Создание команды проекта обычно переживает пять стадий.

1. Формирование.Члены команды собираются вместе с чувством настороженности и принужденности. Главные трудности на этом этапе обусловлены:

- личными ощущениями;

- взаимоотношениями в команде;

- определением места проектной команды внутри фирмы. (Что важнее, принадлежность к команде или к своему подразделению?) (В какой мере проект поддерживается руководством ?).

2. Период «срабатываемости» участников.Когда члены команды начинают совместно трудиться, они понимают, что используют различные подходы и методы в работе над проектом.

Общие проблемы на этапе срабатываемости команды заключаются:

- в трудностях работы команды (перекладывание полномочий, топтание без движения вперед);

- в проявлении характеров (неформальные лидеры, властолюбивые участники, бездельники);

- в обсуждении проблем (споры по любому поводу);

- в ошибках руководства (слабый контроль, внезапные смены настроения, ошибки в планировании и распределении ресурсов);

- во взаимоотношениях (конфликты, отсутствие взаимоподдержки и доверия).

3. Период нормального функционированияявляется наиболее продолжительным и наиболее результативным для проекта, поскольку каждый член прочувствовал свою роль и свое место в коллективе, с которым ему предстоит работать в течении всего жизненного цикла проекта.

4. Реорганизациясостоит в количественном и качественном изменении объема и видов работ, привлечении новых специалистов, перераспределении должностных обязанностей, обусловленных внутренним и внешним окружением проекта. Это является нормальным процессом развития команды.

5. Расформирование команды.Задача заключается в том, чтобы члены команды ощущали удовлетворение своей работой и готовы были работать вместе и в дальнейшем. Как правило, менеджер, приступая к новому проекту, приглашает в команду тех людей, с которыми успешно реализовал предыдущий проект.

При решении проблемных задач, связанных с переориентацией целей организации или изменений путей их достижения, наиболее эффективной формой становится проектное управление.

В этой организационной форме в большей степени реализуются требования системного подхода к управлению, в соответствии с которыми, вся совокупность работ обеспечивающих решение определенной проблемы или достижение конкретной цели, рассматривается с позиций достижения успеха в решении обозначенной проблемы, а не с позиции установившейся иерархии подчинения.

Управление проектами – искусство руководства и координации людских и материальных ресурсов на протяжении жизненного цикла продукта, путем применения системы современных методов и техники управления, для достижения определенных в проект результатов по составу и объему работ, стоимости, времени, качеству и удовлетворению участников проекта.

Проектное управление связано с созданием чего-то нового или улучшением существующего. Оно ориентировано на новшества или на изменения и является одноразовой деятельностью. Кроме того, проектное управление подразумевает создание атмосферы, способствующей созидательным изменениям и внедрениям.

Рискофирма (венчурная фирма) представляет собой предприятие, создаваемое для реализации инновационного проекта, связанного со значительным риском. Отмети, что любой инновационный проект является венчурным, т.е. рисковым проектом.

 

NB

 

По оценке экономистов, в 15% случаев рискокапитал полностью теряется; 25% рискофирм несут убытки в течение более длительного времени, чем предполагалось первоначально; 30% рискофирм дают весьма скромную прибыль, но в 30% случаев успех позволяет в течение всего нескольких лет многократно перекрыть прибылью все вложенные средства, в некоторых случаях – в 30 раз, а иногда и 200 раз.

 

Организация рискофирмы происходит по следующему механизму:

1) группа из нескольких человек, располагающих оригинальной идеей в области новой технологии или производства новой продукции, но не имеющих средства для организации производства, вступает в контракт с одним или несколькими инвесторами;

2) этот контракт осуществляется через посредника: руководителя малого предприятия;

3) далее, вступает руководитель рискофирмы. Он обеспечивает частичное финансирование из средств возглавляемого им предприятия и в то же время непосредственно руководит рядом направлений деятельности проекта, до момента, когда рискофирма передает ведение дел более мощной финансово-производственной группе.

Инновационный процесс охватывает многих участников и заинтересованных организаций. Прежде всего следует рассмотреть многообразие внутрифирменных организационных форм- от выделения особой роли участников инновационной деятельности внутри фирмы в лице персонала до создания специальных инновационных подразделений проектного управления.

В развитых корпоративных структурах их формирование происходит на двух уровнях: уровне простой организации, не включающей в свою структуру другие организации и уровне корпорации, включающем другие организации, которые управляются специальной холдинговой компанией. Все это приводит к созданию различных инновационных организационных форм.

Крупные и мелкие организации имеют разную инновационную активность, что соответствует их миссиям, целям и стратегиям. Поэтому корпорации создают вокруг себя сеть малых инновационных фирм, выращивая их руководителей в специальных «инкубаторных программах». Такие организации имеют форму «фирмы-инкубатора». Распространение новых сложных промышленных продуктов и технологий иногда происходит в организационной форме франчайзинга или лизинга. Реализация региональных научно-технических и социальных программ связана с организацией соответствующих объединений научных, промышленных и финансовых организаций; различного рода научно-промышленных центров.

В силу рискованности инновационных проектов возникают адекватные организационные формы инвесторов в виде «венчурных фондов» и инновационные формы создателей новаций – рисковых инновационных фирм.

Бригадное новаторство и временные трудовые коллективы (ВТК) – необходимый элемент организации инновационного процесса. В последнее время ВТК получили широкое распространение на практике в различных сферах (наука, производство, сфера обслуживания).

 

Планирование и прогнозирование при создании нового продукта

Объектами прогнозирования являются состав актуальных перспективных проблем, возможные пути и эффективность их решения, потенциальные сферы использования научных достижений, необходимое ресурсное обеспечение.

В современных условиях, динамично и непредсказуемо изменяется внешняя среда организации, поэтому прогнозирование инноваций становится жизненно необходимым. Именно оно позволяет организации не только увидеть свое будущее и наметить планы и цели, но и разработать программу действий по их достижению.

Наличие такой программы облегчает использование ресурсов организации и выбор наилучших средств для достижения цели, значительно снижает опасность, исходящую от внешней среды. Это положительно сказывается на результатах морально-психологического климата в организации, что также против отсутствия такой программы сопровождается колебаниями и отклонениями в развитии организации в нужном направлении.

Под прогнозом понимается научно обоснованное суждение о возможных состояниях организации и ее среды в будущем, об альтернативных путях и сроках его осуществления. Процесс разработки прогнозов называется – прогнозированием.

Прогнозирование является важным связующем звеном между теорией и практикой в жизни каждой организации. Оно имеет различные плоскости конкретизации: собственно предсказательную (дескриптивную, описательную) и другую сопряженную с ней, относящуюся к категориям управления.

Прогнозирование, в том числе экономическое соотносится с более широким понятием – предвидением, как опережающим отображением действительности, основанным на познании законов природы, общества, мышления.

К числу важнейших теоретических и практических проблем прогнозирования относится построение типологии прогнозов. Знание типов прогнозирования позволяет менеджерам при разработки того или иного прогноза определить необходимые методы его разработки - информационное, кадровое и техническое обеспечение создают условия для создания качественного прогноза.

Для прогнозирования инновационной деятельности организации используются различные типы прогнозов, где каждый имеет свои характерные признаки. К числу наиболее важных, относят: время упреждения или временной горизонт прогноза, масштаб прогнозирования, характер объекта, функции прогноза, а также возможность воздействия организации на свое будущее.

По времени упреждения, прогнозы делятся на оперативные, краткосрочные, среднесрочные и долгосрочные. Оперативный длится до 1 месяца, краткосрочный от месяца до года, среднесрочный от года до пяти лет, а долгосрочный от пяти до пятнадцати или двадцати лет.

При среднесрочном планировании выделяются 3 составные части: формулировка главных направлений и характеристика мер научно-технической политики; программа инвестиционных расходов; рекомендации по мерам и рычагам экономической политики.

По функциональному признаку прогнозы делятся на три типа:

- поисковый;

- нормативный;

- основанный на творческом видении.

Поисковый прогноз основан на условном продолжении в будущее тенденций развития исследуемого объекта в прошлом и настоящем, и отвлечении от условий, способных изменить эти тенденции (планы, программы и пр). Его задача – выяснить, как будет развиваться исследуемый объект при сохранении существующих тенденций. Прогноз опирается на имеющуюся информацию.

Поисковое прогнозирование может быть двух видов: экстраполятивное или традиционное и альтернативное, т.е. инновационное.

Нормативный прогноз в отличие от поискового, разрабатывается на базе заранее определенных целей, для достижения которых требуются соответствующие ресурсы и методы. Цели в данном случае рассматриваются, как ожидаемый результат, он должен быть получен организацией и становится ориентиром, на который должны быть направлены все усилия и ресурсы. Задача нормативного прогноза - определить пути и сроки достижения возможных состояний объекта прогнозирования в будущем принимаемых в качестве цели. В то время как поисковый прогноз отталкивается при определении будущего состояния объекта от его прошлого и настоящего, нормативный прогноз осуществляется в обратном порядке: от заданного состояния в будущем к существующим тенденциям и их измерениям в свете поставленной цели.

По масштабу прогнозирования выделяют:

- прогноз развития организации как системы в целом;

- прогноз развития отдельных производств;

- прогноз развития технологии;

- или сторон деятельности организации и ее внешней среды.

С точки зрения оценки возможных результатов и путей возможного развития прогнозы можно классифицировать по трем этапам:

- исследовательскому;

- программному;

- организационному.

Исследовательский прогноз – определение возможных результатов будущего развития организации и выбор из множества вариантов одного или нескольких положительных результатов.

Программный аспект прогноза – определение возможных путей достижения желаемых и необходимых результатов.

Организационная сторона прогноза – это комплекс организационно-технических мероприятий по достижению определенного результата по выбранному варианту.

При разработке прогнозов выделяют следующие этапы:

- предпрогнозная ориентация (определение целей, задач и др.);

- прогностический фон (сбор готовых данных по смежным непрофильным отраслям прогнозирования);

- создания исходной или базовой модели, т.е. системы показателей отображающих характер и структуру объекта;

- поисковая модель (проекция в будущее системы показателей исходной модели на дату упреждения по наблюдаемой тенденции с учетом факторов прогностического фона);

- нормативная модель для управляемых явлений (проекция в будущее в соответствии с заданным критерием);

- оценка степени достоверности и уточнении предварительных моделей с помощью контрольных методов (опрос экспертов);

- выработка рекомендаций для оптимизации принятия решений в планировании, управлении и т.д. на основе сопоставления прогностических моделей.

Следует учесть, что разработки прогнозов могут иметь несколько уровней, где наиболее характерными являются верхний и нижний, это позволяет учесть ряд факторов возникающих в последствии.

В сущности методы прогнозирования носят информационный и процедурный характер: метод прогнозной интер- и экстраполяции основаны на использовании опытно-статистических или опытно-теоретических данных о количественных характеристиках процессов развития. Аналитические методы оперируют главным образом качественными признаками и характеристиками. В тоже время существует необходимость выделения критериальных признаков: постановочных, информационных и объектовых.

Группа постановочных критериальных признаков характеризует тип прогноза и горизонт прогнозирования.

Группа информационных признаков выбора включает оценку наличия и полноты исходных имперических данных об объекте прогноза, его окружении, характере исходной и результирующей информации.

Группа объектовых признаков имеет две разновидности:

- характеристика развития объекта с точки зрения возможности целенаправленного воздействия из вне;

- морфология объекта.

Одной из особенностей прогнозирования научно-технического развития является то, что выбор приоритетных направлений развития науки и технологий базируется на реалистическом анализе и прогнозировании развития рынков и технологий.

Механизм управления инновационными процессами в области создания новой продукции должен учитывать возможность уменьшения неопределенности при выборе путей научно-технического развития.

Особое значение приобретает определение коммерческого риска при инвестициях в инновационную деятельность и методы его уменьшения. Потенциальный инвестор, финансирующий прикладные исследования и разработки, должен знать о степени коммерческого риска вложения средств на создание конкурентоспособной продукции.

Величина коммерческого риска в значительной мере зависит от фактической результативности научно-технических организаций при проведении прикладных НИР и ОКР. Известно, что фактическая результативность работы научно-технических организаций в целом по стране определяется величиной в пределах 30-50%, что можно выразить коэффициентом r=0,4.

В этой связи для потенциального инвестора имеет большой практический интерес возможность определить расчетным путем фактическую результативность работы какой-либо конкретной научно-технической организации.

Такой расчет производится по формуле:

I

r= å R+(H2-H1)r / åQi , (5.10)

i=1

 

где r – коэффициент фактической результативности работы научно-технической организации;

å R – суммарные затраты по законченным работам, принятым для освоения в серийном производстве;

H1- незавершенное производство на начало анализируемого периода времени;

H2- незавершенное производство на конец анализируемого периода времени;

Qi- фактические затраты на исследования и разработки за i-й год.

Выполнение расчетов по данной формуле базируется на решении уравнения с одним неизвестным и не требует дополнительных преобразований.

При прогнозировании коммерческого риска инвестора применен метод экстраполяции, в основу которого положено распределение полученных знаний фактической результативности работы научно-технических организаций из сферы их анализа на перспективу. Возможные изменения в тематике работы научно-технического потенциала организаций могут быть учтены путем экспертных оценок, что дает возможность уточнить результаты прогнозов. Метод экспертных оценок объединяет индивидуальные и коллективные оценки предвидения, когда используются мнения специалистов высокой квалификации, профессионального и практического опыта.

В сферу экспертных оценок при прогнозировании результативности работы научно-технических организаций целесообразно включить следующие вопросы:

- выявление конкурентоспособности разработанных образцов новой техники;

- соответствие полученных результатов от проводимых исследований и разработок поставленным целям;

- определение степени использования научно-технического потенциала.

По итогам экспертных оценок можно уточнить величину результативности работы конкретной научно-технической организации, прогнозируемой на перспективу методами экстраполяции.

В условиях, когда потенциальный инвестор располагает информацией о фактической результативности работы организации, в его задачу входит повышение конкурентоспособности новой продукции, для создания которой он должен профинансировать проведение исследований и разработок.

Затраты на инновационную деятельность составляют не более 1/3 расходов на исследования и разработки. Количество дополнительных работ по прикладным НИР и ОКР определяется по формуле:

m < 1-r/a+b,(5.11)

где m – количество дополнительных работ;

a – коэффициент затрат на разработку одного варианта аванпроекта;

b – коэффициент затрат на один вариант работ по эскизно-техническому проектированию.

Затраты у каждого предприятия или отрасли свои, но существует пороговые значения.

Известно, что на организацию широкомасштабного освоения производства новой продукции требуется инвестиций во много раз больше, чем на инновационную деятельность. Причем инвестор неизбежно пойдет на такого рода инвестиции, ибо он заинтересован, как можно быстрее выйти на рынок с конкурентоспособной продукцией.

Диапазон инвестируемых работ целесообразно ограничить рамками инновационной деятельности. На стадиях научно-технической разработки новой техники включается опытно-экспериментальные работы. Это связано с тем, что по окончании эскизно-технического проектирования появляются такие результаты, которые достаточно хорошо дают представление о конкурентоспособности новой продукции.

Поэтому необходимо оптимизировать цикл опытно-экспериментальных работ, так как это позволяет на ранней стадии проработать все возможные варианты удовлетворения потребностей потенциальных покупателей. В экспериментальную работу, прежде всего, входит проект содержащий базу нового продукта и проектная группа, используя технико-экономический инструментарий, прогнозирует возможность выхода товара с учетом особенностей инновационной рынка.

Методы прогнозирования объема продаж можно разделить на три основные группы:

- методы экспертных оценок;

- методы анализа и прогнозирования временных рядов;

- казуальные (причинно-следственные) методы.

Методы экспертных оценок основываются на субъективной оценке текущего момента и перспектив развития. Эти методы целесообразно использовать для конъюнктурных оценок, особенно в случаях, когда невозможно получить непосредственную информацию о каком-либо явлении или процессе.

Вторая и третья группы методов основаны на анализе количественных показателей, но они существенно отличаются друг от друга.

Методы анализа и прогнозированиядинамических рядов связаны с исследованием изолированных друг от друга показателей, каждый из которых состоит из двух элементов: из прогноза детерминированной компоненты и прогноза случайной компоненты. Разработка первого прогноза не представляет больших трудностей, если определена основная тенденция развития и возможна ее дальнейшая экстраполяция. Прогноз случайной компоненты сложнее, так как ее появление можно оценить лишь с некоторой вероятностью.

В основе казуальных методов лежит попытка найти факторы, определяющие поведение прогнозируемого показателя. Поиск этих факторов приводит собственно к экономико-математическому моделированию – построению модели поведения экономического объекта, учитывающей развитие взаимосвязанных явлений и процессов. Следует отметить, что применение многофакторного прогнозирования требует решения сложной проблемы выбора факторов, которая не может быть решена чисто статистическим путем, а связана с необходимостью глубокого изучения экономического содержания рассматриваемого явления или процесса. И здесь важно подчеркнуть примат экономического анализа перед чисто статистическими методами изучения процесса.

Каждая из рассмотренных групп методов обладает определенными достоинствами и недостатками. Их применение более эффективно в краткосрочном прогнозировании, так как они в определенной мере упрощают реальные процессы и не выходят за рамки представлений сегодняшнего дня. Следует обеспечивать одновременное использование количественных и качественных методов прогнозирования.

Прогнозы объема продаж с помощью экспертов могут быть получены в одной из трех форм:

1) точечного прогноза;

2) интервального прогноза;

3) прогноза распределения вероятностей.

Точечный прогноз объема продаж – это прогноз конкретной цифры. Он является наиболее простым из всех прогнозов, поскольку содержит наименьший объем информации. Как правило, заранее предполагается, что точечный прогноз может быть ошибочным, но методикой не предусмотрен расчет ошибки прогноза или вероятности точного прогноза. Поэтому на практике чаще применяются два других метода прогнозирования: интервальный и вероятностный.

Интервальный прогноз объема продаж предусматривает установление границ, внутри которых будет находиться прогнозируемое значение показателя с заданным уровнем значимости.

Прогноз распределения вероятностей связан с определением вероятности попадания фактического значения показателя в одну из нескольких групп с установленными интервалами.

Хотя при составлении прогноза существует определенная вероятность, что фактический объем продаж не попадет в указанный интервал, но прогнозисты верят, что она настолько мала, что может игнорироваться при планировании.

Интервалы, учитывающие низкий, средний и высокий уровень продаж, иногда называют пессимистичными, наиболее вероятными и оптимистическими. Конечно, распределение вероятностей может быть представлено большим количеством групп, но наиболее часто используются три указанных группы интервалов.

Для выявления общего мнения экспертов необходимо получить данные о прогнозных значениях от каждого эксперта, а затем произвести расчеты, используя систему взвешивания индивидуальных значений по какому-либо критерию. Известны четыре метода взвешивания различных мнений:

1) использование равных весов, если эксперты, как полагают исследователи, имеют одинаковые компетентности;

2) использование весов, пропорциональных степени “важности” экспертов, соответствующей их компетентности, известности в ученом мире, опыту в конкретной области деятельности и т.п.;

3) использование весов, пропорциональных самооценкам экспертов. Имеются свидетельства наличия прямой связи между уровнем самооценки компетентности экспертов и точностью экспертных оценок;

4) использование весов, пропорциональных относительной точности последних прогнозов конкретного эксперта.

Выбор метода остается за исследователем и зависит от конкретной ситуации. Ни один из них не может быть рекомендован для использования в любой ситуации.

Избежать проблемы взвешивания индивидуальных прогнозов экспертов и искажающего влияния отмеченных нежелательных факторов позволяет Дельфи-метод. Его основу составляет работа по сближению точек зрения экспертов. Всех экспертов знакомят с оценками и обоснованиями других экспертов и предоставляют возможность изменить свою оценку.

Вторая группа методов прогнозирования основана на анализе временных рядов.

Прогнозирование на основе анализа временных рядов предполагает, что происходившие изменения в объемах продаж могут быть использованы для определения этого показателя в последующие периоды времени. Временные ряды обычно служат для расчета четырех различных типов изменений в показателях: трендовых, сезонных, циклических и случайных.

Тренд– это изменение, определяющее общее направление развития, основную тенденцию временных рядов. Выявление основной тенденции развития (тренда) называется выравниванием временного ряда, а методы выявления основной тенденции – методами выравнивания.

Один из наиболее простых приемов обнаружения общей тенденции развития явления – укрупнение интервала динамического ряда. Смысл этого приема заключается в том, что первоначальный ряд динамики преобразуется и заменяется другим, уровни которого относятся к большим по продолжительности периодам времени.

Выявление основной тенденции может быть осуществлено также методом скользящей средней. Для определения скользящей средней формируются укрупненные интервалы, состоящие из одинакового числа уровней. Каждый последующий интервал получаем, постепенно передвигаясь от начального уровня динамического ряда на одно значение. По сформированным укрупненным данным рассчитываем скользящие средние, которые относятся к середине укрупненного интервала.

Изучение основной тенденции развития методом скользящей средней является эмпирическим приемом предварительного анализа. Для того чтобы дать количественную модель изменений динамического ряда, используется метод аналитического выравнивания. В этом случае фактические уровни ряда заменяются теоретическими, рассчитанными по определенной кривой, отражающей общую тенденцию изменения показателей во времени. Таким образом, уровни динамического ряда рассматриваются как функция времени:

(5.12)

 

NB

 

Наиболее часто могут использоваться следующие функции:

1) при равномерном развитии – линейная функция: ;

2) при росте с ускорением:

a) парабола второго порядка: ;

b) кубическая парабола: ;

3) при постоянных темпах роста – показательная функция: ;

4) при снижении с замедлением – гиперболическая функция: .

Однако аналитическое выравнивание содержит в себе ряд условностей: развитие явлений обусловлено не только тем, сколько времени прошло с отправного момента, а и тем, какие силы влияли на развитие, в каком направлении и с какой интенсивностью. Развитие явлений во времени выступает как внешнее выражение этих сил.

Оценки параметров находятся методом наименьших квадратов, сущность которого состоит в отыскании таких параметров, при которых сумма квадратов отклонений расчетных значений уровней, вычисленных по искомой формуле, от их фактических значений была бы минимальной.

Для сглаживания экономических временных рядов нецелесообразно использовать функции, содержащие большое количество параметров, так как полученные таким образом уравнения тренда (особенно при малом числе наблюдений) будут отражать случайные колебания, а не основную тенденцию развития явления.

Подбор вида функции, описывающей тренд, параметры которой определяются методом наименьших квадратов, производится в большинстве случаев эмпирически, путем построения ряда функций и сравнения их между собой по величине среднеквадратической ошибки.

Разность между фактическими значениями ряда динамики и его выровненными значениями характеризует случайные колебания (иногда их называют остаточные колебания или статистические помехи). В некоторых случаях последние сочетают тренд, циклические колебания и сезонные колебания.

При прогнозировании тем или иным методом очень важно учитывать сезонные колебания.

Сезонные колебания – повторяющиеся из года в год изменения показателя в определенные промежутки времени. Наблюдая их в течение нескольких лет для каждого месяца (или квартала), можно вычислить соответствующие средние, или медианы, которые принимаются за характеристики сезонных колебаний.

В самой простой форме индекс сезонности рассчитывается как отношение среднего уровня за соответствующий месяц к общему среднему значению показателя за год (в процентах). Все другие известные методы расчета сезонности различаются по способу расчета выровненной средней. Чаще всего используются либо скользящая средняя, либо аналитическая модель проявления сезонных колебаний.

Большинство методов предполагает использование компьютера. Относительно простым методом расчета индекса сезонности является метод центрированной скользящей средней.

Другим методом расчета индексов сезонности, часто используемым в различного рода экономических исследованиях, является метод сезонной корректировки, известный в компьютерных программах как метод переписи (Census Method II). Он является своего рода модификацией метода скользящих средних. Специальная компьютерная программа элиминирует трендовую и циклическую компоненты, используя целый комплекс скользящих средних. Кроме того, из средних сезонных индексов удалены и случайные колебания, поскольку под контролем находятся крайние значения признаков.

Расчет индексов сезонности является первым этапом в составлении прогноза. Обычно этот расчет проводится вместе с оценкой тренда и случайных колебаний и позволяет корректировать прогнозные значения показателей, полученных по тренду. При этом необходимо учитывать, что сезонные компоненты могут быть аддитивными и мультипликативными.

 

NB

 

Колебания, отражающие конъюнктурные циклы перехода от более или менее благоприятной рыночной ситуации к кризису, депрессии, оживлению и снова к благоприятной ситуации, называются циклическими колебаниями. Существуют различные классификации циклов, их последовательности и продолжительности. Например, выделяются двадцатилетние циклы, обусловленные сдвигами в воспроизводственной структуре сферы производства; циклы Джанглера (7 – 10 лет), проявляющиеся как итог взаимодействия денежно-кредитных факторов; циклы Катчина (3 – 5 лет), обусловленные динамикой оборачиваемости запасов; частные хозяйственные циклы (от 1 до 12 лет), обусловленные колебаниями инвестиционной активности.

Методика выявления цикличности заключается в следующем. Отбираются рыночные показатели, проявляющие наибольшие колебания, и строятся их динамические ряды за возможно более продолжительный срок. В каждом из них исключается тренд, а также сезонные колебания. Остаточные ряды, отражающие только конъюнктурные или чисто случайные колебания, стандартизируются, т.е. приводятся к одному знаменателю. Затем рассчитываются коэффициенты корреляции, характеризующие взаимосвязь показателей. Многомерные связи разбиваются на однородные кластерные группы. Нанесенные на график кластерные оценки должны показать последовательность изменения основных рыночных процессов и их движение по фазам конъюнктурных циклов.

Казуальные методы прогнозирования объема продаж включают разработку и использование прогнозных моделей, в которых изменения в уровне продаж являются результатом изменения одной и более переменных.

Казуальные методы прогнозирования требуют определения факторных признаков, оценки их изменений и установления зависимости между ними и объемом продаж. Из всех казуальных методов прогнозирования рассмотрим только те, которые с наибольшим эффектом могут быть использованы для прогнозирования объема продаж. К таким методам относятся:

1) корреляционно-регрессионный анализ;

2) метод ведущих индикаторов;

3) метод обследования намерений потребителей и др.

К числу наиболее широко используемых казуальных методов относится корреляционно-регрессионный анализ. Техника этого анализа достаточно подробно рассмотрена во всех статистических справочниках и учебниках. Рассмотрим лишь возможности этого метода применительно к прогнозированию объема продаж.

Может быть построена регрессионная модель, в которой в качестве факторных признаков могут быть выбраны такие переменные, как уровень доходов потребителей, цены на продукты конкурентов, расходы на рекламу и др. Уравнение множественной регрессии имеет вид:

 

 

(5.13)

где Y – прогнозируемый (результативный) показатель; в данном случае – объем продаж;

– факторы (независимые переменные); в данном случае – уровень доходов потребителей, цены на продукты конкурентов и т.д.;

n – количество независимых переменных;

– свободный член уравнения регрессии;

– коэффициенты регрессии, измеряющие отклонение результативного признака от его средней величины при отклонении факторного признака на единицу его измерения.

 

Последовательность разработки регрессионной модели для прогнозирования объема продаж включает следующие этапы:

1) предварительный отбор независимых факторов, которые по убеждению исследователя определяют объем продаж. Эти факторы должны быть либо известны (например, при прогнозировании объема продаж цветных телевизоров (результативный показатель) в качестве факторного признака может выступать число цветных телевизоров, находящихся в эксплуатации в настоящее время); либо легко определяемы (например, соотношение цены на исследуемый продукт фирмы с ценами конкурентов);

2) сбор данных по независимым переменным. При этом строится временной ряд по каждому фактору либо собираются данные по некоторой совокупности (например, совокупности предприятий). Другими словами, необходимо, чтобы каждая независимая переменная была представлена 20 и более наблюдениями;

3) определение связи между каждой независимой переменной и результативным признаком. В принципе, связь между признаками должна быть линейной, в противном случае производят линеаризацию уравнения путем замены или преобразования величины факторного признака;

4) проведение регрессионного анализа, т.е. расчет уравнения и коэффициентов регрессии, и проверка их значимости;

5) повтор этапов 1 – 4 до тех пор, пока не будет получена удовлетворительная модель. В качестве критерия удовлетворительности модели может служить ее способность воспроизводить фактические данные с заданной степенью точности;

6) сравнение роли различных факторов в формировании моделируемого показателя. Для сравнения можно рассчитать частные коэффициенты эластичности, которые показывают, на сколько процентов в среднем изменится объем продаж при изменении фактора Xj на один процент при фиксированном положении других факторов. Коэффициент эластичности определяется по формуле

(5.14)

где bj – коэффициент регрессии при j-м факторе.

 

 

NB

 

Регрессионные модели могут использоваться при прогнозировании спроса на потребительские товары и средства производства. В результате проведения корреляционно-регрессионного анализа объема продаж напитка “Тархун” была получена модель:

где Yt+1 – прогнозируемый объем продаж в месяце (t+1);

At – затраты на рекламу в текущем месяце t;

Yt – объем продаж в текущем месяце t.

Возможна следующая интерпретация уравнения многофакторной регрессии: величина объема продаж напитка в среднем увеличивалась на 2,021 тыс. дал, при увеличении затрат на рекламу на 1 руб. объем продаж в среднем увеличивался на 0,743 тыс. дал., при увеличении объема продаж предыдущего месяца на 1 тыс. дал объем продаж в последующем месяце увеличивался на 0,856 тыс. дал.

Ведущие индикаторы– это показатели, изменяющиеся в том же направлении, что и исследуемый показатель, но опережающие его во времени. Например, изменение уровня жизни населения влечет за собой изменение спроса на отдельные товары, а следовательно, изучая динамику показателей уровня жизни, можно сделать выводы о возможном изменении спроса на эти товары. Известно, что в развитых странах по мере увеличения доходов возрастают потребности в услугах, а в развивающихся странах – в товарах длительного пользования.

Метод ведущих индикаторов чаще используется для прогнозирования изменений в бизнесе в целом, чем для прогнозирования объема продаж отдельных компаний. Хотя нельзя отрицать, что уровень объема продаж большинства компаний зависит от общей рыночной ситуации, сложившейся в регионах и стране в целом. Поэтому перед прогнозированием собственного объема продаж фирмам часто бывает необходимо оценить общий уровень экономической активности в регионе.