ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 12.04.2024
Просмотров: 40
Скачиваний: 0
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.