-20% в межах місяця, тобто обсяг реалізації 40% позицій асортименту вгаданий з точністю + -20%. p> Широко відомим є факт значного зростання обсягів оптових продажів до кінця місяця. Якщо порівнювати обсяги продажів першої та останньої тижнів всередині місяця - різниця може досягати декількох сотень відсотків, тоді як різниця між двома місяцями зазвичай не так велика.
Чим більш агрегований за об'ємом або за часом показник аналізується, тим точніше буде прогноз. Зі зниженням ступеня агрегированности знижується і користь від статистичних методів. Тому необхідно шукати баланс між деталізацією і точністю.
5. Наукове прогнозування та бізнес
Поточний рівень розвитку засобів обробки інформації дозволяє говорити про можливість масового переходу від окремих методів прогнозування до систем підтримки прийняття рішень, що використовують у роботі елементи штучного інтелекту і самонавчання. Проте практична затребуваність цих методів викликає сумніви.
перше, не доведене їх перевага перед людською інтуїцією в умовах бізнесу. По-друге, процес функціонування складної системи, як правило, недостатньо прозорий для користувача, відповідно, результат не викликає повного довіри. По-третє, параметри таких систем вимагають тонкої настройки і підбору, методи проведення яких практично не формалізовані. По-четверте, комплексні прогностичні системи створюються для унікальних умов і рідко тиражуються, у зв'язку з чим вартість їх розробки, впровадження і підтримки досить висока.
Ці й інші причини гальмують проникнення наукового прогнозування в бізнес, фільтруючий всі методи на предмет практичної користі і простоти застосування. Незалежно від їх просунутості - з академічної точки зору. h1> Висновок
Сучасна наука пропонує більше 150 методів прогнозування, які можуть бути використані для цілей бізнесу. Від найпростіших прийомів усереднення до програмно-апаратних систем підтримки прийняття рішень. І якщо практикою застосування трендових моделей і експертних оцінок в економіці складно когось здивувати, то нові досягнення наукової думки на стику математики, статистики, інформатики та кібернетики продовжують залишатися недостатньо затребуваними більшістю компаній.
Причин тут декілька: консерватизм і відсутність уяви у багатьох менеджерів, складність нових концепцій прогнозування та їх математичного апарату, неочевидність порівняльної практичної користі від впровадження, нестача інформації про них.
Методи "М'яких" обчислень, серед яких можна відзначити нейронні мережі, генетичні алгоритми і нечітку логіку, існують вже кілька десятиліть. Але навряд чи багато хто з читачів зможуть згадати приклад їх регулярного використання в бізнесі. Винятком будуть хіба що компанії, чия основна діяльність - активні операції на фінансових ринках, страховики і деякі банки.
У наукових колах прогресивність та практична користь цих методів не викликають сумнівів, однак теоретикам далеко не завжди вдається донести інформацію до практиків у доступній формі.
В
Список літератури
1. Теорія прогнозування і прийняття рішень: Учеб. посібник. /За ред. С.А. Саркісяна. - М.: Вища школа, 2005. - 514с. p> 2. Титова Т.А. Перспективи розвитку наукового прогнозування// Економіка і математичні методи. - 2008. - № 2. - С. 26-29
3. Фейгенберг Дж. Основи наукового прогнозування. /Пер. з нім. - М., 2002. - 245с. p> 4. Шабанов П.А. Методи наукового прогнозування та їх практичне застосування. М.: 2007
5. Шукшин С.М. Прогнозування як метод наукового пізнання// Економіка і математичні методи. - 2008. - № 3. - С. 16-22
