Информационное обеспечение процесса планирования и прогнозирования

Виды, способы получения и требования к информации для планирования и прогнозирования. Методы прогнозирования

Виды, способы получения и требования к информации для планирования и прогнозирования

С точки зрения экономической кибернетики информацию можно определить как «все те сведения, знания, сообщения, которые помогают решить ту или иную задачу (то есть уменьшить неопределенность ее исходов)[1]». Информация, необходимая для планирования и прогнозирования, может быть первичной, то есть собранной впервые для какой-то конкретной цели, или вторичной, то есть уже где-то существующей. Критериями при принятии решения о том или ином способе и канале получения информации являются: доступность, затраты на получение, достоверность, оперативность, необходимость для принятия управленческого решения. Первичная информация получается с помощью социологических и маркетинговых исследований, проведения экспертных оценок, сбора статистических данных на предприятиях и в организациях. Вторичная информация, то есть та, на сбор, обработку и представление которой уже затрачены средства, может быть отобрана из статистических сборников, обзоров социально-экономической ситуации в периодической экономической печати и на сайтах государственных и негосударственных организаций, занимающихся стратегическими исследованиями.

Требования к информации для планирования и прогнозирования: достоверность (правильный отбор первичных сведений), достаточность и комплексность (полная характеристика, охватывающая как позитивные, так и негативные процессы в стране); системность (их можно укрупнить или разукрупнить по заданной схеме); сопоставимость; своевременность поступления и доступность по цене.

Методы прогнозирования

По оценке специалистов существует более 150 видов методов прогнозирования, но регулярно используются в практике разработки прогнозов около 20 основных. Ряд методов (например, математические уравнения трендов) используются при разработке как планов, так и прогнозов. Так как исследовательские возможности каждого из методов ограничены, то они, как правило, используются в сочетании друг с другом. Наибольшее распространение получила группировка методов прогнозирования на интуитивные (эвристические) и формализованные в

зависимости от степени формализации процесса обработки информации. Интуитивные (эвристические) методы применяются, когда объект прогнозирования или очень сложен (невозможно учесть влияние многих факторов) или слишком прост (нет необходимости строить модели, а потом их исследовать). Эвристические методы предполагают, что подходы, используемые для формирования прогноза, не изложены в явной форме и неотделимы от лица, делающего прогноз. Каким образом эксперты вывели свое суждение, нс прописано, хотя логическое мышление само по себе основано на логических приемах и правилах теоретического исследования. Формализованные методы имеют зафиксированные алгоритмы преобразования данных.

Классификация методов прогнозирования представлена на рис. 5. Методы экспертных оценок основаны на использовании экспертной информации. Известны два подхода к использованию экспертов: индивидуальные оценки и групповые.

Индивидуальные оценки, или метод согласования оценок, состоят в том, что каждый эксперт дает оценку независимо от других, а затем с помощью какого-либо приема эти оценки объединяются в одну обобщающую. Индивидуальные экспертные оценки могут быть представлены в виде интервью или аналитических записок. Метод написания сценариев предполагает описание предстоящих событий и прогнозирование социально-экономических показателей в нескольких вариантах. Задачей сценария является характеристика обстановки, в которой развивается прогнозируемый процесс, в том числе описание отдельных факторов, влияющих на прогнозируемые события. При этом часто используется несколько методов прогнозирования, поэтому сценарий шире, чем просто метод. Он представляет собой организационную форму, в рамках которой определяются виды прогнозов, которые затем разрабатываются для описания будущего с достаточной полнотой и учетом всех главных факторов. Этот метод используется также и в планировании при написании сценариев предполагаемых последовательностей выполнения работ. Например, при разработке нескольких вариантов реализации мероприятий целевой программы, каждый из которых соответствует своему сценарию развития событий.

Методы прогнозирования по степени формализации

Методы прогнозирования

Рис. 5 Методы прогнозирования.

Групповые или коллективные методы экспертизы основаны на совместной работе экспертов и получении суммарной оценки от всей группы экспертов в целом. Среди них наиболее распространенными являются метод комиссий и метод мозговой атаки. Наиболее известным методом коллективной экспертной оценки является метод «Дельфи», разработанный в США. Он основан на выявлении согласованной оценки экспертной группы путем их автономного опроса в несколько туров, предусматривающего сообщение экспертам результатов предыдущего тура с целью дополнительного обоснования оценки экспертов в последующем туре[2].

Методы экстраполяции основаны на предположении о неизменности факторов, определяющих развитие изучаемого объекта, и заключаются в распространении закономерностей развития объекта в прошлом на его будущее. К ним относятся методы скользящей и экспоненциальной средних, основанные на вычислении последовательных во времени значений прогнозируемого показателя с учетом степени влияния предыдущих уровней. Вторая группа методов экстраполяции основана па выявлении основной

тенденции, то сеть на применении статистических формул, описывающих тренд. Параметры уравнения тренда определяются с помощью метода наименьших квадратов.

При прогнозировании социально-экономических, политических процессов, изучении спроса используются методы социологических исследовании: опросы, анкетирование и другие. Применение эвристических методов не обходится без использования методов математической и прикладной статистики при обработке данных, полученных от экспертов, определении численности респондентов, периодичности сбора данных.

Кластерный анализ позволяет свести исследуемые объекты в однородные ipyinibi - кластеры (кластер - класс сходства). Математический аппарат кластерного анализа позволяет осуществить типологическую группировку совокупностей массовых явлений на основе множества признаков.

Методы моделирования основаны на разработке моделей -упрощенных представлений о прогнозируемом объекте или процессе.

К методам моделирования относятся логическое моделирование (например, метод исторической аналогии, метод написания сценариев), статистическое моделирование (составление уравнений регрессии), математическое моделирование (оптимизационные расчеты) и другие. «Язык прикладной математики и статистики формализует экономические процессы и выражает их условиями и уравнениями модели. Экономикоматематическая модель обычно имеет форму компьютерной программы, включающей уравнения отношений переменных к определенному объекту. Вместе с тем всякая модель отражает действительный явления ограниченно, в пределах заданных параметров, что необходимо учитывать при анализе результатов решения задач на ЭВМ[3]». В корреляционно-регрессионном анализе взаимосвязь прогнозируемого явления с другими явлениями представлена в виде регрессионного уравнения типа y=f(xb х2, ..., хп). Параметры этого уравнения определяются путем обработки больших массивов статистической информации. Прогноз ожидаемого среднего значения результативного признака получается путем подстановки в уравнение регрессии задаваемых значений признаков-факторов. «Для установления области, в которой следует ожидать значение прогнозируемого показателя, строятся доверительные интервалы. Прогнозирование на основе регрессионных моделей может осуществляться только после оценки значимости коэффициентов регрессии и проверки модели на адекватность61». Этот метод используется, в частности, при параметрическом ценообразовании.

  • [1] Лопат пиков Л.И. Экономико-математический словарь.1' Словарь современной экономической пауки. М, 1996. С. 198.
  • [2] Статистическое моделирование и прогнозирование: Учеб. Пособие/ Г..М. Гамбаров, H.M. Журавель, Ю.Г. Королева и др.; Под ред. А.Г. Гранберга. - М.: Финансы и статистика, 1990. С. 171-175.
  • [3] Прогнозирование и планирование в условиях рынка учеб, пособие для вузов/ Т.Г. Морозова, А.В. Пикулькин, В.Ф. Тихонов и др.: Под рсд. Т.Г. Морозовой. А.В. Пикулькина — М.: ЮИИТИ-ДАНА, 2000. С.69. "Там же. С. 173.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >