Salaeva Inga, Kostjunina Daria

Teaduslikus uurimistöö esitatakse ajalooline ja diagnostiline pilt kaasaegse prognoosimise kvaliteedist ning avalikustatakse prognoositehnoloogia Exceli programmi abil. Uurimistöö aruanne on toodud lisatud failis. Toode projekti tegevused- kooliportaalis

Lae alla:

Eelvaade:

Keskkoolidele ja õpilastele avatud rahvusvaheline teaduskonverents „Haridus. Teadus. elukutse"

jaotis

Infotehnoloogia

Teema

Arvutitehnoloogiad ja prognoosimine

Kostjunina Daria

Salaeva Inga

Haridusasutus

Munitsipaalharidusasutus Gümnaasium nr 39 “Klassika”

Teadusnõustaja:

Osipova Svetlana Leonidovna, kõrgeima kategooria informaatikaõpetaja

Otradnõi

Probleemi sõnastamine.Hooajalise jäätise müügi prognoos.

Esialgsed andmed.Toodete müügimahud hooajati.

Lahenduse algoritm.

1. Esitage jäätise müügiandmed hooaja lõikes tabeli kujul.
2. Trend on kindlaks määratud, tegelikele andmetele kõige paremini ligikaudne (selles ülesandes on see polünoomtrend)

Järeldused.

Polünoomimudel kirjeldab sõltuvust usaldusväärsemalt, kuna selle määramistegur R 2 lähemal 1-le. Mida lähemal R 2 ühtsusele, seda edukamalt mudel on ehitatud.

Saadud mudel ennustab hästi hooajalist jäätise müüki. Järgmiste hooaegade müüki on aga raske ennustada, kuna ekstrapoleerimisel ei soovitata katsealast kaugele minna. Siiski võite märgata, et suvine jäätise müük (eriti juunis ja juulis) on kõrge.

1. Korrelatsioonide arvutamine

Suuruste vahelisi sõltuvusi, millest igaüks allub täiesti kontrollimatule hajumisele, nimetatakse korrelatsioonisõltuvusteks.

Ülesanne:

Probleemi sõnastamine. Selgitada välja gümnasistide õppeedukuse sõltuvus kahest tegurist: kooli raamatukogu varustamine õpikutega ja arvutitega varustatus koolis.

Esialgsed andmed.Mõlema teguri mõõtmise tulemused 11 erinevas koolis.

Lahenduse algoritm.

1. Esitage saadud andmed tabeli kujul.
2. Arvutage koefitsient korrelatsioonivalemi abil. IN Excel selleks on funktsioon KORREL , mis on osa grupist statistilised funktsioonid.

Järeldused.

Mõlema sõltuvuse jaoks saadi lineaarsed korrelatsioonikoefitsiendid. Nagu tabelist näha, on korrelatsioon õpikutega varustatuse ja õppeedukuse vahel tugevam kui arvutitoe ja õppeedukuse vaheline seos. Võime järeldada, et raamat jääb endiselt olulisemaks teadmiste allikaks kui arvuti.

1. Optimaalne planeerimine

Planeerimise objektideks võivad olla mitmesugused süsteemid: üksiku ettevõtte, tööstuse või tegevusala Põllumajandus, piirkond ja lõpuks osariik. See võib olla ka tervislik seisund või ilmastikuolud. Planeerimisprobleemi sõnastus on järgmine:

1. On mõned kavandatud näitajad: x, y ja teised;
2. Seal on mõned ressursid: R1, R2 ja teised, mille kaudu on võimalik neid eesmärke saavutada.Need ressursid on peaaegu alati piiratud;
3. väärtustest olenevalt on kindel strateegiline eesmärk x, y ja muud kavandatavad näitajad, millele planeerimine peaks orienteeruma.

Planeeritud näitajate väärtus on vaja kindlaks määrata, võttes arvesse piiratud ressursse, sõltuvalt strateegilise eesmärgi saavutamisest. See on optimaalne plaan.

järeldused

Prognoosimine on lahutamatu osa igast eluvaldkonnast, nagu juhtimine või majandus, matemaatika või meteoroloogia.

Projekti kallal töötades saime teada, et inimtegevuse erinevate protsesside kvaliteetne prognoosimine pole võimalik ilma kaasaegsete arvutitehnoloogiateta. Selleks uurisime MS Exceli tabeliprotsessori võimalusi prognoosimisel kasutatavate arvutimudelite loomiseks. Paljud juhtimise, planeerimise ja prognoosimise inimfunktsioonid saab üle kanda arvutisse.

• Õpetus

Olen aegridade prognoosimisega tegelenud üle 5 aasta. Eelmisel aastal kaitsesin väitekirja teemal “ Maksimaalse sarnasuse valimit kasutav aegridade prognoosimudel«Samas jäi peale kaitsmist veel päris palju küsimusi. Siin on üks neist - prognoosimeetodite ja mudelite üldine klassifikatsioon.

Tavaliselt ei esita autorid nii kodu- kui ka ingliskeelsetes töödes prognoosimeetodite ja mudelite klassifitseerimise küsimust, vaid lihtsalt loetlevad need. Aga mulle tundub, et tänaseks on see ala nii palju kasvanud ja laienenud, et isegi kui see on kõige üldisem, on klassifitseerimine vajalik. Allpool on minu oma enda versioonüldine klassifikatsioon.

Mis vahe on prognoosimismeetodil ja prognoosimudelil?

Prognoosimise meetod tähistab tegevuste jada, mida tuleb prognoosimudeli saamiseks teha. Analoogiliselt toidu valmistamisega on meetod toimingute jada, mille järgi roog valmistatakse - see tähendab, et tehakse prognoos.

Ennustav mudel on olemas funktsionaalne esitus, mis kirjeldab adekvaatselt uuritavat protsessi ja on aluseks selle tulevaste väärtuste saamiseks. Samas kulinaarses analoogias on mudelil meie roa jaoks vajalike koostisosade ja nende vahekordade loetelu – prognoos.

Meetodi ja mudeli kombinatsioon moodustab tervikliku retsepti!

Praegu on tavaks kasutada nii mudelite kui ka meetodite nimetuste puhul ingliskeelseid lühendeid. Näiteks on olemas kuulus autoregressiivse integreeritud libiseva keskmise prognoosimudel, mis võtab arvesse välist tegurit (automaatse regressiooniga integreeritud liikuv keskmine laiendatud, ARIMAX). Seda mudelit ja sellele vastavat meetodit nimetatakse tavaliselt ARIMAXiks ja mõnikord ka Box-Jenkinsi mudeliks (meetodiks) autorite järgi.

Kõigepealt klassifitseerime meetodid

Kui vaatate tähelepanelikult, saab kiiresti selgeks, et mõiste " prognoosimise meetod"on palju laiem kui mõiste" prognoosimudel" Sellega seoses jagatakse klassifitseerimise esimeses etapis meetodid tavaliselt kahte rühma: intuitiivsed ja formaliseeritud.

Kui meenutada meie kulinaarset analoogiat, siis võib kõik retseptid jagada formaliseeritud ehk koostisainete koguse ja valmistusviisi järgi kirja pandud ning intuitiivseteks ehk kuhugi kirja panemata ja koka kogemusest saadud retseptideks. Millal me retsepti ei kasuta? Kui roog on väga lihtne: prae kartuleid või küpseta pelmeene, pole retsepti vaja. Millal me muidu retsepti ei kasuta? Kui tahame midagi uut leiutada!

Intuitiivsed prognoosimismeetodid tegelema ekspertide otsuste ja hinnangutega. Tänapäeval kasutatakse neid sageli turunduses, majanduses ja poliitikas, kuna süsteem, mille käitumist on vaja ennustada, on kas väga keeruline ja seda ei saa matemaatiliselt kirjeldada või on see väga lihtne ega vaja sellist kirjeldust. Üksikasju seda tüüpi meetodite kohta leiate aadressilt.

Formaliseeritud meetodid— kirjanduses kirjeldatud prognoosimismeetodid, mille tulemusena ehitatakse prognoosimudelid ehk määratakse matemaatiline seos, mis võimaldab arvutada protsessi tulevikuväärtust ehk teha prognoosi.

Minu arvates võib selle prognoosimismeetodite üldise klassifikatsiooni lõpule viia.

Järgmisena teeme mudelite üldise klassifikatsiooni

Siin on vaja liikuda edasi prognoosimudelite klassifitseerimise juurde. Esimeses etapis tuleks mudelid jagada kahte rühma: domeenimudelid ja aegridade mudelid.

Domeenimudelid- sellised matemaatilised prognoosimudelid, mille koostamisel kasutatakse ainevaldkonna seaduspärasusi. Näiteks ilmaennustuste tegemiseks kasutatav mudel sisaldab vedeliku dünaamika ja termodünaamika võrrandeid. Rahvastiku arengu prognoos koostatakse diferentsiaalvõrrandile üles ehitatud mudeli abil. Diabeedihaige veresuhkru taseme prognoos koostatakse diferentsiaalvõrrandi süsteemi alusel. Lühidalt öeldes kasutavad sellised mudelid konkreetsele teemavaldkonnale omaseid sõltuvusi. Seda tüüpi mudelit iseloomustab individuaalne lähenemine arengule.

Aegridade mudelid— matemaatilised prognoosimudelid, mille eesmärk on leida protsessi enda tulevikuväärtuse sõltuvus minevikust ja arvutada selle sõltuvuse põhjal prognoos. Need mudelid on universaalsed erinevatele ainevaldkondadele, see tähendab, et nad on üldine vorm ei muutu sõltuvalt aegrea olemusest. Saame kasutada närvivõrke õhutemperatuuri ennustamiseks ja seejärel kasutada sarnast mudelit närvivõrkudes aktsiaindeksite prognoosimiseks. Need on üldistatud mudelid, näiteks keev vesi, millesse toote viskamisel see küpseb, olenemata selle olemusest.

Aegridade mudelite klassifitseerimine

Mulle tundub, et peaksin leppima üldine klassifikatsioon domeenimudelid pole võimalikud: nii palju domeene, nii palju mudeleid! Kuid aegridade mudelid sobivad kergesti jaotamiseks. Aegridade mudelid võib jagada kahte rühma: statistilised ja struktuursed.

IN statistilised mudelid tulevikuväärtuse sõltuvus minevikust on antud mingi võrrandi kujul. Need sisaldavad:

1. regressioonimudelid (lineaarne regressioon, mittelineaarne regressioon);
2. autoregressiivsed mudelid (ARIMAX, GARCH, ARDLM);
3. eksponentsiaalse silumise mudel;
4. maksimaalse sarnasuse valimimudel;
5. jne.

IN struktuursed mudelid tulevikuväärtuse sõltuvus minevikust on määratletud teatud struktuuri ja seda mööda ülemineku reeglite kujul. Need sisaldavad:

1. närvivõrkude mudelid;
2. Markovi kettidel põhinevad mudelid;
3. klassifikatsiooni- ja regressioonipuudel põhinevad mudelid;
4. jne.

Mõlema rühma puhul tõin välja peamised, st kõige levinumad ja üksikasjalikumad prognoosimudelid. Tänapäeval on aga juba tohutul hulgal aegridade prognoosimudeleid ning prognooside tegemiseks on hakatud kasutama näiteks SVM (support vector machine) mudeleid, GA (genetic algorithm) mudeleid ja palju muud.

Üldine klassifikatsioon

Nii saime järgmise mudelite ja prognoosimeetodite klassifikatsioon.

1. Tihhonov E.E. Prognoosimine turutingimustes. Nevinnomyssk, 2006. 221 lk.
2. Armstrong J.S. Turunduse prognoosimine // Kvantitatiivsed meetodid turunduses. London: International Thompson Business Press, 1999. lk 92–119.
3. Jingfei Yang M. Sc. Elektrisüsteemi lühiajaline koormuse prognoosimine: doktoritöö. Saksamaa, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 lk.

UPD. 15.11.2016.
Härrased, see on jõudnud hullumeelsuse piirini! Hiljuti saadeti mulle VAK-i väljaandele retsenseerimiseks artikkel koos lingiga sellele kirjele. Pange tähele, et ei diplomites ega artiklites, veel vähem lõputöödes Blogile linkida ei saa! Kui soovite linki, kasutage seda: Chuchueva I.A. AJASARJA PROGNOOSIMUDEL MAKSIMAALSE SARNASUSUSE VÕTMISE JÄRGI, väitekiri... Ph.D. need. Teadused / Moskva Riiklik Tehnikaülikool oma nime saanud. N.E. Bauman. Moskva, 2012.

Sildid: lisa sildid

Prognoosimise vajadus on objektiivne. Paljude nähtuste tulevik on teadmata, kuid on väga oluline praegusel hetkel tehtavate otsuste jaoks.

Prognoosimise vajadus on objektiivne. Paljude nähtuste tulevik on teadmata, kuid on väga oluline praegusel hetkel tehtavate otsuste jaoks. Protsessid, mis nõuavad kiiresti prognoosimisprotseduuride kasutamist, hõlmavad majandustegevust. Kuid kõik prognoosimise etapid, sealhulgas selle korraldamine, pakkumine ja tulemuste tõlgendamine, pole kaugeltki triviaalsed. Ja IT võib selles väga olulist abi pakkuda.

Prognoosimine: õnnestumised ja ebaõnnestumised

Tänaseks on tehtud küllaltki palju uuringuid ja saadud muljetavaldavad praktilised lahendused prognoosimise probleemile teaduses, tehnoloogias, majanduses, demograafias ja muudes valdkondades. Tähelepanu sellele probleemile on muu hulgas tingitud mastaabist kaasaegne majandus, tootmise vajadused, sotsiaalse arengu dünaamika, vajadus parandada planeerimist kõigil juhtimistasanditel, samuti kogunenud kogemused. Prognoosimine on üksikute majandusüksuste ja majanduskogukondade tõhusa juhtimise üks otsustavamaid elemente, kuna tehtud otsuste kvaliteedi määrab suuresti nende tagajärgede prognoosimise kvaliteet. Seetõttu peavad täna tehtud otsused põhinema usaldusväärsetel hinnangutel uuritavate nähtuste ja sündmuste võimaliku arengu kohta tulevikus.

Paljud eksperdid näevad prognoosimise paranemist asjakohaste infotehnoloogiate väljatöötamisel. Nende kasutamise vajadus on tingitud mitmest põhjusest, sealhulgas:

• infomahtude kasv;
• tulemuste arvutamise ja tõlgendamise algoritmide keerukus;
• kõrged nõuded prognooside kvaliteedile;
• prognoositulemuste kasutamise vajadus planeerimis- ja juhtimisprobleemide lahendamiseks.

Aeg-ajalt ilmub infot ühe või teise ettevõtte saavutatud positiivsete tulemuste kohta. Paljud väljaanded märgivad, et turuolukorra suundumuste, kaupade või teenuste nõudluse, aga ka muude majandusprotsesside ja -omaduste edukas hindamine võimaldab oluliselt suurendada kasumit ja parandada teisi majandusnäitajad. Edu mehhanism on esmapilgul lihtne ja selge: aimates ette, mis tulevikus juhtub, saab õigeaegselt võtta tõhusaid meetmeid, kasutades selleks positiivseid trende ning kompenseerides negatiivseid protsesse ja nähtusi.

Siiski on ka negatiivseid näiteid. Nagu ajakirja Teabeteenistuse direktor varem märkis, Cisco ettevõte, mida kunagi kiideti uue majanduse sümbolina, mitte ainult ei suutnud ette näha 2001. aasta majanduslangust, vaid oli isegi halvemas olukorras kui teised, sest uskus, et selle nõudluse prognoosimise tarkvara on veatu. Ettevõtte juhtkond ei eeldanud, et selle kriisi üheks põhjuseks võivad olla kasutatud prognoosimeetodid ja tehnoloogiad. Analüütilise vea tagajärjel kanti maha 2,2 miljardi dollari väärtuses kaupu, vallandati umbes 20% töötajatest ning ettevõtte aktsiad odavnesid ligi kuus korda. Seega ei peitu Cisco kriisi põhjus ettevõtte analüütikute tööks vajaliku esialgse info hankimise viibimises või ebapiisavas koguses. Raskused tekkisid ilmselt metoodiliste vigade ja sellest tulenevate prognooside ebaadekvaatse hindamise tõttu. Võib eeldada, et Cisco kasutatav mudel ei võimaldanud prognooside hinnangute kohandamist turuolukorra hetkemuutustega vajalikul tasemel.

Prognoosi kvaliteedi tagamine

Täpsuse, usaldusväärsuse ja efektiivsuse tagavad aga sarnaselt teiste prognoosikvaliteedi komponentidega mitmed tegurid, mille hulgas on vaja esile tõsta:

• reaalsusele adekvaatsetel majanduslikel ja matemaatilistel mudelitel põhinev tarkvara n prognoosialgoritmide töö aluseks olevate lähteinfo allikate katvuse täielikkus ja usaldusväärsus;
• sise- ja välisteabe töötlemise tõhusus;
• oskus prognooside hinnanguid kriitiliselt analüüsida;
• prognoosimise metoodilises ja infotoes vajalike muudatuste tegemise õigeaegsus.

Spetsiaalne tarkvara põhineb hoolikalt valitud mudelitel, meetoditel ja tehnikatel. Nende rakendamine on äärmiselt oluline kvaliteetsete prognooside saamiseks praeguste ja praeguste probleemide lahendamisel strateegiline planeerimine. Praeguse olukorra analüüs näitab, et majandusprotsesside prognoosimist võimaldava IT juurutamise raskused ei ole mitte ainult tehnilist või metoodilist, vaid ka organisatsioonilist ja psühholoogilist laadi. Tulemuste tarbijad ei mõista mõnikord kasutatavate mudelite põhimõtteid, nende vormistamist ja objektiivselt olemasolevaid piiranguid. See tekitab reeglina usaldamatuse saadud tulemuste suhtes. Teine rakendusprobleemide rühm on seotud sellega, et ennustavad mudelid on sageli suletud, autonoomsed ja seetõttu on nende üldistamine arendamise ja vastastikuse kohandamise eesmärgil keeruline. Seega kompromisslahendus Võib olla samm-sammult lähenemine, mis toob esile peamised analüüsiülesanded.

Küll aga valmis replitseeritavad või korporatiivsed lahendused, mis võimaldavad prognoosida väikese ja keskmise suurusega majandusüksuste jaoks süsteemi tasemel kõrge kvaliteet ja nende jaoks pole praktiliselt ühtegi hinnaga saadaval. Praegu automatiseeritud süsteemid Ettevõtte juhtimine piirdub peamiselt elementaarsete raamatupidamis- ja kontrolliülesannetega. Sellise olukorra põhjuseks on asjaolu, et enne kaasaegse IT tulekut puudusid laialdased võimalused tõhusate majandus- ja matemaatikamudelite otse kasutamiseks protsessis. majanduslik tegevus. Lisaks ei seadnud olemasolevate prognoosimudelite kasutamine analüütilistel eesmärkidel nende teabetoele nii kõrgeid nõudmisi.

Prognoosimistehnoloogiate alused

Ennustussüsteemi nullist ülesehitamisel on vaja lahendada mitmeid organisatsioonilisi ja metoodilisi küsimusi. Esimesed hõlmavad järgmist:

• kasutajate koolitamine prognoositulemuste analüüsi- ja tõlgendamismeetodites;
• prognoositeabe liikumissuundade määramine ettevõtte sees, selle allüksuste ja üksikute töötajate tasandil, samuti äripartnerite ja ametiasutustega suhtlemise struktuur;
• prognoosiprotseduuride aja ja sageduse määramine;
• prognoosi pikaajalise planeerimisega sidumise põhimõtete väljatöötamine ja ettevõtte arengukava koostamisel saadavate tulemuste valikute valimise kord.

Prognoosimise alamsüsteemi koostamise metoodilised probleemid on järgmised:

• sisemise struktuuri ja selle toimimise mehhanismi arendamine;
• teabetoe korraldamine;
• matemaatilise tarkvara arendamine.

Esimene probleem on kõige keerulisem, kuna selle lahendamiseks on vaja koostada prognoosimudelite kogum, mille ulatuseks on omavahel seotud näitajate süsteem. Ühe keskse probleemina ilmneb siin prognoosimeetodite süstematiseerimise ja hindamise probleem, kuna konkreetse meetodi valimiseks on vaja läbi viia nende võrdlev analüüs. Prognoosimismeetodite klassifikatsiooni variandi, võttes arvesse iga rühma aluseks oleva teadmussüsteemi omadusi, saab koondatult esitada järgmiselt: eksperthinnangute meetodid; loogilise modelleerimise meetodid; matemaatilised meetodid.

Iga rühm sobib teatud hulga probleemide lahendamiseks. Seetõttu esitab praktika kasutatavatele meetoditele järgmised nõuded: need peavad olema keskendunud konkreetsele prognoosiobjektile, põhinema kvantitatiivsel adekvaatsuse mõõdul ning olema eristatavad hinnangute täpsuse ja prognoosihorisondi järgi.

Ennustussüsteemi loomise protsessis tekkivad peamised ülesanded jagunevad:

• prognoositavate protsesside ja näitajate süsteemi loomine;
• prognoositavate protsesside ja näitajate majandusliku ja matemaatilise analüüsi aparaadi arendamine;
• eksperthinnangute meetodi täpsustamine, uurimise indikaatorite väljaselgitamine ning eksperthinnangute saamine mõne prognoositava protsessi ja näitaja kohta;
• prognoosimise indikaatorid ja protsessid, mis näitavad usaldusvahemikke ja täpsust;
• meetodite väljatöötamine saadud tulemuste tõlgendamiseks ja analüüsimiseks.

Erilist tähelepanu väärib töö prognoosisüsteemi teabe ja matemaatilise toega. Tarkvara loomise protsessi saab kujutada järgmistes etappides:

1. prognoosiobjekti struktuurse identifitseerimise metoodika väljatöötamine;
2. prognoosiobjekti parameetrilise identifitseerimise meetodite väljatöötamine;
3. trendide prognoosimise meetodite väljatöötamine;
4. protsesside harmooniliste komponentide prognoosimise meetodite väljatöötamine;
5. protsesside juhuslike komponentide tunnuste hindamise meetodite väljatöötamine;
6. komplekssete mudelite loomine näitajate ennustamiseks, mis moodustavad omavahel seotud süsteemi.

Prognoosimissüsteemi loomine nõuab integreeritud lähenemist selle teabetoe probleemi lahendamisele, mille all mõistetakse tavaliselt prognooside saamiseks kasutatavate lähteandmete kogumit, samuti meetodeid, meetodeid ja vahendeid, mis tagavad kogumise, kogumise, säilitamise. , andmete otsimine ja edastamine prognoosisüsteemi töötamise ja selle koostoime ajal teiste ettevõtte juhtimissüsteemidega.

Teabe tugi süsteemid sisaldavad tavaliselt:

Infofond (andmebaas);

Infofondi moodustamise allikad, vood ja andmete vastuvõtmise meetodid;

Infofondi moodustavate andmete kogumise, säilitamise, uuendamise ja otsingu meetodid;

Süsteemis andmete ringluse meetodid, põhimõtted ja reeglid;

Meetodid andmete usaldusväärsuse tagamiseks nende kogumise ja töötlemise kõigis etappides;

meetodid teabe analüüs ja süntees;

Meetodid majandusandmete üheselt formaliseeritud kirjeldamiseks.

Seega on prognoosimisprotsessi rakendamiseks vaja järgmisi põhikomponente:

Siseinfo allikad, mis põhinevad juhtimis- ja raamatupidamissüsteemidel;

Välise teabe allikad;

Spetsiaalne tarkvara, mis rakendab prognoosialgoritme ja analüüsib tulemusi.

Lisaks nendele komponentidele tuleb kasutada sobivaid tehnoloogiaid teabe salvestamiseks, vahetamiseks ja esitamiseks.

Prognoosi kvaliteedi kinnitus

Arvestades prognoosimisprobleemi lahendamise olulisust turuüksuste jaoks, on soovitatav kontrollida pakutud meetodite ja algoritmide kvaliteeti, aga ka tehnoloogiaid üldiselt, kasutades selleks spetsiaalselt valitud (test) lähteandmeid. Sarnast kontrollimeetodit on kasutatud üsna pikka aega ka mittelineaarseks optimeerimiseks mõeldud matemaatiliste tööriistade adekvaatsuse hindamisel, kasutades näiteks Rosenbrocki ja Powelli funktsioone.

Prognoositehnoloogia kvaliteedi ja toimivuse kinnitamine (või kontrollimine) toimub tavaliselt a priori teadaolevate mudeliandmete võrdlemisel nende prognoositud väärtustega ja prognooside täpsuse statistiliste omaduste hindamisega. Vaatleme seda tehnikat olukorras, kus protsessimudelid on trendi Tt, hooajaliste (harmooniliste) ja juhuslike komponentide aditiivne kombinatsioon.

Joonisel fig. Joonisel fig 1 on aditiivse mudeli trendi illustreerimiseks esitatud teist järku paraboolne trend, joonisel fig. 2 - protsessi hooajaline komponent perioodiga 12 kuud ja joonisel fig. 3 - juhuslik komponent. Protsessi tegeliku rakendamise võrdlus selle prognoosiga, mis on läbi viidud lühiajalise prognoosimise metoodika raames, on näidatud joonisel fig. 4. Absoluutsed vead on illustreeritud joonisel fig. 5. Tehnoloogia kvaliteeti hinnatakse prognoosihinnangute vigade statistiliste tunnuste järgi.

Praktika ja väljavaated prognoosimise arendamiseks paljundatud ja korporatiivsetes süsteemides

Praegu on laialt levinud mitmesugused tarkvaratööriistad, mis ühel või teisel määral pakuvad teabe kogumist ja analüütilist töötlemist. Mõned neist, näiteks MS Excel, on varustatud sisseehitatud statistiliste funktsioonide ja programmeerimisvahenditega. Teised, eriti odav raamatupidamine ja juhtimisarvestus, neil puuduvad sellised võimalused või on analüüsivõimalused neis ebapiisavalt rakendatud ja mõnikord ka valesti. Kuid see on paraku omane ka mõnele võimsamale ja multifunktsionaalsemale ettevõtte juhtimissüsteemile, mis leidis kinnitust ka möödunud näitustel “Apteek 2001” (november-detsember 2001) ning “Raamatupidamine ja audit 2002” (jaanuar 2002). Seda olukorda selgitab ilmselt arendajate poolt valitud prognoosialgoritmide omaduste pinnapealne analüüs ja nende kriitikavaba rakendamine. Näiteks olemasolevate allikate põhjal otsustades kasutatakse ennustavate algoritmide aluseks sageli nulljärku eksponentsiaalset silumist. See lähenemisviis kehtib aga ainult siis, kui uuritavas protsessis puudub suundumus. Tegelikult on majandusprotsessid mittestatsionaarsed ja prognoosimine hõlmab keerukamate mudelite kasutamist kui püsiva trendiga mudelid.

Vaadeldava teema vaatenurgast on huvitav jälgida kodumaise automatiseerimise arenguteed pangandussüsteemid. Varased pangasüsteemid põhinesid jäigal tehnoloogial, mis nõudis pidevalt muudatusi või lisatarkvara. See ajendas finantstarkvara arendajaid, järgides avatuse, mastaapsuse ja paindlikkuse põhimõtteid, kasutama tööstuslikke DBMS-e. Need DBMS-id ise osutusid aga ebasobivateks kõrgetasemeliste analüütiliste probleemide lahendamiseks, mille hulka kuulub ka prognoosimise probleem. Selleks oli vaja kasutada lisatehnoloogiaid andmete salvestamiseks ja operatiivanalüütiliseks töötlemiseks, mis tagas finantsasutuste otsustustoetussüsteemide toimimise ja prognooside koostamise. Sama lähenemisviisi kasutatakse keerukates ettevõtte juhtimissüsteemides.

Kaasaegse IT-põhiste prognoosimeetodite rakendusliku kasutamise teiseks suunaks on paljude turundusprobleemide lahendamine. Näitena võib tuua telekommunikatsioonitarkvara SAS Churn Management Solution. See on mõeldud teja võimaldab, nagu selle arendajad väidavad, koostada ennustavaid mudeleid ja nende abiga hinnata teatud klientide kategooriate vähenemise tõenäosust. Selle tarkvara aluseks on hajutatud andmebaasiserver Scalable Performance Data Server, tööriistad ladude ja andmekeskuste ehitamiseks ja haldamiseks, andmekaevetööriistad Enterprise Miner, otsuste tugisüsteem SAS/MDDB Server, samuti abivahendid. Uute CRM-süsteemide konkurentsivõime tagamiseks sisaldab nende laiendatud võimaluste loetelu, aga ka automatiseeritud pangasüsteemide puhul OLAP-tehnoloogiaid kasutavaid aruandlusfunktsioone, mis võimaldavad teatud määral prognoosida turunduse, müügi ja klientide tulemusi. teenust.

Spetsialiseerunud on üsna palju tarkvaratooted, mis pakub arvandmete statistilist töötlemist, sealhulgas prognoosimise üksikuid elemente. Selliste toodete hulka kuuluvad SPSS, Statistica jne. Nendel tööriistadel on nii eeliseid kui ka puudusi, mis piiravad oluliselt nende ulatust. praktilise rakendamise. Siinkohal tuleb märkida, et matemaatika ja statistika sobivuse hindamine tarkvara Tavakasutajate prognoosimisprobleemide lahendamine ilma eriväljaõppeta nõuab eraldi tõsist uurimist ja arutelu.

Väike- ja keskmise suurusega ettevõtete tarbijate prognoosiprobleemide lahendamine võimsate ja kallete infosüsteemide ja tehnoloogiate abil on aga pea võimatu, seda eelkõige rahalistel põhjustel. Seetõttu on väga perspektiivikas suund olemasolevate ja laialt levinud madalate kuludega raamatupidamis- ja juhtimisarvestussüsteemide analüüsivõimekuse arendamine. Töötanud välja lisaaruanded, mis põhinevad konkreetsetel äriprotsessidel ja sisaldavad konkreetse kasutaja jaoks vajalikku analüütilist teavet kõrge suhtumine"efektiivsus - kulu".

Mõned tarkvaraarendajad loovad terve rida analüütilisi tööriistu. Näiteks pakub Parus Corporation lahendusi Parus-Analytics ja Triumph-Analytics paljudele väikestest ja keskmise suurusega ettevõtetest pärit kasutajatele. Prognoosiinfo analüütilise töötlemise keerukamad ülesanded on integreeritud Paruse süsteemi nn olukorrakeskuse kujul. Tsirkulatsioonilahenduste arendusjuhi Dmitri Sudarevi sõnul otsustati 1997. aastal välja töötada ja juurutada tarkvaratooted, mis võimaldaksid ettevõttel liikuda pelgalt ettevõtte tegevuses faktide fikseerimiselt info analüüsimisele. Ühtlasi kavandati üleminek raamatupidajate ja keskastmejuhtide töö automatiseerimiselt tippjuhtkonna info töötlemisele. Arvestades võimalikku tarbijaskonda ei ole Parus-Analitikal ja Triumph-Analytikal tarkvara- ja riistvarakeskkonnale erinõudeid, küll aga on Triumph-Analytika lahendus realiseeritud MS SQL Serveri baasil, mis tagab selle suuremad võimalused uuritavate protsesside ennustamiseks, eelkõige võetakse arvesse prognooside harmoonilist komponenti.

Prognoosi väärtus suureneb mitu korda, kui seda kasutatakse otseselt ettevõtte juhtimises. Seetõttu on oluliseks suunaks prognoosisüsteemide integreerimine selliste süsteemidega nagu Kasatka, MS Project Expert jne. Näiteks SBI Kasatka tarkvara on positsioneeritud automatiseeritud kujul töökoht turundusosakonna juhataja ja spetsialistid ning on mõeldud juhtimis-, turundus- ja strateegilise planeerimise komplekside arendamiseks. See eesmärk määrab pikaajaliste trendide väljaselgitamise ja nendega arvestamise vajaduse planeerimisel. Prognoosimishorisont määratakse organisatsiooni asjakohastest eesmärkidest lähtuvalt.

Järeldus

Prognoositehnoloogia ja selle rakendamise vahendite valik tuleks läbi viia vastavalt konkreetse tarbija eesmärkidele ja eesmärkidele, võttes arvesse teabe toe taset, kasutajate kvalifikatsiooni ja mitmeid muid tegureid. Need põhjused nõuavad eelnevalt loodud spetsiaalse tarkvara individuaalset arendamist või kohandamist.

Kirjandus

Sõnastik

Prognoosimine(majandusplaneerimises) - protsessi teaduslik ja analüütiline etapp majandusplaneerimine. Prognoosimise peamised ülesanded majandusplaanide väljatöötamisel on: sotsiaalsete, majanduslike ja teaduslik-tehniliste protsesside ja suundumuste teaduslik analüüs, sotsiaalmajanduslike nähtuste objektiivsed seosed konkreetsetes tingimustes, hetkeolukorra hindamine ja majanduse võtmeprobleemide väljaselgitamine. arendamine; nende suundumuste arengu hindamine tulevikus ja uute majandusolukordade, uute lahendamist vajavate probleemide ennetamine; võimalike arendusalternatiivide väljaselgitamine ühe või teise võimaluse teadlikuks valikuks ja optimaalse otsuse langetamine.

Juhtimise automatiseerimine- ettevõtte juhtorganite poolt automaatse teabetöötluse meetodite ja tehnikate kasutamine, sealhulgas optimaalsete majandusotsuste väljatöötamiseks. Juhtimise automatiseerimine on seotud majandus-matemaatika meetodite ja IT kasutuselevõtuga.

Süsteemi infotugi- meetodite ja vahendite kogum teabe valimiseks, klassifitseerimiseks, salvestamiseks, otsimiseks, värskendamiseks ja töötlemiseks süsteemis. Teabe tugi sisaldab: teabe koostist (teabeüksuste või agregaatide loend); teabe struktuur ja selle teisendamise mustrid; infovoo omadused; teabe kvaliteedi omadused; teabe töötlemise meetodid. Infotuge saab iseloomustada funktsionaalse, struktuurilise, transformatsioonilise ning organisatsioonilise ja metodoloogilise aspektiga. Transformatsiooniaspekti objektid on keele transformatsioon majandusjuhtimine süsteemis teabe edendamise tasemete ja etappide kaupa.

Lag lag- ajavahemik süsteemi reaktsiooni (mõju) ilmnemise hetkest sellele avaldatavale mõjule ja selle rakendamise hetkeni. Sotsiaal-majanduslikes süsteemides mängivad viivitusväärtused planeerimisel ja juhtimisel olulist rolli. Eriti oluline on mahajäänud investeeringutasuvus.

Trend(prognoositava protsessi deterministlik alus) - aegrea (protsessi) üldine, peamine muutuste trend selle piisavalt pika vaatlusperioodi jooksul. Üldtunnustatud seisukoht on, et trendi määrab pidevalt toimivate tegurite mõju.

Prognoositava protsessi harmooniline komponent- komponent, mille tegevuse määravad perioodilised tegurid. Erijuhtum on hooajaline komponent, mille määravad peamiselt kliimatingimused ja sotsiaalsed traditsioonid.

Prognoositava protsessi juhuslik komponent- tegelike protsessiväärtuste kõrvalekalded prognoositud väärtustest, mille põhjuseid ei ole kindlaks tehtud ja mida ei saa vastuvõetud mudeli raames tuvastada.

Majanduslikud ja matemaatilised meetodid- tavapärane nimetus majanduse ja matemaatika ristumiskohas asuvate teadus- ja rakendusdistsipliinide kompleksile. Nende hulka kuuluvad järgmised erialade rühmad: majandus- ja statistilised meetodid; ökonomeetria; majandustegevuse operatsioonide uurimine; majandusküberneetika.

Eksperthinnangud- selliste protsesside või nähtuste hindamine, mida ei saa otseselt mõõta. Eksperthinnangud mängivad olulist rolli otsuste tegemisel, sealhulgas alternatiivide ja nende tagajärgede prognoosimisel.

Heuristilise prognoosimise meetod- selle valdkonna ekspertide arvamuse kasutamine; kasutatakse selliste protsesside prognoosimiseks, mida ei saa prognoosimise ajal vormistada. See on eksperthinnangu meetodi sünonüüm.

Matemaatilised prognoosimismeetodid tinglikult jagatud arendusprotsesside modelleerimise meetoditeks ja ekstrapoleerimismeetoditeks. Need põhinevad matemaatilistel tööriistadel.

Loogilise prognoosimise ja analüüsi meetodid on seotud eelkõige prognoosimise edenemise ja tulemuste järjepidevuse analüüsiga. Serveeri kui tagasisidet prognoosisüsteemis. Lisaks võimaldavad loogilise analüüsi meetodid lahendada iseseisvad ülesanded, näiteks morfoloogiliste mudelite konstrueerimine, mida hiljem kasutatakse formaliseeritud (matemaatika) prognoosimudelite aluseks.

Kombineeritud prognoosimismeetodid- heuristiliste ja matemaatiliste prognoosimeetodite ühine kasutamine, et kombineerida nende loomupäraseid eeliseid ja kompenseerida puudujääke.

Intervallide prognoos- väärtuste vahemik, millesse prognoositud väärtus teatud protsessi parameetrite korral teatud tõenäosusega langeb.

Kvaliteedikriteeriumide prognoosimine- peamine kvaliteedikriteerium on prognoosi täpsus. Lisaks saab kasutada efektiivsuse, töökindluse jms kriteeriume.

Vead prognoosimisel- prognoosiobjekti hetkevaatluse ja oodatava väärtuse vahe. Prognoosimisvigu põhjustavad erinevad põhjused: ebakindlus tuleviku olukorra suhtes; muutused prognoosiobjektis endas; uute esilekerkivate tegurite mõju jne.

Ennustus- hinnang objekti tulevase seisundi kohta, mis on oma olemuselt peamiselt subjektiivne.

Prognoositava objekti mudel- isomorfismi nähtuse (analoogia) kasutamine reaalse prognoosiobjekti kirjeldamiseks kasutades matemaatilisi seoseid ja loogilisi järeldusi (harvematel juhtudel kasutatakse füüsikalisi mudeleid). Mudel on teatav abstraktsioon tegelikkusest, võttes arvesse ainult neid originaali omadusi, mis pakuvad huvi või avaldavad selle arengule olulist mõju. Prognoositava objekti mudeli valimise raskuse määravad mitmed tegurid: teave prognoositavaga sarnaste protsesside või objektide kohta; informatsiooni täpsus antud protsessi (objekti) kohta; selle teabe hulk. Praegu on prognoosimudelite klassifikatsioone palju.

Ennustav süsteem- lähteandmete kogumise, teabe töötlemise ja prognooside nõutava kvaliteediga esitamise meetodite, meetodite ja vahendite kogum.

Allikad

Peal erinevaid ettevõtteid Eelarve koostamisel on erinõuded. Tarkvaratoodete loojad võtavad neid funktsioone arvesse. Vaatame kõige kuulsamaid ja levinumaid tarkvaratooteid.

Hyper Pillar on suur ja täiustatud süsteem, mis automatiseerib täielikult eelarve koostamise. Töö alustamiseks sisestage planeeritud kulud ja prognoositavad tulud. Arvutuste tulemuseks on ettevõtte dünaamiline mudel, milles on iga taseme eest vastutavad mudelid ja lihtne tehnoloogia selles muudatuste tegemiseks. Programm Hyper Pillar on hästi integreeritud teiste ettevõtte toodetega: Enterprise, Essbase OLAP Server, Reporting.

Corporate Planner on eelarvestamise programm, mis on üles ehitatud ettevõtte struktuurse kulupuu alusel. Puu sõlmed - kavandatud, tegelikud väärtused ja nendevahelised kõrvalekalded. Sõlmed on ühendatud valemitega. Faile saab importida ODBC kaudu. Corporate Plannerit kasutatakse väikeettevõtetes ja see ei toeta hajutatud tööd.

Adaytum Planning – on kolmemõõtmeline arvutustabel funktsioonidega erinevate viilude konstrueerimiseks. Tabelid sisaldavad erinevaid andmeid (aeg, finants jne) iga ettevõtte divisjoni kohta. Seal on funktsioon valitud kuupäeva koondeelarve kokkuvõtmiseks. Adaytum Planning on kulutõhus toode väikese eelarve loomiseks, kasutades mitmeid analüütilisi tööriistu.

"Jade" on tarkvaratoode, mis on mõeldud kasutamiseks suurettevõtetes, millel on valdusstruktuurid. Asub vahepealsel positsioonil dokumentide arvuti- ja pabertöötluse vahel ning omab mugavat eelarve kinnitamise protseduuri. Programm töötab ka ebapiisavalt ettevalmistatud andmetega. Lähteandmeteks on majandi osakondade eelarved, mis tuleks ühendada üheks majandieelarveks. "Jade" on loodud tabelite põhjal.

"Red Director" on väikestele ja keskmise suurusega ettevõtetele mõeldud eelarvestamissüsteem, millel on lihtne liides. Programm põhineb andmebaasil, millel puudub võimalus integreerida teiste tarkvaratoodetega.

Planeerimine on eriline liik teaduslik ja praktiline tegevus, mis seisneb strateegiliste otsuste väljatöötamises (prognooside, projektide, programmide, plaanide kujul), mis näeb ette selliste juhtimisobjektide käitumise eesmärkide ja strateegiate edendamise, mille rakendamine tagab nende tõhusa toimimise pikemas perspektiivis kiire kohanemine muutunud välistingimustega.

Pro-Invest-Consultingi programm Project Expert võimaldab kasutajatel lahendada järgmisi probleeme:

· kirjeldada ja kujundada üksikasjalikult mis tahes ettevõtte tegevust, võttes arvesse keskkonnaparameetrite muutusi (inflatsioon, maksud, valuutakursid);

· töötada välja ettevõtte arendamise või investeerimisprojekti elluviimise plaan, turundusstrateegia ja tootmisstrateegia, mis tagab ratsionaalne kasutamine materiaalsed, inim- ja rahalised ressursid;

· määrata kindlaks ettevõtte finantseerimisskeem;

· katsetada erinevaid stsenaariume ettevõtte arendamiseks, varieerides seda mõjutavate tegurite väärtusi finantstulemused;

· koostada finantsaruanded (liikumise aruanne Raha, bilanss, kasumiaruanne, kasumi kasutamise aruanne) ja rahvusvahelistele nõuetele täielikult vastava investeerimisprojekti äriplaan vene keeles ja inglise keeled;

· viia läbi ettevõtte (projekti) terviklik analüüs, sh üldise efektiivsuse analüüs, tundlikkusanalüüs, rahavoogude analüüs iga projektis osaleja kohta, analüüs rahaline seisukord ja ettevõtte kasumlikkus, kasutades kolme tosinat automaatselt arvutatud näitajat.

Spetsiaalne Project Expert vahetusmoodul võimaldab importida ja eksportida teavet *.txt ja *.dbf vormingus. Kokkuvõtvate tabelite andmeid ja tekstiteavet saab Windowsi lõikepuhvri kaudu vabalt kopeerida Wordi, Exceli ja teistesse Windowsi rakendustesse. Project Expert suhtleb ka kuulsaimate planeerimis- ja juhtimissüsteemidega: MS Project, Primavera, Project Planner ja Sure Truck. Andmed imporditakse ja eksporditakse GANTT võrguskeemi vormingus koos etappide, nende seoste jms kirjeldusega.

Olles programmide kompleksi tuum finantsanalüüs ja disaini, Project Expert suudab automaatselt “alla laadida” ettevõtte lähteseisu iseloomustavat infot finantsanalüüsi programmist Audit Expert ning turunduse tegevusplaani andmeid Marketing Expert programmist.

Programmi Project Expert on kaks modifikatsiooni: Base ja Professional. Project Expert Professional pakub oma kasutajatele kahte lisafunktsiooni:

1) Andmete uuendamine ja projekti (plaani) elluviimise jälgimine. Projekti edenedes on kasutajal võimalus sisestada kõikide projekti moodulite tegelikud andmed ja arvutada uuendatud näitajad tõeline liikumine rahalisi vahendeid, samuti kontrollida tegeliku ja planeeritud rahavoo lahknevust.

2) Projektide rühmaga töötamine. Spetsiaalne Project Integrator moodul võimaldab ühendada mitu projekti (ettevõtet) grupiks ja arvutada integreeritud tulemusnäitajaid grupi kui terviku kohta, samuti võrrelda ühe projekti erinevaid versioone omavahel vastavalt mis tahes näitajatele.

Programmi Biz Planner firmalt Pro-Invest-Consulting on Project Experti modifikatsioon ning see on mõeldud väikeste ja keskmise suurusega ettevõtetesse tehtavate investeeringute tõhususe planeerimiseks ja analüüsimiseks.

Pro-Invest-Consultingi Audit Expert programm on tõhus vahend ettevõtte finantsseisundi ja -tulemuste põhjalik analüüs. Finantsaruannete viimine rahvusvahelistele standarditele võimaldab teisendada ettevõtete erinevate aastate finantsaruannete andmed nõuetele vastavateks analüütilisteks tabeliteks Rahvusvahelised standardid raamatupidamine.

Pro-Invest-Consultingu Marketing Expert programm on otsuste tugisüsteem kõigis strateegiliste ja taktikaliste turundusplaanide väljatöötamise ja nende elluviimise jälgimise etappides.

Pro-Invest-Consultingi programm Forecast Expert on universaalne rakenduslik prognoosimissüsteem ja on loodud aegrea prognoosi koostamiseks, kasutades autoregressiivset mudelit ja integreeritud libisevat keskmist (ARISS, ARIMA, ARIMA, Box-Jenkins). Forecast Expert võimaldab analüüsida saadaolevaid andmeid ja koostada piire näitava prognoosi usaldusvahemik ajavahemikuks, mis ei ületa esialgse seeria vaatlusperioodi. Mudel määrab mõju astme hooajalised tegurid ja võtab neid prognoosi koostamisel arvesse.

Microsofti MS Project programm on graafiteoorial ja võrguplaneerimisel põhinev arendus investeerimisprojektide juhtimise valdkonnas.

Uuring juurutamise põhisuundadest ja probleemidest aastal praktiline tegevus kaasaegse info- ja kommunikatsioonitehnoloogia organisatsioonid. Tuvastatakse probleemid ja suunad ühtse inforuumi loomiseks. Viidi läbi praktilise modelleerimise tingimuste ja eelduste analüüs ning analüüsiti organisatsioonide tegevuse prognoosimudelite etapiviisilise koostamise tunnuseid. Dana lühikirjeldus erinevate prognoosimudelite kasutamise iseärasusi, rõhutatakse prognoosimudelite adekvaatsuse kontrollimise olulisust. Viidi läbi kaasaegsete info- ja analüütiliste tehnoloogiate ülevaade organisatsioonide tegevuse prognoosimiseks. Antakse soovitusi prognoositulemuste praktikas kasutamiseks põhinäitajad organisatsioonid.

info- ja analüütilised tehnoloogiad

tegevuse modelleerimine

mudeli adekvaatsuse analüüs

organisatsiooni tegevuse prognoosimine

1. Golitšev V.D., Golitševa N.D., Gusarova O.M. Smolenski maa ja selle elanikkond (ajalooline ja statistiline ülevaade arvudes ja faktides). – Smolensk: Smolgortüpograafia, 2013. – 152 lk.

2. Gusarova O.M. Modelleerimine kui viis äritulemuste planeerimiseks ja juhtimiseks // Kaasaegse teaduse edusammud. – 2014. – nr 11. – Lk 88–92.

3. Gusarova O.M. Modelleerimine vastuvõtmisel juhtimisotsused// Teadus ja haridus: probleemid ja arenguperspektiivid: teaduslike tööde kogumik rahvusvahelise teadus- ja praktilise konverentsi materjalidel. – Tambov: Ukom, 2014. – lk 41–42.

4. Gusarova O.M. Äritulemuste modelleerimise teooria ja praktika lõimimise probleemid // Majandus ja haridus: väljakutsed ja lahenduste otsimine: teadustööde kogumik II ülevenemaalise (kirjavahetus) teadus- ja praktilise konverentsi (Jaroslavl, 15. aprill) materjalidel. 2014) - Jaroslavl: kantsler, 2014. - lk 78–82.

5. Gusarova O.M. Sotsiaalmajandusliku arengu piirkondlike näitajate vahelise seose hindamine (Venemaa Keskföderaalringkonna materjalide põhjal) // Kaasaegsed küsimused teadus ja haridus. -2013. – nr 6. (Elektrooniline ajakiri).

6. Gusarova O.M., Žuravleva M.A. Tegevuste analüüs ja täiustamine aktsiaseltsid// Kaasaegne kõrgtehnoloogia. – 2014. – nr 7–3. – Lk 10–12.

7. Gusarova O.M. Korporatiivsete süsteemide tegevuse prognoosimise meetodid ja mudelid // Hariduse ja teaduse teoreetilised ja rakenduslikud küsimused: teadustööde kogumik rahvusvahelise teadus- ja praktilise konverentsi materjalide põhjal. – Tambov: Ukom, 2014. – lk 48–49.

8. Gusarova O.M. Arvutitehnoloogiad sotsiaal-majanduslike protsesside modelleerimiseks // Majanduskasv ja Venemaa konkurentsivõime: trendid, probleemid ja strateegilised prioriteedid: teadusartiklite kogumik, mis põhineb rahvusvahelise teadus- ja praktilise konverentsi materjalidel. – M.: Ühtsus-Dana, 2012. – Lk 102–104.

9. Gusarova O.M. Finants- ja majandusnäitajate prognoosimise lühiajaliste mudelite kvaliteedi uurimine. – M.: 1999. – 198 lk.

10. Orlova I.V., Turundajevski V.B. Mitmemõõtmeline statistiline analüüs majandusprotsesside uurimisel. Monograafia. – M.: MESI, 2014. – Lk 190.

Majandussanktsioonide kehtestamise kontekstis on mitmed Venemaa ettevõtted otsing tõhusaid viise oma toodete konkurentsivõime tagamine ja organisatsiooni efektiivsuse tõstmine. Raskelt majanduslikud tingimused Otsuste langetamiseks on vaja kasutada mitte ainult praktilisi kogemusi ettevõtte korraldamisel teatud tegevusalal, vaid ka kaasaegsed lähenemised ettevõtte tegevuse planeerimiseks. Laialdane rakendamine Praktikas võimaldavad äritegevuse põhinäitajate modelleerimise ja prognoosimise info- ja analüütilised tehnoloogiad operatiivselt jälgida äritulemusi ja kujundada organisatsiooni arengustrateegiat. Info- ja analüütiliste tehnoloogiate kasutamine võimaldab luua integreeritud süsteeme äritulemuste juhtimiseks, optimeerida materjali- ja finantsvoogusid, minimeerida finants- ja majandustegevuse kulusid, maksimeerida ettevõtte kasumit ja lahendada mitmeid muid probleeme.

Kaasaegse ühiskonna informatiseerimisprotsesse ning nendega tihedalt seotud info- ja kommunikatsioonitehnoloogia juurutamise protsesse kõikidesse ärivaldkondadesse iseloomustab organisatsioonide tegevuse analüüsimiseks vajalike info- ja analüütiliste tehnoloogiate massiline levik. erinevaid valdkondi ja omandivormid. Kaasaegsed infotehnoloogiad võimaldavad automatiseerida mitmeid järgmisi valdkondi: süsteemi (objekti) omaduste uurimine, kõigi ärivaldkondade põhinäitajate arengu dünaamika jälgimine, operatsioonisüsteemi parameetrite optimeerimine, integreeritud süsteemide loomine. süsteemi jälgimiseks ja juhtimiseks, organisatsiooni arenguperspektiivide planeerimiseks ja prognoosimiseks.

Strateegiline eesmärk info- ja kommunikatsioonitehnoloogiate rakendamine kõigis kaasaegse ühiskonna tegevusvaldkondades on ühtse teaberuumi loomine, mis on mõeldud paljude ühtsetele andmebaasidele juurdepääsuga seotud probleemide lahendamiseks, kiire pakkumine statistiline aruandlus, integreeritud seiresüsteemide loomine erinevaid suundi tegevused. Kõik see aitab kaasa põhimõtteliselt uute võimaluste loomisele kognitiivse arengu arendamiseks loominguline tegevus isik: teadus-, organisatsiooni- ja juhtimisalane, ekspert-, ettevõtlik jne. Ühtse inforuumi loomine aitab tõsta organisatsioonide tegevuse monitooringu efektiivsust ja kvaliteeti, intensiivistada teadusuuringuid erinevates valdkondades, vähendada teabe töötlemise aega ja edastamist, süsteemihalduse tõhusust ja tulemuslikkust ning riigisisese integratsiooni. infosüsteem V rahvusvahelised süsteemid juurdepääs inforessurssidele teaduse, kultuuri, ettevõtluse ja muude tegevusvaldkondade vallas.

Info- ja kommunikatsioonitehnoloogia juurutamist organisatsioonide praktilisse tegevusse iseloomustavad mitmed valdkonnad ja probleemid:

● info- ja kommunikatsioonitehnoloogiaga organisatsioonide tehniline varustus eeldab juurdepääsu kaasaegsele tarkvara ning seda piiravad organisatsioonilised ja majanduslikud tegurid. Seega on juurdepääs “väikesele informatiseerimisele” mõnel juhul ebaefektiivne ning juurdepääs “suurele” on kallis ega anna kiiret tulu.

● Info- ja kommunikatsioonitehnoloogia, eriti võrgutehnoloogia valdkonna spetsialistide koolitamine peaks saama esmatähtsaks ülesandeks, mille lahendamine määrab organisatsiooni sellesuunalise tegevuse tulemuslikkuse. Kõrgelt kvalifitseeritud IT-spetsialist suudab mõnikord täita organisatsiooni terve osakonna töö. Sellega seoses on vaja haridusorganisatsioonidüha enam tutvustada infotehnoloogiaga seotud erialasid ja tõsta nende praktilist suunitlust. Kaasaegne süsteem haridus peaks keskenduma hariduse põhistamisele kõigil tasanditel, uuendusliku hariduse meetodite ja tehnoloogiate laialdasele kasutamisele, hariduse kvaliteedi ja juurdepääsetavuse parandamisele kaugõppesüsteemi ja -seadmete arendamise kaudu. haridusprotsess kaasaegsed info- ja kommunikatsioonitehnoloogiad.

● Infoandmebaaside loomine organisatsiooni kõigi tegevusvaldkondade jaoks nõuab teatud pingutust, kuid on oluline lüli organisatsiooni infotehnoloogiate integreerimisel ühtsesse inforuumi.

Üks neist praegused trendid Info- ja analüütiliste tehnoloogiate juurutamine organisatsioonide praktilisse tegevusse on äritegevuse võtmenäitajate operatiivne jälgimine ja alternatiivsete võimaluste prognoosimine ettevõtte arenguks. Üldjoontes saame uurimissüsteemi (objekti) arengu ennustamisel eristada järgmist etappide jada.

● Uuringu eesmärkide ja eesmärkide seadmine määrab süsteemi uurimisel strateegilised juhised ja taktikalised suunad, mida saab uurimisprotsessi käigus selgitada ja täpsustada.

● Süsteemi kontseptuaalse mudeli koostamine hõlmab süsteemi uurimist, et teha kindlaks selle omadused, dünaamika tunnused ja seosed väliste ja teguritega. sisekeskkond. Süsteemi tunnuste kohta statistilise teabe kogumine eeldab süsteemi verbaalse kirjeldava mudeli edasist formuleerimist, mis vajab täpsustamist ja vormistamist. Süsteemi kontseptuaalse mudeli koostamine eeldab põhiküsimuste loendit, mis on sõnastatud konkreetse uurimisvaldkonna jaoks ja mis vastavad uuringu eesmärkidele, ning hüpoteeside kogumit modelleerimisobjekti omaduste ja omaduste kohta.

● Verbaalselt kirjeldava mudeli formaliseerimine eeldab matemaatilise mudeli konstrueerimist ja selle parameetrite arvulist määramist. Sellega seoses on oluline punkt matemaatilise mudeli parameetrite määramise meetodite õige valik. Iga süsteemi iseloomustavad oma arendusomadused ning mudeli parameetrite arvulise määramise meetodi valikust sõltuvad suuresti sellised mudeli omadused nagu adekvaatsus, st. formaliseeritud mudeli vastavus uurimissüsteemi dünaamikat iseloomustavate reaalsete protsesside tunnustele. Sõltuvalt uurimissüsteemi spetsiifikast saab eelnevalt valida erinevaid prognoosimudelite klasse, näiteks kasvukõveraid, mis iseloomustavad süsteemi dünaamikat ajas, ökonomeetrilisi mudeleid, mis loovad ja hindavad seost süsteemi erinevate sisemiste omaduste vahel ning seeria välised tegurid, adaptiivsete mudelite sordid, mida kasutatakse väga dünaamiliste, hooajaliste ja tsükliliste kõikumistega süsteemide jaoks, alates kõige lihtsamatest kuni autoregressiivsete mudeliteni autokorrelatsiooni ja heteroskedastiliste jääkidega.

● Modelleerimistulemuste saamine ja tõlgendamine hõlmab matemaatilise mudeli mitmete omaduste kontrollimist, eelkõige mudeli adekvaatsuse ja täpsuse kontrollimist. Mudeli adekvaatsus iseloomustab konstrueeritud mudeli tunnuste lähedusastet reaalse objekti (süsteemi) omadustele ja omadustele. Mitmete põhjuste tõttu, nagu näiteks mitmed modelleerimise käigus aset leidvad eeldused, võimatus arvesse võtta paljusid uuritava objekti arengu dünaamikat määravaid tegureid, mitmed tehnilised vead vormistamise etapis. mudel ja mitmed muud punktid põhjustavad loomulikult erinevusi mudeli ja reaalse objekti omadustes. On oluline, et need erinevused ei oleks põhimõttelised ja jääksid teatud piiridesse (hälbed). Lubatud hälvete suuruse määravad nii uurimissüsteemi dünaamika tunnused, süsteemi tunnuste analüüsiperiood kui ka uurimise eesmärk. Mudeli täpsuse näitajad, nagu jääkide arvu standardhälve, lähenduse keskmine viga ja keskmine suhteline viga, iseloomustavad simuleeritud andmete lähendamisastet statistilise teabe kogumise tulemusena saadud tegelikele vaatlustele. Selles etapis viiakse läbi tulevikus prognoosi koostamiseks kasutatava mudeli täpsustamine ja lõplik valik. Sel juhul viiakse läbi mudeli adekvaatsuse laiendatud kontroll, mis hõlmab lisaks hüpoteeside testimisele jääkkomponendi mitmete statistiliste omaduste, nagu sõltumatus, juhuslikkus, matemaatilise ootuse võrdsus, täitmise kohta. jäägid nullini, normaaljaotuse seaduse täitumine, mitmete selliste mudelitunnuste hindamine nagu determinatsioonikordaja, uuritava tunnuse variatsiooni osakaalu iseloomustamine välis- ja sisetegurite mõjul, Fisheri koefitsient, mis hindab saadud mudeli statistiline olulisus. Adekvaatsuse ja täpsuse tunnuste võrdlemise tulemuste põhjal tehakse prognoosmudeli lõplik valik.

● Prognooside koostamine formaliseeritud mudeli abil ja modelleerimistulemuste kasutamine süsteemihalduses hõlmab punktprognooside saamist, mis iseloomustavad uurimissüsteemi arendamise väljavaateid. Lisaks neile saab koostada intervallprognoose, millega kaasneb suurem tõenäosus saada intervalle, milles süsteemi omadused võivad kõikuda. Tuleb märkida, et prognoosimine on oma olemuselt tõenäosuslik ja usaldusväärne ainult siis, kui eelperioodi jooksul toimivad samad arengumustrid, mis toimusid süsteemi uurimise etapis.

Prognoositulemuste kasutamine juhtimisotsuste tegemisel on loominguline protsess ja nõuab mitte ainult teoreetilisi teadmisi teatud valdkonnas, vaid ka praktiline kogemus uurimissüsteemiga töötamise kohta. Tänapäeval Teaduslikud uuringud on teinud suuri edusamme organisatsioonide tegevuse prognoosimise info- ja analüütiliste tehnoloogiate arendamisel. Näiteks on tuntud närvivõrkude prognoosimise tehnoloogiad, fuzzy-loogika, mitmed spetsialiseerunud multifunktsionaalsed analüüsi- ja prognoosiprogrammid, nagu Statistica, SPSS, Stadia, VSTAT, Project Exspert ja hulk teisi tarkvaratooteid. Süsteemi toimimise tulemuste operatiivseireks ja prognoosimiseks, aga ka õppeotstarbel saab kasutada ka MS Exceli paketti, mis realiseerib trendi- ja regressioonianalüüsi ning võimaldab arvutustabeliprotsessori põhjal arvutada ka mitmeid lisasüsteeme. omadused.

Juhtimissüsteemi (objekti) info- ja analüütilise prognoosimise tehnoloogiate abil tehtud uuringu tulemuste põhjal saab koostada soovitusi organisatsiooni (süsteemi) tegevuse parandamiseks, keskendudes näiteks peamiste tulemusnäitajate teatud väärtuste saavutamisele. mis viivad ellu organisatsiooni arengustrateegiat rahavoogude optimeerimine, uute väljatöötamine paljutõotavad suunad tegevused. Kaasaegsete info- ja analüütiliste tehnoloogiate kasutamine modelleerimisel ja prognoosimisel aitab parandada tegevuse efektiivsust organisatsiooni arengustrateegia ja -taktika elluviimise valguses.

Bibliograafiline link