Прогнозирование количественных характеристик процессов Ю. В. Чуев, Ю. Б. Михайлов, В. И. Кузьмин

У нас вы можете скачать книгу Прогнозирование количественных характеристик процессов Ю. В. Чуев, Ю. Б. Михайлов, В. И. Кузьмин в fb2, txt, PDF, EPUB, doc, rtf, jar, djvu, lrf!

В основе специального программного обеспечения лежат тщательно подобранные модели, методы и методики. Их реализация крайне важна для получения качественных прогнозов при решении задач текущего и стратегического планирования. Анализ сложившейся ситуации показывает, что трудности при внедрении ИТ, обеспечивающих прогнозирование экономических процессов, носят не только технический или методический, но и организационно-психологический характер.

Потребители результатов подчас не понимают принципов используемых моделей, их формализацию и объективно существующие ограничения. Это, как правило, порождает недоверие к полученным результатам.

Другая группа проблем внедрения связана с тем, что прогнозирующие модели нередко носят замкнутый, автономный характер и поэтому их обобщение с целью развития и взаимной адаптации затруднительно. Следовательно, компромиссным решением может оказаться поэтапный подход с выделением главных аналитических задач.

Однако готовых тиражируемых или корпоративных решений, обеспечивающих прогнозирование для малых и средних экономических субъектов на системном уровне с высоким качеством и доступных им по цене, практически нет.

В настоящее время автоматизированные системы управления предприятием ограничиваются в основном элементарными задачами учета и контроля. Причина такого положения в том, что до появления современных ИТ не было широких возможностей использовать эффективные экономико-математические модели непосредственно в процессе экономической деятельности.

Кроме того, применение имевшихся моделей прогнозирования в аналитических целях не выдвигало столь высоких требований к их информационному обеспечению [8]. К первым можно отнести:. Первая проблема наиболее сложна [6], так как для ее решения необходимо построить комплекс моделей прогнозирования, сферой приложения которых является система взаимосвязанных показателей. Проблема систематизации и оценки методов прогнозирования выступает здесь как одна из центральных, так как для выбора конкретного метода необходимо проводить их сравнительный анализ.

Вариант классификации методов прогнозирования, учитывающий особенности системы знаний, которая лежит в основе каждой группы, укрупненно может быть представлен следующим образом [8]: Каждая группа пригодна для решения определенного круга задач. Поэтому практика выдвигает следующие требования к используемым методам: Отдельного внимания заслуживают работы по информационному и математическому обеспечению прогнозирующей системы.

Процесс создания математического обеспечения можно представить в виде следующих этапов [3, 8]:. Создание прогнозирующей системы требует комплексного подхода к решению проблемы ее информационного обеспечения, под которым обычно понимается совокупность исходных данных, используемых для получения прогнозов, а также методов, способов и средств, обеспечивающих сбор, накопление, хранение, поиск и передачу данных в процессе функционирования прогнозирующей системы и ее взаимодействия с другими системами управления предприятием.

Кроме указанных компонентов должны использоваться соответствующие технологии хранения, обмена и представления информации. Учитывая важность решения задачи прогнозирования для субъектов рынка, целесообразно проверку качества предлагаемых методов и алгоритмов, а также технологий в целом осуществлять по специально подобранным тестовым исходным данным. Аналогичный путь верификации достаточно давно используется при оценке адекватности математических инструментов, предназначенных для нелинейной оптимизации, например с помощью функций Розенброка и Пауэла.

Подтверждение или верификация качества и работоспособности технологии прогнозирования осуществляется обычно сравнением априорно известных модельных данных с их прогнозируемыми значениями и оценкой статистических характеристик точности прогнозов.

Рассмотрим этот прием в ситуации, когда модели процессов представляют собой аддитивную совокупность тренда Tt, сезонной гармонической и случайной составляющих. Сравнение фактической реализации процесса с его прогнозом, осуществленным в рамках методологии краткосрочного прогнозирования, приведено на рис.

Абсолютные ошибки проиллюстрированы на рис. Качество технологии оценивается по статистическим характеристикам погрешностей оценок прогнозов. В настоящее время распространение получили самые различные программные средства, обеспечивающие в той или иной мере сбор и аналитическую обработку информации.

Одни их них, например MS Excel, оснащены встроенными статистическими функциями и средствами программирования. Другие же, особенно недорогие программы бухгалтерского и управленческого учета, такими возможностями не обладают или аналитические возможности реализованы в них недостаточно, а иногда и некорректно.

Такое положение объясняется, по всей видимости, неглубоким анализом со стороны разработчиков свойств выбранных ими алгоритмов прогнозирования и их некритическим применением.

Например, судя по доступным источникам, часто в основе прогнозирующих алгоритмов используется экспоненциальное сглаживание нулевого порядка.

Однако данный подход правомочен только при отсутствии тенденции изучаемого процесса [6]. На самом же деле экономические процессы являются нестационарными, и прогнозирование подразумевает использование более сложных моделей, чем модели с постоянным трендом [3, 6].

Интересно в ракурсе рассматриваемой темы проследить путь развития отечественных автоматизированных банковских систем. Первые банковские системы основывались на жесткой технологии, постоянно требуя внесения изменений или дополнительного программного обеспечения. Это побудило разработчиков финансового программного обеспечения, следуя принципам открытости, масштабируемости и гибкости, использовать промышленные СУБД. Однако сами по себе эти СУБД оказались непригодны к решению аналитических задач высокого уровня, к которым относится проблема прогнозирования [10].

Для этого пришлось использовать дополнительно технологии хранилищ данных и оперативной аналитической обработки, обеспечивших работу систем поддержки принятия решений финансово-кредитных учреждений и составления прогнозов. Такой же подход используется и в комплексных системах управления предприятиями. Другим направлением современного прикладного использования методов прогнозирования на основе ИТ является решение широкого круга маркетинговых задач.

Оно предназначено для телекоммуникационных операторов и позволяет, как утверждается его разработчиками, строить прогностические модели и с их помощью оценивать вероятность оттока отдельных категорий клиентов.

Для обеспечения конкурентоспособности новомодных CRM-систем в список их расширенных возможностей, так же как и для автоматизированных банковских систем, включены функции отчетности, использующие технологии OLAP и позволяющие в определенной степени осуществлять прогнозирование результатов маркетинга, продаж и обслуживания клиентов [9].

Существует достаточно много специализированных программных продуктов, обеспечивающих статистическую обработку численных данных, включая отдельные элементы прогнозирования. Эти средства имеют как достоинства, так и недостатки, существенно ограничивающие сферу их практического применения. Здесь необходимо отметить, что оценка приспособленности специализированных математических и статистических программных средств для решения задач прогнозирования обычными пользователями, не имеющими специальной подготовки, требует отдельного серьезного исследования и обсуждения [1].

Однако решение задач прогнозирования для потребителей из малого и среднего бизнеса с помощью мощных и дорогостоящих информационных систем и технологий практически невозможно в первую очередь по финансовым соображениям. Поэтому весьма перспективным направлением является развитие аналитических возможностей существующих и широко распространенных недорогих систем бухгалтерского и управленческого учета.

Некоторыми разработчиками программного обеспечения создаются целые линейки аналитических средств. По словам Дмитрия Сударева, менеджера по развитию тиражных решений, в году было принято решение разработать и внедрить программные продукты, позволяющие перейти от простого учета фактов в деятельности предприятия к анализу информации.

При этом был запланирован переход от автоматизации работы бухгалтеров и менеджеров среднего звена к обработке информации для высшего менеджмента. Ценность прогноза многократно увеличивается, когда он непосредственно используется при управлении предприятием. Такое целевое назначение предопределяет необходимость выявления долгосрочных тенденций и их учета при планировании. Горизонт прогнозирования при этом определяется исходя из соответствующих целей организации.

Выбор технологии прогнозирования и средств ее реализации должен проводиться в соответствии с целями и задачами конкретного потребителя, учитывать уровень информационного обеспечения, квалификацию пользователей и целый ряд других факторов. Данные причины требуют индивидуальной разработки или адаптации созданного ранее специального программного обеспечения. Андрей Баутов - независимый эксперт. Ему можно написать по электронной почте по адресу: Прогнозирование в экономическом планировании - научно-аналитический этап процесса экономического планирования.

Главными задачами прогнозирования при разработке хозяйственных планов являются: Оператор AND означает, что документ должен соответствовать всем элементам в группе: При написании запроса можно указывать способ, по которому фраза будет искаться. По-умолчанию, поиск производится с учетом морфологии. Для поиска без морфологии, перед словами в фразе достаточно поставить знак "доллар": Для включения в результаты поиска синонимов слова нужно поставить решётку " " перед словом или перед выражением в скобках.

В применении к одному слову для него будет найдено до трёх синонимов. В применении к выражению в скобках к каждому слову будет добавлен синоним, если он был найден. Не сочетается с поиском без морфологии, поиском по префиксу или поиском по фразе. Для того, чтобы сгруппировать поисковые фразы нужно использовать скобки. Это позволяет управлять булевой логикой запроса.

Например, нужно составить запрос: Например, для того, чтобы найти документы со словами исследование и разработка в пределах 2 слов, используйте следующий запрос: