Особливості прогнозування в умовах швидкої мінливості ситуації
Технології ефективного прогнозування
Прогнозування було, є і буде важливою частиною успішного ведення бізнесу. Практично кожна компанія явно чи неявно користується прогнозами, щоби планувати найближче чи віддалене майбутнє.
Динамічність сучасних бізнес-процесів вносить значні корективи до системи побудови прогнозів. У багатьох компаніях методи прогнозування починають включатися до автоматизованих технологічних ланцюжків. Зростають вимоги до точності прогнозів, дедалі більші обсяги інформації стають доступними для аналізу і дедалі більше з'являється нестаціонарних чинників, які впливають результати.
Це призводить не тільки до розвитку нових наукових підходів, але й до активного використання новітніх інформаційних технологій, які дозволяють полегшити роботу професіоналів та значно підвищити ефективність та результативність прогнозування.
Так, технологічна база для побудови ефективних прогнозів пройшла шлях від рівня експертних оцінок окремих людей до складних статистичних методів обробки вихідних даних та методів сценарного моделювання.
Навіщо бізнесу прогнози?
За останні двісті років населення світу збільшилось у шість разів, а вироблений продукт – у п'ятдесят. Зі стрімким розвитком технологій світ став набагато «швидшим».
Але ситуація може змінитися на частки секунди. У бізнесі така мінливість може обернутися невиправданими ризиками та несподіваними наслідками прийнятих рішень.
Щоб бути готовим до них, потрібно приділяти належну увагу прогнозам.
Процес прогнозування наслідків та результату неминуче випереджає прийняття будь-якого рішення взагалі. А успішність бізнесу багато в чому залежить від точності прогнозів та якості прогнозів у конкурентів.
При цьому очевидно, що найуніверсальнішою прогностичною системою є людина – кваліфікований фахівець, який має досвід та інформацію. Однак, на думку Юрія Чеховича, генерального директора ЗАТ «Форексіс», людина не спроможна впоратися з величезними обсягами інформації, яку необхідно обробити для побудови прогнозу високої якості. До того ж, як відомо, людині властиво помилятися. Зокрема, тому у сучасному бізнесі у прогнозуванні все частіше використовують інформаційні технології.
Вони не замінюють спеціалістів, а є інструментарієм, який дозволяє з одного боку обробляти значно більшу кількість інформації, з іншого – не помиляється при виконанні тисяч чи мільйонів однотипних операцій.
Крім того, більшість великих компаній, самі по собі мають дуже складну структуру і, використовуючи статистичні методи, які вже стали традиційними, виявляється (вкрай важким) неможливим пов'язати конкретні рішення, що приймаються на місцях, зі змінами макроскопічних показників компанії в цілому. Тому побудова вертикального зв'язку в рамках системи прогнозування – це одне з ключових завдань покращення якості прогнозів.
В останні роки способи складання бізнес-прогнозів активно розвиваються - використовуються сучасні наукові методи та новітні технології. Понад те, компанії починають усвідомлювати як цінність, а й крайню необхідність запровадження ефективних IT-решений для побудови прогнозів і моделей зростання.
«Наукове прогнозування — складний багатоетапний процес, який містить великий обсяг рутинної роботи з даними та висококваліфіковану працю експертів-аналітиків, фізиків-математиків та IT-фахівців. У найзагальнішому вигляді, процес прогнозування складається звизначення кола питань, формалізації об'єкта прогнозування, вибору моделі та інтерпретації результатів формальними методами.
Програмні платформи при цьому допомагають суттєво зменшити обсяг і складність виконання рутинних операцій і сконцентруватися на суті завдань, що виникають», - зазначив керівник науково-дослідних проектів «Флексіс» Юстислав Божевольнов. Разом про те, оцінка застосовності формальних методів побудови прогнозу до конкретної ситуації потребує обліку і суб'єктивного чинника - кваліфікації аналітика. "Саме аналітик може сказати, наскільки застосовна отримана модель до реальних даних", - наголошує на значущості цього фактора Артем Клімов, генеральний директор компанії BIGroup Labs.
Пояснюючи безпосередньо сам процес прогнозування, експерт виділив п'ять основних етапів:
- збір та вибірка даних, на основі яких будуються моделі;
- очищення даних, у тому числі заповнення перепусток, редагування аномальних значень, згладжування, виключення дублікатів та протиріч;
- трансформація, під час якої відбувається переклад даних на мову математики;
- вибір чи побудова моделі;
- перевірка релевантності та ефективності, отриманої моделі, інтерпретація результатів.
Особливо значущий завершальний етап, де відбувається впровадження побудованої прогнозної моделі в эксплуатацию. «Система розгортається на промисловому устаткуванні, підключається до «бойових» джерел даних, вбудовується в процеси клієнта, що діють, - зазначає Юстислав Божевольнов. - проводиться оцінка роботи системи прогнозування, яка враховує і вплив на бізнес-процеси. Природно, що описаний процес потрібно повністю проходити при вирішенні тільки нового завдання. Якщо ж потрібно вирішитистереотипне завдання нового клієнта чи впровадити стандартне рішення, то частина етапів або спрощуються, або стають непотрібними».
Прогнозування – один із найпоширеніших початкових етапів у сучасному бізнесі, незалежно від галузі. Проте ступінь ефективність, а отже і затребуваність прогнозів, від галузі до галузі все ж таки різна.
На думку Юрія Чеховича, можна позначити кілька областей, де прогнозування стало класичним бізнес-інструментом. Насамперед, це роздрібна торгівля, особливо роздрібні торговельні мережі, де побудова прогнозу продажу кожного виду товару у кожному магазині необхідне формування своєчасних замовлень постачальникам. Крім того, затребуваним тут є прогнозування різноманітних факторів для планування: обсягів продажів по товарних групах, магазинах, регіонах та по всій мережі в цілому.
У банківській галузі вирішення величезної кількості завдань спирається на прогнози: кредитоспроможність позичальників, фінансові потоки та залишки за вкладами, попит готівки у банкоматах тощо. Телекомунікаційним компаніям зазвичай потрібно вирішення завдання оптимального розширення пропускної спроможності мережі передачі даних, з урахуванням економічної ефективності. Причому досить великі терміни будівництва нових ліній зв'язку вимагають довгострокових прогнозів.
Артем Клімов до списку галузей, у яких прогнозування все частіше виявляється необхідністю, також додав електроенергетику: «У зв'язку з лібералізацією оптового та роздрібного ринків електроенергії на перше місце у роботі енергетичних компаній та промислових підприємств виходить завдання погодинного прогнозування електроспоживання. Якісний прогноз електроспоживання дозволяє істотно знизити витрати,пов'язані із закупівлею електроенергії. Звісно, це повний список галузей, де прогнозування може бути ефективно застосовано.
Розвиток нових підходів до прогнозування
Стрімкий розвиток бізнесу диктує необхідність удосконалення методів прогнозування. Великі обсяги статистичної інформації та застосування до них сучасних методів обробки та аналізу – ключові тенденції у прогнозуванні. "Теорія динамічних систем, синергетика, нелінійна динаміка - ці відносно нові галузі математики дозволяють отримувати дивовижні результати", - запевняє Юстислав Божевольнов.
Говорячи про принципово нові підходи до прогнозування, Артем Клімов особливо виділяє впровадження нейромережевих моделей. Використання цього підходу, на його думку, дозволяє усунути основні недоліки традиційних методів прогнозування.
Західні компанії вже досить давно використовують ці технології як найбільш пріоритетні для вирішення завдань прогнозування, а в українському бізнесі ці методи стали використовуватися відносно недавно. «Саме нейромережеві моделі ідеально підходять для моделювання і прогнозування бізнес-процесів, що погано формуються, коли відомий лише набір факторів, що впливають на прогнозовану величину, і абсолютно незрозуміло, як саме вони на неї впливають.
Крім того, нейромережні алгоритми відносяться до так званих адаптивних алгоритмів, тобто якщо ситуація на ринку змінюється, то нейромережа пристосовується (переучується) до нової поведінки ринку, а коефіцієнти моделі підправляються автоматично», - пояснює експерт.
Ще один важливий напрямок розвитку, як вважає Юрій Чехович, зумовлений існуванням величезної кількості методів прогнозування та аналізу даних. Навіть фахівцям буває складнопідібрати для конкретного завдання найбільш підходящий алгоритм, адже потрібно ще й провести оптимізацію параметрів.
Для вирішення цієї проблеми розробляються методи оптимального вибору моделей прогнозування, їх побудови та налаштування композицій. Такі «композитні» моделі здатні давати найкращі результати. Крім того, останнім часом стають все більш затребуваними бізнес-орієнтовані системи, які оптимізують не абстрактний функціон якості прогнозу, а конкретний ефект застосування продукту в бізнесі.
Формування ринку прогнозування та його майбутнє в Україні
Бізнес, що швидко розвивається, гостро потребує аналізу та прогнозу ринкової ситуації. Керівники активних компаній розуміють це та вкладають кошти у стратегічно важливі аналітичні проекти, до яких і належить прогнозування. За словами Юрія Чеховича, український ринок «стандартних» продуктів прогнозування сформувався досить давно, але говорити про ринок високотехнологічних продуктів, що склався, для побудови прогнозів на даний момент рано.
Замислюються про придбання відповідних рішень лише великі та середні компанії. У переважній більшості українських компаній або впроваджуються досить примітивні функції прогнозування, вбудовані в інші системи, або використовуються власні розробки.
Такий стан речей обумовлений, по-перше, відносно невисоким ступенем інформатизації бізнесу.
По-друге, тим, що багато секторів української економіки ще не переросли екстенсивну стадію розвитку, і питання підвищення ефективності бізнесу часто виявляються менш пріоритетними, ніж питання його розширення.
По-третє, відіграє роль досить висока вартість володіння серйознимисистем прогнозування.
«Проте, - каже експерт, - у міру зростання конкуренції все більша кількість компаній прагнутиме збільшити ефективність свого бізнесу за рахунок застосування систем прогнозування, а вартість таких систем буде поступово знижуватися».
«Майбутнє напрямки, IT-ринку, пов'язаного з прогнозуванням, піде у двох напрямках», - вважає Артем Клімов. З одного боку, відбуватиметься розширення надання аутсорсингових послуг. У цьому форматі взаємодії програмний продукт стоїть не так на сервері кінцевого користувача, але в сервері IT-компанії, надає послуги. За певним регламентом здійснюється передача порцій даних від компанії клієнта IT-постачальнику, який відправляє клієнту прогноз, побудований з урахуванням нових даних, що надійшли.
Такий спосіб взаємодії дозволяє вирішити проблему, пов'язану із дефіцитом висококваліфікованих фахівців із прогнозування. З іншого боку, існують галузі бізнесу, в яких такий формат взаємодії між клієнтом та IT-постачальником неможливий через занадто великий обсяг інформації, що підлягає передачі, а також необхідність високої оперативності прийняття рішень та оновлення прогнозів.
Для таких галузей найбільш потрібні будуть комплексні рішення, які впроваджуються IT-фахівцями безпосередньо в компанії клієнта.
Крім того, серед нових тенденцій слід особливо відзначити зростання інтересу наукової спільноти до питань прогнозування та моделювання. У 2009 році розпочалася велика програма президії РАН – «Математичне моделювання та системний аналіз світової динаміки». «Результати роботи в рамках цієї програми вже говорять про те, що з'являється нештучний інтерес до прогнозування вакадемічного середовища. Рівень, на якому виконується програма, безумовно, приведе до резонансу не лише у науковій спільноті, а й ширше», - резюмує Юстислав Божевольнов.