Salaeva Inga, Kostunina Daria

In der Wissenschaft forschungsarbeit Das historische und diagnostische Bild der Qualität moderner Prognosen wird dargestellt und die Prognosetechnologie unter Verwendung des Excel-Programms wird offengelegt. Der Forschungsbericht ist in der angehängten Datei dargestellt. Produkt projektaktivitäten - auf dem Schulportal

Herunterladen:

Vorschau:

Offene internationale wissenschaftliche Forschungskonferenz von Schülern und Schülern „Bildung. Die Wissenschaft. Beruf"

Sektion

Informationstechnologie

Thema

Computertechnologien und Prognose

Kostyunina Daria

Salaeva Inga

Bildungseinrichtung

MOU Gymnasium №39 "Classic"

Wissenschaftlicher Leiter:

Osipova Svetlana Leonidovna, Informatiklehrerin der höchsten Kategorie

otradny

Formulierung des Problems.Prognostizieren Sie das saisonale Volumen der Eisverkäufe.

Ausgangsdaten.Verkaufsmengen nach Jahreszeiten.

Lösungsalgorithmus.

1. Die Verkaufsdaten für Eiscreme nach Saison sollten in Form einer Tabelle dargestellt werden.
2. Der Trend ist bestimmt, approximiert am besten die tatsächlichen Daten (in diesem Problem ist dies ein Polynomtrend)

Schlussfolgerungen.

Das Polynommodell beschreibt die Abhängigkeit zuverlässiger, da ihr Determinismuskoeffizient R.2 näher an 1. Je näher R.2 Zum einen ist das Modell umso erfolgreicher.

Das resultierende Modell sagt gut saisonale Eisverkäufe voraus. Es ist jedoch schwierig, den Umsatz in den nächsten Saisons vorherzusagen, da nicht empfohlen wird, bei der Extrapolation weit vom Versuchsbereich entfernt zu sein. Es ist jedoch zu sehen, dass der Verkauf von Sommereis (insbesondere im Juni und Juli) hoch sein wird.

1. Berechnung von Korrelationsabhängigkeiten

Abhängigkeiten zwischen Größen, von denen jede einer unkontrollierten Streuung unterliegt, werden als Korrelationsabhängigkeiten bezeichnet.

Aufgabe:

Formulierung des Problems... Bestimmen Sie die Abhängigkeit des Fortschritts von Schülern von zwei Faktoren: der Bereitstellung der Schulbibliothek mit Lehrbüchern und der Bereitstellung der Schule mit Computern.

Ausgangsdaten.Messungen beider Faktoren in 11 verschiedenen Schulen.

Lösungsalgorithmus.

1. Die erhaltenen Daten sollten in Form einer Tabelle dargestellt werden.
2. Berechnen Sie den Koeffizienten mit der Korrelationsformel. BEIMExcel dafür gibt es eine FunktionCORREL Das ist ein Teil der Gruppestatistische Funktionen.

Schlussfolgerungen.

Für beide Abhängigkeiten wurden lineare Korrelationskoeffizienten erhalten. Wie die Tabelle zeigt, ist die Korrelation zwischen der Verfügbarkeit von Lehrbüchern und der akademischen Leistung stärker als die Korrelation zwischen Computersoftware und akademischer Leistung. Es kann gefolgert werden, dass das Buch immer noch eine bedeutendere Wissensquelle ist als der Computer.

1. Optimale Planung

Die Planungsobjekte können verschiedene Systeme sein: die Aktivitäten eines einzelnen Unternehmens, einer Branche oder landwirtschaft, die Region, endlich der Staat. Es kann auch ein Gesundheitszustand sein, ein Wetterzustand. Die Erklärung des Planungsproblems lautet wie folgt:

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

Der Wert der geplanten Indikatoren muss unter Berücksichtigung der begrenzten Ressourcen ermittelt werden, sofern das strategische Ziel erreicht wird. Dies wird der optimale Plan sein.

Schlussfolgerungen

Prognosen sind ein wesentlicher Bestandteil jedes Lebensbereichs wie Management oder Wirtschaft, Mathematik oder Meteorologie.

Während der Arbeit an dem Projekt haben wir herausgefunden, dass eine qualitativ hochwertige Vorhersage verschiedener Prozesse menschlicher Aktivität ohne moderne Computertechnologien nicht möglich ist. Zu diesem Zweck haben wir die Funktionen des MS Excel-Tabellenkalkulationsprozessors zur Erstellung von Computermodellen für Prognosen untersucht. 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 „ Modell zur Vorhersage von Zeitreihen an einer Stichprobe maximaler Ähnlichkeit”Nach der Verteidigung gab es jedoch viele Fragen. Hier ist einer von ihnen - allgemeine Klassifizierung von Prognosemethoden und -modellen.

In den Werken russisch- und englischsprachiger Autoren stellen sie in der Regel nicht die Frage nach der Klassifizierung von Prognosemethoden und -modellen, sondern listen sie einfach auf. Aber es scheint mir, dass dieses Gebiet heute so stark gewachsen und erweitert ist, dass selbst das allgemeinste, aber die Klassifizierung notwendig ist. Unten ist meine eigene Version der allgemeinen Klassifikation.

Was ist der Unterschied zwischen einer Prognosemethode und einem Prognosemodell?

Prognosemethode ist eine Folge von Aktionen, die ausgeführt werden müssen, um ein Prognosemodell zu erhalten. In Analogie zum Kochen ist eine Methode eine Folge von Aktionen, nach denen ein Gericht zubereitet wird - das heißt, es wird eine Prognose erstellt.

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

Die Kombination von Methode und Modell bildet ein komplettes Rezept!

Es ist heutzutage üblich, englische Abkürzungen für die Namen von Modellen und Methoden zu verwenden. Zum Beispiel gibt es das berühmte Prognosemodell des integrierten gleitenden Durchschnitts mit erweiterter automatischer Regression (ARIMAX). Dieses Modell und die zugehörige Methode werden normalerweise als ARIMAX und manchmal als Box-Jenkins-Modell (Methode) nach den Namen der Autoren bezeichnet.

Zunächst klassifizieren wir die Methoden

Wenn Sie genau hinschauen, wird schnell klar, dass das Konzept „ prognosemethode"Ist viel breiter als das Konzept" prognosemodell". In dieser Hinsicht werden Methoden in der ersten Phase der Klassifizierung normalerweise in zwei Gruppen unterteilt: intuitiv und formalisiert.

Wenn wir uns an unsere kulinarische Analogie erinnern, können wir dort alle Rezepte in formalisierte Rezepte aufteilen, dh nach der Anzahl der Zutaten und der Zubereitungsmethode aufschreiben, und intuitiv, dh nirgendwo aufschreiben und aus der kulinarischen Erfahrung erhalten. Wann verwenden wir kein Rezept? Wenn das Gericht sehr einfach ist: Kartoffeln braten oder Knödel kochen - ein Rezept ist nicht erforderlich. Wann verwenden wir sonst kein Rezept? Wenn wir etwas Neues erfinden wollen!

Intuitive Prognosemethoden befassen sich mit den Urteilen und Einschätzungen von Experten. Heutzutage werden sie häufig in Marketing, Wirtschaft und Politik verwendet, da das System, dessen Verhalten vorhergesagt werden muss, entweder sehr komplex ist und sich nicht für eine mathematische Beschreibung eignet oder sehr einfach ist und keine solche Beschreibung benötigt. Details zu dieser Art von Methoden finden Sie in.

Formalisierte Methoden - die in der Literatur beschriebenen Prognosemethoden, anhand derer Prognosemodelle erstellt werden, dh sie bestimmen eine solche mathematische Beziehung, die es ermöglicht, den zukünftigen Wert des Prozesses zu berechnen, dh eine Prognose zu erstellen.

Hier kann die allgemeine Klassifizierung der Prognosemethoden meiner Meinung nach abgeschlossen werden.

Als nächstes nehmen wir eine allgemeine Klassifizierung der Modelle vor

Hier ist es notwendig, mit der Klassifizierung von Prognosemodellen fortzufahren. In der ersten Phase sollten die Modelle in zwei Gruppen unterteilt werden: Domänenmodelle und Zeitreihenmodelle.

Domänenmodelle - solche mathematischen Vorhersagemodelle, für deren Konstruktion die Gesetze des Fachgebiets verwendet werden. Beispielsweise enthält ein Modell zur Vorhersage eines Wetters Gleichungen für die Fluiddynamik und Thermodynamik. Die Bevölkerungsentwicklung wird anhand eines Modells vorhergesagt, das auf einer Differentialgleichung basiert. Die Vorhersage des Blutzuckerspiegels einer Person mit Diabetes basiert auf einem System von Differentialgleichungen. Kurz gesagt, solche Modelle verwenden Abhängigkeiten, die einem bestimmten Themenbereich inhärent sind. Solche Modelle zeichnen sich durch einen individuellen Entwicklungsansatz aus.

Zeitreihenmodelle - mathematische Prognosemodelle, die versuchen, die Abhängigkeit des zukünftigen Werts von der Vergangenheit innerhalb des Prozesses selbst zu ermitteln und die Prognose basierend auf dieser Abhängigkeit zu berechnen. Diese Modelle sind universell für verschiedene Themenbereiche, dh ihre generelle Form ändert 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. Dies sind verallgemeinerte Modelle wie kochendes Wasser, in das ein Produkt unabhängig von seiner Art kocht, wenn es hineingeworfen wird.

Zeitreihenmodelle klassifizieren

Es scheint mir das wieder gut zu machen allgemeine Einteilung Domain-Modelle sind nicht möglich: Bei so vielen Domains gibt es so viele Modelle! Zeitreihenmodelle eignen sich jedoch leicht für eine einfache Unterteilung. Zeitreihenmodelle können in zwei Gruppen unterteilt werden: statistische und strukturelle.

BEIM statistische Modelle Die Abhängigkeit des zukünftigen Wertes von der Vergangenheit wird in Form einer Gleichung angegeben. Diese schließen ein:

1. regressionsmodelle (lineare Regression, nichtlineare Regression);
2. autoregressive Modelle (ARIMAX, GARCH, ARDLM);
3. exponentielles Glättungsmodell;
4. maximum-Likelihood-Modell;
5. usw.

BEIM strukturmodelle Die Abhängigkeit des zukünftigen Wertes von der Vergangenheit wird in Form einer bestimmten Struktur und von Regeln für deren Fortbewegung angegeben. Diese schließen ein:

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, dh die gängigsten und detailliertesten Prognosemodelle angegeben. Heute gibt es jedoch bereits eine große Anzahl von Modellen für die Vorhersage von Zeitreihen, und für die Erstellung von Prognosen wurden beispielsweise SVM-Modelle (Support Vector Machine), GA-Modelle (genetischer Algorithmus) und viele andere verwendet.

Allgemeine Einteilung

Somit haben wir folgendes erhalten klassifizierung von Modellen und Prognosemethoden.

1. Tikhonov E.E. Prognose unter Marktbedingungen. Nevinnomyssk, 2006.221 p.
2. Armstrong J.S. Prognose für Marketing // Quantitative Methoden im Marketing. London: International Thompson Business Press, 1999. S. 92 - 119.
3. Jingfei Yang M. Sc. Power System Kurzfristige Lastprognose: Diplomarbeit. Deutschland, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universität, 2006.139 p.

UPD. 15.11.2016.
Meine Herren, es ist zum Wahnsinn gekommen! Kürzlich wurde mir ein Artikel zur Überprüfung für die VAK-Veröffentlichung mit einem Link zu diesem Eintrag gesendet. Ich mache Sie darauf aufmerksam, dass weder in Diplomen noch in Artikeln und noch mehr in Dissertationen sie können keinen Link zum Blog erstellen! Wenn Sie einen Link wünschen, verwenden Sie diesen: Chuchueva I.A. EIN MODELL FÜR DIE PROGNOSE VON ZEITREIHEN DURCH AUSWAHL DER MAXIMALEN ÄHNLICHKEIT, Dissertation ... Cand. jene. Naturwissenschaften / Staatliche Technische Universität Moskau. N.E. Bauman. Moskau, 2012.

Tags: Tags hinzufügen

Die Notwendigkeit einer Prognose ist objektiv. Die Zukunft vieler Phänomene ist unbekannt, aber für die derzeit getroffenen Entscheidungen sehr wichtig.

Die Notwendigkeit einer Prognose ist objektiv. Die Zukunft vieler Phänomene ist unbekannt, aber für die derzeit getroffenen Entscheidungen sehr wichtig. Zu den Prozessen, die dringend den Einsatz von Prognoseverfahren erfordern, gehört die wirtschaftliche Aktivität. Alle Phasen der Prognose, einschließlich der Organisation, Bereitstellung und Interpretation der Ergebnisse, sind jedoch alles andere als trivial. Und die IT kann dabei eine sehr wichtige Hilfe leisten.

Prognose: Erfolg und Misserfolg

Bisher wurde viel geforscht und es wurden beeindruckende praktische Lösungen für das Problem der Vorhersage in Wissenschaft, Technologie, Wirtschaft, Demografie und anderen Bereichen gefunden. Die Aufmerksamkeit für dieses Problem ist unter anderem auf die Größenordnung zurückzuführen moderne Wirtschaft, die Bedürfnisse der Produktion, die Dynamik der Entwicklung der Gesellschaft, die Notwendigkeit, die Planung auf allen Führungsebenen zu verbessern, sowie die gesammelten Erfahrungen. Prognosen sind eines der entscheidenden Elemente für eine effektive Organisation des Managements einzelner Wirtschaftseinheiten und Wirtschaftsgemeinschaften, da die Qualität der getroffenen Entscheidungen weitgehend von der Qualität der Prognosen ihrer Folgen abhängt. Daher sollten heute getroffene Entscheidungen auf verlässlichen Einschätzungen der möglichen Entwicklung der Phänomene und Ereignisse beruhen, die in Zukunft untersucht werden.

Die Verbesserung der Prognose wird von vielen Spezialisten für die Entwicklung relevanter Informationstechnologien gesehen. Die Notwendigkeit ihrer Verwendung hat mehrere Gründe, darunter:

• wachstum des Informationsvolumens;
• die Komplexität der Algorithmen zur Berechnung und Interpretation der Ergebnisse;
• hohe Anforderungen an die Qualität von Prognosen;
• die Notwendigkeit, Prognoseergebnisse zur Lösung von Planungs- und Verwaltungsproblemen zu verwenden.

In regelmäßigen Abständen werden Informationen über die positiven Ergebnisse eines bestimmten Unternehmens angezeigt. In einer Reihe von Veröffentlichungen wird darauf hingewiesen, dass eine erfolgreiche Bewertung der Markttrends, der Nachfrage nach Waren oder Dienstleistungen sowie anderer wirtschaftlicher Prozesse und Merkmale es Ihnen ermöglicht, eine signifikante Gewinnsteigerung zu erzielen und andere Wirtschaftsindikatoren zu verbessern. Auf den ersten Blick ist der Erfolgsmechanismus einfach und klar: Wenn Sie davon ausgehen, was in Zukunft passieren wird, können Sie rechtzeitig wirksame Maßnahmen ergreifen, positive Trends nutzen und negative Prozesse und Phänomene kompensieren.

Es gibt jedoch auch negative Beispiele. Wie die Zeitschrift "Director of Information Service" bereits erwähnt hat, ciscoDas einst als Symbol der New Economy proklamierte Unternehmen konnte nicht nur die wirtschaftliche Rezession von 2001 nicht vorhersagen, sondern befand sich auch in einer noch schlechteren Lage als andere, da es seine Software und methodische Unterstützung für die Prognose der Nachfrage für einwandfrei hielt. Das Management des Unternehmens ging nicht davon aus, dass einer der Gründe für die Krise die verwendeten Prognosemethoden und -technologien sein könnten. Infolge eines Analysefehlers wurden Waren im Wert von 2,2 Mrd. USD abgeschrieben, etwa 20% der Mitarbeiter entlassen und die Aktien des Unternehmens fielen fast sechsmal im Preis. Die Ursache für die Cisco-Krise liegt also nicht in Verzögerungen bei der Beschaffung oder unzureichenden Menge an Erstinformationen, die für die Arbeit der Analysten des Unternehmens erforderlich sind. Die Schwierigkeiten ergaben sich offensichtlich aus methodischen Fehlern und einer unzureichenden Bewertung der erhaltenen Prognosen. Es ist davon auszugehen, dass das von Cisco verwendete Modell nicht die erforderliche Anpassung der Prognoseschätzungen an die aktuelle Änderung der Marktsituation ermöglichte.

Sicherstellung der Prognosequalität

Genauigkeit, Zuverlässigkeit und Effizienz werden jedoch wie andere Komponenten der Prognosequalität durch eine Reihe von Faktoren bestimmt, unter denen Folgendes hervorgehoben werden muss:

• software, die auf realitätsgerechten wirtschaftlichen und mathematischen Modellen basiert; n Vollständigkeit der Abdeckung und Zuverlässigkeit der Quellen für Anfangsinformationen, auf denen die Prognosealgorithmen basieren;
• effizienz der Verarbeitung interner und externer Informationen;
• die Fähigkeit, Prognoseschätzungen kritisch zu analysieren;
• aktualität der notwendigen Änderungen in der methodischen und informativen Unterstützung der Prognose.

Die spezielle Software basiert auf sorgfältig ausgewählten Modellen, Methoden und Techniken. Ihre Implementierung ist äußerst wichtig, um bei der Lösung der aktuellen und aktuellen Probleme qualitativ hochwertige Prognosen zu erhalten strategische Planung... Eine Analyse der aktuellen Situation zeigt, dass die Schwierigkeiten bei der Implementierung von IT, die die Vorhersage wirtschaftlicher Prozesse ermöglichen, nicht nur technisch oder methodisch, sondern auch organisatorisch und psychologisch sind. Verbraucher der Ergebnisse verstehen manchmal die Prinzipien der verwendeten Modelle, ihre 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 geschlossen und autonom sind und daher ihre Verallgemeinerung zum Zweck der Entwicklung und gegenseitigen Anpassung schwierig ist. Folglich kann ein schrittweiser Ansatz, der die wichtigsten analytischen Aufgaben hervorhebt, eine Kompromisslösung sein.

Vorgefertigte replizierbare oder Unternehmenslösungen, die Prognosen für kleine und mittlere Wirtschaftsunternehmen auf Systemebene mit gute Qualität und sie sind praktisch nicht für den Preis verfügbar. Derzeit automatisierte Systeme Die Unternehmensführung beschränkt sich hauptsächlich auf die elementaren Aufgaben der Rechnungslegung und Kontrolle. Der Grund für diese Situation ist, dass es vor dem Aufkommen der modernen IT keine umfassenden Möglichkeiten gab, effektive wirtschaftliche und mathematische Modelle direkt in den Prozess einzubeziehen wirtschaftstätigkeit... Darüber hinaus stellte die Anwendung der vorhandenen Prognosemodelle zu Analysezwecken keine so hohen Anforderungen an ihre Informationsunterstützung.

Prognose der technologischen Grundlagen

Wenn Sie ein Vorhersagesystem von Grund auf neu erstellen, müssen Sie eine Reihe von organisatorischen und methodischen Problemen lösen. Die ersten umfassen:

• schulung der Benutzer in Methoden zur Analyse und Interpretation der Prognoseergebnisse;
• festlegen der Bewegungsrichtungen prädiktiver Informationen innerhalb des Unternehmens auf der Ebene seiner Abteilungen und einzelnen Mitarbeiter sowie der Struktur der Kommunikation mit Geschäftspartnern und Regierungsbehörden;
• bestimmung des Zeitpunkts und der Häufigkeit von Prognoseverfahren;
• entwicklung von Grundsätzen zur Verknüpfung der Prognose mit der langfristigen Planung und Verfahren zur Auswahl von Optionen für die Ergebnisse, die bei der Erstellung eines Unternehmensentwicklungsplans erzielt wurden.

Die methodischen Probleme beim Aufbau eines Prognosesubsystems sind:

• entwicklung der internen Struktur und des Funktionsmechanismus;
• organisation der Informationsunterstützung;
• entwicklung von Software.

Das erste Problem ist das schwierigste, da für seine Lösung ein Komplex von Prognosemodellen erstellt werden muss, dessen Umfang ein System miteinander verbundener Indikatoren ist. Das Problem der Systematisierung und Bewertung von Prognosemethoden ist hier eines der zentralen, da zur Auswahl einer bestimmten Methode eine vergleichende Analyse erforderlich ist. Eine Variante der Klassifizierung von Prognosemethoden unter Berücksichtigung der Besonderheiten des jeder Gruppe zugrunde liegenden Wissenssystems kann wie folgt zusammengefasst werden: Methoden der Expertenbewertung; logische Modellierungsmethoden; mathematische Methoden.

Jede Gruppe eignet sich zur Lösung eines bestimmten Aufgabenbereichs. Die Praxis stellt daher die folgenden Anforderungen an die verwendeten Methoden: Sie müssen sich auf ein bestimmtes Prognoseobjekt konzentrieren, sich auf ein quantitatives Maß für die Angemessenheit stützen, sich durch die Genauigkeit der Schätzungen und den Prognosehorizont unterscheiden.

Die Hauptaufgaben bei der Erstellung eines Vorhersagesystems sind unterteilt in:

• aufbau eines Systems vorhersehbarer Prozesse und Indikatoren;
• entwicklung eines Apparats zur wirtschaftlichen und mathematischen Analyse vorhergesagter Prozesse und Indikatoren;
• konkretisierung der Methode der Expertenbewertung, Auswahl von Indikatoren für die Prüfung und Einholung von Expertenbewertungen einiger vorhergesagter Prozesse und Indikatoren;
• prognoseindikatoren und -prozesse mit Angabe von Konfidenzintervallen und Genauigkeit;
• entwicklung von Methoden zur Interpretation und Analyse der Ergebnisse.

Besondere Aufmerksamkeit sollte der Arbeit an Informationen und der mathematischen Unterstützung des Prognosesystems gewidmet werden. Der Prozess der Softwareerstellung kann in folgenden Schritten dargestellt werden:

1. entwicklung einer Methodik zur strukturellen Identifizierung eines Prognoseobjekts;
2. entwicklung von Methoden zur parametrischen Identifizierung des Prognoseobjekts;
3. entwicklung von Methoden zur Vorhersage von Trends;
4. entwicklung von Methoden zur Vorhersage harmonischer Komponenten von Prozessen;
5. entwicklung von Methoden zur Bewertung der Eigenschaften zufälliger Komponenten von Prozessen;
6. erstellung komplexer Modelle zur Vorhersage von Indikatoren, die ein miteinander verbundenes System bilden.

Die Schaffung eines Vorhersagesystems erfordert einen integrierten Ansatz zur Lösung des Problems seiner Informationsunterstützung, der üblicherweise als Satz von Anfangsdaten zum Abrufen von Prognosen sowie als Methoden, Methoden und Mittel verstanden wird, die das Sammeln, Akkumulieren, Speichern, Suchen und Übertragen von Daten während des Funktionierens des Prognosesystems gewährleisten. und seine Interaktion mit anderen Unternehmensverwaltungssystemen.

Die Informationsunterstützung des Systems umfasst normalerweise:

Informationsfonds (Datenbank);

Quellen der Bildung von Informationsfonds, Datenströme und Methoden des Datenempfangs;

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

Methoden, Prinzipien und Regeln der Datenverbreitung im System;

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

Methoden informationsanalyse und Synthese;

Methoden zur eindeutigen formalisierten Beschreibung von Wirtschaftsdaten.

Zur Implementierung des Prognoseprozesses sind daher folgende Hauptkomponenten erforderlich:

Quellen von Insiderinformationen basierend auf Management- und Buchhaltungssystemen;

Quellen externer Informationen;

Spezialisierte Software, die Prognosealgorithmen und Ergebnisanalysen implementiert.

Zusätzlich zu diesen Komponenten sollten geeignete Technologien zum Speichern, Austauschen und Präsentieren von Informationen verwendet werden.

Bestätigung der Prognosequalität

Angesichts der Bedeutung der Lösung des Prognoseproblems für Markteinheiten ist es ratsam, die Qualität der vorgeschlagenen Methoden und Algorithmen sowie der Technologien im Allgemeinen anhand speziell ausgewählter (Test-) Anfangsdaten zu überprüfen. Eine ähnliche Art der Verifizierung wird seit langem verwendet, um die Angemessenheit mathematischer Werkzeuge zu bewerten, die für die nichtlineare Optimierung entwickelt wurden, beispielsweise unter Verwendung der Funktionen Rosenbrock und Powell.

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

In Abb. Zur Veranschaulichung des Trends des additiven Modells ist in Fig. 1 ein parabolischer Trend zweiter Ordnung dargestellt. 2 - die saisonale Komponente des Prozesses mit einem Zeitraum von 12 Monaten und in Abb. 3 - zufällige Komponente. Der Vergleich der tatsächlichen Umsetzung des Prozesses mit seiner im Rahmen der Kurzzeitprognosemethode durchgeführten Prognose ist in Abb. 1 dargestellt. 4. Die absoluten Fehler sind in Abb. 4 dargestellt. 5. Die Qualität der Technologie wird anhand der statistischen Merkmale der Fehler der Prognoseschätzungen bewertet.

Praxis und Perspektiven für die Entwicklung von Prognosen in replizierten und Unternehmenssystemen

Gegenwärtig ist eine Vielzahl von Softwaretools weit verbreitet, die bis zu dem einen oder anderen Grad die Erfassung und analytische Verarbeitung von Informationen ermöglichen. Einige von ihnen, beispielsweise MS Excel, verfügen über integrierte statistische Funktionen und Programmierwerkzeuge. Andere, vor allem preiswerte Buchhaltung und management AccountingSie verfügen nicht über solche Funktionen, oder die Analysefunktionen sind in ihnen nicht ausreichend und manchmal falsch implementiert. Leider ist dies auch einigen leistungsfähigeren und multifunktionalen Unternehmensverwaltungssystemen inhärent, was auf den vergangenen Ausstellungen "Pharmacy 2001" (November-Dezember 2001) und "Accounting and Audit 2002" (Januar 2002) bestätigt wurde. Diese Situation wird offenbar durch eine flache Analyse der Entwickler der Eigenschaften ihrer gewählten Prognosealgorithmen und ihrer unkritischen Anwendung erklärt. Nach den verfügbaren Quellen zu urteilen, basieren Vorhersagealgorithmen beispielsweise häufig auf einer exponentiellen Glättung nullter Ordnung. Dieser Ansatz ist jedoch nur gültig, wenn im untersuchten Prozess kein Trend vorliegt. Tatsächlich sind wirtschaftliche Prozesse nicht stationär, und für Prognosen werden komplexere Modelle verwendet als Modelle mit konstantem Trend.

Aus der Sicht des betrachteten Themas ist es interessant, den Entwicklungspfad der inländischen Automatisierung zu verfolgen bankensysteme... Die ersten Bankensysteme basierten auf starrer Technologie und erforderten ständig Änderungen oder zusätzliche Software. Dies veranlasste Entwickler von Finanzsoftware, nach den Grundsätzen der Offenheit, Skalierbarkeit und Flexibilität industrielles DBMS zu verwenden. Diese DBMS selbst erwiesen sich jedoch als ungeeignet für die Lösung von Analyseproblemen auf hoher Ebene, einschließlich des Prognoseproblems. Hierzu mussten zusätzliche Technologien für Data Warehouses und die operative Analyseverarbeitung eingesetzt werden, die den Betrieb von Entscheidungsunterstützungssystemen von Finanz- und Kreditinstituten sowie die Erstellung von Prognosen sicherstellten. Der gleiche Ansatz wird in komplexen Unternehmensverwaltungssystemen verwendet.

Ein weiterer Bereich der modernen angewandten Anwendung von IT-basierten Prognosemethoden ist die Lösung einer Vielzahl von Marketingproblemen. Ein Beispiel ist die SAS Churn Management Solution für Telekommunikationssoftware. Es ist für Telekommunikationsbetreiber gedacht und ermöglicht es seinen Entwicklern zufolge, Vorhersagemodelle zu erstellen und mit ihrer Hilfe die Wahrscheinlichkeit einer Abwanderung bestimmter Kategorien von Kunden abzuschätzen. Der Kern dieser Software ist der verteilte Datenbankserver Scalable Performance Data Server, Tools zum Erstellen und Verwalten von Data Warehouses und Data Marts, Data Mining-Tools von Enterprise Miner, das Entscheidungsunterstützungssystem SAS / MDDB Server und zusätzliche Tools. Um die Wettbewerbsfähigkeit neuer CRM-Systeme zu gewährleisten, enthält die Liste ihrer erweiterten Funktionen sowie für automatisierte Bankensysteme Berichtsfunktionen, die OLAP-Technologien verwenden und bis zu einem gewissen Grad die Prognose der Ergebnisse von Marketing, Vertrieb und Kundendienst ermöglichen.

Es gibt viele spezialisierte softwareprodukteBereitstellung einer statistischen Verarbeitung numerischer Daten, einschließlich einzelner Prognoseelemente. Diese Produkte umfassen SPSS, Statistica usw. Diese Tools haben sowohl Vor- als auch Nachteile, die den Umfang ihrer Produkte erheblich einschränken praktische Anwendung... Hierbei ist zu beachten, dass die Beurteilung der Eignung spezialisierter mathematischer und statistischer Software zur Lösung von Prognoseproblemen durch normale Benutzer ohne spezielle Schulung eine gesonderte ernsthafte Untersuchung und Diskussion erfordert.

Die Lösung von Prognoseproblemen für Verbraucher aus kleinen und mittleren Unternehmen mithilfe leistungsfähiger und teurer Informationssysteme und -technologien ist jedoch vor allem aus finanziellen Gründen praktisch unmöglich. Eine vielversprechende Richtung ist daher die Entwicklung der Analysefunktionen bestehender und weit verbreiteter kostengünstiger Buchhaltungs- und Management-Buchhaltungssysteme. Die entwickelten zusätzlichen Berichte, die auf bestimmten Geschäftsprozessen basieren und die erforderlichen analytischen Informationen für einen bestimmten Benutzer enthalten, weisen ein hohes Kosten-Kosten-Verhältnis auf.

Einige Softwareentwickler erstellen eine ganze Reihe von Analysetools. Beispielsweise bietet die Parus Corporation die Lösungen Parus-Analytica und Triumph-Analytica für eine breite Palette von Anwendern kleiner und mittlerer Unternehmen an. Komplexere Aufgaben der analytischen Verarbeitung prädiktiver Informationen werden in Form eines sogenannten Situationszentrums in das Parus-System integriert. Laut Dmitry Sudarev, Manager für die Entwicklung von Zirkulationslösungen, wurde 1997 beschlossen, Softwareprodukte zu entwickeln und zu implementieren, die den Übergang von der einfachen Bilanzierung von Fakten in den Aktivitäten des Unternehmens zur Analyse von Informationen ermöglichen. Gleichzeitig war geplant, von der Automatisierung der Arbeit von Buchhaltern und mittleren Managern zur Verarbeitung von Informationen für das Top-Management überzugehen. Unter Berücksichtigung des möglichen Kundenkreises stellen Parus-Analytica und Triumph-Analytica keine besonderen Anforderungen an die Hardware- und Softwareumgebung. Die Triumph-Analytica-Lösung wird jedoch auf der Basis von MS SQL Server implementiert, wodurch sich mehr Möglichkeiten für die Prognose der untersuchten Prozesse ergeben Insbesondere wird die harmonische Komponente von Prognosen berücksichtigt.

Der Wert der Prognose steigt um ein Vielfaches, wenn sie direkt in der Unternehmensverwaltung verwendet wird. Eine wichtige Richtung ist daher die Integration von Vorhersagesystemen in Systeme wie Kasatka, MS Project Expert usw. Beispielsweise ist die Kasatka-Software von SBI als automatisierte Workstation für den Leiter und die Spezialisten der Marketingabteilung positioniert und für die Entwicklung von Management, Marketing und Marketing vorgesehen strategische Planung. Diese Bezeichnung gibt die Notwendigkeit vor, langfristige Trends zu identifizieren und bei der Planung zu berücksichtigen. In diesem Fall wird der Prognosehorizont anhand der relevanten Ziele der Organisation festgelegt.

Fazit

Die Wahl der Prognosetechnologie und der Mittel zu ihrer Implementierung sollte in Übereinstimmung mit den Zielen und Vorgaben eines bestimmten Verbrauchers erfolgen, wobei der Grad der Informationsunterstützung, die Benutzerqualifikationen und eine Reihe anderer Faktoren zu berücksichtigen sind. Diese Gründe erfordern die individuelle Entwicklung oder Anpassung zuvor erstellter Spezialsoftware.

Literatur

Glossar

Prognose (in der Wirtschaftsplanung) - eine wissenschaftliche und analytische Phase des Wirtschaftsplanungsprozesses. Die Hauptaufgaben der Prognose bei der Entwicklung von Wirtschaftsplänen sind: wissenschaftliche Analyse sozialer, wirtschaftlicher und wissenschaftlich-technischer Prozesse und Trends, objektive Beziehungen sozioökonomischer Phänomene unter bestimmten Bedingungen, Bewertung der aktuellen Situation und Ermittlung der wichtigsten Probleme der wirtschaftlichen Entwicklung; Einschätzung der Entwicklung dieser Trends in der Zukunft und Antizipation neuer wirtschaftlicher Situationen, neuer Probleme, deren Lösung erforderlich ist; Identifizierung möglicher Entwicklungsalternativen für eine vernünftige Auswahl der einen oder anderen Gelegenheit und Treffen einer optimalen Entscheidung.

Steuerungsautomatisierung - Verwendung von Methoden und Techniken zur automatischen Verarbeitung von Informationen durch die Leitungsorgane des Unternehmens, einschließlich zur Entwicklung optimaler wirtschaftlicher Entscheidungen. Die Automatisierung des Managements ist mit der Einführung wirtschaftlicher und mathematischer Methoden sowie der IT verbunden.

Informationsunterstützung des Systems - eine Reihe von Methoden und Mitteln zur Auswahl, Klassifizierung, Speicherung, Suche, Aktualisierung und Verarbeitung von Informationen im System. Die Informationsunterstützung umfasst: Zusammensetzung von Informationen (Liste der Informationseinheiten oder Aggregate); Struktur von Informationen und Muster ihrer Transformation; Merkmale der Informationsbewegung; Informationsqualitätsmerkmale; Methoden der Informationsverarbeitung. Informationsunterstützung kann in funktionalen, strukturellen, transformativen sowie organisatorischen und methodischen Aspekten charakterisiert werden. Die Objekte des Transformationsaspekts sind die Transformation der Sprache wirtschaftsmanagement nach Ebenen und Stufen der Informationsförderung im System.

Lag lag - das Zeitintervall zwischen dem Moment, in dem das System auf die auf es angewendete Aktion reagiert (Wirkung), und dem Moment seiner Anwendung. In sozioökonomischen Systemen spielen Verzögerungsgrößen eine wichtige Rolle bei der Planung und Verwaltung. Verzögerungen bei der Kapitalrendite sind besonders wichtig.

Trend (deterministische Grundlage des vorhergesagten Prozesses) - die allgemeine Haupttendenz der Änderung der dynamischen Reihe (des Prozesses) über einen ausreichend langen Beobachtungszeitraum. Es ist allgemein anerkannt, dass der Trend durch die Wirkung ständig wirkender Faktoren bestimmt wird.

Harmonische Komponente des vorhergesagten Prozesses - eine Komponente, deren Wirkung durch periodische Faktoren bestimmt wird. Ein Sonderfall ist die saisonale Komponente, die hauptsächlich von den klimatischen Bedingungen und den sozialen Traditionen bestimmt wird.

Die zufällige Komponente des vorhergesagten Prozesses - Abweichungen der tatsächlichen Prozesswerte von den vorhergesagten, deren Gründe nicht ermittelt wurden und im Rahmen des angenommenen Modells nicht identifiziert werden können.

Wirtschaftliche und mathematische Methoden - der konventionelle Name eines Komplexes wissenschaftlicher und angewandter Disziplinen an der Schnittstelle von Wirtschaft und Mathematik. Sie umfassen die folgenden Gruppen von Disziplinen: wirtschaftliche und statistische Methoden; Ökonometrie; Erforschung von Operationen in der Wirtschaft; wirtschaftliche Kybernetik.

Expertenbewertungen - Bewertung von Prozessen oder Phänomenen, die nicht direkt messbar sind. Expertenbewertungen spielen eine wesentliche Rolle bei der Entscheidungsfindung, einschließlich der Prognose von Alternativen und deren Folgen.

Heuristische Prognosemethode - unter Verwendung der Meinung von Experten auf diesem Gebiet; Es wird verwendet, um Prozesse vorherzusagen, die zum Zeitpunkt der Prognose nicht formalisiert werden können. Es ist gleichbedeutend mit der Methode der Expertenbeurteilung.

Mathematische Prognosemethoden bedingt unterteilt in Methoden zur Modellierung von Entwicklungsprozessen und Methoden der Extrapolation. Sie basieren auf mathematischen Werkzeugen.

Logische Vorhersage- und Analysemethoden sind in erster Linie mit der Analyse der Konsistenz des Kurses und der Prognose der Ergebnisse verbunden. Dienen Sie als Feedback im Vorhersagesystem. Darüber hinaus ermöglichen logische Analysemethoden das Lösen unabhängige AufgabenZum Beispiel die Konstruktion morphologischer Modelle, die auf der Grundlage formalisierter (mathematischer) Vorhersagemodelle weiter verwendet werden.

Kombinierte Prognosemethoden - gemeinsame Anwendung heuristischer und mathematischer Prognosemethoden, um ihre inhärenten Vorteile zu kombinieren und Nachteile auszugleichen.

Intervallprognose - der Wertebereich, in den der vorhergesagte Wert mit einer bestimmten Wahrscheinlichkeit bei bekannten Prozessparametern fällt.

Prognose der Qualitätskriterien - Das Hauptqualitätskriterium ist die Prognosegenauigkeit. Darüber hinaus können Kriterien für Effizienz, Zuverlässigkeit usw. verwendet werden.

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

Prognose - Beurteilung des zukünftigen Zustands des Objekts, die hauptsächlich subjektiv ist.

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

Vorhersagesystem - eine Reihe von Methoden, Methoden und Mitteln zum Sammeln von Anfangsdaten, Verarbeiten von Informationen und Präsentieren von Prognosen mit der erforderlichen Qualität.

Quellen

Verschiedene Unternehmen haben ihre eigenen Anforderungen an die Erstellung eines Budgets. Diese Funktionen werden von den Entwicklern von Softwareprodukten berücksichtigt. Betrachten wir die bekanntesten und am weitesten verbreiteten Softwareprodukte.

Hyper Pillar ist ein großes und fortschrittliches System, das die Budgetierung vollständig automatisiert. Zunächst geben Sie geplante Kosten und geplante Einnahmen ein. Das Ergebnis der Berechnungen ist ein dynamisches Modell des Unternehmens mit Modellen, die für jede Ebene verantwortlich sind, und einer einfachen Technologie, um Änderungen daran vorzunehmen. Hyper Pillar ist gut in andere Produkte des Unternehmens integriert: Enterprise, Essbase OLAP Server, Reporting.

Corporate Planner ist ein Budgetierungsprogramm, das auf dem strukturierten Kostenbaum eines Unternehmens basiert. 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 keine verteilte Arbeit.

Adaytum Planning ist ein 3D kalkulationstabelle mit Funktionen zum Erstellen verschiedener Slices. Die Tabellen enthalten verschiedene Daten (Zeit, Finanzen usw.) für jeden Unternehmensbereich. Es gibt eine Funktion zur Konsolidierung des konsolidierten Budgets für das ausgewählte Datum. Adaytum Planning ist ein kostengünstiges Produkt zur Erstellung eines kleinen Budgets mit einer Reihe von Analysetools.

"Nephrite" ist ein Softwareprodukt, das für den Einsatz in großen Unternehmen mit einer Holdingstruktur entwickelt wurde. Es nimmt eine Zwischenposition zwischen der Computer- und Papierverarbeitung von Dokumenten ein und verfügt über ein bequemes Verfahren zur Vereinbarung eines Budgets. Das Programm arbeitet auch mit unzureichend vorbereiteten Daten. Die anfänglichen Daten sind die Budgets der Geschäftsbereiche der Holding, die in einem Holdingbudget zusammengefasst werden sollten. "Jade" basiert auf Tabellenkalkulationen.

"Red Director" ist ein Budgetierungssystem für kleine und mittlere Unternehmen mit einer einfachen Oberfläche. Grundlage des Programms ist eine Datenbank ohne die Möglichkeit der Integration in andere Softwareprodukte.

Planung ist eine besondere Art von wissenschaftlicher und praktischer Tätigkeit, die in der Entwicklung strategischer Entscheidungen (in Form von Prognosen, Projekten, Programmen, Plänen) besteht und die Weiterentwicklung solcher Ziele und Strategien für das Verhalten von Kontrollobjekten vorsieht, deren Umsetzung deren effektives Funktionieren auf lange Sicht und rasche Anpassung an sicherstellt äußere Bedingungen geändert.

Mit dem Project Expert-Programm von Pro-Invest-Consulting können Benutzer die folgenden Aufgaben lösen:

· Beschreiben und gestalten Sie die Aktivitäten eines Unternehmens unter Berücksichtigung von Änderungen der Parameter des externen Umfelds (Inflation, Steuern, Wechselkurse) im Detail.

· Entwicklung eines Plans für die Entwicklung eines Unternehmens oder die Umsetzung eines Investitionsprojekts, einer Marketingstrategie und einer Produktionsstrategie, die den rationellen Einsatz materieller, personeller und finanzieller Ressourcen gewährleisten;

· Festlegung des Finanzierungsplans für das Unternehmen;

· Verschiedene Szenarien für die Entwicklung eines Unternehmens zu testen und dabei die Werte der Faktoren zu variieren, die sich auf die Finanzergebnisse auswirken können;

Jahresabschluss erstellen (Bericht über die Bewegung geld, Bilanz, Gewinn- und Verlustrechnung, Gewinn- und Verlustrechnung) und Geschäftsplan des Investitionsprojekts in voller Übereinstimmung mit den internationalen Anforderungen in russischer und russischer Sprache englisch;

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

Mit einem speziellen Austauschmodul für Projektexperten können Sie Informationen in den Formaten * .txt und * .dbf importieren und exportieren. Zusammenfassende Tabellendaten und Textinformationen werden über die Windows-Zwischenablage frei in Word, Excel und andere Windows-Anwendungen kopiert. Project Expert pflegt auch die Kommunikation mit den bekanntesten Planungs- und Steuerungssystemen: MS Project, Primavera, Project Planner und Sure Truck. Die Daten werden im GANTT-Netzwerkformat importiert und exportiert, mit Beschreibungen der Phasen, ihrer Beziehungen usw.

Der Kern eines Programmkomplexes sein finanzanalyse Mit dem Design kann Project Expert automatisch Informationen "hochladen", die den Startzustand des Unternehmens aus dem Audit Expert-Finanzanalyseprogramm und die Daten des operativen Marketingplans - aus dem Marketing Expert-Programm - charakterisieren.

Project Expert gibt es in zwei Versionen: Base und Professional. Project Expert Professional bietet seinen Benutzern zwei zusätzliche Funktionen:

1) Aktualisierung der Daten und Überwachung der Umsetzung des Projekts (Plan). Im Verlauf des Projekts hat der Benutzer die Möglichkeit, tatsächliche Daten für alle Projektmodule einzugeben, aktualisierte Indikatoren für den realen Cashflow zu berechnen sowie die Diskrepanz zwischen dem realen und dem geplanten Cashflow zu überwachen.

2) Arbeiten mit einer Gruppe von Projekten. Mit dem speziellen Modul Project Integrator können Sie mehrere Projekte (Unternehmen) zu einer Gruppe zusammenfassen, integrierte Leistungsindikatoren für die gesamte Gruppe berechnen und verschiedene Optionen für ein Projekt für alle Indikatoren miteinander vergleichen.

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

Das Audit Expert-Programm von Pro-Invest-Consulting ist ein wirksames Instrument für eine umfassende Analyse der Finanzlage und der Leistung des Unternehmens. Wenn Sie Abschlüsse an internationale Standards anpassen, können Sie die Abschlüsse von Unternehmen für verschiedene Jahre in Analysetabellen umwandeln, die den Anforderungen entsprechen Internationale Standards Buchhaltung.

Das Marketing Expert Programm von Pro-Invest-Consulting ist ein Entscheidungsunterstützungssystem in allen Phasen der Entwicklung von strategischen und taktische Pläne Marketing und Kontrolle über ihre Umsetzung.

Das Forecast Expert-Programm von Pro-Invest-Consulting ist ein universelles System der angewandten Prognose und dient zur Erstellung einer Prognose einer Zeitreihe unter Verwendung eines autoregressiven Modells und eines integrierten gleitenden Durchschnitts (ARISS, ARIMA, ARIMA, Boxing-Jenkins). Mit Forecast Expert können Sie die verfügbaren Daten analysieren und eine Prognose erstellen, die die Grenzen des Konfidenzintervalls für einen Zeitraum angibt, der den Beobachtungszeitraum der ursprünglichen Serie nicht überschreitet. Das Modell bestimmt den Grad des Einflusses saisonale Faktoren und berücksichtigt sie bei der Erstellung einer Prognose.

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

Eine Studie über die wichtigsten Richtungen und Probleme der Umsetzung in praktische Aktivitäten Organisationen moderner Informations- und Kommunikationstechnologien. Die Probleme und Richtungen beim Erstellen eines einheitlichen Informationsraums werden identifiziert. Die Analyse der Bedingungen und Voraussetzungen für die praktische Modellierung wird durchgeführt, die Merkmale der schrittweisen Konstruktion von Vorhersagemodellen der Aktivitäten von Organisationen werden analysiert. Dana eine kurze Beschreibung von Bei der Verwendung verschiedener Prognosemodelle wird der Schwerpunkt auf die Überprüfung der Angemessenheit von Prognosemodellen gelegt. Eine Überprüfung moderner Informations- und Analysetechnologien zur Vorhersage der Aktivitäten von Organisationen wird durchgeführt. Empfehlungen zur Verwendung von Prognoseergebnissen in der Praxis werden 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. Land Smolensk und seine Bevölkerung (historische und statistische Überprüfung in Zahlen und Fakten). - Smolensk: Smallgortypography, 2013. - 152 p.

2. Gusarova OM Modellierung als Methode zur Planung und Verwaltung von Geschäftsergebnissen // Erfolg der modernen Naturwissenschaften. - 2014. - Nr. 11. - S. 88–92.

3. Gusarova OM Modellierung in Annahme managemententscheidungen // Wissenschaft und Bildung: Probleme und Entwicklungsperspektiven: Eine Sammlung wissenschaftlicher Arbeiten, die auf den Materialien der Internationalen Wissenschaftlichen und Praktischen Konferenz basieren. - Tambov: Yukom, 2014. - S. 41–42.

4. Gusarova OM Probleme bei der Integration von Theorie und Praxis der Modellierung von Geschäftsergebnissen // Wirtschaft und Bildung: Herausforderungen und Suche nach Lösungen: Eine Sammlung wissenschaftlicher Arbeiten auf der Grundlage der Materialien der II. Allrussischen (Korrespondenz-) wissenschaftlichen und praktischen Konferenz (Jaroslawl, 15. April 2014) - Jaroslawl: Kanzler, 2014. - S. 78–82.

5. Gusarova OM Bewertung des Verhältnisses regionaler Indikatoren für die sozioökonomische Entwicklung (basierend auf den Materialien des zentralen Bundesdistrikts Russlands) // Moderne Probleme von Wissenschaft und Bildung. –2013. - Nr. 6. (Elektronisches Magazin).

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

7. Gusarova OM Methoden und Modelle zur Vorhersage der Aktivität von Unternehmenssystemen // Theoretische und angewandte Fragen der Bildung und Wissenschaft: Eine Sammlung wissenschaftlicher Arbeiten, die auf den Materialien der Internationalen Wissenschafts- und Praktischen Konferenz basieren. - Tambov: Yukom, 2014. - S. 48–49.

8. Gusarova OM Computertechnologien zur Modellierung sozioökonomischer Prozesse // Wirtschaftswachstum und Wettbewerbsfähigkeit Russlands: Trends, Probleme und strategische Prioritäten: Eine Sammlung wissenschaftlicher Artikel auf der Grundlage der Materialien der Internationalen Konferenz für Wissenschaft und Praxis. - M.: Unity-Dana, 2012. - S. 102–104.

9. Gusarova OM Untersuchung der Qualität von Kurzzeitmodellen zur Prognose finanzieller und wirtschaftlicher Indikatoren. - M .: 1999 .-- 198 p.

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 suchen einige russische Unternehmen nach wirksamen Wegen, um die Wettbewerbsfähigkeit ihrer Produkte sicherzustellen und die Effizienz der Organisation zu steigern. Unter schwierigen wirtschaftlichen Bedingungen müssen nicht nur praktische Erfahrungen bei der Organisation eines Unternehmens in einem bestimmten Tätigkeitsbereich für Entscheidungen verwendet werden, sondern auch moderne Ansätze zur Planung der Aktivitäten des Unternehmens. Weit verbreitete Akzeptanz In der Praxis der Informations- und Analysetechnologien zur Modellierung und Prognose von Geschäftskennzahlen können Geschäftsergebnisse operativ überwacht und eine Strategie für die Entwicklung einer Organisation entwickelt werden. Der Einsatz von Informations- und Analysetechnologien ermöglicht die Schaffung integrierter Systeme zur Verwaltung der Geschäftsergebnisse, zur Optimierung der Material- und Finanzflüsse, zur Minimierung der Kosten für finanzielle und wirtschaftliche Aktivitäten, zur Maximierung des Unternehmensgewinns und zur Lösung einer Reihe anderer Probleme.

Die Informatisierungsprozesse der modernen Gesellschaft und eng verwandte Prozesse der Implementierung von Informations- und Kommunikationstechnologien in allen Geschäftsbereichen sind durch die massive Verbreitung von Informations- und Analysetechnologien zur Analyse der Aktivitäten von Organisationen gekennzeichnet verschiedene Bereiche und Eigentumsformen. Moderne Informationstechnologien ermöglichen die Automatisierung einer Reihe folgender Bereiche: Untersuchung der Eigenschaften eines Systems (Objekts), Überwachung der Dynamik der Entwicklung von Schlüsselindikatoren aller Geschäftsbereiche, Optimierung der Parameter des funktionierenden Systems, Schaffung integrierter Steuerungs- und Managementsysteme für das System, Planung und Prognose der Aussichten für die Entwicklung einer Organisation.

Das strategische Ziel der Einführung von Informations- und Kommunikationstechnologien in allen Tätigkeitsbereichen der modernen Gesellschaft besteht darin, einen einzigen Informationsraum zu schaffen, der eine Vielzahl von Problemen im Zusammenhang mit dem Zugang zu einheitlichen Datenbanken lösen und umgehend bereitstellen soll statistische BerichterstattungSchaffung integrierter Überwachungssysteme verschiedene Richtungen Aktivitäten. All dies trägt zur Schaffung grundlegend neuer Möglichkeiten für die Entwicklung kognitiver kreativer menschlicher Aktivitäten bei: Forschung, Organisation und Management, Experten, Unternehmer usw. Die Schaffung eines einzigen Informationsraums trägt zur Steigerung der Effizienz und Qualität der Überwachung der Aktivitäten von Organisationen, zur Intensivierung der wissenschaftlichen Forschung in verschiedene Richtungen, zur Verkürzung der Verarbeitungszeit und der Bereitstellung von Informationen, zur Effizienz und Effektivität des Systemmanagements sowie zur Integration des nationalen Informationssystems in internationale Systeme für den Zugang zu Informationsressourcen im Bereich Wissenschaft, Kultur und Wirtschaft bei und andere Tätigkeitsbereiche.

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

● Technische Ausstattung von Organisationen mit Informations- und Kommunikationstechnologien bedeutet Zugang zu modernen software und wird durch organisatorische und wirtschaftliche Faktoren eingeschränkt. Daher ist der Zugang zu "kleinen Informatisierungen" in einigen Fällen ineffektiv und zu "großen" - teuer und bietet keine schnelle Rückkehr.

● Die Ausbildung von Spezialisten auf dem Gebiet der Informations- und Kommunikationstechnologien, insbesondere auf dem Gebiet der Netzwerktechnologien, sollte zu einer vorrangigen Aufgabe werden, von deren Lösung die Wirksamkeit der Aktivitäten der Organisation in dieser Richtung abhängt. Ein hochqualifizierter IT-Spezialist kann manchmal die Arbeitslast einer gesamten Abteilung in einer Organisation übernehmen. In diesem Zusammenhang ist es notwendig, immer mehr Disziplinen im Bereich der Informationstechnologie in die Aktivitäten von Bildungseinrichtungen einzubeziehen und ihre praktische Ausrichtung zu verbessern. Modernes System Die Bildung sollte sich auf die Fundamentalisierung der Bildung auf allen Ebenen, den weit verbreiteten Einsatz von Methoden und Technologien innovativer Bildung, die Verbesserung der Qualität und Zugänglichkeit der Bildung durch die Entwicklung eines Fernunterrichtssystems und die Ausstattung des Bildungsprozesses mit modernen Informations- und Kommunikationstechnologien konzentrieren.

● Die Erstellung von Informationsdatenbanken in allen Bereichen der Aktivitäten der Organisation erfordert einige Anstrengungen, ist jedoch ein wichtiges Bindeglied bei der Integration der Informationstechnologien der Organisation in einen einzigen Informationsraum.

Einer von aktuelle Richtungen Die Implementierung von Informations- und Analysetechnologien in die praktischen Aktivitäten von Organisationen ist die operative Überwachung der wichtigsten Geschäftsindikatoren und die Prognose alternativer Optionen für die Entwicklung des Unternehmens. Im Allgemeinen kann die folgende Abfolge von Phasen der Vorhersage der Entwicklung des Systems (Objekts) der Studie unterschieden werden.

● Die Festlegung der Ziele der Forschung bestimmt die strategischen Richtlinien und taktischen Richtungen bei der Untersuchung des Systems, die im Verlauf der Forschung verfeinert und konkretisiert werden können.

● Die Formulierung eines konzeptionellen Modells des Systems beinhaltet eine Untersuchung des Systems, um seine Eigenschaften, Dynamik und Wechselbeziehung mit externen und externen Faktoren zu identifizieren interne Umgebung... Die Sammlung statistischer Informationen zu den Merkmalen des Systems setzt die weitere Formulierung eines verbal-beschreibenden Modells des Systems voraus, das einer Klärung und Formalisierung unterliegt. Die Formulierung eines konzeptionellen Modells des Systems setzt eine Liste grundlegender Fragen voraus, die in Bezug auf diesen Forschungsbereich formuliert wurden und die Ziele der Studie erfüllen, sowie eine Reihe von Hypothesen zu den Eigenschaften und Merkmalen des Modellierungsobjekts.

● Die Formalisierung des verbal-deskriptiven Modells impliziert die Konstruktion eines mathematischen Modells und die numerische Bestimmung seiner Parameter. Ein wichtiger Punkt hierbei ist die richtige Auswahl der Methoden zur Bestimmung der Parameter des mathematischen Modells. Jedes System ist durch seine eigenen Entwicklungsmerkmale gekennzeichnet, und die Wahl des Verfahrens zur numerischen Bestimmung von Modellparametern hängt weitgehend von einem solchen Merkmal des Modells wie der Angemessenheit ab, d.h. Entsprechung des formalisierten Modells zu den Merkmalen realer Prozesse, die die Dynamik des Forschungssystems charakterisieren. Abhängig von den Besonderheiten des Forschungssystems können verschiedene Klassen von Prognosemodellen vorgewählt werden, z. B. Wachstumskurven, die die Dynamik des Systems über die Zeit charakterisieren, ökonometrische Modelle, die die Beziehung verschiedener interner Merkmale des Systems und der Reihe festlegen und bewerten externe Faktoren, Varianten adaptiver Modelle, die für hochdynamische Systeme mit saisonalen und zyklischen Schwankungen verwendet werden, von den einfachsten bis zu autoregressiven Modellen mit autokorrelierten und heteroskedastischen Residuen.

● Um die Simulationsergebnisse zu erhalten und zu interpretieren, müssen eine Reihe von Eigenschaften des mathematischen Modells überprüft werden, insbesondere die Angemessenheit und Genauigkeit des Modells. Die Angemessenheit des Modells kennzeichnet den Grad der Nähe der Merkmale des konstruierten Modells zu den Merkmalen und Eigenschaften eines realen Objekts (Systems). Aus einer Reihe von Gründen, wie beispielsweise einer Reihe von Annahmen, die bei der Modellierung getroffen werden, führen die Unmöglichkeit, viele Faktoren zu berücksichtigen, die die Dynamik der Entwicklung des Forschungsobjekts bestimmen, eine Reihe technischer Fehler im Stadium der Modellformalisierung und eine Reihe anderer Punkte natürlich zu einem Unterschied in den Eigenschaften des Modells und des realen Objekts. ... Es ist wichtig, dass diese Unterschiede nicht grundlegender Natur sind und innerhalb bestimmter Grenzen (Abweichungen) liegen. Der Wert der zulässigen Abweichungen wird durch die Merkmale der Dynamik des Forschungssystems, den Analysezeitraum der Merkmale des Systems und auch den Zweck der Forschung bestimmt. Modellgenauigkeitsindikatoren wie die Standardabweichung einer Anzahl von Residuen, der durchschnittliche Approximationsfehler und der durchschnittliche relative Fehler charakterisieren den Grad der Approximation der simulierten Daten an die tatsächlichen Beobachtungen, die als Ergebnis der Erfassung statistischer Informationen erhalten wurden. In dieser Phase wird die Verfeinerung und die endgültige Auswahl des Modells durchgeführt, das in Zukunft zur Erstellung der Prognose verwendet wird. In diesem Fall wird eine erweiterte Überprüfung der Angemessenheit des Modells durchgeführt, die zusätzlich zum Testen von Hypothesen über die Erfüllung einer Reihe statistischer Eigenschaften der Restkomponente wie Unabhängigkeit, Zufälligkeit, Gleichheit der mathematischen Erwartung von Residuen gegen Null, Erfüllung des Normalverteilungsgesetzes, Bewertung einer Reihe von Modellmerkmalen wie dem Bestimmungskoeffizienten, der den Variationsanteil charakterisiert, umfasst das untersuchte Merkmal unter dem Einfluss externer und interner Faktoren, der Fisher-Koeffizient, der die statistische Signifikanz des resultierenden Modells bewertet. Basierend auf den Ergebnissen des Vergleichs der Merkmale Angemessenheit und Genauigkeit wird die endgültige Wahl des Prognosemodells getroffen.

● Um Prognosen auf der Grundlage eines formalisierten Modells zu erstellen und die Ergebnisse der Modellierung im Systemmanagement zu verwenden, müssen Punktprognosen erstellt werden, die die Aussichten für die Entwicklung des Forschungssystems charakterisieren. Zusätzlich können Intervallvorhersagen erstellt werden, die eine höhere Wahrscheinlichkeit aufweisen, Intervalle zu erhalten, in denen die Eigenschaften des Systems schwanken können. Es ist zu beachten, dass Prognosen probabilistischer Natur sind und nur dann zuverlässig sind, wenn in der Einführungsphase, die in der Phase der Systemforschung stattfand, dieselben Entwicklungsmuster gelten.

Die Verwendung von Prognoseergebnissen bei Managemententscheidungen ist kreativer Vorgang und erfordert nicht nur theoretisches Wissen in einem bestimmten Bereich, sondern auch praktische Erfahrung über die Arbeit mit dem Forschungssystem. Derzeit ist die wissenschaftliche Forschung bei der Entwicklung von Informations- und Analysetechnologien zur Vorhersage der Aktivitäten von Organisationen weit fortgeschritten. So sind beispielsweise Technologien für die Vorhersage neuronaler Netze, Fuzzy-Logik, eine Reihe spezialisierter multifunktionaler Analyse- und Prognoseprogramme wie Statistica, SPSS, Stadia, VSTAT, Project Exspert und eine Reihe anderer Softwareprodukte bekannt. Zur betrieblichen Überwachung und Prognose der Ergebnisse der Systemfunktion sowie zu Schulungszwecken kann auch das MS Excel-Paket verwendet werden, das Trend- und Regressionsanalysen implementiert und die Berechnung einer Reihe zusätzlicher Systemmerkmale auf der Basis eines Tabellenkalkulationsprozessors ermöglicht.

Basierend auf den Ergebnissen einer Studie des Managementsystems (Objekts) unter Verwendung von Informations- und analytischen Prognosetechnologien können Empfehlungen formuliert werden, um die (System-) Aktivitäten der Organisation zu verbessern. Sie konzentrieren sich beispielsweise darauf, bestimmte Werte von Leistungskennzahlen zu erreichen, die die Entwicklungsstrategie der Organisation umsetzen, die Cashflows optimieren und neue vielversprechende Ergebnisse entwickeln Richtungen der Aktivität. Der Einsatz moderner Informations- und Analysetechnologien zur Modellierung und Prognose wird dazu beitragen, die Effizienz der Aktivitäten im Lichte der Umsetzung der Strategie und Taktik der Organisationsentwicklung zu steigern.

Literaturhinweis