Характеристика методов и приёмов прогнозирования сбыта нового продукта

Многообразие проблем, возникающих при обеспечении жизнедеятельности предприятия и являющихся предметом прогнозирования, приводит к появлению большого количества разнообразных прогнозов, разрабатываемых на основе определённых методов прогнозирования. Поскольку современная экономическая наука располагает большим количеством методов прогнозирования (в том числе сбыта), каждый менеджер и специалист по планированию должен овладеть навыками прикладного прогнозирования, а руководитель, ответственный за принятие стратегических решений, должен к тому же уметь сделать правильный выбор метода прогнозирования.

Ниже рассмотрены некоторые вопросы методики прогнозирования деятельности предприятия в целом и сбытовой деятельности в частности.

В прогнозировании большое значение имеет не только выбранный метод, но и приём. Приём прогнозирования - это одна или несколько математических или логических операций, направленных на получение конкретного результат при прогнозировании. В качестве примеров таких приёмов можно назвать сглаживание или выравнивание динамического ряда (но в рамках метода, например, экспоненциального сглаживания или метода скользящей средней), расчёт средневзвешенного значения величин.

Единого универсального метода прогнозирования не существует. В связи с огромным разнообразием прогнозируемых ситуаций имеется и большое разнообразие методов прогнозирования. В настоящее время по оценкам специалистов, насчитывается свыше 150 различных методов прогнозирования, но на практике в качестве основных используются около 20 методов.

Методы прогнозирования, как и все методы, используемые при проведении маркетинговых исследований, можно классифицировать на эвристические, при применении которых преобладают субъективные начала, и на экономико-математические, при использовании которых преобладают объективные начала. К числу последних относятся статистические методы.

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. Причём опрашиваемые, давая свои оценки, могут основывать свои суждения как на голой интуиции, так и используя определённые причинно-следственные связи, данные статистики и расчётов.

Вся совокупность методов прогнозирования может быть представлена двумя группами в зависимости от степени их однородности:

- простые методы;

- комплексные методы.

Группа простых методов объединяет однородные по содержанию и используемому инструментарию методы прогнозирования (например, экстраполяция тенденций, морфологический анализ).

Комплексные методы отражают совокупности, комбинации методов, чаще всего реализуемые специальными прогностическими системами (например, метод прогнозного графа и др.).

Кроме того, все методы прогнозирования поделены ещё на три класса:

- фактографические методы;

- экспертные методы;

- комбинированные методы.

В основу их выделения положен характер информации, на базе которой составляется прогноз:

1) фактографические методы базируются на фактической информации о прошлом и настоящем развитии объекта прогнозирования. Чаще всего применяются при поисковом прогнозировании для эволюционных процессов;

2) экспертные (интуитивные) методы основаны на использовании знаний специалистов-экспертов об объекте прогнозирования и обобщении их мнений о развитии (поведении) объекта прогнозирования в будущем. Экспертные методы в большей мере соответствуют нормативному прогнозированию скачкообразных процессов (или прогнозированию в условиях нестабильной экономической среды);

3) комбинированные методы включают методы со смешанной информационной основой, в которых в качестве первичной информации наряду с экспертной используется и фактографическая.

В свою очередь каждый из перечисленных классов также подразделяется на группы и подгруппы. Так, среди фактографических методов выделяются группы:

- статистических (параметрических) методов;

- опережающих методов.

Группа статистических методов включает методы, основанные на построении и анализе динамических рядов характеристик (параметров) объекта прогнозирования.

Группа опережающих методов состоит из методов, основанных на использовании свойств научно-технической информации опережать реализацию научно-технических достижений. В свою очередь их можно разделить на методы исследования динамики развития объекта и методы исследования оценки уровня развития объекта. Среди методов этой группы выделяют публикационный, основанный на анализе динамики публикаций.

Среди экспертных методов выделяют группы по следующим признакам:

- по количеству привлечённых экспертов;

- по наличию аналитической обработки данных экспертизы.

Классификация экспертных методов по этим признакам представлена в таблице 6.

Таблица 6. Классификация экспертных методов прогнозирования

Вид экспертизы	Вид обработки мнений
Без аналитической обработки	С аналитической обработкой
Индивидуальная	Интервью	Экспертиза	Генерация идей	Построение сценария	Метод «дерева целей»	Матричный метод	Морфо-логичес-кий анализ
Коллективная	Метод «мозгового штурма»	Метод коллективных экспертных оценок	Метод «Дельфи»

Рассмотрим более подробно некоторые из наиболее широко применяемых в практике прогнозирования сбыта методов статистического и экспертного прогнозирования. На рис. 5 представлена схема классификации основных методов прогнозирования.

Рис. 5. Классификация основных методов прогнозирования

Начнём с рассмотрения методов статистического прогнозирования.

[1]. Экстраполяция по скользящей средней может применяться для целей краткосрочного прогнозирования.

Необходимость применения этого метода возникает тогда, когда имеющиеся данные динамического ряда не позволяют обнаружить какую-либо тенденцию развития (тренд) того или иного процесса (из-за случайных периодических колебаний исходных данных). В таких случаях для лучшего выявления тенденции прибегают к методу скользящей средней.

Этот метод состоит в замене фактических уровней динамического ряда расчётными, имеющими значительно меньшую колеблемость, чем исходные данные. При этом средняя рассчитывается по группам данных за определённый интервал времени. Каждая последующая группа образуется со сдвигом на один год (месяц). В результате подобной операции первоначальные колебания динамического ряда сглаживаются, поэтому и операция называется сглаживанием рядов динамики (основная тенденция развития выражается уже в виде некоторой плавной линии).

Метод скользящей средней называется так потому, что при вычислении средние «скользят» от периода к периоду. С каждым шагом средняя обновляется, впитывая в себя новую информацию о фактически реализуемом процессе. При прогнозировании исходят из предположения, что следующий показатель будет по своей величине равен средней, рассчитанной за последний интервал времени.

Количество показателей, которые образуют группу, по которой рассчитывается средняя, выбирается в зависимости от того, насколько важны старые значения исследуемого показателя в сравнении с новыми. В случае с 5-тимесячной средней старые значения имеют удельный вес 4/5, а текущее - 1/5. Если же рассчитывается 3-хмесячная средняя, то старые значения «весят» 2/3, а текущее - 1/3, т.е. скользящая средняя уже в большей степени зависит от текущего значения и несколько слабее - от предшествующих.

В Приложении Д приведён числовой пример применения метода.

[2]. Экспоненциальная средняя (экспоненциальное сглаживание).

При рассмотрении скользящей средней было отмечен, что, чем «старше» наблюдение, тем меньше оно должно оказывать влияние на величину скользящей средней. Очевидно, что влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя. Одним из простейших приёмов сглаживания динамического ряда с учётом «устаревания» является расчёт специальных показателей, получивших название экспоненциальных средних, которые широко применятся в краткосрочном прогнозировании. Основан этот метод на расчёте средневзвешенных значений продаж по определённому числу прошедших периодов. При этом наибольшие весовые коэффициенты придаются позднейшим продажам.

Экспоненциальная средняя рассчитывается по формуле

(4)

где - сглаженный объём продаж в текущем периоде;

- константа сглаживания;

- объём продаж в период t;

- сглаженный объём продаж для периода t-1.

Константа сглаживания выбирается аналитиком итеративным способом в интервале от 0 до 1. Её значение мало при малых изменениях объёма продаж и приближается к 1 в случае сильных флуктуаций (тем самым увеличивается вес текущих наблюдений). Практически диапазон значений α находится в пределах от 0,1 до 0,3. В большинстве случаев хорошие результаты даёт α = 0,1.

В Приложении Е приведён числовой пример использования метода.

Применение скользящей и экспоненциальной средней в качестве основы для прогностической оценки имеет смысл лишь при относительно небольшой колеблемости значений показателя.

Вообще анализ временных рядов направлен на выявление трёх видов закономерностей изменения данных: трендов, цикличности и сезонности.

Методы прогнозирования с использованием скользящей и экспоненциальной средних относятся к числу наиболее распространённых методов экстраполяции трендов. Тренд характеризует общую тенденцию в изменениях показателей ряда. Те или иные качественные свойства развития выражают различные уравнения трендов: линейные, параболические, экспоненциальные, логарифмические и др.

Циклический характер колебаний статистических показателей характеризуется длительным периодом (солнечная активность, урожайность отдельных культур, экономическая активность).

Сезонные колебания показателей имеют регулярный характер и наблюдаются в течение каждого года (спрос на отдых в курортных местах в течение года, на телефонные услуги и электроэнергию в течение суток и т.д.). Поскольку выявленные закономерности носят регулярный характер, то их вполне обоснованно можно использовать в прогнозных целях.

[3]. Прогнозирование на основе сезонных колебаний.

Под сезонными колебаниями понимаются такие изменения уровня динамического ряда, которые вызываются влияниями времени года. Проявляются они с различной интенсивностью во всех сферах жизни общества: производстве, обращении, потреблении. Их роль очень велика в агропромышленном комплексе, в торговле многими товарами, в строительстве, на транспорте, в прогнозировании заболеваемости и др. Сезонные колебания строго цикличны, - они повторяются через каждый год, хотя сама длительность времён года имеет колебания. Для изучения сезонных колебаний необходимо иметь уровни за каждый квартал, а лучше за каждый месяц, иногда даже за декады, хотя декадные уровни могут уже сильно исказиться мелкомасштабной случайной колеблемостью.

Методика статистического прогноза по сезонным колебаниям основана на их экстраполяции, т.е. на предположении, что параметры сезонных колебаний сохраняются до прогнозируемого периода. Для измерения сезонных колебаний обычно исчисляются индексы сезонности I_s.

В общем виде индексы сезонности определяются отношением исходных (эмпирических) уровней ряда динамики y_i к теоретическим (расчётным) уровням y_ti, выступающим в качестве базы сравнения:

I_Si = y_i / y_ti (5)

Именно в результате того, что в формуле (5) измерение сезонных колебаний производится на базе соответствующих теоретических уровней тренда yti, в исчисляемых при этом индивидуальных индексах сезонности влияние основной тенденции развития элиминируется. И поскольку на сезонные колебания могут накладываться случайные отклонения, для их устранения производится усреднение индивидуальных индексов внутригодовых периодов анализируемого ряда динамики. Для каждого периода годового цикла определяются обобщённые показатели в виде средних индексов сезонности:

= ∑I_Si / n (6)

Рассчитанные таким образом средние индексы сезонности свободны от влияния основной тенденции развития и случайных отклонений.

Числовой пример использования метода прогнозирования на основе сезонных колебаний приведён в Приложении Ж.

Приведённые способы измерения сезонных колебаний не являются единственными. Так, для выявления сезонных колебаний можно применять и рассмотренный выше метод скользящей средней, и другие методы.

[4]. Прогнозирование методом линейной регрессии (методом парной корреляции или парного регрессионного анализа) является одним из наиболее широко применяемых методов статистического прогнозирования.

Метод базируется на анализе взаимосвязи двух переменных - влияния вариации факторного показателя X (например, расходов на рекламу) на результативный показатель Y (например, на объём продаж) с использованием, как правило, метода наименьших квадратов.

Иногда используется и графоаналитический метод, применяя который, мы определяем уравнение регрессии графически, т.е. ищем нормативную функцию, наиболее точно аппроксимирующую исходную ломаную. Однако, поскольку через фактические точки Y_iф можно провести не одну, а несколько аппроксимирующих прямых (кривых), то лучшей из них будет тa, для которой сумма квадратов расстояний от фактических значений Y_iф до нормативной линии (выбранной нами) будет наименьшей. Этот метод носит название метода наименьших квадратов (МНK) и записывается следующим образом:

(7)

Если аппроксимирующая функция линейна, то формула (7) может быть модифицирована:

(8)

Известно, что если функция стремится к минимуму, то ее первая производная обращается в ноль. Дифференцируя по двум переменным а и b, получим:

(9)

Произведя умножение, получим систему нормальных уравнений:

(10)

Решив эту систему нормальных уравнений, мы получим всю необходимую нам информацию для нашей линейной функции.

Числовой пример использования МНК в прогнозировании приведён в Приложении И.

В случае многофакторной зависимости, когда средняя величина зависимой переменной рассматривается в зависимости от нескольких независимых признаков, система нормальных уравнений примет вид:

(11)

В данном случае мы будем использовать множественный регрессионный анализ. Использование более чем одной независимой переменной в уравнении регрессии усложняет анализ, делая его многомерным. Однако в этом случае регрессионная модель более полно отражает действительность, так как в реальности исследуемый параметр, как правило, зависит от множества факторов.

[5]. Вышеприведённые методы представляют собой разновидности экстраполяции - метода, при котором прогнозные показатели рассчитываются как продолжение динамического ряда на будущее по выявленной закономерности развития. Существует, однако, такой метод, как интерполяция, которая представляет собой способ вычисления показателей, недостающих в динамическом ряду явления на основе установленной взаимосвязи. Принимая фактическое значение показателя и значение его нормативов за крайние члены динамического ряда, можно определить величины значений внутри ряда. Поэтому интерполяцию считают нормативным методом. Нормативный метод прогнозирования помогает выработать рекомендации по повышению уровня объективности, а следовательно, эффективности решений.

В качестве отдельного метода применяемого при прогнозировании сбыта можно описать метод моделирования, в том числе на основе математической статистики; моделей разного периода упреждения; одновариантных и многовариантных моделей.

Моделирование, пожалуй, самый сложный метод прогнозирования. Математическое моделирование означает описание экономического явления посредством математических формул, уравнений и неравенств. Термин «модель» образован от латинского слова modelus, что означает «мера». Поэтому моделирование правильнее было бы считать не методом прогнозирования, а методом изучения аналогичного явления на модели.

В экономико-математическом моделировании широко применяется метод исторической и математической аналогий.

Метод исторической аналогии основан на установлении и использовании аналогии объекта прогнозирования с одинаковыми по своей природе объектами, которые опережают прогнозируемый объект в своём развитии. Примером могут служить прогнозы экономического развития страны, переходящей в конце XX века на рыночную модель экономики, построенные с учётом аналогии развития стран, имеющих длительную историю рыночных отношений.

Метод математической аналогии основан на установлении аналогии математических описаний процессов развития различных по природе объектов с последующим использованием более изученного и более точного математического описания одного из них для разработки прогнозов другого.

Практика показывает, что в прогнозировании сбыта наиболее успешно могут применяться следующие модели:

- модель постоянного потребления;

- сезонно-постоянная модель;

- сезонная модель с последовательным ростом (т.е. со сдвигом тенденций изменения сезонных колебаний).

Начнём рассмотрение экспертных методов прогнозирования.

Экспертные методы прогнозирования (табл. 6) применяются, как правило, в случаях, когда отсутствуют какие-либо статистические данные, на которых мог бы базироваться количественный прогноз, как, например, в случае, когда предприятие собирается выпустить на рынок совершенно новый продукт. Но даже когда статистическая информация имеется, она может быть недостоверной; иметь качественный характер и не поддаваться количественным измерениям (например, невозможно разработать формулу для прогнозирования (оценки) поведения людей в той или иной ситуации, в производственном коллективе). Кроме того, существует много факторов, которые могут воздействовать неожиданным образом на объект прогнозирования в момент принятия решения.

Для применения статистических методов прогнозирования необходимо проводить исследовательскую работу и пользоваться услугами квалифицированных статистиков - и то и другое может дорого стоить.

В условиях постоянно изменяющейся среды эффективность использования статистических методов для прогнозирования и планирования, особенно на длительный период, снижается.

Существует также опасность, что управляющие станут чрезмерно полагаться на статистические методы и на полученные на их основе результаты и поэтому могут не заметить существенных изменений, значение которых мог бы оценить другой специалист.

В таких условиях особую роль в предвидении будущего приобретает интуиция специалистов, называемых экспертами.

Интуиция - это способность человека делать заключения об исследуемом объекте, его будущих состояниях неосознанно, т.е. без осознания пути движения мысли к этим заключениям.

Методы анализа и обобщения суждений и предположений с помощью экспертов называются экспертными или методами экспертных оценок.

Центральным этапом экспертного прогнозирования является проведение опроса экспертов. В зависимости от целей и задач экспертизы, существа и сложности анализируемой проблемы, времени, отведенного на опрос и экспертизу в целом, и допустимой их стоимости, а также от подбора участвующих в ней специалистов, выбирается метод опроса:

- индивидуальный / групповой (коллективный);

- личный (очный) / заочный (путем пересылки анкет);

- устный / письменный;

- открытый / скрытый.

Ниже дана краткая характеристика некоторых из представленных в таблице 6 методов прогнозирования.

[1]. Метод интервью предполагает беседу организатора прогнозной деятельности с экспертом-прогнозистом о будущем состоянии предприятия и его среды. Этот метод требует от эксперта умения быстро, фактически экспромтом, давать качественные советы на поставленные вопросы.

Одновременно может проводиться опрос нескольких экспертов, однако в этом случае есть опасность потери самостоятельности экспертов и, кроме того, интервью грозит превратиться в дискуссию.

Метод интервью по своей сути (но не по форме) очень схож с методом очного анкетирования. Анкетирование заключается в предъявлении эксперту опросного листа-анкеты, на которую он должен дать ответ в письменной форме (в то время как интервьюирование предполагает устный ответ эксперта интервьюеру). Анкетирование может быть и заочным, когда нет непосредственного контакта эксперта с организатором прогнозной деятельности.

[2]. Метод аналитических докладных записок (аналитических экспертных оценок в форме докладной записки) предполагает, что эксперт-прогнозист выполняет самостоятельно аналитическую работу с оценкой состояния и путей развития, излагая свои соображения письменно. Для выявления важности проблем и решений используют метод предпочтения, метод рангов.

При использовании метода предпочтения эксперт должен пронумеровать возможные варианты, способы и т.п. в порядке предпочтения, поставив 1 самому важному критерию, 2 - менее важному и т.д.

При применении метода рангов эксперту предлагается расположить рассматриваемые варианты вдоль шкалы, имеющей определенное число делений (например, от 0 до 10). Разрешается располагать варианты (способы) в промежуточных точках между делениями, а также одному делению шкалы соотносить несколько вариантов.

[3]. Метод «мозговой атаки» («мозгового штурма»). Данный метод является наиболее известным и широко используемым методом коллективной генерации идей и творческого решения проблем. Он представляет собой свободный, неструктурированный процесс генерирования всевозможных идей по поставленной проблеме, спонтанно предлагаемых участниками. Формы применения метода «мозгового штурма» («атаки») могут быть самыми разными. Рассмотрим два из возможных вариантов.

1) Обычное заседание. На таком заседании руководитель поочередно опрашивает каждого участвующего в заседании и просит назвать проблемы, которые отрицательно влияют на эффективность деятельности предприятия, структурного подразделения, результативность процесса, состояние условий труда или любой другой аспект работы, выполняемой общими усилиями. Каждая указанная проблема заносится в список и нумеруется. Затем этот список вывешивается у всех на виду. Критика или оценка идей не допускается. Особое значение уделяется созданию свободной и творческой обстановки, позволяющей всем сотрудникам (экспертам) беспрепятственно высказывать свои идеи и предложения.

2) Проведение заседания по круговой системе. Группа специалистов подразделяется на подгруппы, состоящие из 3 или 4 человек, каждый из которых записывает на листе бумаги или на карточках по две или три идеи. Затем в рамках подгруппы происходит обмен карточками, записанные на них идеи развиваются другими участниками и дополняются новыми. После троекратного обмена каждая подгруппа составляет сводный перечень выдвинутых идей. Затем собирается вся группа, и на рассмотрение всех членов группы представляются отчеты о работе, проделанной в подгруппах.

Проведение такого заседания позволяет повышать активность всех участвующих в нем без словесного побуждения к высказыванию идей со стороны ведущего. Такую форму целесообразно использовать при снижении активности или когда участники отвлекаются в ожидании своей очереди. Кроме того, она позволяет дорабатывать и совершенствовать представленные предложения и генерировать новые идеи.

[ 4]. Метод «мозговой атаки наоборот». «Мозговая атака наоборот» во многом напоминает обычную «мозговую атаку», но при этом разрешается высказывать критические замечания. Вернее, не столько даже разрешается, сколько весь метод построен на том, чтобы все участники группы выявили недостатки предлагаемых идей. К проведению таких заседаний нужно относиться очень ответственно, чтобы участники дискуссии вели себя корректно по отношению друг к другу. Метод «мозговой атаки наоборот» может дать неплохие результаты, если его задействовать в качестве предварительного шага перед использованием других методов стимулирования творческой активности. Обычно в ходе «мозговой атаки наоборот» участники должны не только найти все слабые места каждой идеи, но и предложить пути их устранения.

[5]. Метод «мысленного группового анализа реальной ситуации». Этот метод применяется при достаточно большом составе группы (около 20 человек), когда вопрос касается всей ситуации (процесса), которой можно дать количественную оценку на основе интуиции или здравого смысла, и когда требуется групповое обсуждение или взаимодействие.

Алгоритм «мысленного группового анализа реальной ситуации» представлен в Приложении К.

[6]. Метод составления сценариев - наиболее популярный за последние десятилетия метод экспертных оценок. Термин “сценарий” впервые был употреблен в 1960 г. футурологом Х. Каном при разработке картин будущего, необходимых для решения стратегических вопросов в военной области.

Сценарий - это описание (картина) будущего, составленное с учетом правдоподобных предположений. Для прогноза ситуации, как правило, характерно существование определенного количества вероятных вариантов развития. Поэтому прогноз обычно включает в себя несколько сценариев. В большинстве случаев это три сценария: оптимистический, пессимистический и средний - наиболее вероятный, ожидаемый.

В Приложении Л приведены этапы разработки сценария.

В целом сценарий подчинен стратегической функции предприятия и разрабатывается в процессе долгосрочного планирования. Широкий временной охват предполагает усиление неопределенности среды бизнеса и поэтому для сценария, как правило, характерны некоторая недостоверность и повышенное количество ошибок. В связи с этим сценарий предполагает комплексный подход для его разработки: помимо качественных могут использоваться и количественные методы - экономико-математические, моделирование, корреляционный анализ и др.

[7]. Метод дерева целей. Широко применяется для прогнозирования возможных направлений развития науки, техники, технологий. Так называемое дерево целей тесно увязывает между собой перспективные цели и конкретные задачи на каждом уровне иерархии. При этом цель высшего порядка соответствует вершине дерева, а ниже в несколько ярусов располагаются локальные цели (задачи), с помощью которых обеспечивается достижение целей верхнего уровня.

Алгоритм построения дерева целей приведён в Приложении М.

[8]. Матричный метод. Широко используется в планировании и прогнозировании. Например, в практике маркетинга матричный метод применяется как метод оценки позиции предприятия на рынке, что позволяет принять решение о выборе одной из возможных стратегий:

- стратегии атаки при благоприятной позиции (стратегия инвестирования и роста) (С1);

- стратегии обороны при средней, неопределенной позиции (селективная стратегия) (С2);

- стратегии отступления при неблагоприятной позиции (стратегия деинвес-тирования) (С3).

Это так называемая стратегическая матрица, или графическая сетка (см. рис. 6), образованная пересечением координат, которые отражают величину двух факторов, как правило, характеризующих рыночную ситуацию (А) и собственные возможности предприятия (конкурентоспособность) (В).

Рис.6. Стратегической маркетинговой матрицы.

Решения о поведении на рынке (С) принимаются на основе того, на какое поле (квадрант) матрицы, образованное комбинацией действия факторов, по своим параметрам попадает данное предприятие. Минимальным числом квадрантов должно быть четыре (матрица BCG (Boston Consulting Group)), хотя в принципе матрица может содержать любое число квадрантов. Оптимальным числом считается 9-16 (пример: матрица Маккинзи, в которой фирма попадает в один из 9 квадрантов матрицы, исходя из рыночной привлекательности данного рыночного сегмента и конкурентных преимуществ конкретного продукта), так как в противном случае результаты трудно интерпретировать. Количественные оценки факторов (стратегических индексов) определяются экспертным путем (в баллах) в зависимости от величины и силы действия фактора. Однако в целях упрощения количественные оценки можно заменить эквивалентными качественными, например: хороший, высокий (ранг 1), плохой, слабый (ранг 2).

На представленном выше рис. 6 индексы РН, РС и РВ означают уровень коммерческого риска - соответственно низкий, средний и высокий.

[9]. Метод Дельфи является наиболее формальным из всех методов экспертного прогнозирования и наиболее часто применяется в технологическом прогнозировании, данные которого используются затем в планировании производства и сбыта продукции. Это групповой метод, при котором проводится индивидуальный опрос группы экспертов относительно их предположений о будущих событиях в различных областях, где ожидаются новые открытия или усовершенствования.

Опрос проводится с помощью специальных анкет анонимно, т.е. личные контакты экспертов и коллективные обсуждения исключаются. Полученные ответы сопоставляются специальными работниками, и обобщенные результаты снова направляются членам группы. На основе такой информации члены группы, сохраняя анонимность, делают дальнейшие предположения о будущем, причем этот процесс может повторяться несколько раз (так называемая многоуровневая процедура опроса). После того, как начинает появляться совпадение мнений, результаты используются в качестве прогноза.

[10]. Морфологический анализ. Это метод прогнозирования, в основу которого положено построение матрицы характеристик рынка и их возможных значений. Далее на основе перебора характеристик рынка и их значений получают различные варианты прогноза.

В Приложении Н приведена таблица, характеризующая эффективность применения различных методов прогнозирования.

Рассмотренная выше классификация методов прогнозирования, как и классификация самих прогнозов, не является абсолютно бесспорной, имеются и другие подходы к решению этого вопроса.

Успешность применения каждого метода зависит от его соответствия конкретной ситуации, цели прогнозирования, горизонта прогнозирования, исходных данных, квалификации прогнозиста и др.

Так, при прогнозировании спроса (потенциальной ёмкости рынка) чаще других применяются следующие методы и приёмы прогнозирования:

1. Аналоговые модели, когда в качестве прогноза рассматриваются благоприятные показатели рыночной ситуации в каком-либо регионе или стране;

2. Имитационные модели, когда вместо реальных данных используются построения, созданные по специальной программе с помощью ЭВМ;

3. Нормативные, или рационализированные, прогнозные расчёты, например, проистекающие из рационального бюджета или рациональных рекомендуемых норм потребления (этот метод больше подходит для рынка средств производства, где большую роль играют производственно-технические нормативы и прочие детерминанты, чем для потребительского рынка, где потребности проявляются в форме статистических закономерностей);

4. Прогнозирование по экспертным оценкам (метод “Дельфи”, метод комиссии, метод сводного индекса готовности приобретения продукции целевыми потребителями);

5. Методы экстраполяции (сглаживание динамических рядов; тренды);

6. Методы статистического моделирования (парные и многофакторные уравнения регрессии);

7. Прогнозирование по коэффициентам эластичности, кривым жизненного цикла продукта.

При прогнозировании сбыта, основанного на прогнозах спроса, применяются, как уже отмечалось, методы статистического и экспертного прогнозирования. Среди последних, наряду с рассмотренными выше, можно выделить также широко применяемые их разновидности: метод получения мнений жюри (высших администраторов фирмы), метод совокупных мнений работников сбыта (на основании мнений агентов по сбыту и руководителей подразделений сбыта составляется совокупная оценка вероятного объема сбыта), метод ожидаемых запросов потребителей и т.д.

На практике существует тенденция сочетать различные методы прогнозирования сбыта. Поскольку итоговый прогноз играет очень важную роль для всех аспектов внутрифирменного планирования, то желательно создать прогнозную систему, в которой может использоваться любой вводимый фактор.

При составлении любого из рассмотренных вариантов прогнозов продаж следует учитывать информацию о конкурентах. Необходимо также иметь в виду, что расчёт объемов продаж никогда не бывает лёгким, точность прогнозов не может быть абсолютной, но их необходимо выполнять, так как от этого будет зависеть точность прогнозов прибыли (убытков) предприятия.