Этапы научного прогнозирования

Все формальные процедуры прогнозирования предусматривают перенос прошлого опыта в неопределенное будущее. Таким образом, все они построены на предположении, что условия, породившие полученные ранее данные, неотличимы от условий будущего. Исключение составляют только те переменные, которые точно распознаны моделью прогнозирования. Например, если кто-то строит прогноз показателей производительности служащих, исходя только из множества оценок, выставленных им при испытаниях в процессе приема на работу, то он, очевидно, предполагает, что показатель производительности каждого работника зависит только от них. В действительности же подобное предположение о неразличимости прошлого и будущего не выполняется в полной мере. Поэтому полученный прогноз будет неточен, если только он не будет модифицирован на основании оценки, выполненной составителем прогноза.

Осмысление того, что аппарат прогнозирования оперирует данными, порожденными естественными событиями, приводит к определению следующих пяти этапов в процессе прогнозирования.

1. Сбор данных

2. Редукция или уплотнение данных

3. Построение модели и ее оценка

4. Экстраполяция выбранной модели (фактический прогноз)

5. Оценка полученного прогноза

Этап 1, сбор данных, предполагает получение корректных данных и обязательную проверку того, что они верны. Этот этап часто является наиболее сомнительной частью всего процесса прогнозирования и в то же время наиболее сложен для проверки, поскольку последующие этапы с одинаковым успехом могут производиться с использованием данных, как соответствующих изучаемой проблеме, так и не соответствующих ей. Всякий раз, когда возникает необходимость получить в организации определенные данные, их сбор и проверка обязательно сопровождаются множеством различных проблем.

Этап 2, редукция или уплотнение данных, часто оказывается необходимым, так как для выполнения прогнозирования может быть собрано как слишком много исходных данных, так и слишком мало. Некоторые данные могут не иметь прямого отношения к рассматриваемой задаче, а будут лишь снижать точность прогнозирования. Другие данные могут соответствовать проблеме, но только в контексте некоторого конкретного исторического периода. Например, при прогнозировании продаж малолитражных автомобилей целесообразно будет использовать данные о продажах автомобилей только с момента введения эмбарго на нефть в 1970-х годах, а не данные за последние 50 лет.

Этап 3, построение модели и ее оценка, состоит в подборе модели прогноза, наиболее соответствующей особенностям собранных данных в смысле минимизации ошибки прогноза. Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу. Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются. Из сказанного очевидно, что оценка непременно должна применяться в процессе выбора.

Этап 4, экстраполяция выбранной модели, предусматривает фактическое получение требуемого прогноза, поскольку необходимые данные уже собраны и, возможно, редуцированы, а соответствующая модель прогноза определена. Часто для проверки точности получаемых результатов применяется прогнозирование на недавно прошедшие периоды, для которых исследуемые величины уже известны. Наблюдаемые ошибки затем определенным образом анализируются. Эта процедура обсуждается ниже, при описании этапа 5.

Этап 5, оценка полученного прогноза, состоит в сравнении вычисленных величин с действительно наблюдаемыми значениями. Для этой цели часть наиболее свежей фактической информации обычно исключается из множества анализируемых данных. После того как модель прогноза будет подобрана, выполняется прогноз на эти периоды и полученные результаты сравниваются с известными наблюдаемыми значениями. Некоторые процедуры прогнозирования предусматривают суммирование абсолютных значений ошибок и представляют либо эту сумму, либо частное от деления ее на число прогнозируемых значений, представляющее собой значение средней ошибки прогноза. Другие процедуры используют сумму квадратов ошибок, которая затем сравнивается с аналогичными числами, полученными для альтернативных методов прогнозирования. Некоторые процедуры отслеживают и отмечают величину пределов ошибки за период прогнозирования.