Прогнозирование при принятии управленческих решений

Наиболее используемые при производстве товаров и оказании услуг прогнозы основаны:

на суждении и мнении;

на данных временного ряда;

на ассоциативных методах прогнозирования.

При прогнозировании стараются применять упрощенные варианты методов, что характерно для малого бизнеса. Прогнозы, основанные на суждении и мнении — основаны на анализе субъективных данных, полученных при опросе потребителей, сотрудников отдела продажи, линейных менеджеров, групп экспертов.

Потребители — это люди, которые определяют спрос. Зная их мнение и потребности, можно спланировать производство. Однако при всей его простоте это достаточно сложный метод. Проводя опросы, следует учитывать психологию потребителей при покупке товаров. Так, мнение будущего покупателя определяется [3, с. 102]:

ситуацией, когда восприятие, память человека подвержены влиянию когнитивных (внутренних, субъективных) и мотивационных факторов, что приводит к предвзятости в суждениях;

тем, как и кем задан вопрос (в каком свете он сформулирован, каков контекст, содержит ли он уловки и т. п.);

социальным окружением лица, высказывающего суждение;

эвристическими способностями и субъективным смещением мнения и т. п.

Зная особенности психики человека, можно более обоснованно интерпретировать ответы потребителей. Это требует знаний и навыков. Опросы могут потребовать финансовых расходов и времени, но позволяют извлекать информацию, которую нельзя получить из других источников.

Опросы сотрудников отдела продажи могут служить источником очень ценной информации для прогноза, поскольку это, как правило, специалисты, непосредственно контактирующие с потребителями. Однако здесь следует учитывать инерцию мышления, наличие прошлого опыта у продавца товара. Так, прошедший период успешных продаж он может воспринимать как тенденцию.

Мнение руководства достаточно ценно в силу обобщенности информации из различных каналов. Необходимо учитывать влияние лидера на коллективное мнение.

Группы экспертов используются для составления прогноза или создания нескольких его вариантов и последующего отбора наиболее подходящего. В данном случае может быть полезен метод Дельфи. Для участия в опросе могут привлекаться менеджеры и сотрудники компании анкетирования. Благодаря этому создается согласованный прогноз с наименьшими затратами.

Теперь рассмотрим прогнозы, основанные на данных временного ряда.

Под временным рядом понимают упорядоченную во времени последовательность наблюдений через разные промежутки времени (через 1 час, ежедневно, ежегодно). Данными могут быть показатели спроса, дохода, прибыли, отгрузок, несчастных случаев, производительности и т. п. Прогноз основан на анализе данных временного ряда.

Предполагается, что будущие значения ряда могут быть оценены исходя из прошлых. В данном случае фиксируется и строится тенденция проявления каких-то фактов. Если эти проявления были результатом действия объективных закономерностей в прошлом, то в подобных условиях в будущем они повторятся. На практике требуется фиксировать показатели, представляющие интерес, через заданное время и строить график, где на оси Х отмечают значение показателя, а на оси Т — время. На графике могут проявляться одна или несколько закономерностей: тенденция, сезонные изменения, циклы и постоянные изменения (вокруг некоторого среднего значения), а также случайные или нерегулярные изменения.

Выбирая параметр временного ряда, следует учитывать объективность его фиксации. Например, если требуется изучить спрос на какой-то продукт в прошлом году, то параметром, изменения которого позволят разработать прогноз, должен быть не спрос, а объем продаж.

Рассмотрим также методы усреднения. Фиксируемые данные о каком-либо явлении часто содержат «выпадающие» из общей тенденции значения показателя. Следствием этого может быть влияние существенных и несущественных факторов. На практике, определяя общую тенденцию, ими обычно пренебрегают, усредняя значения показателя. К прогнозам, составленным методом усреднения, относятся прогнозы «наивные», скользящие средние значения, экспоненциального сглаживания.

«Наивным» является прогноз на данный период, который равен фактическому значению предыдущего прогноза. Так, если сегодня спрос на продукцию составляет 40 т, то и через неделю спрос не изменится. Этот прогноз можно успешно использовать, когда выявлена закономерность (тенденция, сезонность и т. п.).

Скользящее среднее значение — прогноз, построенный на основе усреднения нескольких последних показателей [10]. Прогноз модифицируется при поступлении каждого нового фактического значения показателя спроса прибавлением его и вычитанием прежнего с последующим вычислением среднего. Прогноз как бы «скользит», отражая только последние значения. Скользящее среднее значение может включать необходимое количество периодов. При этом следует иметь в виду, что число усредненных точек на графике характеризует чувствительность для каждого нового значения. Среднее значение более чувствительно к усреднению меньшего числа показателей. Следовательно, разрабатывая этот прогноз, необходимо выбирать между высокой чувствительностью к случайным изменениям данных и медленной реакцией на изменения. Недостаток этого прогноза состоит в том, что все значения учитываются как среднее (равнозначное) без значимости (веса) показателя.

Взвешенное среднее подобно скользящему среднему значению, но придает больший вес (коэффициент значимости) последним показателям временного ряда [10].

Прогнозирование по выявлению тенденции — анализ тенденций используется для построения уравнения, выражающего характер изменений параметров в виде математических зависимостей. Выявленные математические зависимости тенденций позволяют прогнозировать с использованием математического аппарата. Наиболее распространены на практике два способа разработки прогнозов при выявленной тенденции: использование уравнения тенденции и расширение экспоненциального сглаживания.

Регрессионный анализ — простая наиболее распространенная форма регрессии представляет собой линейную связь между двумя переменными. Цель линейной регрессии — получить уравнение прямой линии, которая дает минимальную сумму квадратов вертикальных отклонений точек данных от линии.

Применение регрессии в прогнозировании связано с использованием индикаторов — независимых переменных, предшествующих изменениям в искомой переменной. Например, увеличение объема строительства летом может зимой привести к возрастанию спроса на бытовые приборы, мебель и т. п.

Итак, в данной главе работы были рассмотрены особенности принятия управленческих решений в сфере производства. Здесь было выявлено, что в процессе принятия управленческих решений по вопросам производства на предприятии, производственная функция взаимодействует с рядом вспомогательных: управления персоналом, финансов, закупок, распределения, производственного инжиниринга, технического обслуживания, связи с общественностью. Диапазон принятия решений в сфере производства включает определение производственных мощностей, разработку изделия или услуги, выбор оборудования, размещение производства и др. Также в данной главе работы были перечислены различные приёмы, с помощью которых принимаются управленческие решения на производстве.

Далее в работе рассмотрим принятие управленческих решений на производстве на примере предприятия ООО «Квант-НН».