Экономико-математическое прогнозирование в управлении организацией

Подавляющее большинство  руководителей организации в  той или иной степени уже сталкивались с задачей оперативного ввода  данных. При этом многие из них испытывают необходимость в возможности организации анализа накопленных данных.

Временные ряды – это наиболее часто встречающиеся  объекты в управлении организацией. С содержательной точки зрения временной ряд порождается в результате наблюдения за одним или несколькими параметрами какого-либо процесса. При наблюдении фиксируется значение этих параметров и привязывается к моменту наблюдения. В результате образуется последовательность измеренных значений, упорядоченная в хронологическом порядке. Как уже было отмечено ранее, такую последовательность называют временным рядом.

За последние  несколько десятилетий разработан обширный математический аппарат анализа  временных рядов. Главные задачи этого аппарата заключаются в  выявлении закономерностей в  поведении наблюдаемого процесса и  прогнозирование его поведения  в будущем.

Несмотря на глубокую теоретическую проработку методов  анализа временных рядов, их практическая реализация в настоящее время встречает серьезные трудности, хотя в практической деятельности управления организацией их применение крайне важно, поскольку именно благодаря методу  анализа временных рядов, можно качественно построить прогноз дальнейшего развития организации. Одним из наиболее серьезных источников проблем является неспособность крупных промышленных систем управления базами данных, которые наиболее часто используются в организациях, эффективно хранить и обрабатывать временные ряды [2]. Дело в том, что именно этот класс систем управления обеспечивает основу крупных организационных информационных систем. При этом они имеют все необходимые средства для описания временного ряда как одной из хранимых структур данных. Однако производительность обработки этой структуры данных оказывается столь низкой, а трудоемкость описания прикладной логики столь высокой, что в практической деятельности эти системы управления базами данных, как правило, не используются для хранения и обработки временных рядов.

Сейчас для  решения задачи хранения и анализа  временных рядов в управлении организацией вместо систем управления базами данных используются узкоспециализированные системы. Они избавлены от недостатков, свойственных вышеуказанным системам управления при работе с временными рядами. Однако, специализированные системы, в свою очередь также имеют ряд принципиальных ограничений.

Они, как правило, неспособны эффективно обрабатывать большие объемы данных, а также им присущ закрытый формат хранения временных рядов. Также характеризуются отсутствием интерфейсов для расширения методов поиска и хранения внутри временных рядов.

В результате использование  специализированных систем позволяет  решить проблему эффективного хранения и обработки временных рядов  только на первых порах, когда в организации ещё сохраняется относительно небольшой объем данных. Причем даже на начальном этапе менеджерам приходится преодолевать серьезные трудности. Дело в том, что в подавляющем большинстве случаев анализ временных рядов является только одной из подзадач организационных информационных систем. Интеграция закрытых специализированных систем в общую структуру организационной информационной системы требует значительных усилий.

В настоящее время  у многих менеджеров организаций возникает потребность в системе управления временными рядами, которая способна эффективно хранить и обрабатывать временные ряды, обеспечивать масштабируемость на уровне систем управления базами данных, а также обеспечивать расширяемость на системном и прикладном уровнях.

3.2 Проблемы анализа временных рядов в системах управления базами данных, пакете MS Excel и системе STATISTICA

На сегодняшний  день мы наблюдаем то, что наука  достаточно далеко продвинулась в разработке технологий прогнозирования. Как правило, менеджерам хорошо известны методы нейросетевого прогнозирования, на данном этапе самого мощного и гибкого метода, который позволяет проанализировать разнообразные варианты альтернатив и выбрать один из вариантов, который даёт наилучшие результаты. Также разработано большое количество соответствующих программных пакетов, но на практике они, к сожалению, не всегда находят применение, поскольку в то же время многие из этих проблем, которые возникают у менеджеров в ходе анализа временных рядов, можно достаточно успешно решать, реализуя эти алгоритмы в широко известном и распространённом пакете прикладных программ MS Excel, а также системы STATISTICA.

В наше время  отличительной особенностью развития организации является рост списка наименований продаваемой продукции. Этот рост дифференциации продукции и заставил многие организации  искать новые подходы в прогнозировании  объемов продаж. Теоретически можно  с помощью детального анализа  спрогнозировать продажи десятков видов товара, но сделать это с  сотнями, а тем более тысячами рядов невозможно. Основной характерной  чертой подобного рода задач является наличие достаточно обширной базы данных о продажах большого ассортимента товаров. Это означает, что имеется большое  количество временных рядов продаж, требующих периодического удлинения  для планирования бюджета и принятия управленческих решений.

В большинстве  случаев аналитики организаций  решают задачу прогнозирования продаж с помощью простейших средств  анализа, которые предоставляет  пакет MS Excel (особенно если информация о продажах содержится в таблицах Excel), а также с помощью аналитических модулей систем управления базами данных.

Однако подобный подход к прогнозированию продаж обладает рядом недостатков. Во-первых, простейшие методы прогнозирования, которые  включены в неспециализированные программные  продукты, такие как Excel, для большинства реальных временных рядов продаж просто не работают, давая тривиальные прогнозы. Таким образом, удовлетворительная точность прогнозирования может быть достигнута при использовании специальных аналитических программных пакетов, таких как STATISTICA, или моделей, разработанных в процессе работы в MS Excel самими аналитиками. Такие модели, как правило, могут давать достаточно высокую точность, однако чаще всего они работают только для конкретных рядов, с которыми непосредственно имеет дело аналитик.

Во-вторых, даже при использовании продвинутых  методов, позволяющих строить более  или менее точные прогнозы, необходима индивидуальная работа с каждым рядом. Это гарантирует высокую трудоемкость работы уже при небольшом ассортименте, хотя это вовсе не гарантирует, что высокая точность прогнозирования обязательно будет достигнута. Как следствие, при достаточно большом числе позиций построение прогнозов приемлемой точности для всего ассортимента вручную неизбежно требует больших трудозатрат и временных ресурсов.

Альтернативный  подход, которого придерживаются во многих крупных организаций с ассортиментом товаров в тысячи наименований и более, состоит в использовании специальных модулей для планирования складских запасов и прогнозирования спроса, включенных в состав многих ERP-систем или SCM-систем. Заметим, что ERP-система – это интегрированная система на базе информационных технологий для управления внутренними и внешними ресурсами организации, которую также определяют как систему планирования ресурсов организации, и SCM-система – система управления информационными ресурсами организации. Как показывает практика, точность прогнозов в этом случае оставляет желать лучшего. Однако быстродействие подобных систем вполне приемлемо.

Очевидно, ошибки в прогнозировании спроса ведут  либо к чрезмерному наполнению склада, что повышает издержки на хранение продукции, либо к невозможности  продать тот или иной товар  покупателю из-за отсутствия его на складе, что негативно отражается на лояльности клиента к организации и снижает прибыль.

Ясно, что организация всегда исходит из экономической эффективности бизнес-процессов. Поэтому до некоторого времени не вполне эффективное прогнозирование продаж и планирование складских запасов может устраивать руководство. Однако с ужесточением конкуренции между организациями, а также с расширением ассортимента продукции, качественное и оперативное прогнозирование спроса становится все более востребованным.

Оптимальным подходом в задаче прогнозирования большого числа временных рядов, по-видимому, является совместное использование  оптимизационных алгоритмов автоматического  прогнозирования и классических аналитических методов, усовершенствованных  и адаптированных под специфику  конечной задачи и непосредственно  связанным с ней массивом исходных данных.

В ходе сложившейся  ситуации имеет место обратиться к системе «Sales-Forecast», специальном приложении для прогнозирования продаж на основе системы STATISTICA, которая характеризуется автоматизацией процессов прогнозирования, а также неразрывно связанных с ними процессов извлечения, форматирования и чистки данных, а также экспорта прогнозов в базах данных.

В основу комплексного программного решения «Sales-Forecast» для автоматического прогнозирования большого количества временных рядов продаж легли методы модуля Временные ряды модели системы STATISTICA, а также встроенный язык программирования STATISTICA Visual Basic.

Данная система  допускает гибкие настройки формата  исходных данных, требований к вычислительным ресурсам, а также сложности и  количества используемых моделей. Основное достоинство системы автоматического  прогнозирования состоит в том, что все вычисления, связанные  с оптимизацией прогностических  моделей перекладываются на компьютер. Однако это никак не исключает  возможность внесения аналитиком экспертных поправок. Хотя в большинстве задач  вычислительные алгоритмы оказываются  значительно более эффективными.

Таким образом, важно  заметить, что прогнозирование объёма продаж является одной из важнейших  задач, которая стоит перед руководством организации, и от правильности её решения будет зависеть конечный результат деятельности организации. Поэтому менеджерам очень важно уделять достаточно внимания прогнозированию объёма продаж, для того, чтобы деятельность организации была наиболее эффективна. В связи с этим необходимо учитывать, что для качественного прогноза необходимо использовать метод анализа временных рядов. Однако для того чтобы этот метод выдал наилучший результат имеет место обратится к специальным компьютерным приложениям, которые способны на достаточно высоком уровне осуществить прогноз необходимой ситуации. Но, несмотря на то, что за последние годы произошёл значительный прорыв в области информационных технологий, следует всё же осознавать, что на современном этапе всё же пока имеет место отсутствие компьютерных программ, которые способны сделать одновременно и качественный прогноз и выдерживать достаточно большой объём информации, заданной временными рядами.

По этой причине  главной задачей руководителей  организаций является поиск таких  пакетов программ, которые способны показать высокую точность прогнозов, приемлемое время проведения вычислений, а также выдерживать достаточно большой объём обрабатываемой информации. На данном этапе более полно отвечает заявленным требованиям система  «Sales-Forecast», созданная в компании StatSoft. И пока это наиболее совершенный инструмент снижения трудоемкости и автоматизации решения актуальной задачи прогнозирования продаж. Однако менеджерам следует учитывать, что и этот пакет не обладает совершенством. Для того, что бы деятельность организации была максимально эффективной, руководству необходимо постоянно следить за развитием новых информационных технологий, для того что бы сократить временные издержки, и улучшить точность прогнозов, что позволит организации оставаться конкурентоспособной на отечественном и моровом рынках.

ЗАКЛЮЧЕНИЕ

В современных  условиях невозможно представить организацию, которая бы не занималась прогнозированием своей деятельности, поскольку на данном этапе развития экономики  организациям очень тяжело оставаться конкурентоспособными. Именно по этой причине менеджеры организации  и обращаются к экономико-математическим методам прогнозирования, для того что бы деятельность организации  было максимально эффективна. При детальном анализе экономико-математических методов прогнозирования в работе можно сделать следующие выводы:

1. Одной из важнейших функций организации является планирование своей деятельности, и очень важно понимать, что без качественно проведённого прогноза, составить хороший план развития организации достаточно тяжело. Однако следует учитывать, что для того, что бы прогноз способствовал наиболее эффективному функционированию организации, он должен быть качественно составлен. Таким образом, важно осознавать, что методы прогнозирования, основанные на интуиции не достаточно эффективны, поэтому руководителям целесообразно обратится к экономико-математическим методам прогнозирования, поскольку именно они позволяют составить наиболее точный прогноз.
2. Прогнозирование объёма продаж – это одно из важнейших факторов развития организации, поскольку при его качественном осуществлении, деятельность организации будет наиболее эффективна. Для того, что бы прогноз был максимально точный, и при этом было затрачены минимальные временные ресурсы, возникает необходимость обратиться к  методу анализа временных рядов. Данный метод позволяет получить достаточно точные результаты, однако следует понимать, что для максимально приближённого результата необходимо постоянно вносить корректировки в параметры временного ряда, и использовать специальные компьютерные программы, что бы иметь возможность осуществлять прогноз для достаточно больших объёмов анализируемых данных.
3. Несмотря на то, что происходит постоянное развитие информационных технологий, менеджеры организаций испытывают значительные трудности при построении прогнозов с помощью компьютерных программ. Проблема заключается в том, что наиболее точно осуществить прогноз ситуацию помогает всем известный и доступный пакет MS Excel, однако он может быть пригодным только для организаций, которые достаточно недавно начали функционировать, поскольку при обработке больших объёмах информации использовании данного пакета является не удобным. С другой стороны выдерживать большие объёмы информации способны системы управления базами данных, однако их отличительной особенностью является то, что производительность обработки этой данных упомянутыми системами оказывается очень низкой, а трудоемкость описания процессов очень высокой, по этой причине системы управления базами данных применяются достаточно редко. По этой причине менеджерам организаций необходимо рассматривать наилучшие альтернативы и на данный момент одной из них является система «Sales-Forecast», созданная в компании StatSoft. Данная система характеризуется автоматизацией процессов прогнозирования, а также неразрывно связанных с ними процессов извлечения, форматирования и чистки данных, а также экспорта прогнозов в базах данных. Однако следует учитывать то, что развитие информационных ресурсов не стоит на месте, и по этой причине менеджеры должны постоянно следить за обновлениями в области программных продуктов, с помощью которых можно осуществлять прогнозы развития деятельности организации.