Основные положения теории прогнозирования

⇐ ПредыдущаяСтр 3 из 8Следующая ⇒

Стратегически важные управленческие решения нуждаются в более сложных и надежных управленческих технологиях. К числу таких технологий относится прогнозирование — одна из ключевых составляющих управленческого процесса при стратегическом управлении. Без оценки ожидаемого хода событий и последствий принимаемых управленческих решений нет эффективного управления. Использование закона обратной связи позволяет реализовать " золотое правило" стратегического управления — своевременную корректировку принимаемых стратегических решений при наступлении значительных изменений условий функционирования организации или хода их реализации.

История развития прогнозирования. Прогнозирование как паука начало возникло в середине XX в. Согласно Г. Тейлу, прогноз — " это некоторое суждение относительно неизвестных, особенно будущих событий". Одной из первых работ, предшествовавших формированию прогнозирования как современной науки, считается опубликованное известным американским инженером-металлургом С. Фернасом в 1936 г. собрание технологических прогнозов. Они оказались не совсем точными. Так, относительно создания телевидения, несмотря на то что незадолго до этого была продемонстрирована электронно-лучевая трубка, он говорил: " Я жду, когда у меня будет телевизор, но я не могу жить вечно". Он проводил аналогию с появлением радио, когда от момента первой передачи радиоимпульсов в 1840 г. до первого прозвучавшего по радио выступления прошло около 80 лет. В 1938 г. в Англии начались регулярные телевизионные передачи.

Тем не менее были и более точные прогнозные оценки. Прогнозы, сделанные Т. Эдисоном, Ч. Штейнмецом, С. Джилфилланом в период 1910—1920 гг. не менее чем в 75% оказались правильными.

Так, С. Джилфиллан, проанализировав более 200 важных изобретений за период 1787—1935 гг., определил время от возникновения идеи до ее реализации. В среднем оно составляло от 33 до 38 лет. Исследованные им технологии разбиты на восемь уровней от возникновения первой идеи (уровень условно назван " Научные ресурсы" ) до ее широкой реализации в обществе (уровень условно именуемый " Общество" ). Уровни технологий представлены в табл. 11.1 в порядке возрастания их значения и осуществления идеи. Переход от более низкого уровня реализации идеи к более высокому называется перемещением технологии. Для реализовавшихся важных идей характерно последовательное перемещение технологий от низшего до высшего уровня.

Таблица 11.1. Основные уровни технологий и стадии реализации идей

Стадии реализации идеи	Уровни перемещения технологии	Примеры
Уровни разработки	1.Научные ресурсы (например, полу-проводимости) 2. Технологические ресурсы 3. Элементарная технология 4. Функциональные 5. Применения 6. Окружающая среда	Обнаружение естественного явления Методы диффузии, пленочные методы Технология твердотельных элементов, технология интегральных схем Системы связи на твердотельных элементах и функциональные подсистемы Рынок для систем связи Отрасли промышленности Производящие средства связи
Уровни воздействия	7. Социальные системы 8. Общество	Оборона и другие общенациональные аспекты Воздействие средств связи па общество

Модели технологического прогнозирования подразделяются на изыскательские (иногда их называют поисковыми) и нормативные.

Остановимся на изыскательском прогнозировании, модели которого строятся па тенденции развития ситуаций на основании имеющейся при разработке прогноза информации. Этому типу прогнозирования соответствует перемещение в пространстве технологий от технологий более низкого уровня к технологиям более высокого уровня.

Примером изыскательского прогнозирования может служить прогнозирование в области электроники, когда прогнозируемый процесс представляется в виде последовательного перемещения технологий от квантовой электродинамики до мгновенно осуществляемой всемирной связи.

Модели нормативного прогнозирования ориентированы на потребности и цели, к достижению которых стремится организация. Нормативному прогнозированию соответствует перемещение в пространстве технологий от технологий более высоких уровней к технологиям более низкого уровня.

Пример использования модели нормативного прогнозирования — прогнозирование в области космоса, когда прогнозируемый процесс представляется в виде последовательного перемещения технологий от понимания проблемы космоса как среды, которая должна служить на благо человеку, до конкретных средств ее решения — условий для ядерного деления и количества высвобождающейся при этом энергии.

Методы технологического прогнозирования необходимы при разработке прогнозов в областях экономической и коммерческой активности, социальной и политической сферах деятельности.

К одной из ключевых проблем при разработке прогнозов относится эффективное сочетание методов изыскательского и нормативного прогнозирования. Для модели изыскательского прогнозирования характерны такие методы, как: экстраполяция; моделирование; метод исторической аналогии; написание сценариев, базирующихся на анализе точных эмпирических данных. Среди методов изыскательского прогнозирования предпочтение отдается количественной информации, хотя использование качественной (неколичественной) информации в изыскательском прогнозировании также возможно. Примером служит реализация метода сценариев или метода экспертных кривых, позволяющих определять наметившиеся тенденции изменения ситуации, базируясь не только на эмпирических данных, но и на опыте высококвалифицированных специалистов экспертов.

Одна из главных технологий, применяемых в моделях изыскательского прогнозирования, — экстраполяция временных рядов — статистических данных об объекте прогнозирования.

Экстраполяционные технологии строятся на предположении, что динамика изменений, имевшая место в прошлом, сохранится и в будущем. При этом, естественно, должны быть сделаны поправки с учетом стадии жизненного цикла объекта.

Для расчета кривых, отражающих изменение прогнозируемых параметров, в ряде распространенных ситуаций прогнозирования используется экспонента, т.е. функция вида

К числу наиболее известных экспоненциальных кривых, используемых при прогнозировании можно отнести кривую Перла:

Не менее распространена при экстраполяции кривая Гомперца:

Кривые Перла и Гомперца использовались при прогнозе таких параметров, как возрастание коэффициента полезного действия паровых двигателей, рост эффективности радиостанций, рост тоннажа судов торгового флота и т.д. Многие из экстраполируемых процессов можно представить в виде соответствующих дифференциальных уравнений, решением которых и будут кривые Перла и Гомперца.

В качестве примера можно привести дифференциальное уравнение, описывающее приращение объема информации (знания)/в зависимости от числа исследователей ЛГ, среднего коэффициента продуктивности одного исследователя в единицу времени и постоянного коэффициента с, характеризующего динамику изменения объема информации.

Оно имеет следующий вид:

Интегрируя это дифференциальное уравнение, получаем формулу для объема информации:

В общем виде динамика изменения прогнозируемых показателей и параметров во времени может быть представлена в виде:

При экстраполяции используются регрессионные и феноменологические модели.

В основе регрессионных моделей лежат сложившиеся закономерности развития событий с учетом специальных методов подбора вида экстраполирирующей функции и определения значений ее параметров. В частности, для нахождения параметров экстраполирующей функции может быть использован метод наименьших квадратов.

Посредством той или иной модели экстраполирования того или иного закона распределения можно вычислить доверительные интервалы, характеризующие надежность прогнозных оценок.

Регрессионные модели обладают некоторыми недостатками. В частности, возникают проблемы с корректным определением периода прогнозирования, вида экстраполяционной кривой, а самое главное, далеко не всегда сохраняются закономерности, имевшие место в прошлом.

Феноменологические модели строятся исходя из условий максимального приближения к тренду процесса с учетом его особенностей, ограничений и принятых гипотез о его будущем развитии. При многофакторном прогнозе в феноменологических моделях можно присваивать большие коэффициенты весомости факторам, которые оказывали большее влияние па развитие событий в прошлом. Если при прогнозировании рассматривается ретроспективный период, состоящий из нескольких отрезков времени, то в зависимости от характера прогнозируемых событий можно большую весомость придавать значениям прогнозируемых показателей менее удаленным от момента прогнозирования по шкале времени и т.д.

Нередко при прогнозировании оценки экспертов относительно близкого будущего отличаются излишним оптимизмом, а оценки относительно более отдаленного будущего — излишним пессимизмом. Следует дополнительно учитывать характер корреляции между событиями.

Если в прогнозируемом процессе может участвовать несколько различных технологий, каждая из которых представлена соответствующей кривой, то результирующая кривая может представлять собой огибающую частных кривых, соответствующих отдельным технологиям.

⇐ Предыдущая 1 234 5 6 7 8 Следующая ⇒