Прогнозирование развития технологий

Следует использовать сочетание методов, поскольку ни один метод не может ответить на все вопросы. Конкретный набор методов анализа тенденций, экспертных оценок и многовариантного анализа в большой степени зависит от квалификаций аналитика и менеджера, а также корпоративного климата.

На технологии в широком смысле этого слова и особенно их конечные продукты существенно влияют факторы нетехнического характера (общая среда бизнеса, экономика, политика, общественная ситуация и законодательство, социальные предпочтения и др.), поэтому методы технологического прогнозирования должны также включать соответствующие элементы экономического прогнозирования, анализа политической ситуации и маркетинговых исследований.

В идеальном случае прогноз развития технологий и стратегический анализ выполняют три задачи: предоставляют прогноз будущей технологической среды, предлагают менеджерам альтернативные варианты технологических стратегий, а также оценивают эти стратегии с точки зрения возможности получения желаемых результатов.

Почти все методы технологического прогнозирования и стратегического анализа (кроме анализа патентных тенденций и S-кривых) могут также использоваться для целей прогнозирования других тенденций.

Анализ тенденций

Анализ тенденций остается наиболее распространенным подходом к прогнозированию технологий. Его базовые предпосылки просты: надо собрать уместные исторические данные и затем графически или в численной форме спроецировать соответствующие изменения на будущее. Несмотря на различия конкретных методик, все конкретные приемы анализа тенденций имеют ряд общих допущений и особенностей, а именно:

Будущее представляется непрерывным продолжением недавнего прошлого (и, следовательно, на него распространяются установленные ранее закономерности).

Существует только один вариант будущего, и он предсказуем, если правильно понять законы происходящих изменений, выявленных при анализе тенденций.

Оба допущения достаточно уязвимы для критики, но в целом любой анализ тенденций может привести к неправильным результатам, если не учитывает причинно-следственные связи.

К методам анализа тенденций относятся:

экстраполяция тенденций

периодические повторяющиеся во времени сериальные оценки

регрессионный анализ

построение эконометрических моделей

динамика систем

S-кривые

исторические аналогии

матрицы входа-выхода

анализ патентных тенденций

анализ научно-технической литературы

3.1 Экстраполяция тенденций

Метод основан на экстраполяции изменения искомой переменной (или нескольких переменных) во времени на нужный период времени.

Экстраполяцию тенденций используют для прогнозирования параметров эффективности технологий, уровня продаж данного продукта, длительности разработки конкретной технологии. На практике почти каждая (и не только западная) компания во всех отраслях промышленности собирает информацию об исторических тенденциях изменений важных переменных, используя ее в качестве стартовой точки неких стратегических решений. Простые экстраполяционные графики служат для многих компаний полезными “квалифицированными подсказками”.

При наличии необходимых данных экстраполяция тенденций - достаточно недорогой и быстрый метод. С учетом простоты обработки данных этот метод используют как первую ступень технологического прогнозирования, получения некоего первого приближения.

В данном случае вряд ли эта экстраполяция будет справедлива и во все последующие годы, поэтому надо предположить, что действительные значения будут ниже.

Основным недостатком метода анализа тенденций является то, что любые экстраполяции справедливы только на малые отрезки времени. Поскольку характер влияния внешних обстоятельств на рассматриваемые переменные непостоянен во времени, постольку наилучшие результаты могут быть получены при использовании данного метода в близких прогнозах (несколько кварталов, один год).

3.2 Сериальные оценки

Метод основан на использовании однотипных данных, полученных в разные отрезки времени, и переносит метод экстраполяции тенденций на одну ступень дальше, позволяя с помощью статистических методов отличить систематические изменения от случайных. Полученные систематические изменения проецируются на будущее, где время принимается в качестве некоторой искусственной меры всех факторов, влияющих на прогнозируемую переменную.

В последнее время разработано достаточно большое количество статистических методов, позволяющих “экстрагировать” систематические линейные, логарифмические или экспоненциальные изменения на фоне квартальных, сезонных, разовых и других несистематических изменений.

Пример таких сериальных оценок в течение длительного времени приведен на рис.1.

Видна общая тенденция к увеличению на фоне больших и меньших циклов сезонных и других изменений. Существующие программные средства “смещения среднего”, экспоненциального сглаживания, многофакторного регрессионного анализа и др. позволяют получить сглаженную кривую, в частности, для прогнозирования в приведенном примере изменения потребления газет и за пределы 1980 года.

Основной недостаток этого метода, как и метода экстраполяции тенденций, определяющий ограниченное его использование только для краткосрочных прогнозов, - невозможность получения каких-либо причинно-следственных связей для объяснения полученных результатов. Он несколько более трудоемок, чем предыдущий, однако быстрое развитие компьютерных средств и простота получения первичных оценок обусловливают его несомненную эффективность и растущее использование в качестве первой ступени прогноза.

Регрессионный анализ

Регрессионный анализ можно считать обобщенной формой сериальных оценок, однако, регрессионные выражения позволяют прогнозировать изменение прогнозируемой переменной в виде функции (одной и более) других переменных, то есть в ситуации, когда прогнозируемая переменная находится в какой-то зависимости от другой переменной. Основной задачей регрессионного анализа является выявление этой зависимости.

Многочисленные пакеты программ статистической обработки и регрессионного анализа делают использование этого метода простым и недорогим.

Основой применения методов регрессионного анализа является наличие рядов (как правило, временных) значений переменных, взаимозависимость между которыми исследуется в ходе анализа. При этом выявляется лишь математическая форма данной зависимости, в которой, как правило, не отражается действительная причинно-следственная связь между рассматриваемыми переменными.

Получение качественного прогноза на основе регрессионного анализа зависит от правильного выбора независимых переменных, а также знания их возможных значений.

Регрессионный анализ непригоден для прогнозирования в тех случаях, когда неизвестны будущие значения независимых переменных. Таким образом, регрессионный анализ, в частности, не очень полезен для определения времени выведения нового продукта на рынок или предсказания того, какие новые технологические процессы возникнут через пять лет.

 Скачать реферат