Apraksts:

Darba galvenā novitāte ir uzņēmuma darbības prognozēšanas modelis.

Darbs:

PROGNOZĒŠANAS METODES UZŅĒMĒJDARBĪBĀ

Prognozēšana ekonomikā un uzņēmējdarbībā ir paņēmiens ar kura palīdzību var sakārtot procesus, minimizēt varbūtības faktoru ietekmi ekonomikā, kā arī pieņemt pareizus lēmumus, ņemot vērā esošos perspektīvas un nākotnes apstākļus. Prognozes dod informāciju par nākotni, par iespējamo faktoru ietekmi. Uz to pamata izvēlas kā tagadnes, tā arī nākotnes rīcības veidus, pieņem lēmumus. Tieši no pareizas prognozēšanas metodes izvēles ir atkarīga gan uzņēmuma attīstība, gan konkurētspēja dzīvotspēja.

Darba galvenā novitāte ir uzņēmuma darbības prognozēšanas modelis. Autors konceptuālā veidā dod priekšlikumi modeļa lietošanai uzņēmējdarbībā, apraksta modelim piemērotas prognozēšanas metodes. Vienlaicīgi savākta un apkopota plaša informācija par prognozēšanas teoriju, dotas definīcijas un metožu klasifikācija. Metožu klasifikācija atspoguļo visas zināmās metožu grupas, norādot plašāk pielietotās metodes. Kā galvenā novitāte parādīta analītiskā veidā izstrādātais modelis, kurā aprakstītas galvenās uzņēmuma darbības ekonomiskās sakarības.

1. Prognozēšanas koncepcija

Prognozēšana notiek saskaņā ar prognozēšanas metodiku, noteikumu, paņēmienu un prognozēšanas metožu kopumu. Prognozēšanas paņēmiens ir viena vai vairākas matemātiskas vai loģiskas operācijas, virzītas uz konkrēta rezultāta sasniegšanu prognožu izstrādāšanas gaitā. Prognozēšanas metode ir prognozēšanas objekta pētīšanas paņēmiens [8, 554. lpp.].

Prognozēšanas metožu un paņēmienu izvēlei nepieciešams rūpīgs darbs, kurā jāņem vērā minētie raksturojumi.
 Evristiskie raksturojumi atkarīgi no pieņēmumiem, no lietošanas pieredzes un metodes atbilstības konkrētiem uzdevumiem, kā arī no rīcībā esošiem datiem. Evristiskā raksturojuma izvēle balstās uz šādu faktoru analīzi: datu veida un detalizācijas pakāpes; prognozēšanas laika; iespējamā prognozējamā attīstības tipa (trenda, cikla u.c.); novērojumam nepieciešamā un rīcībā esošā skaita; laika, ar kuru nepieciešams salīdzināt prognozējamo rezultātu ar patiesību; prognozēšanas tehnikas un zināšanas esamību; sagatavoto lēmumu jutīgumu pret prognozēšanas rezultātiem; problēmas svarīguma [8, 556. lpp.].
 Statistiskie, ex post raksturojumi pamatoti uz faktiskās attīstības salīdzināšanu ar prognozi. Starpību starp tiem parasti sauc par novirzēm jeb kļūdām, un tās mērs var būt vidēja absolūta novirze, relatīva absolūta novirze, vidēja kvadrātiskā novirze, relatīva kvadrātiskā novirze, U – koeficients [3, 27. lpp.], maksimālā relatīvā novirze. Prognozēšanas metožu izvēlei izmanto tikai tās kvalitāti. Ar to saprot kļūdas mazo lielumu, salīdzinot ar citām metodēm. Ir arī cits viedoklis- spēja dot jau apstiprinājušās prognozes par tendenču izmaiņas momentu un raksturu.
 Ekonomiskie raksturojumi. Prognozēšanas metode ir derīga lietošanai tikai tad, ja prognozes rezultātu derīgums (pielīdzināta kvalitāte) ir lielāks nekā izmaksas prognozēšanai [8, 560. lpp.].
Pēc autora domām, izvēlēties prognozēšanas metodes pēc ekonomiskiem radītājiem ir ļoti problemātiski. Pirms prognozes izstrādāšanas, lēmumu pieņēmējs var zināt metodes izmaksas, bet prognozes rezultātu lietderību (naudas vai citā izteiksmē) novērtēt nav iespējams. Praksē prognozēšanas izmaksas parasti ir zemākas nekā rezultātu lietderība, tāpēc lēmumu pieņēmēji darbojas pēc vienkāršotas shēmas: ja problēma nav liela, lēmumu pieņēmējs neveic prognozi, un darbojas, vadoties no savām domām un pieredzes. Visos citos gadījumos lēmumu pieņēmēji veido prognozes, neskatoties uz rezultātu lietderību. Bet rezultātu lietderības novērtēšana ir teorētiskā problēma. Ekonomiskā izvēle starp dažām prognozēšanas metodēm balstās uz tās izmaksas un kļūdas lieluma salīdzināšanu un tas neizraisa grūtības.

Prognozēšanas process notiek pēc šādas shēmas (1. att.):


Prognozēšanas problēmas identifikācija

Paskaidrojoša modeļa izstrādāšana
(eksogēnas un endogēnas mainīgas sakarības noteikšana, iemeslu – seku sakaru novērtēšana)
Negatīvais rezultāts
Paskaidrojoša modeļa pārbaude ex post (uz pagātnes datiem) vai īsa perioda ex ante (uz tagadnes datiem)
Pozitīvais rezultāts
Prognozes organizācija; metodoloģijas, datus noteikšana

PROGNOZE
Pozitīvais rezultāts
Prognozes izmantošana Rezultātu kontrole un salīdzināšana ar realitāti
Negatīvais rezultāts

1. att. Prognozēšanas procesa galvenie posmi [8, 555. lpp.]

Viens no galvenajiem elementiem prognozēšanas procesā ir paskaidrojošais modelis (1. att.). Paskaidrojošais modelis ir analītiskas darbības rezultāts, kurš apraksta sakarības pētāmā objektā. Pamatojoties uz šīm sakarībām, notiek piemēroto prognozēšanas metožu izvēle.

2. Prognozēšanas metodes

2.1. Kvalitatīvas prognozēšanas metodes. Aptaujas
Kvalitatīvas prognozēšanas metodes ir pamatotas uz cilvēku subjektīviem viedokļiem un objektīvām zināšanām. Pieņemts, ka situāciju var prognozēt, zinot cilvēku kopējo noskaņu un plānus. Prognozes iegūšanas avots ir aptauja. Izšķir 3 aptaujas veidus: pircēju aptaujas, tirdzniecības darbinieku aptaujas un ekspertu aptaujas.
Pircēju aptauja ir visvienkāršākā prognozēšanas metode, un tā ir derīga tikai tad, ja pircējiem ir labi formulēti nolūki. Prakse rāda, ka pircēji paši nevar pareizi novērtēt savus nolūkus, un šī metode dod tikai tuvinātas patiesības rezultātiem [1, 229. lpp.].
Tirdzniecības darbinieku aptauja dod informāciju par kopējā tirgus apjomiem un tā sadalīšanu pa individuāliem uzņēmumiem. Pārdevējiem ir vislabākā intuīcija, bet viņi ir ieinteresētas personas, un tas ietekmē prognozes kvalitāti [5, 384.- 385. lpp.].
Ekspertu vērtējumi sevišķi noderīgi starp aptaujām, jo tie var ar dažiem paņēmieniem prognozēt jebkurus objektus. Ar ekspertu vērtējumiem prognozi var izstrādāt ar samērā nelielām izmaksām. Šī metode ir drošāka nekā citas aptaujas, bet drošības līmenis nav tik liels kā kvantitatīvām metodēm. Eksperti izmanto sekojošus paņēmienus: grupas apspriežu metodi; dažādus individuālus vērtējumus; Delfi metodi. Visprecīzākā ir Delfi metode. Neskatoties uz labām zināšanām un intuīciju, eksperti var kļūdīties, tāpēc, visur, kur ir iespējams, ekspertu novērtējumi jāsalīdzina ar citu metožu novērtējumiem [5, 385. lpp.].
Daži autori (Norman Gaither)[2, 78. lpp.] pie kvalitatīvām metodēm pieskaita arī vēsturiskas analoģijas un tirgus testēšanas metodes. Tirgus testēšana apskatīta 2.5. nodaļā. Vēsturiskas analoģijas metode uzskata, ka pagātnes procesi atkārtojas nākotnē. Tā ir praksē maz lietota metode, jo procesi kustas, notiek attīstība.

Kvalitatīvas metodes izmanto, kad nav iespējams izmantot kvantitatīvas metodes datu trūkuma vai citu iemeslu dēļ.

2.2. Laika rindu analīze
Dažādi uzņēmumi veic prognozes, pamatojoties uz iepriekšējo datu analīzi. Pieņemts, ka šie dati pauž pastāvīgas sakarības, kuras var atklāt ar statistisku analīzi. Zinot sakarības, var prognozēt nākotni. Laika rindu analīze pēta laika sakarības sastāvdaļas: trendu, ciklu, sezonalitāti un gadījuma komponentus.

Trends (ekstrapolācijas metode [6, 69. lpp.]) – pauž pamattendences demogrāfiskajos procesos kapitālieguldījumos un tehnoloģijā. Trendam piemīt ilglaicīga pastāvība, tāpēc tam ir liela nozīme ilglaicīgas prognozes sagatavošanā [1, 231. lpp.]. Cikls – atspoguļo svārstības, turklāt laika rindai ir pietiekami pastāvīga izmaiņu amplitūda un periodiskums. Cikla lietošana ir sevišķi svarīga vidēja ilguma termiņu prognozēšanā. Sezonalitāte – rāda regulāri atkārtojušās svārstības gada laikā [5, 386. lpp.]. Daži avoti apgalvo, ka cikls un sezonalitāte apraksta vienu un to pašu parādību dažādos laika intervālos, un starp tiem nav būtiskas starpības[8, 567. lpp.]. Neplānotie noteikumi – atspoguļo dažādus sociālus satricinājumus, katastrofas un kļūdas prognozēšanā.

Pastāv pilnīgi pretēja ideja, pēc kuras laika rindas ir gadījuma procesa īpašs veids, kuru var iekļaut sevī trends un sezonalitāte, tādēļ nepieciešams analizēt gadījuma procesus, minimalizēt kļūdas prognozēšanā [8, 567. lpp.].

Laika rindas analīzes pamatā ir praksē visbiežāk lietotās, kā arī ekonomiskajā literatūrā apskatītās, prognozēšanas metodes- eksponenciāla izlīdzināšana (EXPO, exponential smoothing) un Boksa Dženkinsa jeb slīdošas vidējas autoregresijas metode (ARMA, auto- regressive moving average). Salīdzinot ar EXPO metodi, ARMA kā izejas dati nepieciešama ilgāka laika rinda. ARMA pieprasa vairākas izmaksas, bet tās prognozes ticības līmenis pakāpi augstāks, tāpēc ARMA vairāk izmanto ilglaicīgai prognozēšanai.

Laika rindu analīze atklāj statistiskas sakarības iepriekšējos procesos, datos, uz kuriem pamatojoties veido prognozēšanas modeli un prognozes. Šīs grupas metodes darbojas labi, ja sakarības ir pastāvīgas laikā un ir vienkāršas kā trends, cikls un sezonalitāte. Sakarības maiņas metodes atklāj izmaiņas tikai nākošā laikā posmā un nokavē ar reaģēšanu. Metodes reakcijai uz sakarības izmaiņām ir sekojošs raksturs: prognozes rezultāts nākošā periodā sedz kavējumu iepriekšējā periodā (vidējais prognozējamais un vidējais reālais līmeni divos vai vairāk laika posmos ir vienādi). To uzskatīta par metodes trūkumu. Metodes priekšrocības ir pieejamais ticamības līmenis, vairāk nekā kvalitatīvās metodēs, neliels novērojumu skaits un metodes vienkāršība.

2.3. Galvenie indikatori, sakarības tīkla metodē
Galvenie vai vadošie indikatori (leading indicators [5, 386. lpp.], опережающие) ir novērojumu rezultāti, pēc kuriem iespējams secināt par kādas citas tendences parādīšanos nākotnē [4, 40. lpp.]. Teorētiski indikatori maz pētīti, bet pieņemts, ka tie var ļoti precīzi prognozēt situāciju, un prognozes ticamība ir atkarīga no modeļa. Viena no indikatoru metodēm ir tīkla metode.

Tīkla veida plānošana ir lēmumu pieņemšanas metode. To var pielietot gandrīz visās lēmumu pieņemšanas stadijās- gan novērtēšanā, gan prognozēšanā. Tīkla metodes izmanto stingri noteiktu tehnoloģisku darba secību indikatorus. Ja ir neapšaubāma darba secība, tad pēc iepriekšēja līmeņa darba apjoma ar speciālo koeficientu palīdzību var noteikt nākošā vai aiznākošā līmeņa darbu apjomus, un