Методы прогнозирования

Применение прогнозных моделей позволяет компании предвидеть свое будущее на рынке и оценивать возможные стратегии поведения конкурентов. Обладая прогнозной информацией, компания может более качественно планировать работу своей логистики и производства, определять наиболее целесообразный сценарий деятельности с экономической точки зрения.

Применение автоматизированных прогнозных моделей делает компанию более независимой, позволяя самостоятельно моделировать бизнес-ландшафты, заниматься стратегическим планированием, получать оперативную поддержку принятия решений.

Типовой набор прогнозируемых показателей

Рыночные цены товаров
Объем рыночного спроса
Объем собственных продаж
Объем продаж конкурентов
Рыночная конъюнктура
Структура товарного ассортимента конкурентов

Критерии качества

Высокая точность — максимальное соответствие прогнозов фактическим значениям
Горизонт прогнозирования — долгосрочность прогнозов
Качественная спецификация модели — адекватное отражение реальности
Наличие самодиагностики — автоматическое предупреждение ситуаций неточного прогноза
Адаптивное развитие — автоматическое уточнение прогноза по мере накопления статистики
Умеренные затраты на разработку и эксплуатацию модели

Внешние условия применения

Агрессивная рыночная среда
Изменчивый характер спроса
Сезонность и цикличность отрасли

Организационные условия применения

Наличие статистической информации за прошлые периоды времени
Достоверность статистической информации
Регламентированный сбор первичной информации в режиме реального времени
Оперативная работа с экспертами в выбранной области

Методы прогнозирования

Аналитическая прогнозная модель

ПрогнозМашина (Эконометрическая многофакторная прогнозная модель)

Алгоритмические прогнозные модели

Простая средняя
Линейный тренд
Скользящее среднее
Авторегрессия
Модель Хольта
Группа кумулятивных моделей
Гармоническая регрессия
Гармоническая + авторегрессия
Разностная модель сезонного ряда
Группа моделей Хольта-Уинтерса
Арима (ARIMA)