Особенности прогнозирования в условиях быстрой изменчивости ситуации

Прогнозирование в условиях высокой изменчивости ситуации и контекста, в котором она развивается, а также растущие требования к точности, определённости и достоверности прогнозов требуют поиска методов и подходов, позволяющих повысить эффективность и результативность прогнозирования. Интерес к системному подходу к выработке принципов прогнозирования, подчеркивается началом реализации в 2009 году специализированной программы президиума РАН под названием «Математическое моделирование и системный анализ мировой динамики».

Прогнозирование было, есть и всегда будет важной частью успешного ведения бизнеса. Практически каждая компания явно или неявно пользуется прогнозами, чтобы планировать ближайшее или отдаленное будущее.

Динамичность современных бизнес-процессов вносит значительные коррективы в системы построения прогнозов. Во многих компаниях методы прогнозирования начинают включаться в автоматизированные технологические цепочки. Возрастают требования к точности прогнозов, все большие объемы информации становятся доступны для анализа и все больше появляется нестационарных факторов, влияющих на результаты.

Это приводит не только к развитию новых научных подходов, но и к активному использованию новейших информационных технологий, которые позволяют облегчить работу профессионалов и значительно повысить эффективность и результативность прогнозирования.

Так, технологическая база для построения эффективных прогнозов прошла путь от уровня экспертных оценок отдельных людей, до сложных статистических методов обработки исходных данных и методов сценарного моделирования.

Зачем бизнесу прогнозы?

За последние двести лет население мира увеличилось в шесть раз, а производимый продукт – в пятьдесят. Со стремительным развитием технологий мир стал намного «быстрее».

Но ситуация может поменяться в доли секунды. В бизнесе такая изменчивость может обернуться неоправданными рисками и неожиданными последствиями принятых решений.

Чтобы быть к ним готовым, нужно уделять должное внимание прогнозам.

Процесс прогнозирования последствий и результата неизбежно предваряет принятие любого решения вообще. А успешность бизнеса во многом зависит от точности прогнозов и от качества прогнозов у конкурентов.

При этом, очевидно, что самой универсальной прогностической системой является человек – квалифицированный специалист, обладающий опытом и информацией. Однако, по мнению Юрия Чеховича, генерального директора ЗАО «Форексис», человек не способен справиться с огромными объемами информации, которую необходимо обработать для построения прогноза высокого качества. К тому же, как известно, человеку свойственно ошибаться. В частности, поэтому в современном бизнесе в прогнозировании все чаще используют информационные технологии.

Они не заменяют специалистов, а являются инструментарием, который позволяет с одной стороны обрабатывать значительно большее количество информации, с другой - не ошибается при выполнении тысяч или миллионов однотипных операций.

Кроме того, большинство крупных компаний, сами по себе обладают очень сложной структурой и, используя статистические методы, ставшие уже традиционными, оказывается (крайне трудным) невозможным связать конкретные решения, принимаемые на местах, с изменениями макроскопических показателей компании в целом. Поэтому, построение вертикальной связи в рамках системы прогнозирования – это одна из ключевых задач улучшения качества прогнозов.

В последние годы способы составления бизнес-прогнозов активно развиваются— используются современные научные методы и новейшие технологии. Более того, компании начинают осознавать не только ценность, но и крайнюю необходимость внедрения эффективных IT-решений для построения прогнозов и моделей роста.

Процесс прогнозирования

«Научное прогнозирование — сложный многоэтапный процесс, который содержит большой объем рутинной работы с данными и высококвалифицированный труд экспертов-аналитиков, физиков-математиков и IT-специалистов. В самом общем виде, процесс прогнозирования состоит из определения круга вопросов, формализации объекта прогнозирования, выбора модели и интерпретации результатов формальными методами.

Программные платформы при этом помогают существенно уменьшить объем и сложность выполнения рутинных операций и сконцентрироваться на сути возникающих задач», - отметил руководитель научно-исследовательских проектов «Флексис» Юстислав Божевольнов. Вместе с тем, оценка применимости формальных методов построения прогноза к конкретной ситуации требует учёта и субъективного фактора - квалификации аналитика. «Именно аналитик может сказать, насколько применима полученная модель к реальным данным», - подчеркивает значимость этого фактора Артем Климов, генеральный директор компании BIGroup Labs.

Объясняя непосредственно сам процесс прогнозирования, эксперт выделил пять основных этапов:

• сбор и выборка данных, на основе которых строятся модели;
• очистка данных, в том числе заполнение пропусков, редактирование аномальных значений, сглаживание, исключение дубликатов и противоречий;
• трансформация, в ходе которой происходит перевод данных на язык математики;
• выбор или построение модели;
• проверка релевантности и эффективности, полученной модели, интерпретация результатов.

Особенно значим завершающий этап, на котором происходит внедрение построенной прогнозной модели в эксплуатацию. «Система разворачивается на промышленном оборудовании, подключается к «боевым» источникам данных, встраивается в действующие процессы клиента, - отмечает Юстислав Божевольнов. - Производится оценка работы системы прогнозирования, которая учитывает и влияние на бизнес-процессы. Естественно, что описанный процесс требуется проходить полностью при решении только новой задачи. Если же требуется решить стереотипную задачу для нового клиента или внедрить стандартное решение, то часть этапов либо упрощаются, либо становятся ненужными».

Область применения

Прогнозирование – один из самых распространенных первоначальных этапов в современном бизнесе, вне зависимости от отрасли. Однако степень эффективность, а следовательно и востребованность прогнозов, от отрасли к отрасли все же различна.

По мнению Юрия Чеховича, можно обозначить несколько областей, в которых прогнозирование стало классическим бизнес-инструментом. Прежде всего, это розничная торговля, в особенности розничные торговые сети, где построение прогноза продаж каждого вида товара в каждом магазине необходимо для формирования своевременных заказов поставщикам. Кроме того, востребованным здесь является прогнозирование различного рода факторов для планирования: объемов продаж по товарным группам, магазинам, регионам и по всей сети в целом.

В банковской отрасли решение огромного количества задач опирается на прогнозы: кредитоспособность заемщиков, финансовые потоки и остатки по вкладам, спрос наличности в банкоматах и т.д. Телекоммуникационным компаниям традиционно требуется решение задачи оптимального расширения пропускной способности сети передачи данных, с учетом экономической эффективности. Причем, достаточно большие сроки строительства новых линий связи, требуют долгосрочных прогнозов.

Артем Климов к списку отраслей, в которых прогнозирование все чаще оказывается необходимостью, также добавил электроэнергетику: «В связи с либерализацией оптового и розничного рынков электроэнергии на первое место в работе энергетических компаний и промышленных предприятий выходит задача почасового прогнозирования электропотребления. Качественный прогноз электропотребления позволяет существенно снизить издержки, связанные с закупкой электроэнергии. Естественно, это не полный список отраслей, где прогнозирование может быть эффективно применено.

Развитие новых подходов к прогнозированию

Стремительное развитие бизнеса диктует необходимость совершенствования методов прогнозирования. Большие объемы статистической информации и применение к ним современных методов обработки и анализа — ключевые тенденции в прогнозировании. «Теория динамических систем, синергетика, нелинейная динамика — эти относительно новые области математики позволяют получать удивительные результаты», - уверяет Юстислав Божевольнов.

Говоря о принципиально новых подходах к прогнозированию, Артем Климов особо выделяет внедрение нейросетевых моделей. Использование данного подхода, по его мнению, позволяет устранить основные недостатки традиционных методов прогнозирования.

Западные компании уже достаточно давно используют данные технологии как наиболее приоритетные для решения задач прогнозирования, а в российском бизнесе данные методы стали использоваться относительно недавно. «Именно нейросетевые модели идеально подходят для моделирования и прогнозирования плохо формализуемых бизнес-процессов, когда известен лишь набор факторов, влияющих на прогнозируемую величину, и абсолютно непонятно, как именно они на нее влияют.

Кроме того, нейросетевые алгоритмы относятся к так называемым адаптивным алгоритмам, то есть если ситуация на рынке меняется, то нейросеть приспосабливается (переучивается) к новому поведению рынка, а коэффициенты модели подправляются автоматически», - объясняет эксперт.

Еще одно важное направление развития, как считает Юрий Чехович, обусловлено существованием огромного количества методов прогнозирования и анализа данных. Даже специалистам бывает сложно подобрать для конкретной задачи наиболее подходящий алгоритм, ведь требуется еще и произвести оптимизацию параметров.

Для решения этой проблемы разрабатываются методы оптимального выбора моделей прогнозирования, их построения и настройки композиций. Такие «композитные» модели способны давать лучшие результаты. Кроме того, в последнее время становятся все более востребованными бизнес-ориентированные системы, которые занимаются оптимизацией не абстрактного функционала качества прогноза, а конкретного эффекта применения продукта в бизнесе.

Формирование рынка прогнозирования и его будущее в России

Быстроразвивающийся бизнес остро нуждается в анализе и прогнозе рыночной ситуации. Руководители активных компаний понимают это и вкладывают средства в стратегически важные аналитические проекты, к которым и относится прогнозирование. По словам Юрия Чеховича, российский рынок «стандартных» продуктов прогнозирования сформировался достаточно давно, но говорить о сложившемся рынке высокотехнологичных продуктов для построения прогнозов на данный момент рано.

Задумываются о приобретении соответствующих решений только крупные и некоторые средние компании. В подавляющем же большинстве российских компаний либо внедряются достаточно примитивные функции прогнозирования, встроенные в другие системы, либо используются собственные разработки.

Такое положение вещей обусловлено, во-первых, относительно невысокой степенью информатизации бизнеса

Во-вторых, тем, что многие сектора российской экономики еще не переросли экстенсивную стадию развития, и вопросы повышения эффективности бизнеса часто оказываются менее приоритетными по сравнению с вопросами его расширения.

В-третьих, играет роль достаточно высокая стоимость владения серьезными системами прогнозирования.

«Тем не менее, - говорит эксперт, - по мере возрастания конкуренции все большее количество компаний будет стремиться увеличить эффективность своего бизнеса за счет применения систем прогнозирования, а стоимость такого рода систем будет постепенно снижаться».

«Будущее направления, IT-рынка, связанного с прогнозированием, пойдет в двух направлениях», - считает Артем Климов. С одной стороны, будет происходить расширение предоставления аутсорсинговых услуг. В данном формате взаимодействия программный продукт стоит не на сервере конечного пользователя, а на сервере IT-компании, предоставляющей услуги. По определенному регламенту осуществляется передача порций данных от компании клиента IT-поставщику, который отправляет клиенту прогноз, построенный с учетом новых поступивших данных.

Такой способ взаимодействия позволяет решить проблему, связанную с дефицитом высококвалифицированных специалистов по прогнозированию. С другой стороны, существуют отрасли бизнеса, в которых такой формат взаимодействия между клиентом и IT-поставщиком невозможен по причине слишком большого объема информации подлежащего передаче, а также необходимости высокой оперативности принятия решений и обновления прогнозов.

Для таких отраслей наиболее востребованы будут комплексные решения, которые внедряются IT-специалистами непосредственно в компании клиента.

Кроме того, среди новых тенденций следует особо отметить рост интереса научного сообщества к вопросам прогнозирования и моделирования. В 2009 году началась большая программа президиума РАН - «Математическое моделирование и системный анализ мировой динамики». «Результаты работы в рамках этой программы уже говорят о том, что появляется неискусственный интерес к прогнозированию в академической среде. Уровень, на котором исполняется программа, безусловно, приведет к резонансу не только в научном сообществе, но и шире», - резюмирует Юстислав Божевольнов.

Экспертная группа / R&D.CNews

Опубликовано на сайте: 2010-05-30