Роль прогнозирования в проведении предпланового стратегического анализа

Прогнозирование в стратегическом менеджменте используется прежде всего на этапе стратегического предпланового анализа при определении предполагаемого изменения факторов внешней и внутренней среды организации и степени их воздействия на деятельность организации в будущем. По сути дела, объектом прогнозирования может быть любая совокупность таких факторов, рассмотренных в гл. 1.

Прогнозист спрашивает заказчика: «Какой вариант развития вам разработать: оптимистический, пессимистический или реальный? Только предупреждаю, что реальный вариант будет намного хуже пессимистического».

Виды прогнозов можно классифицировать на основе нескольких классификационных признаков.

Помимо признака объекта прогнозирования прогнозы можно классифицировать по уровням управления, начиная с международных, страновых, региональных финансово-экономических, научно-технических, социальных и других прогнозов и заканчивая уровнем конкретных организаций и их функциональных подразделений.

Прогнозирование развития организации обычно осуществляется при помощи поисковых или нормативных прогнозов.

Поисковые прогнозы основаны на анализе функционирования организации за предыдущие годы. На этой базе формируются гипотезы о будущих тенденциях и механизмах развития.

Нормативные прогнозы опираются на то, что предварительно задается конечная цель развития организации на определенную дату горизонта прогноза. Содержанием прогноза является определение стратегий, средств, промежуточных результатов и сроков достижения этой цели. Прогнозирование в этом случае осуществляется от заданной цели (конечных значений показателей) как бы навстречу ходу времени. Нормативное прогнозирование, например, используется в методе анализа разрывов.

Нормативный и поисковый прогнозы взаимосвязаны, так как поисковый прогноз определяет потенциальную возможность достижения устанавливаемой цели.

Методы прогнозирования, как и все методы, используемые при проведении стратегического анализа, можно также классифицировать на эвристические, при применении которых преобладают субъективные начала, и на экономико-математические — преобладают объективные начала, к числу которых 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 относятся методы социологических исследований и экспертные методы, которые будут более подробно рассмотрены в гл. 9.

При использовании экономико-математических методов подходы к прогнозированию четко сформулированы и могут быть воспроизведены другими лицами.

Если при применении экспертных методов структура причинно-следственных связей, используемая разными экспертами, может быть различной, то при использовании экономико-математических методов структура моделей устанавливается и проверяется экспериментально, в условиях, поддающихся объективному наблюдению и измерению. Определение системы факторов и причинно-следственной (казуальной) структуры исследуемого явления — исходная точка экономико-математического моделирования.

Наиболее широко в прогнозировании социально-экономических процессов из экономико-математических методов используются статистические методы.

Можно выделить две главные группы методов разработки прогнозов, основанные на методах математической статистики: экономико-математическое моделирование и экстраполяцию.

1. Экономико-математическое моделирование включает две группы методов регрессии: статическое и динамическое моделирование.

При статическом моделировании измеряется влияние ряда факторов (х_{, х₂, лг₃,…, х_п) на изучаемый показатель (Y). Устанавливается связь между условиями, которые, как ожидается, будут иметь место, и характером их влияния на изучаемый параметр.

Если изучается показатель чистой прибыли, то в качестве факторов будут выступать такие характеристики, как уровень себестоимости единицы продукции, уровень рыночных цен на продукцию, ставки налогообложения, уровень транзакционных издержек и т. д. Эта зависимость выражается в виде математической функции Y=f (x_v х₂, х₃,х_п), с помощью которой получают количественную меру силы влияния каждого фактора. Характеристики силы связи, называемые коэффициентами регрессии, определяются при построении уравнений регрессии и показывают, на сколько единиц изменится величина изучаемого показателя-следствия (У) при увеличении значения показателя-фактора (х) на единицу.

С учетом полученных коэффициентов регрессии методом экспертных оценок формируют гипотезы о предполагаемой силе влияния каждого фактора на каждый год прогнозируемого периода. Если подставить эти гипотетические значения коэффициентов регрессии в уравнение регрессии и произвести соответствующие расчеты, то получим на каждый предстоящий год в пределах горизонта прогноза ожидаемое значение показателя Y.

При динамическом моделировании чаще всего используются парный (двумерный) регрессионный анализ и анализ на основе множественной регрессии, а также экстраполяционные методы, в основе которых лежит анализ временных рядов.

Парный (двумерный) регрессионный анализ основан на использовании уравнения прямой линии:

где y_t — значение исследуемого параметра; а₀, а_Л — коэффициенты уравнения регрессии; t — время.

Возможна также характеристика тренда с помощью параболы второй степени, параболы третьей степени и других функций.

Достоинством парной регрессионной модели анализа является его относительная простота. Недостатком данного метода является то, что уравнением прямой линии описывается динамика весьма небольшого числа прогнозируемых показателей. Далее следует отметить, что ограничением прогнозирования на основе регрессионного уравнения, тем более парного, служит условие стабильности или, по крайней мере, малой изменчивости других факторов и условий изучаемого процесса, не связанных с ними. Если резко изменится внешняя среда протекающего процесса, прежнее уравнение регрессии результативного признака на факторный потеряет свое значение.

Прогноз, полученный подстановкой в уравнение регрессии ожидаемого значения фактора, называют точечным прогнозом. Вероятность точной реализации такого прогноза крайне мала. Необходимо сопроводить его значение средней ошибкой прогноза или доверительным интервалом прогноза, в который с достаточно большой вероятностью попадают прогнозные оценки. Средняя ошибка является мерой точности прогноза на основе уравнения регрессии.

При использовании уравнений регрессии прогнозные расчеты следует проводить для оптимистических и пессимистических оценок исходных параметров (независимых переменных), получая таким образом оптимистические и пессимистические оценки прогнозируемого параметра. Реальная прогнозная оценка должна находиться между ними.

Анализ на основе множественной регрессии основан на использовании более чем одной независимой переменной в уравнении регрессии. Это усложняет анализ, делая его многомерным. Все, что касается множественной регрессии, концептуально является идентичным парной регрессии, за исключением того, что используется более чем одна переменная. Так, при прогнозировании спроса идентифицируются факторы, определяющие спрос, устанавливаются взаимосвязи, существующие между ними, и прогнозируются их вероятные будущие значения; из них при реализации условий, для которых уравнение множественной регрессии остается справедливым, выводится прогнозное значение спроса.

Регрессионная модель более полно отражает действительность, так как в реальности исследуемый параметр, как правило, зависит от множества факторов. Это обстоятельство определяет главное достоинство данного вида анализа по сравнению с методом парной регрессии.

Анализ временных рядов направлен на выявление трех видов закономерностей (компонент) изменения данных: тренда, цикличности и сезонности.

Тренд характеризует общую тенденцию в изменениях показателей ряда. Те или иные качественные свойства развития выражают различные уравнения трендов: линейные, параболические, экспоненциальные, логарифмические, логистические и др. После теоретического исследования особенностей разных форм тренда необходимо обратиться к фактическому временному ряду, тем более что далеко не всегда можно надежно установить, какой должна быть форма тренда из чисто теоретических соображений.

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

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

В процессе выравнивания колебаний динамического ряда достигается возможность измерить параметры, определяющие тенденцию развития объекта. В итоге вычисляются значения прогнозируемых показателей на предстоящие даты. С использованием специального математического аппарата производится подбор математической функции, наиболее точно описывающей тренд в каждом конкретном ряде динамики.

2. В стратегическом планировании достаточно широко применяются экстраполяционные методы прогнозирования. При их применении в качестве базы прогнозирования используется прошлый опыт, который пролонгируется на будущее. Делается предположение, что объекты и процессы (страна, отрасль, организация-конкурент, демографические и рыночные процессы и др.) развиваются эволюционно в достаточно стабильных условиях. Обычно рекомендуется, чтобы срок прогноза не превышал одной трети длительности расчетной временной базы. Однако на практике достаточно много случаев, когда на основе временной базы, скажем, пять лет разрабатываются экстраполяционные прогнозы на 10—15 лет. О какой точности прогноза в данном случае можно говорить?

В отличие от прогноза на основе регрессионного уравнения прогноз по тренду учитывает факторы развития только в неявном виде, и это не позволяет «проигрывать» разные варианты прогнозов при разных возможных значениях факторов, влияющих на изучаемый признак. Зато прогноз по тренду охватывает все факторы, в то время как в регрессионную модель в лучшем случае возможно включить в явном виде не более 10—20 факторов.

В простейшем варианте метод экстраполяции может применяться без разложения временного ряда на компоненты, а в простом графическом отображении закономерностей изменения изучаемого показателя — в прошлом и продлении этих закономерностей в будущее. Простота данного подхода определяет главное достоинство методов экстраполяции.

Большинство прогнозных ошибок при применении экстраполяционных методов связано с тем, что в момент формулирования прогноза в более или менее явной форме подразумевалось, что существующие тенденции сохранятся в будущем. Большинство прогнозных ошибок связано с тем, что в момент формулирования прогноза в более или менее явной форме подразумевалось, что существующие тенденции сохранятся в будущем, что редко оправдывается в реальной экономической и общественной жизни. Порой неожиданно начинают вступать в действие все новые и новые факторы, которые раньше не учитывались.

Можно привести много примеров ошибочных рекомендаций, сделанных на основе применения экстраполяционных методов. Эти ошибки в прогнозах носили не математический, а чисто логический характер: ведь при прогнозировании использовались временные ряды, достаточно хорошо отражающие имеющийся на момент проведения анализа статистический материал.

Развитие общества определяется очень большим числом факторов. Они тесно связаны между собой, и далеко не все они поддаются непосредственному измерению. Кроме того, по мере развития общества порой неожиданно начинают вступать в действие новые факторы, которые до этого не оказывали влияния на динамику объекта прогнозирования.

Временные ряды могут становиться все более ненадежной основой для разработки прогнозов по мере того, как экономика страны приобретает международный характер и все в большей степени подвергается действию международных факторов. Без хорошего знания ключевых факторов, влияющих на динамику изучаемого параметра, их возможного изменения в будущем и оценки чувствительности прогнозируемого параметра к изменению факторов не представляется возможным без крупных ошибок определить прогнозное значение изучаемого параметра, а следовательно, и величину разрыва.

Вышеназванное ни в коей мере не умаляет значимости экстраполяционных методов в прогнозировании. Как и любые методы, их надо уметь применять. Прежде всего экстраполяционные методы следует применять для относительно краткосрочного прогнозирования развития достаточно стабильных, хорошо изученных процессов.

Прогнозную оценку, полученную на основе экстраполяционных методов, используют как индикатор возможности получения определенной величины прогнозируемого показателя. Предположим, что была получена прогнозная оценка величины объема продаж на какой-то товар. Она говорит о том, что при тех же условиях внешней среды, структуре и силе действия исходных факторов прогнозируемая величина к определенному моменту времени достигнет такой-то величины. Менеджерам, которые используют результаты данного прогноза, следует ответить на вопрос: устраивает ли данная величина объема продаж? Если да, то надо приложить максимум усилий, чтобы все сохранить без изменения. Если нет, то существует разрыв и необходимо использовать маркетинговые и другие инструменты, а также постараться воздействовать на определенные факторы внешней среды, поддающиеся косвенному воздействию (например, повлиять на деятельность посредников, пролоббировать изменение определенных тарифов, импортных пошлин). Вся эта деятельность направлена на обеспечение получения желаемой величины объема продаж.

Более точные оценки по сравнению с простым анализом трендов при прогнозировании дает возможность получить усовершенствованный экстраполяционный метод — метод экспоненциального сглаживания. В нем прогнозная оценка в большей степени соответствует тенденциям последних лет, что является главным его достоинством, см., например, |6, 111.

Данный метод используется для краткосрочного прогноза и основан на средневзвешенном значении исследуемого показателя, например объема продаж, по определенному числу прошедших периодов. При этом наибольшие весовые коэффициенты придаются позднейшим продажам.

Главным слабым местом рассмотренного метода прогнозирования является то, что он не позволяет действительно предсказать эволюцию прогнозируемого параметра, поскольку не способен предвидеть какие-либо «поворотные точки». В лучшем случае он может быстро учесть уже произошедшее изменение. Тем нс менее для многих проблем управления такой «апостериорный» прогноз оказывается полезным при условии, что исследуемые факторы не подвержены резким изменениям.

Другим методом прогнозирования, основанным на анализе временных рядов, является метод ведущих индикаторов.

Ведущие индикаторы — показатели или их временные ряды, изменяющиеся в том же направлении, что и исследуемый показатель, но опережая его по времени. Например, рост показателей жизненного уровня опережает показатель роста спроса. Таким образом, изучая динамику изменения показателей жизненного уровня, можно сделать выводы о возможном изменении показателя спроса на определенную продукцию, привлекательности отдельных видов бизнеса.

Фирмы, изучающие рынки, предлагают два подхода к определению перспективности рынков: использовать стандартный индекс покупательной способности или построить индекс специально для анализируемого сектора экономики или гаммы продуктов.

При реализации метода ведущих индикаторов широко применяются экспертные оценки и регрессионный анализ. К достоинствам данного метода следует отнести легкость расчетов по простым формулам, достаточно высокую предсказательную точность. В то же время практически невозможно найти информацию об индикаторах для конкретного бизнеса на достаточно локальном рынке. Для этого требуется проводить дорогие специальные исследования.

Каждый из рассмотренных методов прогнозирования обладает определенными достоинствами и недостатками. Их применение более эффективно в краткосрочном прогнозировании. Они сильно упрощают реальные процессы, чтобы можно было рассчитывать на получение с их помощью результатов, выходящих за рамки представлений сегодняшнего дня. Практически невозможно отразить в моделях долгосрочного прогнозирования структурные сдвиги, постоянно происходящие в изменяющемся мире.

На самом деле все эти методы являются взаимодополняющими. Эффективная прогнозная система должна обеспечивать возможность использования любого из этих методов.

В условиях турбулентной внешней среды интуиция и воображение способны стать важными инструментами восприятия реальности, дополняя количественные подходы, которые, по определению, опираются только на наблюдаемые факторы. Вместе с тем очевидно, что чисто качественному методу также присущи значительные погрешности и что интуиция должна в возможно большей степени проверяться с помощью доступных фактов и знаний. Таким образом, следует обеспечить совместное использование этих двух подходов.

Любой прогноз имеет вероятностную природу, и полученные итоговые показатели содержат определенную погрешность, источником которой могут быть неточность исходных данных, неадекватность выбранного метода прогноза, ошибки в вычислении, случайные погрешности. Помимо оценки погрешности прогноза проводят общую экспертизу качества прогноза в целом на основе специальных критериев оценок [20].

Проблема прогнозирования вследствие быстрых, порой плохо предсказуемых изменений внешней среды за последнее десятилетие стала особенно сложной. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специалисты были вынуждены заговорить о тщетности прогнозирования. На самом деле прогнозирование — это обязанность, которую в явной или неявной форме неизбежно должны выполнять все организации.

Помимо получения возможных будущих оценок тех или иных исследуемых параметров, целью прогнозирования также является побуждение к размышлению о том, что может произойти во внешней среде и к каким последствиям для организации это приведет. Прогнозирование повышает бдительность менеджеров и, следовательно, их способность реагировать на изменения. Этот эффект достигается даже тогда, когда план не выполнен, в связи с тем что некоторые гипотезы, положенные в основу прогнозного сценария, не материализовались.