Salaeva Inga, Kostyunina Daria

Im wissenschaftlichen Forschungsarbeit Es wird ein historisches und diagnostisches Bild der Qualität moderner Prognosen präsentiert und die Prognosetechnologie mit dem Excel-Programm offengelegt. Der Forschungsbericht ist in der beigefügten Datei dargestellt. Produkt Projektaktivitäten- auf dem Schulportal

Herunterladen:

Vorschau:

Offene internationale Forschungskonferenz für Oberstufenschüler und Studierende „Bildung. Die Wissenschaft. Beruf"

Abschnitt

Informationstechnologie

Thema

Computertechnologien und Prognosen

Kostyunina Daria

Salaeva Inga

Bildungseinrichtung

Städtische Bildungseinrichtung Gymnasium Nr. 39 „Klassik“

Wissenschaftlicher Leiter:

Osipova Svetlana Leonidovna, Informatiklehrerin der höchsten Kategorie

Otradny

Formulierung des Problems.Prognostizieren Sie saisonale Eisverkäufe.

Ausgangsdaten.Produktverkaufsmengen nach Saison.

Lösungsalgorithmus.

1. Präsentieren Sie die Eisverkaufsdaten nach Saison in Tabellenform.
2. Der Trend ist bestimmt, bestmögliche Annäherung an die tatsächlichen Daten (in diesem Problem handelt es sich um einen polynomialen Trend)

Schlussfolgerungen.

Das Polynommodell beschreibt die Abhängigkeit zuverlässiger, da sein Bestimmtheitsmaß R 2 näher an 1. Je näher R 2 zur Einheit, desto erfolgreicher wird das Modell aufgebaut.

Das resultierende Modell prognostiziert den saisonalen Eisverkäufer gut. Es ist jedoch schwierig, die Umsätze in den nächsten Saisons vorherzusagen, da es bei der Extrapolation nicht empfehlenswert ist, sich weit vom experimentellen Bereich zu entfernen. Möglicherweise stellen Sie jedoch fest, dass die Eisverkäufe im Sommer (insbesondere im Juni und Juli) hoch sein werden.

1. Berechnung von Korrelationen

Abhängigkeiten zwischen Größen, die jeweils einer völlig unkontrollierbaren Streuung unterliegen, werden Korrelationsabhängigkeiten genannt.

Aufgabe:

Formulierung des Problems. Ermittlung der Abhängigkeit der schulischen Leistungen von Gymnasiasten von zwei Faktoren: der Ausstattung der Schulbibliothek mit Lehrbüchern und der Ausstattung der Schule mit Computern.

Ausgangsdaten.Ergebnisse aus der Messung beider Faktoren an 11 verschiedenen Schulen.

Lösungsalgorithmus.

1. Präsentieren Sie die erhaltenen Daten in Form einer Tabelle.
2. Berechnen Sie den Koeffizienten mithilfe der Korrelationsformel. IN Excel dafür gibt es eine Funktion KORREL , das Teil der Gruppe ist statistische Funktionen.

Schlussfolgerungen.

Für beide Abhängigkeiten wurden lineare Korrelationskoeffizienten erhalten. Wie aus der Tabelle hervorgeht, ist der Zusammenhang zwischen der Bereitstellung von Lehrbüchern und den Studienleistungen stärker als der Zusammenhang zwischen Computerunterstützung und Studienleistungen. Wir können daraus schließen, dass das Buch immer noch eine bedeutendere Wissensquelle bleibt als der Computer.

1. Optimale Planung

Gegenstand der Planung können unterschiedliche Systeme sein: die Aktivitäten eines einzelnen Unternehmens, einer Branche oder Landwirtschaft, Region und schließlich Staat. Es könnte sich auch um einen Gesundheits- oder Wetterzustand handeln. Die Formulierung des Planungsproblems lautet wie folgt:

1. Es sind einige Indikatoren geplant: x, y und andere;
2. Es gibt einige Ressourcen: R1, R2 und andere, mit denen diese Ziele erreicht werden können. Diese Ressourcen sind fast immer begrenzt;
3. Abhängig von den Werten gibt es ein bestimmtes strategisches Ziel x, y und andere geplante Indikatoren, an denen sich die Planung orientieren sollte.

Es ist notwendig, den Wert geplanter Indikatoren unter Berücksichtigung begrenzter Ressourcen zu ermitteln, sofern das strategische Ziel erreicht wird. Dies wird der optimale Plan sein.

Schlussfolgerungen

Prognosen sind ein integraler Bestandteil jedes Lebensbereichs, etwa des Managements oder der Wirtschaftswissenschaften, der Mathematik oder der Meteorologie.

Bei der Arbeit an dem Projekt haben wir herausgefunden, dass eine qualitativ hochwertige Vorhersage verschiedener Prozesse menschlichen Handelns ohne moderne Computertechnologien nicht möglich ist. Zu diesem Zweck untersuchten wir die Fähigkeiten des Tabellenkalkulationsprogramms MS Excel zur Erstellung von Computermodellen für Prognosen. Viele menschliche Funktionen in Management, Planung und Prognose können auf einen Computer übertragen werden.

• Lernprogramm

Ich mache seit über 5 Jahren Zeitreihenprognosen. Letztes Jahr habe ich meine Dissertation zum Thema „ Zeitreihenvorhersagemodell mit maximaler Ähnlichkeitsstichprobe„Allerdings blieben nach der Verteidigung noch einige Fragen offen. Hier ist einer von ihnen - allgemeine Klassifizierung von Prognosemethoden und -modellen.

Typischerweise stellen Autoren sowohl in inländischen als auch in englischsprachigen Werken nicht die Frage nach der Klassifizierung von Prognosemethoden und -modellen, sondern listen sie lediglich auf. Aber es scheint mir, dass dieser Bereich heute so stark gewachsen und erweitert ist, dass, auch wenn er der allgemeinste ist, eine Klassifizierung notwendig ist. Unten ist meins eigene Version allgemeine Einteilung.

Was ist der Unterschied zwischen einer Prognosemethode und einem Prognosemodell?

Prognosemethode stellt eine Abfolge von Aktionen dar, die ausgeführt werden müssen, um ein Prognosemodell zu erhalten. In Analogie zum Kochen ist eine Methode eine Abfolge von Aktionen, nach denen ein Gericht zubereitet wird – also eine Prognose erstellt wird.

Prognosemodell Es gibt eine funktionale Darstellung, die den untersuchten Prozess angemessen beschreibt und die Grundlage für die Ermittlung seiner zukünftigen Werte bildet. In der gleichen kulinarischen Analogie verfügt das Modell über eine Liste der Zutaten und deren Verhältnisse, die für unser Gericht erforderlich sind – die Prognose.

Die Kombination aus Methode und Modell ergibt ein vollständiges Rezept!

Derzeit ist es üblich, für die Namen sowohl der Modelle als auch der Methoden englische Abkürzungen zu verwenden. Beispielsweise gibt es ein bekanntes Prognosemodell des autoregressiven integrierten gleitenden Durchschnitts unter Berücksichtigung eines externen Faktors (autoregressiver integrierter gleitender Durchschnitt erweitert, ARIMAX). Dieses Modell und die entsprechende Methode werden üblicherweise als ARIMAX und manchmal auch als Box-Jenkins-Modell (Methode) nach den Autoren bezeichnet.

Zuerst klassifizieren wir die Methoden

Wenn man genau hinschaut, wird schnell klar, dass das Konzept „ Prognosemethode„ist viel umfassender als das Konzept“ Prognosemodell" In diesem Zusammenhang werden Methoden in der ersten Stufe der Klassifizierung üblicherweise in zwei Gruppen eingeteilt: intuitiv und formalisiert.

Wenn wir uns an unsere kulinarische Analogie erinnern, dann lassen sich alle Rezepte in formalisierte, also nach Zutatenmenge und Zubereitungsart aufgeschriebene, und intuitive, also nirgendwo aufgeschriebene und aus der Erfahrung des Kochs gewonnene Rezepte einteilen. Wann verwenden wir kein Rezept? Wenn das Gericht sehr einfach ist: Kartoffeln braten oder Knödel kochen, ist kein Rezept erforderlich. Wann sonst verwenden wir kein Rezept? Wenn wir etwas Neues erfinden wollen!

Intuitive Prognosemethoden sich mit den Urteilen und Einschätzungen von Experten auseinandersetzen. Heutzutage werden sie häufig in Marketing, Wirtschaft und Politik eingesetzt, da das System, dessen Verhalten vorhergesagt werden soll, entweder sehr komplex ist und nicht mathematisch beschrieben werden kann, oder sehr einfach ist und einer solchen Beschreibung nicht bedarf. Einzelheiten zu dieser Art von Methoden finden Sie in.

Formalisierte Methoden— in der Literatur beschriebene Prognosemethoden, auf deren Grundlage Prognosemodelle erstellt werden, d. h. eine mathematische Beziehung ermittelt wird, die es ermöglicht, den zukünftigen Wert des Prozesses zu berechnen, d. h. eine Prognose zu erstellen.

Meiner Meinung nach kann diese allgemeine Klassifizierung der Prognosemethoden vervollständigt werden.

Als nächstes werden wir eine allgemeine Klassifizierung von Modellen vornehmen

Hier ist es notwendig, zur Klassifizierung von Prognosemodellen überzugehen. Im ersten Schritt sollten die Modelle in zwei Gruppen unterteilt werden: Domänenmodelle und Zeitreihenmodelle.

Domänenmodelle- solche mathematischen Prognosemodelle, für deren Konstruktion die Gesetze des Fachgebiets genutzt werden. Beispielsweise enthält das zur Erstellung von Wettervorhersagen verwendete Modell Gleichungen der Fluiddynamik und der Thermodynamik. Die Prognose der Bevölkerungsentwicklung erfolgt mithilfe eines Modells, das auf einer Differentialgleichung basiert. Die Vorhersage des Blutzuckerspiegels eines Diabetikers erfolgt auf Basis eines Systems von Differentialgleichungen. Kurz gesagt, solche Modelle nutzen Abhängigkeiten, die für einen bestimmten Themenbereich spezifisch sind. Diese Art von Modell zeichnet sich durch einen individuellen Entwicklungsansatz aus.

Zeitreihenmodelle— mathematische Prognosemodelle, die versuchen, die Abhängigkeit des zukünftigen Wertes von der Vergangenheit innerhalb des Prozesses selbst zu ermitteln und auf Grundlage dieser Abhängigkeit eine Prognose zu berechnen. Diese Modelle sind universell für verschiedene Themenbereiche, das heißt, sie sind es generelle Formändert sich nicht je nach Art der Zeitreihe. Wir können neuronale Netze verwenden, um die Lufttemperatur vorherzusagen, und dann ein ähnliches Modell für neuronale Netze verwenden, um Aktienindizes vorherzusagen. Dabei handelt es sich um verallgemeinerte Modelle wie kochendes Wasser, bei dem ein Produkt unabhängig von seiner Beschaffenheit kocht, wenn man es hineinwirft.

Klassifizierung von Zeitreihenmodellen

Es scheint mir, dass ich mich versöhnen sollte allgemeine Einteilung Domänenmodelle sind nicht möglich: so viele Domänen, so viele Modelle! Zeitreihenmodelle eignen sich jedoch leicht für eine einfache Division. Zeitreihenmodelle können in zwei Gruppen unterteilt werden: statistische und strukturelle.

IN statistische Modelle Die Abhängigkeit des zukünftigen Wertes von der Vergangenheit wird in Form einer Gleichung angegeben. Diese beinhalten:

1. Regressionsmodelle (lineare Regression, nichtlineare Regression);
2. autoregressive Modelle (ARIMAX, GARCH, ARDLM);
3. exponentielles Glättungsmodell;
4. Stichprobenmodell mit maximaler Ähnlichkeit;
5. usw.

IN Strukturmodelle die Abhängigkeit des zukünftigen Wertes von der Vergangenheit wird in Form einer bestimmten Struktur und Regeln für den Übergang entlang dieser festgelegt. Diese beinhalten:

1. neuronale Netzwerkmodelle;
2. Modelle basierend auf Markov-Ketten;
3. Modelle basierend auf Klassifizierungs- und Regressionsbäumen;
4. usw.

Für beide Gruppen habe ich die wichtigsten, also die gebräuchlichsten und detailliertesten Prognosemodelle angegeben. Heutzutage gibt es jedoch bereits eine große Anzahl von Zeitreihen-Prognosemodellen, und für die Erstellung von Prognosen werden beispielsweise SVM-Modelle (Support Vector Machine), GA-Modelle (Genetic Algorithm) und viele andere verwendet.

Allgemeine Einteilung

Somit haben wir Folgendes erhalten Klassifizierung von Modellen und Prognosemethoden.

1. Tichonow E.E. Prognose unter Marktbedingungen. Newinnomyssk, 2006. 221 S.
2. Armstrong J.S. Prognose für das Marketing // Quantitative Methoden im Marketing. London: International Thompson Business Press, 1999. S. 92 – 119.
3. Jingfei Yang M. Sc. Kurzfristige Lastprognose für Stromversorgungssysteme: Dissertation für den Doktortitel. Deutschland, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universität, 2006. 139 S.

UPD. 15.11.2016.
Meine Herren, es hat den Punkt des Wahnsinns erreicht! Kürzlich wurde mir ein Artikel zur Rezension für die VAK-Publikation mit einem Link zu diesem Eintrag zugesandt. Bitte beachten Sie, dass weder in Diplomen noch in Artikeln, geschweige denn in Dissertationen Sie können nicht auf den Blog verlinken! Wenn Sie einen Link wünschen, verwenden Sie diesen: Chuchueva I.A. Zeitreihen-Prognosemodell durch maximale Ähnlichkeitsstichprobe, Dissertation... Ph.D. diese. Naturwissenschaften / Moskauer Staatliche Technische Universität, benannt nach. N.E. Baumann. Moskau, 2012.

Tags: Tags hinzufügen

Der Bedarf an Prognosen ist objektiv. Die Zukunft vieler Phänomene ist unbekannt, aber für Entscheidungen, die im gegenwärtigen Moment getroffen werden, sehr wichtig.

Der Bedarf an Prognosen ist objektiv. Die Zukunft vieler Phänomene ist unbekannt, aber für Entscheidungen, die im gegenwärtigen Moment getroffen werden, sehr wichtig. Zu den Prozessen, die den Einsatz von Prognoseverfahren dringend erfordern, gehört die Wirtschaftstätigkeit. Allerdings sind alle Phasen der Prognose, einschließlich ihrer Organisation, Bereitstellung und Interpretation der Ergebnisse, alles andere als trivial. Und dabei kann die IT ganz entscheidende Hilfestellung leisten.

Prognose: Erfolge und Misserfolge

Bisher wurden zahlreiche Forschungsarbeiten durchgeführt und beeindruckende praktische Lösungen für das Problem der Prognose in Wissenschaft, Technologie, Wirtschaft, Demografie und anderen Bereichen gefunden. Die Aufmerksamkeit für dieses Problem ist unter anderem auf den Umfang zurückzuführen moderne Wirtschaft, die Bedürfnisse der Produktion, die Dynamik der gesellschaftlichen Entwicklung, die Notwendigkeit, die Planung auf allen Managementebenen zu verbessern, sowie gesammelte Erfahrungen. Prognosen sind eines der entscheidenden Elemente einer effektiven Organisation des Managements einzelner Wirtschaftseinheiten und Wirtschaftsgemeinschaften, da die Qualität der getroffenen Entscheidungen maßgeblich von der Qualität der Prognose ihrer Folgen abhängt. Daher müssen heute getroffene Entscheidungen auf verlässlichen Einschätzungen der möglichen Entwicklung der untersuchten Phänomene und Ereignisse in der Zukunft basieren.

Viele Experten sehen eine Verbesserung der Prognose in der Entwicklung entsprechender Informationstechnologien. Die Notwendigkeit ihrer Verwendung hat mehrere Gründe, darunter:

• Wachstum des Informationsvolumens;
• Komplexität von Algorithmen zur Berechnung und Interpretation von Ergebnissen;
• hohe Anforderungen an die Qualität der Prognosen;
• die Notwendigkeit, Prognoseergebnisse zur Lösung von Planungs- und Managementproblemen zu nutzen.

Von Zeit zu Zeit tauchen Informationen über positive Ergebnisse auf, die das eine oder andere Unternehmen erzielt hat. In einer Reihe von Veröffentlichungen wird darauf hingewiesen, dass eine erfolgreiche Bewertung der Trends der Marktsituation, der Nachfrage nach Waren oder Dienstleistungen sowie anderer wirtschaftlicher Prozesse und Merkmale es ermöglicht, eine deutliche Gewinnsteigerung zu erzielen und andere zu verbessern Ökonomische Indikatoren. Der Erfolgsmechanismus ist auf den ersten Blick einfach und klar: Indem Sie voraussehen, was in der Zukunft passieren wird, können Sie rechtzeitig wirksame Maßnahmen ergreifen, positive Trends nutzen und negative Prozesse und Phänomene kompensieren.

Allerdings gibt es auch negative Beispiele. Wie der Director of Information Service bereits zuvor bemerkte: Cisco-Unternehmen Das einst als Symbol der New Economy gepriesene Unternehmen versäumte es nicht nur, den wirtschaftlichen Abschwung von 2001 vorherzusehen, es ging ihm sogar noch schlechter als anderen, weil es glaubte, seine Software zur Nachfrageprognose sei fehlerfrei. Das Management des Unternehmens ging nicht davon aus, dass die eingesetzten Prognosemethoden und -technologien eine Ursache für die Krise sein könnten. Aufgrund eines Analysefehlers wurden Waren im Wert von 2,2 Milliarden US-Dollar abgeschrieben, etwa 20 % der Mitarbeiter entlassen und der Aktienkurs des Unternehmens sank um fast das Sechsfache. Die Ursache der Cisco-Krise liegt also nicht in den Verzögerungen bei der Beschaffung oder der unzureichenden Menge an Ausgangsinformationen, die für die Arbeit der Analysten des Unternehmens erforderlich sind. Schwierigkeiten ergaben sich offensichtlich durch methodische Fehler und eine unzureichende Bewertung der daraus resultierenden Prognosen. Es ist davon auszugehen, dass das von Cisco verwendete Modell nicht die erforderliche Anpassung der Prognoseschätzungen an die aktuelle Veränderung der Marktsituation ermöglichte.

Sicherstellung der Prognosequalität

Genauigkeit, Zuverlässigkeit und Effizienz werden jedoch wie andere Komponenten der Prognosequalität durch eine Reihe von Faktoren gewährleistet, unter denen Folgendes hervorzuheben ist:

• Software, die auf realitätsadäquaten ökonomischen und mathematischen Modellen basiert; n Vollständigkeit der Abdeckung und Zuverlässigkeit der Quellen der Ausgangsinformationen, auf denen die Arbeit von Prognosealgorithmen basiert;
• Effizienz der Verarbeitung interner und externer Informationen;
• Fähigkeit, Prognoseschätzungen kritisch zu analysieren;
• Rechtzeitigkeit der notwendigen Änderungen in der methodischen und Informationsunterstützung für die Prognose.

Spezielle Software basiert auf sorgfältig ausgewählten Modellen, Methoden und Techniken. Ihre Umsetzung ist äußerst wichtig, um bei der Lösung aktueller und aktueller Probleme qualitativ hochwertige Prognosen zu erhalten strategische Planung. Eine Analyse der Ist-Situation zeigt, dass die Schwierigkeiten bei der Einführung von IT zur Prognose wirtschaftlicher Prozesse nicht nur technischer oder methodischer, sondern auch organisatorischer und psychologischer Natur sind. Konsumenten der Ergebnisse verstehen manchmal die Prinzipien der verwendeten Modelle, deren Formalisierung und objektiv bestehende Einschränkungen nicht. Dies führt in der Regel zu Misstrauen gegenüber den erzielten Ergebnissen. Eine weitere Gruppe von Implementierungsproblemen hängt mit der Tatsache zusammen, dass Vorhersagemodelle häufig geschlossener und autonomer Natur sind und daher ihre Verallgemeinerung zum Zweck der Entwicklung und gegenseitigen Anpassung schwierig ist. Somit, Kompromisslösung Möglicherweise gibt es einen schrittweisen Ansatz, der die wichtigsten analytischen Aufgaben hervorhebt.

Es gibt jedoch vorgefertigte replizierbare oder unternehmensweite Lösungen, die Prognosen für kleine und mittlere Wirtschaftssubjekte auf Systemebene bereitstellen gute Qualität und es gibt praktisch keine, die ihnen zu einem bestimmten Preis zur Verfügung stehen. Derzeit automatisierte Systeme Die Unternehmensführung beschränkt sich hauptsächlich auf elementare Buchhaltungs- und Kontrollaufgaben. Der Grund dafür liegt darin, dass es vor dem Aufkommen moderner IT keine umfassenden Möglichkeiten gab, effektive wirtschaftliche und mathematische Modelle direkt im Prozess einzusetzen Wirtschaftstätigkeit. Darüber hinaus stellte die Nutzung bestehender Prognosemodelle zu Analysezwecken keine so hohen Anforderungen an deren Informationsunterstützung.

Grundlagen der Prognosetechnologien

Beim Aufbau eines Vorhersagesystems von Grund auf müssen eine Reihe organisatorischer und methodischer Probleme gelöst werden. Zu den ersten gehören:

• Schulung von Benutzern in Methoden zur Analyse und Interpretation von Prognoseergebnissen;
• Bestimmung der Bewegungsrichtungen von Prognoseinformationen innerhalb des Unternehmens, auf der Ebene seiner Abteilungen und einzelner Mitarbeiter sowie der Struktur der Kommunikation mit Geschäftspartnern und Behörden;
• Festlegung des Zeitpunkts und der Häufigkeit von Prognoseverfahren;
• Entwicklung von Grundsätzen für die Verknüpfung der Prognose mit der langfristigen Planung und des Verfahrens zur Auswahl von Optionen für die bei der Erstellung eines Unternehmensentwicklungsplans erzielten Ergebnisse.

Die methodischen Probleme beim Aufbau eines Prognosesubsystems sind:

• Entwicklung der inneren Struktur und des Mechanismus ihrer Funktionsweise;
• Organisation der Informationsunterstützung;
• Entwicklung mathematischer Software.

Das erste Problem ist das schwierigste, da zu seiner Lösung eine Reihe von Prognosemodellen erstellt werden muss, deren Umfang ein System miteinander verbundener Indikatoren ist. Das Problem der Systematisierung und Bewertung von Prognosemethoden erscheint hier als eines der zentralen, da für die Auswahl einer bestimmten Methode eine vergleichende Analyse dieser Methoden erforderlich ist. Eine Variante der Klassifizierung von Prognosemethoden unter Berücksichtigung der Merkmale des jeder Gruppe zugrunde liegenden Wissenssystems lässt sich insgesamt wie folgt darstellen: Methoden der Expertenbewertung; logische Modellierungsmethoden; mathematische Methoden.

Jede Gruppe ist für die Lösung eines bestimmten Problemkreises geeignet. Aus der Praxis werden daher folgende Anforderungen an die eingesetzten Methoden gestellt: Sie müssen auf ein bestimmtes Prognoseobjekt ausgerichtet sein, auf einem quantitativen Angemessenheitsmaß basieren und sich durch die Genauigkeit der Schätzungen und den Prognosehorizont differenzieren.

Die Hauptaufgaben, die sich bei der Erstellung eines Vorhersagesystems ergeben, sind unterteilt in:

• Aufbau eines Systems vorhergesagter Prozesse und Indikatoren;
• Entwicklung eines Geräts zur wirtschaftlichen und mathematischen Analyse vorhergesagter Prozesse und Indikatoren;
• Festlegung der Methode der Expertenbewertung, Ermittlung der zu untersuchenden Indikatoren und Einholung von Expertenbewertungen einiger vorhergesagter Prozesse und Indikatoren;
• Prognoseindikatoren und -prozesse, die Konfidenzintervalle und Genauigkeiten angeben;
• Entwicklung von Methoden zur Interpretation und Analyse der erzielten Ergebnisse.

Besondere Aufmerksamkeit verdienen die Arbeiten zur Informations- und mathematischen Unterstützung des Prognosesystems. Der Prozess der Softwareerstellung kann in folgenden Phasen dargestellt werden:

1. Entwicklung einer Methodik zur strukturellen Identifizierung eines Prognoseobjekts;
2. Entwicklung von Methoden zur parametrischen Identifizierung eines Prognoseobjekts;
3. Entwicklung von Methoden zur Prognose von Trends;
4. Entwicklung von Methoden zur Vorhersage harmonischer Komponenten von Prozessen;
5. Entwicklung von Methoden zur Bewertung der Eigenschaften zufälliger Prozesskomponenten;
6. Erstellung komplexer Modelle zur Vorhersage von Indikatoren, die ein vernetztes System bilden.

Die Erstellung eines Prognosesystems erfordert einen integrierten Ansatz zur Lösung des Problems seiner Informationsunterstützung, worunter üblicherweise ein Satz von Ausgangsdaten zur Erstellung von Prognosen sowie Methoden, Methoden und Mittel verstanden werden, die deren Erhebung, Akkumulation und Speicherung gewährleisten , Abfrage und Übertragung von Daten während des Betriebs des Prognosesystems und seiner Interaktion mit anderen Unternehmensmanagementsystemen.

Informationsunterstützung Systeme umfassen normalerweise:

Informationsfonds (Datenbank);

Quellen der Bildung des Informationsfonds, Flüsse und Methoden des Datenempfangs;

Methoden zum Sammeln, Speichern, Aktualisieren und Abrufen von Daten, die einen Informationsfonds bilden;

Methoden, Grundsätze und Regeln für die Datenzirkulation im System;

Methoden zur Gewährleistung der Zuverlässigkeit von Daten in allen Phasen ihrer Erhebung und Verarbeitung;

Methoden Informationsanalyse und Synthese;

Methoden zur eindeutigen formalisierten Beschreibung wirtschaftlicher Daten.

Zur Umsetzung des Prognoseprozesses sind daher folgende Hauptkomponenten erforderlich:

Quellen interner Informationen, die auf Management- und Buchhaltungssystemen basieren;

Quellen externer Informationen;

Spezialisierte Software, die Prognosealgorithmen implementiert und Ergebnisse analysiert.

Zusätzlich zu diesen Komponenten müssen geeignete Technologien zur Speicherung, zum Austausch und zur Präsentation von Informationen eingesetzt werden.

Bestätigung der Prognosequalität

Angesichts der Bedeutung der Lösung des Prognoseproblems für Marktteilnehmer empfiehlt es sich, die Qualität der vorgeschlagenen Methoden und Algorithmen sowie der Technologien im Allgemeinen anhand speziell ausgewählter (Test-)Quelldaten zu überprüfen. Eine ähnliche Verifizierungsmethode wird seit geraumer Zeit verwendet, um die Eignung mathematischer Werkzeuge für die nichtlineare Optimierung zu beurteilen, beispielsweise mithilfe der Rosenbrock- und Powell-Funktionen.

Die Bestätigung (oder Verifizierung) der Qualität und Leistung der Prognosetechnologie erfolgt in der Regel durch den Vergleich a priori bekannter Modelldaten mit ihren vorhergesagten Werten und die Bewertung der statistischen Merkmale der Prognosegenauigkeit. Betrachten wir diese Technik in einer Situation, in der Prozessmodelle eine additive Kombination aus Trend Tt, saisonalen (harmonischen) und zufälligen Komponenten sind.

In Abb. In 1 ist zur Veranschaulichung des Trends des additiven Modells ein parabolischer Trend zweiter Ordnung dargestellt, in Abb. 2 - saisonale Komponente des Prozesses mit einem Zeitraum von 12 Monaten und in Abb. 3 - Zufallskomponente. Ein Vergleich der tatsächlichen Umsetzung des Prozesses mit seiner Prognose, durchgeführt im Rahmen der kurzfristigen Prognosemethodik, ist in Abb. dargestellt. 4. Absolute Fehler sind in Abb. dargestellt. 5. Die Qualität der Technologie wird anhand der statistischen Merkmale der Fehler in Prognoseschätzungen beurteilt.

Praxis und Perspektiven für die Entwicklung von Prognosen in replizierten und unternehmensweiten Systemen

Derzeit sind verschiedene Softwaretools weit verbreitet, die in gewissem Maße die Sammlung und analytische Verarbeitung von Informationen ermöglichen. Einige von ihnen, beispielsweise MS Excel, sind mit integrierten Statistikfunktionen und Programmiertools ausgestattet. Andere, besonders kostengünstige Buchhaltung und Managementbuchhaltung, verfügen nicht über solche Fähigkeiten oder die analytischen Fähigkeiten sind in ihnen unzureichend und teilweise falsch umgesetzt. Dies ist jedoch leider auch einigen leistungsfähigeren und multifunktionaleren Unternehmensmanagementsystemen eigen, was auf den vergangenen Messen „Pharmacy 2001“ (November-Dezember 2001) und „Accounting and Audit 2002“ (Januar 2002) bestätigt wurde. Diese Situation wird offenbar durch eine oberflächliche Analyse der Eigenschaften der von ihnen gewählten Prognosealgorithmen und deren unkritische Anwendung seitens der Entwickler erklärt. Nach den verfügbaren Quellen zu urteilen, wird beispielsweise häufig eine exponentielle Glättung nullter Ordnung als Grundlage für Vorhersagealgorithmen verwendet. Dieser Ansatz ist jedoch nur dann gültig, wenn im untersuchten Prozess kein Trend vorliegt. Tatsächlich sind wirtschaftliche Prozesse instationär und für Prognosen sind komplexere Modelle erforderlich als Modelle mit konstantem Trend.

Aus der Perspektive des betrachteten Themas ist es interessant, den Entwicklungspfad der häuslichen Automatisierung zu verfolgen Bankensysteme. Frühe Bankensysteme basierten auf starrer Technologie und erforderten ständig Änderungen oder zusätzliche Software. Dies veranlasste Entwickler von Finanzsoftware, den Prinzipien der Offenheit, Skalierbarkeit und Flexibilität folgend, industrielle DBMS zu verwenden. Diese DBMS selbst erwiesen sich jedoch als ungeeignet für die Lösung hochrangiger analytischer Probleme, zu denen auch das Problem der Prognose gehört. Hierzu war der Einsatz zusätzlicher Technologien zur Datenspeicherung und operativen Analyseverarbeitung erforderlich, die den Betrieb von Entscheidungsunterstützungssystemen für Finanzinstitute und die Erstellung von Prognosen sicherstellten. Der gleiche Ansatz wird in komplexen Unternehmensmanagementsystemen verwendet.

Eine weitere Richtung des modernen angewandten Einsatzes IT-basierter Prognosemethoden ist die Lösung vielfältiger Marketingprobleme. Ein Beispiel ist die Software SAS Churn Management Solution for Telecommunications. Es ist für Telekommunikationsbetreiber gedacht und ermöglicht, wie seine Entwickler behaupten, die Erstellung von Vorhersagemodellen und mit ihrer Hilfe die Einschätzung der Abwanderungswahrscheinlichkeit bestimmter Kundenkategorien. Die Basis dieser Software ist der verteilte Datenbankserver Scalable Performance Data Server, Tools zum Aufbau und Verwaltung von Warehouses und Data Marts, Data Mining Tools Enterprise Miner, Entscheidungsunterstützungssystem SAS/MDDB Server sowie AIDS. Um die Wettbewerbsfähigkeit neumodischer CRM-Systeme sicherzustellen, umfasst die Liste ihrer erweiterten Fähigkeiten sowie für automatisierte Banksysteme Berichtsfunktionen, die OLAP-Technologien nutzen und in gewissem Umfang eine Prognose der Ergebnisse von Marketing, Vertrieb und Kunden ermöglichen Service.

Es gibt ziemlich viele spezialisierte Softwareprodukte, Bereitstellung der statistischen Verarbeitung numerischer Daten, einschließlich einzelner Prognoseelemente. Zu diesen Produkten gehören SPSS, Statistica usw. Diese Tools haben sowohl Vor- als auch Nachteile, die ihren Anwendungsbereich erheblich einschränken. praktische Anwendung. Hierbei ist zu beachten, dass die Beurteilung der Eignung spezialisierter mathematisch-statistischer Studiengänge erfolgt Software Um Prognoseprobleme durch normale Benutzer ohne spezielle Schulung zu lösen, sind gesonderte ernsthafte Recherchen und Diskussionen erforderlich.

Allerdings ist es vor allem aus finanziellen Gründen nahezu unmöglich, Prognoseprobleme für Verbraucher aus kleinen und mittleren Unternehmen mit leistungsstarken und teuren Informationssystemen und -technologien zu lösen. Eine sehr vielversprechende Richtung ist daher die Entwicklung der Analysefähigkeiten bestehender und weit verbreiteter kostengünstiger Buchhaltungs- und Management-Accounting-Systeme. Entwickelte zusätzliche Berichte, die auf spezifischen Geschäftsprozessen basieren und die notwendigen analytischen Informationen für einen bestimmten Benutzer enthalten hohe Einstellung„Effizienz – Kosten“.

Einige Softwareentwickler erstellen ganze Reihen von Analysetools. Beispielsweise bietet die Parus Corporation die Lösungen Parus-Analytics und Triumph-Analytics für ein breites Anwenderspektrum aus kleinen und mittelständischen Unternehmen an. Komplexere Aufgaben der analytischen Verarbeitung von Prognoseinformationen sind in Form eines sogenannten Lagezentrums in das Parus-System integriert. Laut Dmitry Sudarev, Manager für die Entwicklung von Vertriebslösungen, wurde 1997 beschlossen, Softwareprodukte zu entwickeln und zu implementieren, die es dem Unternehmen ermöglichen würden, von der einfachen Erfassung von Fakten in den Aktivitäten eines Unternehmens zur Analyse von Informationen überzugehen. Gleichzeitig war ein Übergang von der Automatisierung der Arbeit von Buchhaltern und mittleren Führungskräften hin zur Informationsverarbeitung für das Top-Management geplant. Unter Berücksichtigung des möglichen Verbraucherkreises stellen Parus-Analitika und Triumph-Analytika keine besonderen Anforderungen an die Soft- und Hardwareumgebung, die Triumph-Analytika-Lösung wird jedoch auf Basis des MS SQL Servers implementiert, der sie zur Verfügung stellt größere Möglichkeiten zur Vorhersage der untersuchten Prozesse, insbesondere wird die harmonische Komponente der Prognosen berücksichtigt.

Der Wert einer Prognose erhöht sich um ein Vielfaches, wenn sie direkt in der Unternehmenssteuerung eingesetzt wird. Eine wichtige Richtung ist daher die Integration von Prognosesystemen mit Systemen wie Kasatka, MS Project Expert usw. Beispielsweise wird die Kasatka-Software von SBI als automatisiert positioniert Arbeitsplatz Leiter und Spezialisten der Marketingabteilung und ist für die Entwicklung von Management-, Marketing- und strategischen Planungskomplexen bestimmt. Dieser Zweck bedingt die Notwendigkeit, langfristige Trends zu erkennen und bei der Planung zu berücksichtigen. Der Prognosehorizont wird auf Basis der relevanten Ziele der Organisation bestimmt.

Abschluss

Die Wahl der Prognosetechnologie und der Mittel zu ihrer Umsetzung sollte in Übereinstimmung mit den Zielen und Vorgaben eines bestimmten Verbrauchers erfolgen und dabei den Grad der Informationsunterstützung, die Benutzerqualifikationen und eine Reihe anderer Faktoren berücksichtigen. Aus diesen Gründen ist eine individuelle Weiterentwicklung bzw. Anpassung zuvor erstellter Spezialsoftware erforderlich.

Literatur

Glossar

Prognose(in der Wirtschaftsplanung) - wissenschaftliche und analytische Phase des Prozesses Wirtschaftsplanung. Die Hauptaufgaben der Prognose bei der Entwicklung von Wirtschaftsplänen sind: wissenschaftliche Analyse sozialer, wirtschaftlicher und wissenschaftlich-technischer Prozesse und Trends, objektive Zusammenhänge sozioökonomischer Phänomene unter bestimmten Bedingungen, Beurteilung der aktuellen Situation und Identifizierung zentraler wirtschaftlicher Probleme Entwicklung; Einschätzung der Entwicklung dieser Trends in der Zukunft und Antizipation neuer wirtschaftlicher Situationen, neuer Probleme, die einer Lösung bedürfen; Identifizierung möglicher Entwicklungsalternativen für eine fundierte Auswahl dieser oder jener Gelegenheit und das Treffen der optimalen Entscheidung.

Automatisierung der Steuerung- Nutzung von Methoden und Techniken der automatischen Informationsverarbeitung durch Unternehmensleitungsorgane, auch zur Entwicklung optimaler wirtschaftlicher Entscheidungen. Die Automatisierung des Managements ist mit der Einführung wirtschaftsmathematischer Methoden und der Informatik verbunden.

Informationsunterstützung des Systems- eine Reihe von Methoden und Mitteln zum Auswählen, Klassifizieren, Speichern, Suchen, Aktualisieren und Verarbeiten von Informationen im System. Die Informationsunterstützung umfasst: Zusammenstellung von Informationen (Liste von Informationseinheiten oder -aggregaten); Informationsstruktur und Muster ihrer Transformation; Merkmale des Informationsflusses; Informationsqualitätsmerkmale; Methoden der Informationsverarbeitung. Informationsunterstützung kann in funktionalen, strukturellen, transformativen sowie organisatorischen und methodischen Aspekten charakterisiert werden. Gegenstand des Transformationsaspekts ist die Transformation der Sprache Wirtschaftsmanagement nach Ebenen und Stufen der Informationsförderung im System.

Verzögerung- das Zeitintervall zwischen dem Zeitpunkt des Auftretens der Reaktion (Wirkung) des Systems auf den auf es ausgeübten Einfluss und dem Zeitpunkt seiner Anwendung. In sozioökonomischen Systemen spielen Lag-Werte eine bedeutende Rolle bei Planung und Management. Besonders wichtig sind verzögerte Kapitalrenditen.

Trend(deterministische Grundlage des vorhergesagten Prozesses) – der allgemeine Haupttrend der Änderung der Zeitreihe (des Prozesses) über einen ausreichend langen Beobachtungszeitraum. Es ist allgemein anerkannt, dass ein Trend durch die Wirkung konstant wirkender Faktoren bestimmt wird.

Harmonische Komponente des vorhergesagten Prozesses- eine Komponente, deren Wirkung durch Faktoren periodischer Natur bestimmt wird. Ein Sonderfall ist die saisonale Komponente, die vor allem durch klimatische Bedingungen und gesellschaftliche Traditionen bestimmt wird.

Zufällige Komponente des vorhergesagten Prozesses- Abweichungen der tatsächlichen Prozesswerte von den prognostizierten Werten, deren Ursachen nicht geklärt sind und im Rahmen des angenommenen Modells nicht identifiziert werden können.

Ökonomische und mathematische Methoden- ein konventioneller Name für einen Komplex wissenschaftlicher und angewandter Disziplinen an der Schnittstelle von Wirtschaftswissenschaften und Mathematik. Sie umfassen folgende Disziplinengruppen: ökonomische und statistische Methoden; Ökonometrie; Operations Research in den Wirtschaftswissenschaften; Wirtschaftskybernetik.

Experteneinschätzungen- Bewertung von Prozessen oder Phänomenen, die nicht direkt gemessen werden können. Experteneinschätzungen spielen eine wichtige Rolle bei der Entscheidungsfindung, auch bei der Vorhersage von Alternativen und deren Folgen.

Heuristische Prognosemethode- Nutzung der Meinung von Experten auf diesem Gebiet; Wird zur Prognose von Prozessen verwendet, die zum Zeitpunkt der Prognose nicht formalisiert werden können. Es ist gleichbedeutend mit der Methode der Sachverständigengutachten.

Mathematische Prognosemethoden herkömmlicherweise unterteilt in Methoden zur Modellierung von Entwicklungsprozessen und Extrapolationsmethoden. Sie basieren auf mathematischen Werkzeugen.

Methoden der logischen Prognose und Analyse sind in erster Linie mit der Analyse der Konsistenz des Fortschritts und der Prognoseergebnisse verbunden. Dienen als Rückmeldung in einem Prognosesystem. Methoden der logischen Analyse ermöglichen Ihnen außerdem die Lösung selbstständige Aufgaben, zum Beispiel die Konstruktion morphologischer Modelle, die anschließend als Grundlage für formalisierte (mathematische) Prognosemodelle dienen.

Kombinierte Prognosemethoden- gemeinsame Nutzung heuristischer und mathematischer Prognosemethoden, um deren inhärente Vorteile zu kombinieren und Mängel auszugleichen.

Intervallvorhersage- der Wertebereich, in den der vorhergesagte Wert bei bekannten Prozessparametern mit einer gegebenen Wahrscheinlichkeit fallen wird.

Prognosequalitätskriterien- Das wichtigste Qualitätskriterium ist die Genauigkeit der Prognose. Darüber hinaus können Kriterien zur Effizienz, Zuverlässigkeit etc. herangezogen werden.

Prognosefehler- die Differenz zwischen der aktuellen Beobachtung des Prognoseobjekts und dem erwarteten Wert. Prognosefehler werden aus verschiedenen Gründen verursacht: Unsicherheit über die zukünftige Situation; Änderungen am Prognoseobjekt selbst; der Einfluss neu auftretender Faktoren usw.

Vorhersage- ein Urteil über den zukünftigen Zustand eines Objekts, das überwiegend subjektiver Natur ist.

Modell des Prognoseobjekts- Nutzung des Phänomens des Isomorphismus (Analogie) zur Beschreibung eines realen Prognoseobjekts mithilfe mathematischer Beziehungen und logischer Schlussfolgerungen (in selteneren Fällen werden physikalische Modelle verwendet). Das Modell ist eine gewisse Abstraktion von der Realität und berücksichtigt nur die Merkmale des Originals, die von Interesse sind oder einen wesentlichen Einfluss auf seine Entwicklung haben. Die Schwierigkeit, ein Modell eines Prognoseobjekts auszuwählen, wird durch eine Reihe von Faktoren bestimmt: Informationen über Prozesse oder Objekte, die dem vorhergesagten ähnlich sind; Genauigkeit der Informationen über einen bestimmten Prozess (Objekt); die Menge dieser Informationen. Derzeit gibt es viele Klassifizierungen von Prognosemodellen.

Vorhersagesystem- eine Reihe von Methoden, Methoden und Mitteln zur Erhebung von Ausgangsdaten, zur Verarbeitung von Informationen und zur Darstellung von Prognosen in der erforderlichen Qualität.

Quellen

An verschiedene Unternehmen Für die Erstellung eines Budgets gelten besondere Anforderungen. Diese Funktionen werden von den Entwicklern von Softwareprodukten berücksichtigt. Schauen wir uns die bekanntesten und am weitesten verbreiteten Softwareprodukte an.

Hyper Pillar ist ein großes und fortschrittliches System, das die Budgetierung vollständig automatisiert. Um mit der Arbeit zu beginnen, geben Sie geplante Kosten und prognostizierte Einnahmen ein. Das Ergebnis der Berechnungen ist ein dynamisches Modell des Unternehmens mit Modellen, die für jede Ebene verantwortlich sind, und einfacher Technologie für die Durchführung von Änderungen daran. Das Hyper Pillar-Programm ist gut in andere Unternehmensprodukte integriert: Enterprise, Essbase OLAP Server, Reporting.

Corporate Planner ist ein Budgetierungsprogramm, das auf der Grundlage des Strukturkostenbaums des Unternehmens erstellt wird. Baumknoten – geplante, tatsächliche Werte und Abweichungen zwischen ihnen. Die Knoten sind durch Formeln verbunden. Dateien können über ODBC importiert werden. Corporate Planner wird in kleinen Unternehmen eingesetzt und unterstützt kein verteiltes Arbeiten.

Adaytum Planning – ist eine dreidimensionale Kalkulationstabelle mit Funktionen zum Aufbau verschiedener Slices. Die Tabellen enthalten verschiedene Daten (Zeit, Finanzen etc.) für jeden Unternehmensbereich. Es gibt eine Funktion zur Zusammenfassung des konsolidierten Budgets für ein ausgewähltes Datum. Adaytum Planning ist ein kostengünstiges Produkt zur Erstellung eines kleinen Budgets durch den Einsatz einer Reihe von Analysetools.

„Jade“ ist ein Softwareprodukt für den Einsatz in Großkonzernen mit Holdingstruktur. Nimmt eine Zwischenstellung zwischen Computer- und Papierverarbeitung der Dokumentation ein und verfügt über ein praktisches Budgetgenehmigungsverfahren. Das Programm funktioniert auch mit unzureichend aufbereiteten Daten. Ausgangsdaten sind die Budgets der Holdingbereiche, die zu einem Holdingbudget zusammengefasst werden sollen. „Jade“ entsteht auf Basis von Tabellenkalkulationen.

„Red Director“ ist ein Budgetierungssystem für kleine und mittlere Unternehmen und verfügt über eine einfache Benutzeroberfläche. Das Programm basiert auf einer Datenbank ohne die Möglichkeit der Integration mit anderen Softwareprodukten.

Planung ist besondere Art wissenschaftliche und praktische Tätigkeiten, die in der Entwicklung strategischer Entscheidungen (in Form von Prognosen, Projekten, Programmen, Plänen) bestehen und die Förderung solcher Ziele und Strategien für das Verhalten von Managementobjekten vorsehen, deren Umsetzung deren effektives Funktionieren gewährleistet langfristig eine schnelle Anpassung an veränderte äußere Bedingungen.

Mit dem Project Expert-Programm von Pro-Invest-Consulting können Benutzer folgende Probleme lösen:

· die Aktivitäten eines Unternehmens detailliert beschreiben und gestalten und dabei Änderungen der Umweltparameter (Inflation, Steuern, Wechselkurse) berücksichtigen;

· einen Plan für die Entwicklung eines Unternehmens oder die Umsetzung eines Investitionsprojekts, eine Marketingstrategie und eine Produktionsstrategie entwickeln, die dies gewährleistet rationelle Nutzung materielle, personelle und finanzielle Ressourcen;

· den Finanzierungsplan des Unternehmens festlegen;

· Testen Sie verschiedene Szenarien für die Entwicklung eines Unternehmens und variieren Sie dabei die Werte der Faktoren, die sich darauf auswirken können finanzielle Ergebnisse;

· Erstellen Sie einen Jahresabschluss (Bericht über die Entwicklung von Geld, Bilanz, Gewinn- und Verlustrechnung, Bericht über die Gewinnverwendung) und einen Geschäftsplan für ein Investitionsvorhaben, der den internationalen Anforderungen vollständig entspricht, in russischer Sprache und Englische Sprachen;

· Führen Sie eine umfassende Analyse des Unternehmens (Projekts) durch, einschließlich Analyse der Gesamteffizienz, Sensitivitätsanalyse, Cashflow-Analyse für jeden Projektteilnehmer, Analyse Finanzielle Situation und Rentabilität des Unternehmens anhand von drei Dutzend automatisch berechneten Indikatoren.

Mit dem speziellen Project Expert-Austauschmodul können Sie Informationen in den Formaten *.txt und *.dbf importieren und exportieren. Daten aus Übersichtstabellen und Textinformationen können über die Windows-Zwischenablage frei in Word, Excel und andere Windows-Anwendungen kopiert werden. Project Expert kommuniziert auch mit den bekanntesten Planungs- und Managementsystemen: MS Project, Primavera, Project Planner und Sure Truck. Die Daten werden im GANTT-Netzwerkdiagrammformat mit einer Beschreibung der Phasen, ihrer Beziehungen usw. importiert und exportiert.

Der Kern eines Komplexes von Programmen sein Finanzanalyse und Design ist Project Expert in der Lage, automatisch Informationen, die den Ausgangszustand des Unternehmens charakterisieren, aus dem Finanzanalyseprogramm Audit Expert und Daten aus dem Marketing-Betriebsplan aus dem Marketing Expert-Programm „herunterzuladen“.

Das Project Expert-Programm gibt es in zwei Modifikationen: Base und Professional. Project Expert Professional bietet seinen Benutzern zwei zusätzliche Funktionen:

1) Aktualisierung der Daten und Überwachung der Umsetzung des Projekts (Plans). Im Verlauf des Projekts hat der Benutzer die Möglichkeit, Ist-Daten für alle Projektmodule einzugeben und aktualisierte Kennzahlen zu berechnen echte Bewegung Mittel sowie die Kontrolle der Diskrepanz zwischen dem tatsächlichen und dem geplanten Cashflow.

2) Arbeiten mit einer Gruppe von Projekten. Mit dem speziellen Project Integrator-Modul können Sie mehrere Projekte (Unternehmen) zu einer Gruppe zusammenfassen und integrierte Leistungsindikatoren für die gesamte Gruppe berechnen sowie verschiedene Versionen eines Projekts nach beliebigen Indikatoren miteinander vergleichen.

Das Biz Planner-Programm von Pro-Invest-Consulting ist eine Modifikation von Project Expert und dient der Planung und Analyse der Wirksamkeit von Investitionen in kleinen und mittleren Unternehmen.

Das Audit Expert Programm von Pro-Invest-Consulting ist wirksames Werkzeug umfassende Analyse der Finanzlage und Leistung des Unternehmens. Durch die Anpassung der Jahresabschlüsse an internationale Standards können Sie Daten aus den Jahresabschlüssen von Unternehmen für verschiedene Jahre in analytische Tabellen umwandeln, die den Anforderungen entsprechen Internationale Standards Buchhaltung.

Das Marketing Expert-Programm von Pro-Invest-Consulting ist ein Entscheidungsunterstützungssystem in allen Phasen der Entwicklung strategischer und taktischer Marketingpläne und der Überwachung ihrer Umsetzung.

Das Forecast Expert-Programm von Pro-Invest-Consulting ist ein universell einsetzbares Prognosesystem und dient der Erstellung einer Zeitreihenprognose unter Verwendung eines autoregressiven Modells und eines integrierten gleitenden Durchschnitts (ARISS, ARIMA, ARIMA, Box-Jenkins). Mit Forecast Expert können Sie verfügbare Daten analysieren und eine Prognose mit Angabe von Grenzen erstellen Konfidenzintervall für einen Zeitraum, der den Beobachtungszeitraum der ursprünglichen Serie nicht überschreitet. Das Modell bestimmt den Grad des Einflusses saisonale Faktoren und berücksichtigt diese bei der Prognoseerstellung.

Das MS Project-Programm von Microsoft ist eine Entwicklung im Bereich des Investitionsprojektmanagements basierend auf Graphentheorie und Netzwerkplanung.

Eine Untersuchung der Hauptrichtungen und Probleme der Umsetzung in praktische Tätigkeiten Organisationen moderner Informations- und Kommunikationstechnologien. Es werden Probleme und Richtungen zur Schaffung eines einheitlichen Informationsraums identifiziert. Es wurde eine Analyse der Bedingungen und Voraussetzungen für die praktische Modellierung durchgeführt und die Merkmale der schrittweisen Erstellung von Prognosemodellen für die Aktivitäten von Organisationen analysiert. Dana eine kurze Beschreibung von Merkmale des Einsatzes verschiedener Prognosemodelle wird betont, wie wichtig es ist, die Angemessenheit von Prognosemodellen zu überprüfen. Es wurde eine Überprüfung moderner Informations- und Analysetechnologien zur Prognose der Aktivitäten von Organisationen durchgeführt. Es werden Empfehlungen zur praktischen Nutzung der Prognoseergebnisse gegeben Schlüsselindikatoren Organisationen.

Informations- und Analysetechnologien

Aktivitätsmodellierung

Modelladäquanzanalyse

Prognose der Aktivitäten der Organisation

1. Golichev V.D., Golicheva N.D., Gusarova O.M. und andere. Das Smolensker Land und seine Bevölkerung (Historischer und statistischer Überblick in Zahlen und Fakten). – Smolensk: Smolgortypographie, 2013. – 152 S.

2. Gusarova O.M. Modellierung als Möglichkeit zur Planung und Verwaltung von Geschäftsergebnissen // Fortschritte in der modernen Wissenschaft. – 2014. – Nr. 11. – S. 88–92.

3. Gusarova O.M. Modellieren in Akzeptanz Managemententscheidungen// Wissenschaft und Bildung: Probleme und Entwicklungsperspektiven: eine Sammlung wissenschaftlicher Arbeiten basierend auf den Materialien der Internationalen Wissenschafts- und Praxiskonferenz. – Tambow: Ukom, 2014. – S. 41–42.

4. Gusarova O.M. Probleme der Integration von Theorie und Praxis der Modellierung von Geschäftsergebnissen // Wirtschaft und Bildung: Herausforderungen und Suche nach Lösungen: Sammlung wissenschaftlicher Arbeiten basierend auf den Materialien der II. Allrussischen (Korrespondenz-) Wissenschafts- und Praxiskonferenz (Jaroslawl, 15. April) 2014) – Jaroslawl: Kanzler, 2014. – S. 78–82.

5. Gusarova O.M. Bewertung des Zusammenhangs zwischen regionalen Indikatoren der sozioökonomischen Entwicklung (basierend auf Materialien aus dem Zentralen Föderationskreis Russlands) // Zeitgenössische Themen Wissenschaft und Bildung. –2013. – Nr. 6. (Elektronisches Magazin).

6. Gusarova O.M., Zhuravleva M.A. Analyse und Verbesserung der Aktivitäten Aktiengesellschaften// Moderne Hochtechnologie. – 2014. – Nr. 7–3. – S. 10–12.

7. Gusarova O.M. Methoden und Modelle zur Prognose der Aktivitäten von Unternehmenssystemen // Theoretische und angewandte Fragen von Bildung und Wissenschaft: Sammlung wissenschaftlicher Arbeiten basierend auf den Materialien der Internationalen Wissenschafts- und Praxiskonferenz. – Tambow: Ukom, 2014. – S. 48–49.

8. Gusarova O.M. Computertechnologien zur Modellierung sozioökonomischer Prozesse // Das Wirtschaftswachstum und Wettbewerbsfähigkeit Russlands: Trends, Probleme und strategische Prioritäten: eine Sammlung wissenschaftlicher Artikel basierend auf den Materialien der Internationalen Wissenschafts- und Praxiskonferenz. – M.: Unity-Dana, 2012. – S. 102–104.

9. Gusarova O.M. Untersuchung der Qualität kurzfristiger Modelle zur Prognose von Finanz- und Wirtschaftsindikatoren. – M.: 1999. – 198 S.

10. Orlova I.V., Turundaevsky V.B. Multivariate statistische Analyse bei der Untersuchung wirtschaftlicher Prozesse. Monographie. – M.: MESI, 2014. – S. 190.

Im Zusammenhang mit der Einführung von Wirtschaftssanktionen wurden eine Reihe von Russische Unternehmen suchen effektive Wege Sicherstellung der Wettbewerbsfähigkeit Ihrer Produkte und Steigerung der Effizienz der Organisation. In schwierig Wirtschaftslage Um Entscheidungen zu treffen, ist es notwendig, nicht nur praktische Erfahrung in der Organisation eines Unternehmens in einem bestimmten Tätigkeitsbereich zu nutzen, sondern auch moderne Ansätze zur Planung der Aktivitäten des Unternehmens. Breite Umsetzung In der Praxis ermöglichen Informations- und Analysetechnologien zur Modellierung und Prognose wichtiger Geschäftsindikatoren die operative Überwachung der Geschäftsergebnisse und die Gestaltung der Entwicklungsstrategie einer Organisation. Durch den Einsatz von Informations- und Analysetechnologien können Sie integrierte Systeme zur Verwaltung von Geschäftsergebnissen erstellen, Material- und Finanzflüsse optimieren, die Kosten finanzieller und wirtschaftlicher Aktivitäten minimieren, den Gewinn des Unternehmens maximieren und eine Reihe anderer Probleme lösen.

Die Informatisierungsprozesse der modernen Gesellschaft und die damit eng verbundenen Prozesse der Einführung von Informations- und Kommunikationstechnologien in alle Wirtschaftsbereiche sind durch die massive Verbreitung von Informations- und Analysetechnologien zur Analyse der Aktivitäten von Organisationen gekennzeichnet verschiedene Gebiete und Eigentumsformen. Moderne Informationstechnologien ermöglichen die Automatisierung einer Reihe folgender Bereiche: Erforschung der Eigenschaften eines Systems (Objekts), Überwachung der Entwicklungsdynamik von Schlüsselindikatoren aller Geschäftsbereiche, Optimierung der Parameter des Betriebssystems, Erstellung integrierter Systeme zur Überwachung und Verwaltung des Systems, zur Planung und Prognose der Aussichten für die Entwicklung der Organisation.

Strategisches Ziel Die Implementierung von Informations- und Kommunikationstechnologien in allen Tätigkeitsbereichen der modernen Gesellschaft ist die Schaffung eines einzigen Informationsraums, der eine breite Palette von Problemen im Zusammenhang mit dem Zugang zu einheitlichen Datenbanken und deren zeitnaher Bereitstellung lösen soll statistische Berichterstattung, Schaffung integrierter Überwachungssysteme verschiedene Richtungen Aktivitäten. All dies trägt zur Schaffung grundlegend neuer Möglichkeiten für die kognitive Entwicklung bei Kreative Aktivitäten Person: Forschung, Organisation und Management, Experte, Unternehmer usw. Die Schaffung eines einheitlichen Informationsraums trägt dazu bei, die Effizienz und Qualität der Überwachung der Aktivitäten von Organisationen zu steigern, die wissenschaftliche Forschung in verschiedenen Bereichen zu intensivieren, die Bearbeitungszeit und Bereitstellung von Informationen zu verkürzen, die Effizienz und Effektivität des Systemmanagements sowie die Integration nationaler Informationssystem V internationale Systeme Zugang zu Informationsressourcen im Bereich Wissenschaft, Kultur, Wirtschaft und anderen Tätigkeitsbereichen.

Die Einführung von Informations- und Kommunikationstechnologien in die praktische Tätigkeit von Organisationen ist durch eine Reihe von Bereichen und Problemen gekennzeichnet:

● Die technische Ausstattung von Organisationen mit Informations- und Kommunikationstechnologien setzt den Zugang zu modernen voraus Software und wird durch organisatorische und wirtschaftliche Faktoren eingeschränkt. Daher ist der Zugriff auf „kleine Informatisierung“ in einigen Fällen ineffektiv, und der Zugriff auf „große“ Informationen ist teuer und bringt keine schnelle Rendite.

● Die Ausbildung von Fachkräften im Bereich der Informations- und Kommunikationstechnologien, insbesondere im Bereich der Netzwerktechnologien, sollte zu einer vorrangigen Aufgabe werden, deren Lösung die Wirksamkeit der Aktivitäten der Organisation in dieser Richtung bestimmt. Ein hochqualifizierter IT-Spezialist kann manchmal die Arbeit einer ganzen Abteilung einer Organisation erledigen. In diesem Zusammenhang ist es notwendig Bildungsorganisationen zunehmend informationstechnische Disziplinen einführen und deren Praxisbezug steigern. Modernes System Bildung sollte sich auf die Fundamentalisierung der Bildung auf allen Ebenen, den weit verbreiteten Einsatz innovativer Bildungsmethoden und -technologien sowie die Verbesserung der Qualität und Zugänglichkeit der Bildung durch die Entwicklung eines Fernunterrichtssystems und einer Fernunterrichtsausrüstung konzentrieren Bildungsprozess moderne Informations- und Kommunikationstechnologien.

● Die Erstellung von Informationsdatenbanken für alle Tätigkeitsbereiche einer Organisation erfordert einen gewissen Aufwand, ist aber ein wichtiges Glied bei der Integration der Informationstechnologien einer Organisation in einen einzigen Informationsraum.

Einer von aktuelle Entwicklungen Die Einführung von Informations- und Analysetechnologien in die praktische Tätigkeit von Organisationen ist die operative Überwachung wichtiger Geschäftsindikatoren und die Prognose alternativer Optionen für die Entwicklung des Unternehmens. Im Allgemeinen können wir die folgende Abfolge von Phasen bei der Vorhersage der Entwicklung eines Forschungssystems (Objekts) unterscheiden.

● Durch die Festlegung der Ziele und Zielsetzungen der Studie werden strategische Leitlinien und taktische Richtungen bei der Untersuchung des Systems festgelegt, die während des Forschungsprozesses geklärt und spezifiziert werden können.

● Die Formulierung eines konzeptionellen Modells eines Systems beinhaltet die Untersuchung des Systems, um seine Eigenschaften, Dynamikmerkmale und Beziehungen zu externen und externen Faktoren zu identifizieren interne Umgebung. Die Erhebung statistischer Informationen über die Eigenschaften des Systems setzt die weitere Formulierung eines verbalen Beschreibungsmodells des Systems voraus, vorbehaltlich der Klärung und Formalisierung. Die Formulierung eines konzeptionellen Modells eines Systems setzt eine Liste grundlegender Fragen voraus, die im Hinblick auf ein bestimmtes Forschungsgebiet formuliert wurden und den Zielen der Studie entsprechen, sowie eine Reihe von Hypothesen zu den Eigenschaften und Merkmalen des Modellierungsobjekts.

● Die Formalisierung eines verbal-beschreibenden Modells beinhaltet die Konstruktion eines mathematischen Modells und die numerische Bestimmung seiner Parameter. Ein wichtiger Punkt in diesem Zusammenhang ist die richtige Wahl der Methoden zur Bestimmung der Parameter eines mathematischen Modells. Jedes System zeichnet sich durch seine eigenen Entwicklungsmerkmale aus, und Eigenschaften des Modells wie die Angemessenheit hängen weitgehend von der Wahl der Methode zur numerischen Bestimmung der Modellparameter ab. Übereinstimmung des formalisierten Modells mit den Merkmalen realer Prozesse, die die Dynamik des Forschungssystems charakterisieren. Abhängig von den Besonderheiten des Forschungssystems können vorab verschiedene Klassen von Prognosemodellen ausgewählt werden, beispielsweise Wachstumskurven, die die Dynamik des Systems im Zeitverlauf charakterisieren, ökonometrische Modelle, die den Zusammenhang zwischen verschiedenen internen Merkmalen des Systems herstellen und bewerten Serie externe Faktoren, verschiedene adaptive Modelle, die für hochdynamische Systeme mit saisonalen und zyklischen Schwankungen verwendet werden, von den einfachsten bis hin zu autoregressiven Modellen mit autokorrelierten und heteroskedastischen Residuen.

● Das Erhalten und Interpretieren von Modellierungsergebnissen erfordert die Überprüfung einer Reihe von Eigenschaften des mathematischen Modells, insbesondere die Überprüfung der Angemessenheit und Genauigkeit des Modells. Die Angemessenheit des Modells charakterisiert den Grad der Nähe der Eigenschaften des konstruierten Modells zu den Eigenschaften und Eigenschaften des realen Objekts (Systems). Aus einer Reihe von Gründen, wie zum Beispiel einer Reihe von Annahmen, die bei der Modellierung getroffen werden, der Unmöglichkeit, viele Faktoren zu berücksichtigen, die die Dynamik der Entwicklung des Untersuchungsgegenstandes bestimmen, einer Reihe technischer Fehler in der Formalisierungsphase Das Modell und eine Reihe anderer Punkte führen natürlich zu Unterschieden in den Eigenschaften des Modells und des realen Objekts. Wichtig ist, dass diese Unterschiede nicht grundsätzlicher Natur sind und in gewissen Grenzen (Abweichungen) liegen. Die Größe der zulässigen Abweichungen wird durch die Eigenschaften der Dynamik des Forschungssystems, den Zeitraum der Analyse der Systemeigenschaften sowie den Zweck der Forschung bestimmt. Indikatoren für die Modellgenauigkeit, wie die Standardabweichung einer Reihe von Residuen, der durchschnittliche Näherungsfehler und der durchschnittliche relative Fehler, charakterisieren den Grad der Annäherung der simulierten Daten an die tatsächlichen Beobachtungen, die als Ergebnis der Sammlung statistischer Informationen erhalten wurden. In dieser Phase erfolgt die Verfeinerung und endgültige Auswahl des Modells, das künftig zur Erstellung einer Prognose verwendet wird. In diesem Fall wird eine erweiterte Überprüfung der Angemessenheit des Modells durchgeführt, die neben der Prüfung von Hypothesen über die Erfüllung einer Reihe statistischer Eigenschaften der Restkomponente, wie Unabhängigkeit, Zufälligkeit, Gleichheit der mathematischen Erwartung, umfasst die Residuen auf Null, die Erfüllung des Normalverteilungsgesetzes, die Bewertung einer Reihe solcher Modellmerkmale wie der Bestimmtheitskoeffizient, der den Variationsanteil des untersuchten Merkmals unter dem Einfluss externer und interner Faktoren charakterisiert, der Fisher-Koeffizient, der die bewertet statistische Signifikanz des resultierenden Modells. Basierend auf den Ergebnissen des Vergleichs der Merkmale Angemessenheit und Genauigkeit wird die endgültige Auswahl des Prognosemodells getroffen.

● Die Erstellung von Prognosen mithilfe eines formalisierten Modells und die Verwendung von Modellierungsergebnissen im Systemmanagement erfordert die Gewinnung von Punktprognosen, die die Aussichten für die Entwicklung des Forschungssystems charakterisieren. Darüber hinaus können Intervallprognosen erstellt werden, die mit höherer Wahrscheinlichkeit Intervalle erhalten, in denen die Eigenschaften des Systems schwanken können. Es ist zu beachten, dass Prognosen probabilistischer Natur sind und nur dann zuverlässig sind, wenn im Vorfeld dieselben Entwicklungsmuster gelten wie in der Phase der Systemforschung.

Die Verwendung von Prognoseergebnissen bei Managemententscheidungen ist kreativer Vorgang und erfordert nicht nur theoretische Kenntnisse in einem bestimmten Bereich, sondern auch praktische Erfahrung zur Arbeit mit dem Forschungssystem. Heutzutage Wissenschaftliche Forschung haben große Fortschritte bei der Entwicklung von Informations- und Analysetechnologien zur Prognose der Aktivitäten von Organisationen gemacht. Bekannt sind beispielsweise die Technologien der neuronalen Netzvorhersage, der Fuzzy-Logik, eine Reihe spezialisierter multifunktionaler Analyse- und Prognoseprogramme wie Statistica, SPSS, Stadia, VSTAT, Project Exspert und eine Reihe anderer Softwareprodukte. Zur betrieblichen Überwachung und Prognose von Systemfunktionsergebnissen sowie zu Bildungszwecken kann auch das MS-Excel-Paket verwendet werden, das Trend- und Regressionsanalysen implementiert und auf Basis eines Tabellenkalkulationsprozessors auch die Berechnung einer Reihe zusätzlicher Systemfunktionen ermöglicht Eigenschaften.

Basierend auf den Ergebnissen einer Untersuchung eines Managementsystems (Objekts) unter Verwendung von Informations- und analytischen Prognosetechnologien können Empfehlungen zur Verbesserung der Aktivitäten der Organisation (des Systems) formuliert werden, beispielsweise mit Fokus auf das Erreichen bestimmter Werte wichtiger Leistungsindikatoren die die Entwicklungsstrategie der Organisation umsetzen, den Cashflow optimieren und neue entwickeln vielversprechende Richtungen Aktivitäten. Der Einsatz moderner Informations- und Analysetechnologien zur Modellierung und Prognose wird dazu beitragen, die betriebliche Effizienz im Hinblick auf die Umsetzung der Entwicklungsstrategie und -taktiken der Organisation zu verbessern.

Bibliografischer Link