Prognozes kalpo par lēmumu atbalsta instrumentiem, kas ļauj vadītājiem plānot nākotni, veicot „ko, ja” analīzi, lai noteiktu, kā izmaiņas izejvielās ietekmē rezultātus. Piemēram, prognozes palīdz uzņēmumam identificēt atbilstošas reakcijas uz pieprasījuma līmeņa izmaiņām, cenu samazināšanu, ko veic konkurence, ekonomiskās lejupslīdes un vairāk. Lai gūtu vislielāko labumu no prognozēm, vadītājiem jāsaprot sīkāka informācija par dažādiem prognozēšanas metožu veidiem, jāatzīst, kāda konkrēta prognozēšanas metode var un ko nevar darīt, un jāzina, kāds prognozes veids vislabāk atbilst konkrētai vajadzībai.
Naivās prognozēšanas metodes
Naivās prognozēšanas metodes balstās uz prognozi par nākamo periodu uz datiem, kas reģistrēti iepriekšējam periodam. Piemēram, naivi prognoze varētu būt vienāda ar iepriekšējā perioda aktualitātēm vai konkrētu iepriekšējo periodu aktuālo vidējo rādītāju. Nevalstās prognozes neparedz iepriekšējo periodu korekcijas attiecībā uz sezonālajām svārstībām vai cikliskām tendencēm, lai vislabāk novērtētu nākamā perioda prognozi. Jebkuras naivās prognozēšanas metodes lietotājs nav saistīts ar cēloņsakarībām, faktoriem, kas izraisa aktuālo izmaiņu. Šī iemesla dēļ naivās prognozēšanas metode parasti tiek izmantota, lai izveidotu prognozi, lai pārbaudītu sarežģītāku prognozēšanas metožu rezultātus.
Kvalitatīvās un kvantitatīvās prognozēšanas metodes
Tā kā personiskie viedokļi ir kvalitatīvu prognožu metožu pamatā, kvantitatīvās metodes balstās uz iepriekšējiem skaitliskiem datiem, lai prognozētu nākotni. Delphi metode, informēti viedokļi un vēsturiskā dzīves cikla analoģija ir kvalitatīvas prognozēšanas metodes. Savukārt vienkāršās eksponenciālās izlīdzināšanas, multiplikācijas sezonas rādītāji, vienkāršie un svērtie vidējie rādītāji ir kvantitatīvās prognozēšanas metodes.
Gadījuma prognozēšanas metodes
Regresijas analīze un autoregresīvais kustīgais vidējais ar eksogēnām ieejām ir cēloņsakarību prognozēšanas metodes, kas paredz mainīgo, izmantojot pamatā esošos faktorus. Šīs metodes pieņem, ka matemātisko funkciju, kas izmanto zināmus pašreizējos mainīgos lielumus, var izmantot, lai prognozētu mainīgā nākotnes vērtību. Piemēram, izmantojot biļešu pārdošanas faktoru, jūs varat prognozēt ar kinematogrāfiju saistītu darbības rādītāju mainīgo lielumu, vai arī jūs varat izmantot universitātes komandas uzvarēto futbola spēļu faktoru skaitu, lai prognozētu ar komandu saistīto preču mainīgo pārdošanu.
Prognozēšanas prognozēšanas metodes
Delphi metode, scenāriju veidošana, statistikas apsekojumi un saliktas prognozes ir vērtēšanas prognozēšanas metodes, kuru pamatā ir intuīcija un subjektīvās aplēses. Metodes sniedz prognozes, balstoties uz ekspertu viedokļu apkopojumu vai ekspertu grupas, kas pārstāvētas aptaujā.
Laika sērijas prognozēšanas metodes
Laika rindas veida prognozēšanas metodes, piemēram, eksponenciāla izlīdzināšana, kustīgais vidējais un tendenču analīze, izmanto vēsturiskos datus, lai novērtētu nākotnes rezultātus. Laika rinda ir datu kopa, kas reģistrēta noteiktā laika posmā, piemēram, uzņēmuma pārdošana pēc ceturkšņa kopš 2000. gada vai Coca Cola gada produkcija kopš 1975. gada. Tā kā pagātnes modeļi bieži atkārtojas nākotnē, varat izmantot laiku sērija, lai veiktu ilgtermiņa prognozi 5, 10 vai 20 gadiem. Ilgtermiņa prognozes tiek izmantotas vairākiem mērķiem, piemēram, ļaujot uzņēmuma iegādes, ražošanas, pārdošanas un finanšu departamentiem plānot jaunas iekārtas, jaunus produktus vai jaunas ražošanas līnijas.
