Количественные методы прогнозирования часто называют объективными или математическими, так как в их основе — точный расчет и логическая обоснованность. Такие подходы приобретают все большую популярность в связи с появлением сложных программных пакетов для ЭВМ, которые специально разрабатываются для конкретных фирм.
Мы не будем подробно рассматривать содержание этих методик, потому что они требуют специальных знаний в других областях. Любому из этих методов можно посвятить отдельную книгу. Среди количественных методов есть и очень простые, и довольно сложные. В оставшейся части данной главы разъясняется сущность этих методов для того, чтобы читатель по достоинству смог оценить их полезность и возможность применения для решения собственных задач по прогнозированию. Но если ваша проблема решается только с помощью одного из специальных математических методов, следует обратиться к профессионалу.
Количественные методы можно разбить на два типа
АНАЛИЗ ВРЕМЕННЫХ РЯДОВ. Единственная переменная величина для прогнозиста — время. Простые в работе, эти методы несовершенны в том, что при прогнозировании будущего опираются только на данные из прошлого. Метод полезен для прогноза продаж на относительно стабильных рынках, не подверженных влиянию внезапных перемен в спросе. Другими словами, путем такого анализа невозможно предсказать подъемы и спады спроса, если только исследователь соблюдает корректность в работе, а не занимается манипуляциями, выдавая желаемое за действительное.
ПРИЧИННО-СЛЕДСТВЕННЫЕ МЕТОДЫ. В этом случае предполагается наличие взаимосвязи между измеряемой независимой переменной и прогнозируемой зависимой переменной величиной. Прогноз производится методом подстановки в вычисления значения независимой переменной. Очень важно правильно подобрать переменную величину и тщательнейшим образом установить период времени прогноза. Трудность возникает при попытке обосновать причинно-следственные связи. Часто они не поддаются логическому объяснению.
Кроме того, нет никакой уверенности в том, что эта связь сохранится в будущем. На этом этапе рассуждение об основаниях причинно-следственных зависимостей может быть и не очень понятно, но после изучения некоторых количественных методов прогнозирования ситуация прояснится. Этот метод заключается в усреднении величин, составляющих временной ряд. Чем он продолжительнее, тем больше сглаживаются показатели. В основе лежит прием вычитания показателя первой из продаж и прибавления показателя последней продажи. Действие данного метода легче всего объяснить на примере.
Нетрудно убедиться в том, что применение скользящей средней к длительному интервалу времени дает более сглаженный прогноз, чем в случае скользящей средней на основе короткого временного периода. Решение о сроках — три года, пять лет или более — дело экспертов. Иногда даже не нужно сглаживать данные (в случае устойчивой тенденции). Такой метод называют прогнозированием тенденции. Понятно, что чем больше колебания данных, тем продолжительнее период их усреднения.