12/22/2009
1
PRINCIPI PREDVI
Đ
ANJA
Tuesday, December 22, 2009
Uvod
†
Menadžeri prvo treba da “provere”
predvi
đ
anje kada ga dobiju, preko principa
koji obezbe
đ
uju da je sve korektno ura
đ
eno.
d
f
l
†
Principi se odnose na formulisanje
problema, pribavljanje potrebnih
informacija, izbor metode predvi
đ
anja,
tume
č
enje rezultata.
†
U nastavku je predstavljeno 139 principa
koji sublimiraju saznanja o predvi
đ
anju.
Formulisanje problema
1.
Postavljanje ciljeva
Definiši ciljeve u zavisnosti od situacije, zatim razmotri
koje odluke su u vezi sa dostizanjem tih ciljeva.
Napomene u ovom poglavlju mogu da pomognu prilikom
odlu
č
ivanja da li je vredno da se koriste formalne
procedure predvi
đ
anja.
procedure predvi
đ
anja.
1.
Objasni odluke (poslovne) koje
ć
e zavisiti od predvi
đ
anja.
2.
Pre predvi
đ
anja sagledati akcije koje
ć
e se preduzimati u
zavisnosti od rezultata predvi
đ
anja.
3.
Uveriti se da je predvi
đ
anje nezavisno od politike.
4.
Razmotriti da li doga
đ
aj ili podatke uopšte vredi
podvrgnuti predvi
đ
anju.
5.
Sklopiti ugovor u kojem se naru
č
ioc posla slaže sa
izabranom metodom predvi
đ
anja opisanom u ugovoru.
Formulisanje problema
2.
Strukturiranje problema
Problem je potrebno strukturirati tako da analiti
č
ar
može efektivno koristiti znanje kako bi rezultati
istraživanja – predvi
đ
anja bili korisni.
1
Id
tifik
ti
ć
lt t
št
č
1.
Identifikovati mogu
ć
e rezultate pre nego što se zapo
č
ne
predvi
đ
anje.
2.
Odrediti koje vrste/tipovi podataka
ć
e biti koriš
ć
eni u
predvi
đ
anju.
3.
Izvršiti dekompoziciju problema na delove.
4.
Dekomponovati vremenske serije prema uzro
č
nim
faktorima (silama).
5.
Strukturirati probleme kako bi bili u skladu sa uzro
č
nim
varijablama.
6.
Strukturirati probleme kako bi sadržavali uzro
č
ne lance.
7.
Dekomponovati vremenske serije prema nivou i trendu.
Pribavljanje informacija
3.
Identifikovanje izvora informacija
Identifikovati podatke koji mogu biti od koristi u
procesu predvi
đ
anja. Potrebna je kreativnost radi
pronalaženja alternativnih vrsta podataka.
1
K i titi t
ij ilik
t
j i f
ij
1.
Koristiti teoriju prilikom traganja za informacijama
vezane za opsne (ekplanatorne) varijable.
2.
Obezbediti da se podaci poklapaju sa aktuelnom
situacijom u predvi
đ
anju.
3.
Izbegavati pristrasne izvore podataka.
4.
Koristit razli
č
ite izvore podataka.
5.
Obezbediti podatke iz sli
č
nih serija ili slu
č
ajeva.
Pribavljanje informacija
4.
Prikupljanje podataka
Jednom kada je utvr
đ
en izvor, potrebno je prikupiti
pouzdane, relevatne i ta
č
ne podatke
1.
Koristiti nepristrasne i sistemati
č
ne procedure
p
p
prikupljanja podataka
2.
Obezbediti da su informacije pouzdane i greška
merenja prihvatljiva (niska).
3.
Uveriti se da su informacije validne.
4.
Obezbediti sve važne podatke.
5.
Izbegavati prikupljanje nebitnih podataka.
6.
Obezbediti najsvežije podatke.
12/22/2009
2
Pribavljanje informacija
5.
Priprema podataka
Potrebno je pripremiti podatke za postupak
predvi
đ
anja.
1.
Pro
č
istiti podatke.
p
2.
Koristiti transformacije ako je potrebno.
3.
Prilagoditi podatke iz vremenskih serija.
4.
Prilagoditi nesistemati
č
ne prošle doga
đ
aje.
5.
Podesiti sistemati
č
ne doga
đ
aje.
6.
Izbaciti sezonske faktore zbog nepouzdanosti.
7.
Koristiti samo pouzdane szonske faktore.
8.
Koristiti grafi
č
ku prezentaciju podataka.
Primena metoda predvi
đ
anja
6.
Izbor metode predvi
đ
anja
Potrebno je opredeliti se za najpogodniji metod predvi
đ
anja.
Može se o
č
ekivati da je u isto vreme nekoliko metoda pogodno
za vršenje predvi
đ
anja.
1
Navesti sve važne kriterijume prilikom selekcije metode predvi
đ
anja
1.
Navesti sve važne kriterijume prilikom selekcije metode predvi
đ
anja.
2.
Zatražiti od nepristrasnih eksperata da rangiraju potencijalne
metode predvi
đ
anja.
3.
Koristiti strukturirane pre nego li nestrukturirane metode
predvi
đ
anja.
4.
Koristiti kvantitativne pre nego li kvalitativne metode.
5.
Koristi uzro
č
ne (kauzalne) modele pe nego naivne modele ako je to
mogu
ć
e.
6.
Koristiti jednostavne modele osim ako empirijski dokazi ne ukazuju
na potrebu koriš
ć
enja kompleksnih metoda.
7.
Prilagoditi metod predvi
đ
anja situaciji.
8.
Uporediti nekoliko metoda predvi
đ
anja za sli
č
ne primere.
9.
Proceniti prihvatljivost i razumljivost metode korisniku.
10.
Istražiti vrednost alternativnih metoda predvi
đ
anja.
Primena metoda predvi
đ
anja
7.
Implementiranje metode – uopšteno
Neki opšti principi važe kod primene bilo koje metode
1.
Zadržati metod predvi
đ
anja jednostavnim.
2.
Metod predvi
đ
anja treba da obezbedi realisti
č
nu
2.
Metod predvi
đ
anja treba da obezbedi realisti
č
nu
reprezentaciju situacije.
3.
Zadržati kontervativnosti u situacijama visoke
nesigurnosti i nestabilnosti.
4.
Ne treba predvi
đ
ati ciklusne podatke.
5.
Prilagoditi se doga
đ
ajima koji se o
č
ekuju u
budu
ć
nosti.
6.
..
7.
..
Primena metoda predvi
đ
anja
8.
Implementiranje metoda subjektivne procene
Osnovno prailo je da postavite pravo pitanje pravim
ljudima u pravo vreme.
1.
Preispitati pitanja koja
ć
e biti koriš
ć
ena za subjektivnu
procenu.
2.
Formulisati pitanja na razli
č
ite na
č
ine.
3.
Tražiti od eksperata da opravdaju svoj stav u pisanoj
formi.
4.
Ponudite numeri
č
ke skale sa nekoliko kategorija
odgovora pripremljenih za eksperte.
5.
Angažujte eksperte iz razli
č
itih oblasti.
6.
Pribavite namere ili o
č
ekivanja na osnovu
reprezentativnih uzoraka
7.
Pribavite predvi
đ
anje dovoljno širokog uzorka.
8.
Zatražite više puta predvi
đ
anje od istih eksperata.
Primena metoda predvi
đ
anja
9.
Implementiranje kvantitativnih
metoda
1.
Prilagodite model predvi
đ
anja vremenskom
horizontu
horizontu.
2.
Prilagodite model odgovaraj
ć
em fenomenu koji
se obra
đ
uje.
3.
Ne koristiti “fit”-ovanje istorijskih podataka
prilikom razvijanja modela.
4.
Procenjujte najvažnije podatke najkriti
č
nije.
5.
Č
esto ažurirajte model.
Primena metoda predvi
đ
anja
†
Implementiranje metoda: Kvantitativni modeli sa opisnim
varijablama
Opisni ili kauzalni modeli mogu da pokažu kako politike
(razli
č
itih cena, promotivnih kampanja ili novi zakoni) uti
č
u
na predvi
đ
anje. Primarne metode za analzu politika jesu
†
The primary methods for policy analysis are judgmental
bootstrapping, conjoint analysis, expert systems, and
econometric methods. Use a policy variable in the model
when (1) there is a strong causal relationship, (2) it is
possible to estimate the relationship, (3) the policy
variable will change substantially over the forecast horizon,
and (4) it is possible to accurately forecast (or control)
changes in the policy variable. Condition 4 can be omitted
if one is developing contingency plans; even if one cannot
forecast the changes, it would be useful to forecast what
would happen
if
a variable changed.
