Авторы: Юрашев Виталий Викторович кандидат физ-мат. наук,
научный руководитель фирмы «Градиент»
Шелест И. В. программист фирмы «Градиент».
E-mail: firma-gradient@narod.ru
Динамичный мир бизнеса всё время ставит интересные задачи, которые, к сожалению, обычно решаются известным методом проб и ошибок. Риск и прогнозирование - вот две сложные проблемы бизнеса, решаемые многими исследователями. Предлагаемые ими модели обучаются тем или иным образом, затем даётся оценка риска или прогноза изучаемого явления. Часто точность моделирования не соответствует предъявляемым к ним требованиям заказчика. Кроме того, большинство моделей громоздки и не дают быстрого ответа на вопросы, которые возникают сразу же после решения поставленной потребителем задачи. Иными словами, требуется наладка, время упущено, конкурент вырывается вперёд.
Предлагаем вашему вниманию модели, позволяющие решать задачи, связанные с прогнозированием и оценкой риска. Отметим мобильность моделей. Речь идёт о возможности быстрой коррекции моделей в зависимости от реальных задач бизнеса. Эта коррекция происходит в результате общения с потребителем, который желает получить нужные ему решения.
I. Прогнозирование
Ежемесячные рабочие прогнозы могут быть крайне полезны, поскольку это повышает управляемость фирмы. На основании деловых показателей следует оформить соответствующие графики и установить определенное время для сопоставления достигнутых результатов и плановых показателей.
Главная польза поступающей информации - иметь возможность сосредоточить внимание на ключевых показателях.
Программа-прогноз позволяет осуществить краткосрочный и долгосрочный прогнозы в бизнесе. Её основное преимущество - прогнозирование любых не случайных процессов.
Прогнозирование-одно из самых интересных и трудных исследований. Существует такое великое множество подходов, что не имеет смысла их перечислять.
Наш подход: обучение модели происходит на основании данных по ретроспективе или экспертных оценок. Общую тенденцию или закономерность находим из известного класса функций (циклические, линейные, мультипликативные, аддитивные и т.д. функции). Нужный нам класс выбирается, исходя из минимума ошибки, которая проверяется по ретроспективе (экспертным оценкам). Кроме того, мнение экспертов о возможном развитии исследуемого процесса может существенно улучшить прогноз.
Далее с использованием метода наименьших квадратов подбираются циклы (аналог ряда Фурье). Количество циклов и их амплитуда вычисляются по заданной заранее ошибке прогноза.
Точность прогноза 1-3%, колеблется иногда до 5-10%. Все зависит от наличия шумов, которые могут существенно повлиять на прогноз. Если ретроспективный ряд большой, то программа хорошо выделяет регулярные составляющие процесса. При незначительном временном ряде ретроспективы (до 5-8 значений) нужно пользоваться экспоненциальным сглаживанием.
Приведем пример реализации одного из алгоритмов прогнозирования.
На рис. 1 представлено внешний вид главного окна прогнозного модуля.
В данном окне выбирается тип прогнозной функции, по которой будет вычисляться итоговый прогноз, задается количество итерационных приближений к итоговой прогнозной кривой, а так же количество прогнозных точек.
Рис. 1 Главное окно модуля
В исторических значениях развития рынка и продаж компании могут быть уникальные ситуации выпадающих значений, например: год скачкообразного роста рынка, связанного, например, с ростом доходов; год нетипичного урожая; временное закрытие завода и т.д.
Эти ситуации объединяет одно: менеджер точно знает, что на прогнозном периоде такое событие больше не произойдет никогда. В этой ситуации менеджер получает возможность сделать две операции:
1. указать год выпадающего значения, которое не надо использовать при анализе прошлого периода;
2. указать правильное используемое значение. (см. рис. 2)
В окне «Настройки» (см. рис. 3) задаются параметры расположения входных и выходных данных.
Рис. 3. Окно ввода настроек
После выполнения расчета модуль выведет результаты прогнозирования в зависимости от параметров вывода, заданных в окне настроек прогнозного модуля. Прогнозные значения будут выделены голубым цветом (см. рис. 4).
Рис. 4. Вывод результатов прогноза
Прогнозный модуль подключается к MS Excel из состава Microsoft Office.
Опишем ещё одну из функций программы по слежению за «стратегическим дрейфом», представляющим собой разрыв между требованиями рынка и реальными предложениями компании.
Задача компании заключается в том, чтобы определить наиболее ценные с точки зрения покупателей характеристики товаров и обслуживания. Установление критериев качества происходит на основании сведений потребителей, т.е. то, что они желают и ожидают получить от компании. Далее по этим критериям проводится сравнение деятельности фирмы и её основных конкурентов, а также выбираются наилучшие показатели фирм отрасли, которые рассматривают в динамическом режиме. В результате дается прогноз краткосрочных и долгосрочных показателей качества товара и обслуживания, динамика которых и характеризует изменение рыночных процессов. Таким образом можно оценить работу компании, что позволит ей развиваться в соответствии с требованиями рынка.
2. Вероятностный подход к оценке рисковых ситуаций
Предприятия малого и среднего бизнеса редко обращаются к услугам консультантов. При этом их главным образом они обращаются за консультациями аудиторов или по поводу тривиальной налоговой экономики.
В промышленно развитых странах вложение средств в интеллектуальный капитал в форме консультационных услуг считаются не менее эффективными, чем вложения в новое оборудование или в передовую технологию. В России наблюдается парадоксальная ситуация: большинство предприятий находятся в тяжелом экономическом положении по причинам либо организационно-управленческого характера, или же неприспособленности к рыночным условиям. Имеющийся в нашей стране интеллектуальный потенциал практически не используется.
Основная задача предпринимателя «предугадать» (а лучше просчитать) возможные причины возникновения рисковых ситуаций и найти возможные пути их устранения. Проанализируем риски в производственной деятельности предприятия с использованием программы «Самообучающаяся система», созданной на фирме «Градиент».
В качестве примера исследуем риск невостребованности произведенной продукции. Риск невостребованности продукции возникает вследствие отказа потребителя от его приобретения. Причины этого могут быть как внутренние, так и внешние. Обсудим внутренние причины риска, оцененные на основании информации о работе фирмы на протяжении ряда лет. Для этой цели должны быть проанализированы показатели невостребованности (востребованности) продукции на примерах взаимоотношений с потребителями, имеющими место в прошлом. Этими показателями, полученные нами, воспользуемся для самообучения системы, основанной на вычислении байесовских весов каждого показателя.
Эти показатели сведены в таблице 1.
Таблица 1 Внутренние причины риска невостребованности продукции
|
№№ |
Наименование вопроса |
Ответ |
Вес |
|
1 |
Квалификация персонала предприятия |
Высокая |
-0,18 |
|
Низкая |
0,43 |
||
|
2 |
Организация производственного процесса |
Технология не нарушена |
-0,08 |
|
Технология нарушена |
0,25 |
||
|
3 |
Организация снабжения предприятия материальными ресурсами |
Хорошая |
-0,21 |
|
Плохая |
0,18 |
||
|
4 |
Организация рекламы |
Избыточная |
-0,10 |
|
Недостаточная |
0,08 |
||
|
5 |
Организация сбыта готовой продукции |
Плохая |
0,23 |
|
Хорошая |
-0,11 |
||
|
6 |
Знание технологии производства данной продукции |
Достаточное |
-0,23 |
|
Плохое |
0,26 |
||
|
7 |
Штурмовщина |
Нет |
-0,11 |
|
Есть |
0,16 |
||
|
8 |
Ошибки в планировании |
Нет |
-0,26 |
|
Есть |
0,27 |
||
|
9 |
Контроль качества |
Хороший |
-0,31 |
|
Слабый |
0,12 |
||
|
10 |
Использование устаревшего оборудования |
Нет |
-0,15 |
|
Да |
0,13 |
||
|
11 |
Уведомление о готовности продукции |
Своевременное |
-0,08 |
|
Нет |
0,14 |
В результате программа дает вес каждого показателя, позволяет увидеть работу предприятия, обусловленную внутренними причинами. Программа дает так же возможность заранее оценить вероятность отказа обратившегося к нам конкретного потребителя от будущей изготовленной продукции на нашем предприятии. Это, в свою очередь, позволит грамотно вести диалог с потенциальными клиентами, поскольку мы легко можем оценить наши возможности при обсуждении вопроса об изготовлении продукции.
Логарифм априорной вероятности не выполнения своих обязательств равен -0,48
Приведем один из вариантов заполнения таблицы потенциального клиента. Таблица весов была составлена заранее по результатам опросов.
|
№№ |
Наименование вопроса |
Ответ |
|
1 |
Квалификация персонала предприятия |
Высокая |
|
2 |
Организация производственного процесса |
Технология нарушена |
|
3 |
Организация снабжения предприятия материальными ресурсами |
Плохая |
|
4 |
Организация рекламы |
Избыточная |
|
5 |
Организация сбыта готовой продукции |
Плохая |
|
6 |
Знание технологии производства данной продукции |
Достаточное |
|
7 |
Штурмовщина |
Нет |
|
8 |
Ошибки в планировании |
Есть |
|
9 |
Контроль качества |
Слабый |
|
10 |
Использование устаревшего оборудования |
Нет |
|
11 |
Уведомление о готовности продукции |
Не своевременное |
Вероятность невостребованности продукции равна 0,32 при рассмотренном положении дел на фирме.