Прогнозирование в менеджменте

узком значении – целенаправленное научное исследование конкретных перспектив развития какого-либо

явления

Прогнозирование применяется на стадии разработки планов и способствует выработке основных концепций на плановый период, а также играет важную роль на стадии осуществления плана, в оценке состояния дел и в поиске возможностей и направлений дополнительных управленческих воздействий, предназначенных для ликвидации отклонений от намеченной планом траектории развития.

рынка.
Главный акцент при краткосрочном прогнозировании делается на количественной и качественной

оценке изменений объема производства, спроса и предложения
Среднесрочное и долгосрочное прогнозирование основывается на системе прогнозов – конъюнктуры рынка, соотношения спроса и предложения, ограничений по защите окружающей среды, международной торговли.

или состояния конкретной организации;
технологическое прогнозирование направлено на возможное предсказание того,

разработку каких новых технологий можно ожидать в будущем;
прогнозирование сбыта имеет широкую сферу действия, связано со всем спектром проблем, возникающих в связи с реализацией продукции организации, и часто рассматривается как главный и основополагающий тип прогнозирования для деятельности любой организации;
прогнозирование развития конкуренции направлено на предсказание возможных изменений стратегии и тактики конкурентов;
социальное прогнозирование направлено на предсказание изменений в социальных установках людей и состояния общества в целом.

моделей, чтобы на основе прошлых данных и/или случайных переменных прогнозировать

спрос.
Субъективные, или качественные, прогнозы включают важные факторы, такие как интуицию принимающих решения, эмоции, личный опыт и сис­тему ценностей, обогащающих прогноз. Одни фирмы используют один подход, другие используют другой, но на практике
комбина­ция, или
смешивание, двух
стилей является
обычно наиболее
эффективной.

Этот метод базируется на мнениях малой группы менеджеров высокого уровня,

часто в комбинации со статистическими моделями, результатом чего яв­ляется групповая оценка спроса.
Усиление продаж. В этом подходе каждое лицо, продающее товар, оценивает, какие продажи будут в его регионе; прогнозы затем рассматриваются, чтобы гарантировать их реалистичность.
Метод Дельфи. Этот итеративный групповой процесс позво­ляет экспертам, которые могут занимать различные позиции, со­здавать прогнозы. Существуют три различных типа участия в про­цессе метода Дельфи: принимающие решения, штатный персонал и ответственные.
Обзор рынка покупателей. Это метод получения данных от покупателей или потенциальных покупателей, рассматривающих будущие планы своих покупок. Это может помочь не только в разработке прогноза, но также в продвижении проектируемого товара и планировании новых товаро

базе предположения, что будущее есть функция прошлого. Други­ми словами, мы

видим, что случилось за истекший период време­ни и используем серию прошлых данных, чтобы сделать прогноз. Если мы предсказываем недельные продажи газонокосилок, мы используем прошлые недельные продажи газонокосилок, делая прогноз.
Причинные модели. Линейная регрессия, причинная модель, объединяет в модели переменные, или факторы, которые могут влиять на количество в будущем периоде. Причинная модель для продаж газонокосилок может включать такие факторы, как новое начавшееся строительство домов, затраты на рекламу и цены конкурентов.

объекты мы рас­сматриваем.
2. Отбор объектов, которые будут прогнозироваться.
3. Определение временных

горизонтов прогноза – является он краткосрочным, среднесрочным или долгосрочным.
4. Отбор модели (моделей) прогнозирования.
5. Сбор данных, необходимых для прогноза.
6. Обоснование модели прогнозирования.
7. Выполнение прогноза.
8. Отслеживание результатов.

квартальных и т. д.) между точками данных. Данные времен­ных серий

прогнозирования подразумевают, что будущие объемы определяются только прошлыми объемами и что другие пере­менные – не более, как потенциально существующие – игнори­руются.
Анализ временных серий ведется посредством разбивания прошлых данных на компоненты и затем проецированием их вперед. Временные серии обычно имеют четыре компоненты: тренд, сезонность, циклы и случайные вариации.