• Increase font size
  • Default font size
  • Decrease font size

Progressive

Member Area
Dobre, stare i logične metode prognoza PDF Print E-mail

 

piše: Antonio Zrilić, član Uprave za strategiju i razvoj, Logiko

Kao što smo u jednom od prethodnih nastavaka spomenuli, mnogi miješaju prognozu sa postavljanjem ciljeva. Ako tvrtka traži od prodavača da prognozira prodaju na svom teritoriju, ta "prognoza" često postaje mjerilo prema kojem se prilagođavaju prodavači. Najbolji je primjer jedne tvrtke u kojoj su prodavači (dakle ljudi s terena) napravili plan na osnovu svojeg stručnog mišljenja i saznanja s tržišta. Međutim, kada je taj skupni plan došao u centralu i proučen, ubrzo nakon toga je vraćen s porukom da se prodaja i oni koji su radili planove malo bolje “skoncentriraju“ i naprave novi plan prodaje koji bi bio u skladu sa ciljevima rasta te tvrtke. 

Dvije su stvari kojih trebamo biti svjesni: Prvo, istina je, a i prirodno – ako ćete kasnije biti ocjenjivani na osnovu postavljenih planova, da ćete u svoje planove ugraditi određenu rezervu. Neki kažu – ako ove godine postignemo maksimalne rezultate onda će nam biti puno teže sljedeće godine ispuniti planove. Druga je zamka ta da ponekad za planove predstavljamo svoje ciljeve i želje, a znamo da želje mogu biti jako nerealistične. Istina (realan plan) nalazi se negdje između. Da bi plan bio realan moramo se pored funkcije pukih želja i ugrađenih pogrešaka, osloniti i na nešto opipljivije.

KVANTITATIVNE METODE

Što može biti opipljivije od dobre, stare i logične matematike. Matematičke tehnike prognoza  temelje se na povijesnim podacima, odnosno na prošlim događajima. Teorija koja stoji iza ovih metoda polazi od pretpostavke da povijesni podaci u većoj ili manjoj mjeri utječu na događaje u budućnosti. Potrebni podaci se obično nalaze u zapisima poduzeća.

ANALIZA VREMENSKIH SERIJA

Osnovni ciljevi analize vremenskih serija su pronalaženje modela kojim će se opisati zakonitosti u ponašanju promatranog dinamičnog sustava, te predviđanje njegovog budućeg stanja na osnovu poznatih stanja u prošlosti i sadašnjosti. Varijacije vremenskih serija u zavisnosti od vremenskog perioda u kojem se ponavljaju mogu biti:

 

• trend

• sezonske oscilacije - uključuju obrazac potražnje koji se ponavlja, kao

primjerice dan u tjednu, tjedan, mjesec...

• ciklične varijacije - sadrže sve obrasce potraživanja koji se ponavljaju,

koji su proizvoljni i nisu sezonski. Ciklusi od više godina.

•  slučajne - ne može se naći zakonitost ponašanja potražnje.

TRENDOVI

Koriste se u slučaju jasno prepoznatljivog obrasca - unaprijed i unatrag. Trendovi mogu biti linearni, kvadratni, kubni, eksponencijalni itd. U proučavanju trendova koristi se regresijska analiza tj. prihvaća se povezanost između jedne ovisne i jedne ili više neovisnih varijabli. U tom smislu razlikujemo linearan ili jednostavan (jedna neovisna varijabla) i višestruki ili nelinearan (više neovisnih varijabli) trend. Treba ispitati, dakle, je li potražnja koju je potrebno predvidjeti u linearnoj ili nelinearnoj ovisnosti o vremenu.

U tom smislu razlikujemo:

 

•  linearnu regresiju (Linear Regression): koristimo je kad između

 

dvije varijable postoji linearna ovisnost.

•  korelaciju (Correlation): pokazuje jačinu ovisnosti zavisne

varijable o nezavisnoj. Prima vrijednost između 0 i 1.

•  višestruku regresiju (Multiple Regression): prikazuje odnos

između jedne zavisne i dvije ili više nezavisnih varijabli.

 

U sljedećem nastavku ćemo govoriti o nekim jednostavnim i praktičnim statističkim metodama prognoziranja.