Разработка моделей прогнозирования

Среди всех аналитических средств именно прогнозирование является наиболее известным и популярным. Объясняется это чрезвычайно простой постановкой задачи «Что будет в будущем?», известной с древнейших времен.

Времена идут, а отношение людей к прогнозированию, по сути, не меняется. Большинство из нас относятся к прогнозам с известной долей скептицизма, и здесь нельзя не упомянуть так популярный в обществе прогноз погоды — невероятное количество анекдотов о синоптиках только подтверждает сложившееся мнение. Конечно, есть группы людей, которые верят всем прогнозам: от научных исследований до астрологических предсказаний. В противовес этому, часть людей склонна даже считать, что любой прогноз является по своей сути мошенничеством.

Так что же такое прогноз и в чем его польза для целей управления предприятием? Прогноз, с практической точки зрения — это некий результат, полученный математической моделью. Уже один этот факт говорит о том, что не может быть прогноза, который в точности совпадает с реально происходящим в будущем фактом. Поэтому правильное отношение к прогнозу с позиции руководителя предприятия или подразделения должно быть таким: прогноз показывает развитие ситуации не в деталях, а в целом. Соответственно, методы прогнозирования должны использоваться не для проверки, совпадет ли факт с прогнозным значением (теория вероятностей как раз нам говорит, что практически никогда не совпадет), а для того, чтобы принимать управленческие решения исходя из общих тенденций развития процесса.

В качестве примера вышесказанного приведем типовую задачу прогнозирования. Предположим, что менеджера по логистике интересуют будущие закупки предприятия на несколько месяцев вперед для планирования размещения товара на складах. Если спросить, что нужно такому менеджеру в качестве прогноза, то он ответит, что ему нужно знать закупки товара на каждый день (или неделю) попозиционно. Это можно назвать задачей-максимум. Совершенно очевидно, что не существует научного метода, который позволит прогнозировать закупку товара с точностью до товарной единицы.

Однако, попробуем посмотреть на обязанности менеджера с другой стороны: какое управленческое решение будет им принято? Ведь составить график доставки товара, в котором каждая номенклатурная единица будет доставлена на свое складское помещение, нереально (да и каким образом вести поддержку такого графика?) Скорее всего, менеджеру-логистику нужно определить, какие складские помещения следует использовать для каких товарных групп. Вот такая задача уже существенно проще с точки зрения математики. Итак, мы получаем, что прогнозировать нужно только объемы закупок и продаж предприятия по крупным товарным группам на ближайший период.

Теперь в задаче менеджера-логистика появилось две вполне реальных составляющих: определить вероятные продажи предприятия по товарным группам, а также определить, какие оптимальные остатки товара на складе следует поддерживать для обеспечения бесперебойности продаж. Первая из этих задач есть типовая задача прогнозирования, для решения которой следует привлечь эксперта по продажам товаров. При помощи эксперта специалист в области прогнозирования составляет математическую модель, наиболее адекватно отражающую продажи конкретного предприятия в данных экономических условиях. Вторая задача - это задача и классификации, и прогнозирования одновременно.
Имея теперь понимание, что такое прогноз, и каким образом его следует использовать в среде управления предприятием, рассмотрим, какие программные средства необходимы аналитику для построения качественного прогноза.

Первое, что требуется — это быстрый и удобный доступ к данным предприятия. Для задач прогнозирования, как правило, используются данные самого различного характера: сведения из баз данных, оценки экспертов, географические и статистические данные по региону или населенному пункту, плановые показатели работы предприятия и региона.
Следующим необходимым этапом являются возможности программного комплекса по преобразованию данных, очистке их от пропусков, искажений и аномалий. Как мы уже знаем из раздела «Выявление несоответствий и ошибок», искажение исходных данных может коренным образом влиять на сводные показатели: итоговые, средние значения. Точно так же происходит и их влияние на другие статистические показатели, которые применяются при прогнозировании. Именно поэтому возможность преобразования и очистки данных является вторым важнейшим этапом в вопросах прогноза.

И, наконец, третий ключевой фактор — это набор настроек математических методов для обеспечения возможности прогнозирования различными способами, поскольку очевидно, что «универсального» метода прогнозирования не существует. Сочетание готовых методов и возможностей применения произвольных экспертных оценок позволяет строить прогнозы максимально качественно.

Из всего многообразия аналитических программных пакетов наиболее эффективной в данной области является система Deductor Professional. В своем составе она имеет как совокупность средств по извлечению преобразованию и очистке данных, так и набор высокоуровневых методов анализа, таких, как искусственные нейронные сети, самоорганизующиеся карты Кохонена, деревья решений и другие методы. Средства автоматизированной обработки данных при помощи сценариев, на которых построена платформа Deductor, идеально подходят в задачах, связанных с прогнозированием на предприятии.