Учебное пособие: Операционный менеджмент
4. Обзор рынка покупателей. Это метод получения данных от покупателей или потенциальных покупателей, рассматривающих будущие планы своих покупок. Это может помочь не только в разработке прогноза, но также в продвижении проектируемого товара и планировании новых товаров.
Обзор количественных методов. В этой главе мы обращаемся к пяти методам количественного прогнозирования:
1.Простейший метод
2.Метод меняющегося среднего Модели временных серий
3.Экспоненциальное сглаживание
4.Трендовое регулирование
5.Линейная регрессия } Причинная модель
Модели временных серий. Первые четыре из перечисленных называются моделями временных серий. Они предсказывают на базе предположения, что будущее есть функция прошлого. Другими словами, мы видим, что случилось за истекший период времени и используем серию прошлых данных, чтобы сделать прогноз. Если мы предсказываем недельные продажи газонокосилок, мы используем прошлые недельные продажи газонокосилок, делая прогноз.
Причинные модели. Линейная регрессия, причинная модель, объединяет в модели переменные, или факторы, которые могут влиять на количество в будущем периоде. Причинная модель для продаж газонокосилок может включать такие факторы, как новое начавшееся строительство домов, затраты на рекламу и цены конкурентов.
Шаги системы прогнозирования
Дать определение компонентам временных серий
Восемь шагов системы прогнозирования. Кроме методов, используемых для прогнозирования, имеются следующие восемь шагов прогнозирования.
1. Определение пользы прогноза, т. е. какие объекты мы рассматриваем
2. Отбор объектов, которые будут прогнозироваться.
3. Определение временных горизонтов прогноза—является он краткосрочным, среднесрочным или долгосрочным.
4. Отбор модели (моделей) прогнозирования.
5. Сбор данных, необходимых для прогноза.
6. Обоснование модели прогнозирования.
7. Выполнение прогноза.
8. Отслеживание результатов.
Эти шаги следует осуществлять системным путем, инициируя, решая и отслеживая систему EMV прогнозирования. Когда система используется для генерации прогнозов регулярно в течение времени, данные должны быть соответствующим образом собраны, и текущие расчеты прогнозов могут делаться автоматически, обычно на компьютере.
ВРЕМЕННЫЕ ИНТЕРВАЛЫ ПРОГНОЗИРОВАНИЯ
Временные серии базируются на последовательности равных промежутков (недельных, месячных, квартальных и т. д.) между точками данных.
Декомпозиция временных серий. Анализ временных серий ведется посредством разбивания прошлых данных на компоненты и затем проецированием их вперед. Временные серии обычно имеют четыре компоненты: тренд, сезонность, циклы и случайные вариации .
1. Тренд (Т) является градацией повышения или понижения данных за период.
2. Сезонность (5) является моделью данных, которая повторяется через определенные промежутки, измеряемые днями, неделями, месяцами или кварталами (чаще термин «сезонность» относится к наступлению зимы, весны, лета и осени).
3. Циклы (С) — это модели данных, которые встречаются каждые несколько лет. Они обычно связаны с циклами в бизнесе и, главным образом, важны в краткосрочном анализе и планировании бизнеса.
4. Случайные вариации (К) — это «блики» в данных, связанные со случайными и необычными ситуациями; они, следователь но, безразличны для модели.
Существуют две основные формы временных серий моделей в статистике. Наиболее широко используется мультипликативная модель, которая предполагает, что спрос является продуктом четырех компонент: