Моделирование проблемной ситуации

Рис. 1. Матрица БКГ "рост/доля" хозяйственного портфеля компании.

Примечание. Относительная доля рынка определяется как отношение собственной доли к доле наиболее крупного конкурента. Поскольку вертикальная граница проходит на уровне единицы, единственная возможность для фирмы - стать звездой или дойной хоровой, т. е. стать в отрасли обладателем самой большой доли рынка. Так как это очень жесткий критерий, может быть справедливее и нагляднее переместить вертикальную разделительную линию на отметку 0,75 или 0,8.

Первоначально методология БКГ произвольно делила темпы роста отрасли на высокие и низкие, проводя границу на уровне удвоенного темпа роста ВНП плюс темпы инфляции. Однако эта граница могла быть установлена на любом уровне (5%, 10% или на каком-то другом), который менеджеры считали приемлемым. Хозяйственные подразделения, действующие в быстрорастущих отраслях, должны попадать в квадранты с высокими темпами роста.

В свою очередь, подразделения, действующие в медленнорастущих отраслях, попадают в квадранты с низкими темпами роста (медленнорастущими можно назвать те отрасли, которые находятся в состоянии зрелости, стагнации или спада). Практически не имеет смысла устанавливать границу между высокими и низкими темпами роста на уровне ниже 5%.

Относительной долей рынка считается отношение доли рынка данной хозяйственной единицы к доле рынка, контролируемой основным конкурентом, выраженное в относительных единицах, а не в долларах. К примеру, если бизнес A занимает 15% от об щей емкости рынка, а доля крупнейшего конкурента равна 30%, то относительная доля рынка для A составляет 0,5. Если бизнес B имеет самую большую долю на рынке - 40%, а основной конкурент - 30%, то относительная доля рынка для В составляет 1,33. Таким образом, только у тех подразделений, которые в соответствующих отраслях являются лидерами по рыночной доле, относительная доля рынка будет больше 1,0, и наоборот, у подразделений, имеющих одного или более конкурентов, превосходящих их на этом рынке, - меньше 1,0.

В матрице, предложенной БКГ, граница между "высокой" и "низкой" относительными долями рынка проходит на уровне 1, как это показано на рис. 1.

Когда граница установлена на 1, круги, расположенные в левой части таблицы, характеризуют компании, являющиеся лидерами на своих рынках. Круги, находящиеся в правой части матрицы, показывают компании, занимающие второстепенные позиции в своих отраслях. Степень их отставания от лидеров определяется относительной долей рынка. Показатель относительной доли рынка 0,1 говорит о том, что компания занимает лишь 1/10 от доли, занимаемой крупнейшим конкурентом; 0,8 - 4/5, или 80% от этой доли. Многие эксперты, специализирующиеся на анализе хозяйственных портфелей компаний, считают, что проведение границы между высокой и низкой относительными долями рынка сделано с неоправданной точностью, поскольку только бизнес, лидирующий на своих рынках, попадает в левую часть таблицы. Они уверены, что границу следует установить в районе 0,75 - 0,80 для того, чтобы в левые квадранты могли попасть и сильные компании, и находящиеся на уровне выше среднего (хотя и не являющиеся лидерами), а в правые квадранты, таким образом, попали бы фирмы, явно проигрывающие конкурентам или находящиеся на уровне ниже среднего.

Относительная доля рынка является более хорошим показателем конкурентной силы компании и ее позиции на рынке, чем фактическая доля рынка, выраженная в процентах.

Использование относительной доли рынка вместо реальной доли компании на рынке при составлении матрицы аналитически более оправдано, потому что в таком случае лучше отражена сравнительная рыночная сила и позиция компании в конкуренции. Доля рынка, составляющая 10%, является гораздо более сильной, если лидер контролирует 12% рынка, чем в случае контроля 50%; использование показателя относительной доли рынка отражает эту разницу. Но важно не только это: относительная доля рынка, весьма вероятно, отражает уровень издержек, базирующийся на опыте компании и экономии на масштабах производства. Крупная компания может работать с более низкими издержками, чем мелкая, за счет технологических преимуществ и более высокой производительности, связанной с большими размерами предприятия. Но компания Boston Consulting Group собрала сведения, свидетельствующие о том, что феномен снижения издержек зависит не только от масштаба производства. БКГ выяснила, что при увеличении объема производства уровень знаний, достигнутый в ходе накопления производственного опыта, зачастую приводил к нахождению дополнительных путей повышения эффективности производства и даже к снижению издержек. Группа установила взаимосвязь между накопленным объемом производства и снижением уровня издержек за счет эффекта кривой опыта / обучения. Эффект кривой опыта в рамках отраслевой цепочки ценностей приносит стратегический выигрыш в отношении доли на рынке: конкурент, который добивается наибольшей доли, старается реализовать важные преимущества в области снижения издержек, что, в свою очередь, помогает ему снизить цены и завоевать новых покупателей, увеличить продажи, расширить занимаемую долю рынка и получить дополнительные прибыли. Чем сильнее эффект кривой опыта в бизнесе, тем больше его влияние на разработку стратегий. Уяснив сущность матрицы "рост/доля" на рис. 1, разработанной БКГ, рассмотрим положение каждого из направлений деятельности, входящих в портфель компании, в квадрантах матрицы на рис. 1.

Матрица хозяйственного портфеля БКГ приносит несомненную пользу для принятия решения о характере стратегии для каждого отдельного вида деятельности (бизнеса). Взгляд на диверсифицированную корпорацию через призму поступлений денежных средств от разных хозяйственных подразделений и потребности в них (сейчас и в будущем) является наиболее важным шагом к пониманию финансовых аспектов корпоративной стратегии. Матрица БКГ выдвигает на первый план финансовое взаимодействие внутри хозяйственного портфеля, показывает виды финансовых решений, которые должны приниматься, и объясняет, почему приоритеты распределения ресурсов внутри корпорации различны для разных хозяйственных подразделений. Она также предлагает удачные способы рационализации как для стратегии инвестирования и расширения, так и для стратегии ликвидации. Тем не менее данная матрица аналитически не закончена и потенциально может ввести в заблуждение.

Рис. 2. Матрица существующего и будущего состояния портфеля.

1. Четырехклеточная матрица, оценивая критерии только как "низкий-высокий", не отражает того, что многие хозяйственные подразделения (быть может, большинство) работают на рынках со средними темпами роста и их относительная доля рынка не является ни высокой, ни низкой, а находится где-то посередине. В какой клетке матрицы должны они в таком случае находиться?

2. Рассматривая хозяйственные подразделения как звезды, дойные коровы, собаки и вопросительные знаки, приходится делить их лишь на четыре группы, что является довольно-таки упрощенным подходом. Некоторые лидеры, обладающие максимальной долей рынка, никогда не были звездами с точки зрения прибыльности. Многие компании с низкой относительной долей рынка не являются собаками или вопросительными знаками - в большинстве случаев, играющие вторые роли фирмы имеют стабильные темпы роста, прибыльны и способны успешно конкурировать и даже превосходить так называемых лидеров. Следовательно, ключевой характеристикой, требующей оценки, является тренд относительной доли рынка компании. Укрепляет или теряет свои позиции компания и почему? Этот недостаток можно преодолеть, указав стрелками направления движения, как это показано на рис. 2.

3. Матрица БКГ не отражает относительных возможностей инвестирования между хозяйственными подразделениями. Например, инвестирование в звезду не всегда более выгодно, чем инвестирование в приносящую высокую прибыль дойную корову. Матрица не дает ответа на вопрос, кем является вопросительный знак - потенциальным победителем или вероятным неудачником? Неясно также, можно ли за счет мощных вложений превратить сильную собаку в дойную корову.

4. Позиция лидера на медленно растущем рынке не гарантирует статуса дойной коровы, поскольку, во-первых инвестиционные потребности стратегии укрепления и защиты, переносящие влияние инфляции и изменяющейся технологии на затраты по замене изношенного оборудования, могут выкачивать большую часть или вообще все денежные средства и, во-вторых, по мере перехода рынка в стадию зрелости конкуренция зачастую ужесточается и дальнейшая борьба за увеличение объема продаж и занимаемой доли рынка может снизить норму прибыли и прекратить любые дополнительные поступления наличных средств.

5. Для того чтобы верно оценить долгосрочную привлекательность группы хозяйственных подразделений, стратеги должны проанализировать не только темпы роста отрасли и относительную долю рынка.

6. Связь между относительной долей рынка и доходностью не так сильна, как эффект кривой опыта. Важность накопленного производственного опыта для снижения издержек меняется от отрасли к отрасли. Иногда большая доля рынка превращается в преимущество за счет низкой себестоимости, иногда - нет. Следовательно, нужно быть осмотрительным при выборе стратегии, предполагая, что эффект кривой опыта является достаточно сильным фактором, дающим тотальные конкурентные преимущества (существует гораздо больше источников конкурентных преимуществ, чем только кривая опыта).

ИЛИ!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

Матрица Бостонской консультативной группы (БКГ)

Матрица БКГ представляет собой удобный прием сопоставления различных СЗХ, в которых работает компания. В матрице БКГ фактически используется только один показатель для определения перспектив компании на рынке – рост объема спроса. По горизонтали в первоначальной версии используется доля рынка, занимаемая исследуемой компанией, по отношению к доле рынка конкурента.
Для каждой СЗХ оценивается будущий темп роста, подсчитываются доли рынка и полученные результаты вписываются в соответствующие клетки.
Диаграмма БКГ предлагает следующий набор решений о дальнейшей деятельности компании в соответствующих зонах хозяйствования:

• «звезды» укреплять и оберегать;
• по возможности избавляться от «собак», если нет веских причин, чтобы их сохранить;
• для «дойных коров» необходим жесткий контроль капиталовложений и передача избытка денежной выручки под контроль высшего руководства фирмы;
• «дикие кошки» подлежат специальному изучению, чтобы установить, не смогут ли они при известных капиталовложениях превратиться в звезды.

«Дикие кошки» при определенных обстоятельствах могут стать «звездами», а «звезды», в дальнейшем, превратятся в «собак».
Матрица БКГ помогает выполнению двух функций: принятию решений о намеченных позициях на рынке и распределению стратегических средств между различными зонами хозяйствования в будущем.

Рис. 1. Матрица Бостонской консультативной группы (БКГ).

Среди достоинств матрицы БКГ, прежде всего, стоит отметить ее простоту. Матрица весьма полезна при выборе между различными СЗХ, определении стратегических позиций и при распределении ресурсов на ближайшую перспективу.
Однако, из-за простоты, матрица БКГ обладает двумя существенными недостатками:

• все СЗХ, положение в которых компании анализируется с помощью матрицы БКГ должны находится в одинаковой фазе развития жизненного цикла;
• внутри СЗХ конкуренция должна идти таким образом, чтобы используемых показателей было достаточно для определения прочности конкурентных позиций компании.

Если первый недостаток является фатальным, т.е. СЗХ, находящиеся на разных стадиях жизненного цикла, не могут быть проанализированы с помощью данной матрицы, то второй недостаток вполне может быть устранен. В процессе совершенствования матрицы БКГ авторами предлагались совершенно различные показатели. Основные представлены в таблице 1.

Таблица 1. Показатели оценки стратегического положения с помощью матрицы БКГ.

№	объект оценки	показатель
	отрасль	темпы роста спроса
	темпы роста рынка
	оценка привлекательности СЗХ
	компания	доля компании на рынке по отношению к доле ведущего конкурента
	относительная доля компании на рынке
	будущая конкурентная позиция компании на рынке

Показатель будущей конкурентоспособности компании на рынке определяется отношением ожидаемого дохода на капитал и оптимального (или базового) дохода на капитал. Фактически это прогнозируемая рентабельность капитала компании или же анализ тенденции изменения этого показателя в последние годы.
В общем случае привлекательность СЗХ может рассчитана, исходя из соотношения:

Привлекательность СЗХ = aG + bP + cO – dT,

где a, b, c и d – коэффициенты относительного вклада каждого фактора (в сумме составляют 1,0),
G – перспективы роста рынка,
P – перспективы рентабельности на рынке,
O – положительные воздействия со стороны окружающей среды,
T – отрицательные воздействия со стороны окружающей среды.

20. Динамический портфельный анализ. Новая матрица БКГ и её значение.

Полезность портфельного анализа направлений деятельности

Портфельный анализ - это завершение и конкретизация процесса стратегического маркетинга, описанного в трех предшествующих главах. Независимо от применяемого метода этот анализ основывается на:

четком распределении направлений деятельности по рынкам товара или сегментам;

индикаторах конкурентоспособности и привлекательности, позволяющих сравнивать стратегическую ценность различных направлений;

связи между стратегическим положением и экономическими и финансовыми показателями (особенно в методе БКГ).

Матричное представление позволяет обобщить результаты стратегического мышления и представить их в наглядной и выразительной форме. Кажущаяся простота этих методов обманчива: они требуют полной и надежной информации о состоянии рынков, о сильных и слабых сторонах фирмы и ее конкурентов. Более конкретно проведение такого анализа означает:

большую работу по сегментации базового рынка, качество выполнения которой существенно влияет на надежность итоговых выводов;

тщательный и систематический сбор подробных данных, которые обычно отсутствуют в явном виде и должны извлекаться из самых различных источников; качество этого процесса также влияет на конечный результат.

Подобный анализ не допускает импровизации и требует поддержки всего высшего звена управления. Это, конечно, не панацея, но он помогает:

умерить внимание только к краткосрочным целям, добиваться равновесия между направлениями с немедленной отдачей и направлениями, подготавливающими будущее;

побудить фирму одновременно учитывать как привлекательность рынка, так и ее потенциал конкурентоспособности;

установить приоритеты в распределении кадровых и финансовых ресурсов;

найти общий язык в масштабах всей фирмы и сформулировать ясные цели, усиливающие мотивацию и облегчающие контроль.

Главная слабость портфельного анализа - в получении картины настоящего (или даже недавнего прошлого), которую опасно экстраполировать.

Нужно, однако, заметить, что рассмотренные матрицы можно использовать в динамическом режиме, например сравнивая текущие позиции на каждом рынке товара с позициями, которых нужно достичь в следующем периоде.

Практическое применение портфельного анализа

Проведенное в США исследование тысячи крупнейших фирм (Haspeslagh, 1982) подтвердило полезность портфельного анализа, выявив следующие факты.

В 1979 г. 36% фирм, входящих в первую тысячу, и 45% фирм, входящих в первые пятьсот крупнейших предприятий, в той или иной степени применяли данный метод; для 14% фирм из первой тысячи он являлся одним из главных инструментов менеджмента.

Выбор конкретной методики анализа не рассматривался как критичный.

Основное значение придавалось: (а) четкому определению рассматриваемых бизнес-единиц; (б) принятию адаптированных стратегических решений; (в) введению единой терминологии и структуры с целью облегчения коммуникации.

Исследование показало также, что фирмы, применяющие портфельный анализ, имели в целом более выраженную ориентацию на долгосрочные цели. К таким же выводам приводит и более позднее исследование, также проведенное в США (Hamermesch, 1986).

Стратегические рекомендации, выработанные методом портфельного анализа, определяются позицией оцениваемых бизнес-единиц. Как было показано, эти рекомендации носят общий характер и подлежат трансформированию в более конкретные стратегические цели.

Матрица БКГ, которая внесла большой вклад в расширение применения закона опыта, позднее (в 1981 г.) была преобразована в новую матрицу БКГ. Новая матрица 34/47 рассматривает возможности роста предприятия на основе стратегических решений, принимаемых с учетом двух показателей:

· эффекта издержек/объема (он основан на учете «кривой опыта», который говорит о том, что при удвоении объема производства затраты снижаются на 20%);

· эффекта дифференциации товаров (он основан на учете «жизненного цикла товаров», в ходе которого товар должен претерпевать постоянные изменения и усовершенствования).

В результате получается новая матрица. Каждому квадрату соответствует определенная конкурентная ситуация, требующая специфического стратегического подхода. Данная матрица также более детально рассматривает стратегии специализации (или концентрации) и дифференциации, о которых говорилось выше.

Стратегия специализированной деятельности строится в случае выраженного проявления обоих эффектов. Такая ситуация характерна для монополистической конкуренции. Это дает возможность получать прибыль путем увеличения выпуска стандартизированной продукции и одновременно – за счет дифференциации оформления, дизайна, эргономики, т.е. внешнего вида продукции. Товары имеют отличительные особенности, важные для покупателей, которые готовы платить за них повышенную цену. В таких случаях эффект масштаба не дает решающего преимущества;

рентабельность определяют уровни дифференциации и специализации.

Подобная ситуация характерна для ведущих автомобилестроительных компаний:

налицо максимальная стандартизация основных механизмов и дифференциация внешнего оформления.

Стратегия концентрированной деятельности учитывает высокий эффект издержки/объема при слабом уровне эффекта дифференциации продукции. Здесь возможны два стратегических решения: либо дальнейшее наращивание производственных мощностей и поглощение конкурентов, либо переход на специализацию с целью достижения стабильной дифференциации.

Рис.16. Новая матрица БКГ В области фрагментарной деятельности стратегия учитывает возможности сильного эффекта дифференциации, но ни одна фирма не может добиться устойчивого преимущества перед конкурентами. Размер фирмы не ведет к значительной экономии, и доминирование на рынке не означает более низких издержек. Наоборот, рост издержек и сложности ограничивает размер фирмы.

Фрагментарная деятельность может использоваться в двух случаях. Первый – на начальном уровне производства потенциально перспективной продукции (например, основанной на биотехнологии, сверхпроводимости и др.). Второй случай – это заказная работа, требующая разработки высокодифференцированной продукции. Например, индивидуальный консалтинг, инжиниринг, разработка программного обеспечения, оригинальных методов реставрации, современных форм торговли, новых видов строительства и т.д.

Что же касается области бесперспективной деятельности, где оба эффекта низки, то в ней мало путей для дифференциации, и стратегический выход из такого положения возможен за счет изменения самого характера деятельности предприятия, освоения новых направлений.

Мы видим, что стратегии, основанные на опыте, применимы лишь в случае массового выпуска и в отраслях, чувствительных к объему производства. Как уже было показано, у фирмы есть и другие средства добиться конкурентного преимущества, в частности, посредством дифференциации.

21. Методика исследования структуры деятельности с использованием многокритериальных матриц. Достоинства и недостатки многокритериальных матриц.

Методы многокритериального анализа являются более мягкими по сравнению с методами исследования операций, исторически появившимися раньше. В рамках теории исследования операций, которая формальными методами моделирует экономические, военные, технические и другие реально протекающие процессы, для поиска оптимального решения необходимо явным образом определить целевую функцию, оптимум которой при выполнении ряда ограничений и даст искомое оптимальное решение. При этом сложности имеются как при определении целевой функции, описывающей процессы, определяющие предметную область, так и при разработке метода решения поставленной оптимизационной задачи. Поиск таких методов привел к возникновению математического программирования и теории оптимизации.

Более мягкие методы многокритериального анализа исходят из гипотезы, что человек принимает решение, сравнивая между собой ряд вариантов. Сравнение идет с использованием целого ряда критериев оценки качества альтернативных вариантов.

Под ПРИНЯТИЕМ РЕШЕНИЯ в смысле многокритериального выбора понимают особый вид человеческой деятельности, направленный на выбор лучшей из имеющихся альтернатив. С точки зрения системного анализа, модель многокритериального выбора имеет важное методологическое значение. Во-первых, необходимо осознать и выделить стоящую перед нами проблему. Для этого необходимо достаточно четко описать проблемную область, поставить цель, предложить варианты решения – альтернативы. И чем богаче множество альтернатив, тем выше вероятность получения более качественного решения. Нужно осознать, явно обозначить и определить критерии оценки и отбора альтернатив. Эта методическая работа позволяет явным образом обозначить и описать полигон для обсуждения и принятия решения, сделать его ясным и понятным другим, то есть при необходимости заложить основу совместной согласованной деятельности путем перевода процедуры принятия решения из внутренней формы во внешнюю, подлежащую оценке и обсуждению. Такой последовательный подход позволяет перейти от эмоциональных оценок к рациональным, перейти при общении на деловой и обоснованный стиль общения. По сути это осознанный перевод проблем принятия решений из формы внутреннего диалога во внешний.

Явное обсуждение альтернатив решения, критериев оценки и их важностей дает возможность рассмотреть различные точки зрения в единой шкале, в рамках единого подхода.

Моделирование проблемной ситуации

Разные методы принятия решений при многих критериях отличаются в основном способом перехода к единой оценке полезности альтернатив (глобальной функции полезности). Можно выделить следующие группы методов:

1. Аксиоматические методы. Определяется ряд свойств, которым должна удовлетворять зависимость общей полезности альтернативы от оценок по отдельным критериям. Эти свойства (аксиомы) проверяются на основании информации от ЛПР. В соответствии с этим принимается та или иная зависимость.

2. Прямые методы. Зависимость общей полезности альтернативы от оценок по отдельным критериям известна заранее. Чаще всего используется зависимость, когда вес критерия умножается на соответствующую оценку альтернативы по этому критерию и затем полученные произведения складываются (метод взвешенных сумм). Пример другого прямого метода - деревья решений, когда последовательно сравниваются все альтернативы (строить завод по схеме А или Б; если по схеме А, то строить цеха по схеме В или Г и т.д.). При этом для каждого альтернативного варианта подсчитывается полезность, как произведение вероятности осуществления на ценность варианта в деньгах.

3. Методы компенсации. В рамках этой группы методов предлагается лицу, принимающему решения скомпенсировать оценки одной альтернативы оценками другой, чтобы по оставшейся небольшой группе нескомпенсированных оценок сделать вывод о том, какая из альтернатив предпочтительнее. Это группа достаточно простых методов, когда ЛПР выписывает достоинства и недостатки каждой из альтернатив, и попарно вычеркивая эквивалентные достоинства (недостатки), изучает и анализирует то, что осталось и делает выбор.

4. Методы порогов несравнимости. Здесь задается правило попарного сравнения альтернатив (например, превосходство вычисляется по большему количеству превосходящих оценок), на основании последовательного применения которого выявляется множество альтернатив, превосходящих остальные. Если в полученном множестве не удается выявить альтернативы, превосходящие остальные, то назначается следующий порог сравнения.

5. Человеко-машинные методы. Строится некоторая модель процедуры принятия решений (например, оптимизационная линейная), параметрами которой ЛПР управляет в ходе диалога с ЭВМ.

6. Метод анализа иерархий. Основной идеей метода является представление проблемы как попытка ее представления в форме достижения наилучших результатов по всему набору критериев с точки зрения попарного сравнения альтернатив по каждому из них с последующей иерархической сверткой.

7. Матричный метод многокритериального анализа. В рамках метода строятся матрицы оценок важностей критериев относительно удовлетворения некоторого множества потребностей ЛПР с точки зрения принятия решения. Затем строится матрица важности альтернатив относительно того же списка потребностей. Путем умножения матриц вычисляются по каждому из вариантов решения вектора взвешенных оценок, которые сворачиваются до значений соответствующих полезностей, после чего выбирается наилучшая альтернатива.

Все множество моделей принятия решений делится на две большие группы:

ДЕСКРИПТИВНЫЕ модели и

НОРМАТИВНЫЕ модели

22. Сущность прогнозирования как метода исследований и области его применения. Классификация методов прогнозирования.

Метод – это сложный прием, упорядоченная совокупность простых приемов, направленных на разработку прогноза в целом; путь, способ достижения цели, исходящий из знания наиболее общих закономерностей.

Методы(методика)прогнозирования – определенное сочетание приемов (способов) выполнения прогностических операций, получение и обработка информации о будущем на основе однородных методов разработки прогноза.

Методология прогнозирования – область знания о методах, способах, системах прогнозирования. Методологии прогнозирования разделились по следующим категориям: предвидение, целеполагание, планирование, программирование, проектирование, перспективыразвития процессов с целью выявления проблем, подлежащих решению.

Методика разработки прогноза – выбранное конкретное сочетание приемов и методов прогнозирования.

Система прогнозирования («прогнозирующая система») – это упорядоченная совокупность методик, технических средств, предназначенная для прогнозирования сложных явлений или процессов.

Приемпрогнозирования – конкретная форма теоретического или практического подхода к разработке прогноза; одна или несколько математических или логических операций, направленных на получение конкретного результата в процессе разработки прогноза.

Методы прогнозирования. В 1927 году В.А.Базаров-Руднев предложил 3 метода прогноза: экстраполяция, аналитическая модель, экспертиза.

В настоящее время существует около 220 методов прогнозирования, но чаще всего на практике используются не более 10, среди них: фактографические (экстраполяция, интерполяция, тренд-анализ), экспертные (в т.ч. опрос, анкетирование), публикационные (в т.ч. патентные), цитатно-индексные, сценарные, матричные, моделирование, аналогий, построение графов и т.д.

v адаптивные методы прогнозирования – построение самонастраивающихся рекуррентных моделей, способных отражать изменяющиеся во времени динамические свойства временного ряда и учитывать информационную ценность его членов;

v морфологическое исследование (для систематического и непредубежденного отбора возможностей в связи с изыскательским прогнозированием);

v ретроальтернативистика (И.В. Бестужев-Лада);

v метод «дерево целей» (впервые использован при разработке схемы ПАТТЕРН) для нормативного прогнозирования и оценки «общих элементов»;

v «контекстуальное картографирование» (contextual mapping);

v причинно - следственный метод, близкий к проблемно-целевому методу Базарова-Руднева;

v комбинированный прогноз – некоторая обобщающая оценка, получаемая на основе формального или неформального объединения частных прогнозов, чаще всего путем суммирования их с определенными весовыми коэффициентами.

Приведенное разделение способов прогнозирования условно, потому что на практике эти способы взаимно перекрещиваются и дополняют друг друга, так:

v прогнозная оценка обязательно включает в себя элементы экстраполяции и моделирования;

v процесс экстраполяции невозможен без элементов оценки и моделирования;

v моделирование подразумевает предварительную оценку и экстраполирование.

Таблица. Методы социального прогнозирования (Шепитько Г.Е.)

Методы социального прогнозирования	Формализованные	Метод эстраполяции трендов
Методы корреляционного и регрессионного анализов
Методы математического моделирования
Экспертные	Индивидуальные	Метод составления сценариев
Метод «интервью»
Метод аналитических докладных записок
Коллективные	Метод анкетных опросов
Метод «комиссий»
Метод «мозговых атак»
Метод «Дельфи»

Наиболее распространенными методами(свыше 90% всех сделанных в мире прогнозов) являются экспертиза и фактографические методы. Популярен метод аналогий. Методы линейного программирования, построение циклов (Н.Д. Кондратьев) широко используются в науке.

Ведутся разговоры, что любой прогноз, если в нем закладывать правильные исходные данные и если он претендует на научность, можно описать формулами (формулизовать).