертизы предлагаемых мероприятий, так и отдельно каждый из них.

В студенческих проектах достаточно воспользоваться только прогнозированием результатов на основе проведенного анализа данных. Этот метод вполне уместен в исследованиях «среднего плана» — курсовые работы, отчеты по практике, дипломные работы и пр. Здесь научная деятельность носит точечный характер и нацелена на изучение конкретного сегмента, сферы деятельности или проблемы.

Одного прогнозирования недостаточно в серьезных и масштабных изысканиях, где требуется решить глобальную или весьма значимую проблему – в монографиях, кандидатских и докторских диссертациях и пр. В подобном изыскании важны результаты апробации, которые наглядно отражают, к чему приведут намеченные планы. Это рискованный, но самый доказательный метод «экспертизы» прогнозных сценариев.

Как оформить результаты прогнозирования в НИР?

Прогнозирование – это некая последовательность мероприятий с описанием потенциальных результатов. Поэтому здесь важно сначала обосновать и подчеркнуть необходимость нововведений. Для этого автор еще раз подчеркивает проблему: четко, точно и ясно.

Далее он выделяет ключевые факторы, воздействующие на объект и ситуацию: основные параметры, звенья, которые следует изменить.

Следом предлагается план мероприятий, который достаточно оформить в виде пронумерованного списка с емким описанием каждого шага. Допустимо под каждым этапом привести расчеты и констатацию динамики. Такой ход продемонстрирует, какие перемены произойдут и к чему приведут на каждом этапе, позволят своевременно внести коррективы.

В конце целесообразно привести общее сравнение ситуаций «до» и «после», констатировав тенденции и их характер, примерный результат.

Динамику целесообразно оформлять посредством таблиц, графиком, диаграмм, схем, с подробным описанием данных и изменений (о чем свидетельствует изменение показателя и пр.) с научной и практической точек зрения.

Оформление прогнозов будет соответствовать общим параметрам НИР и ГОСТ.

Таким образом, прогнозирование и его результаты должны быть основаны на предельно точной, достоверной информации, подкреплены расчетами и аналитикой, обоснованы с научной точки зрения и с точки зрения реалий (практики).