Современные технологии прогнозирования в бизнесе



В современном бизнесе актуальным становится изучение технологий прогнозирования, которые могут повысить точность принятия решений, учитывая изменения внешней среды и потребности клиентов. Среди таких технологий можно выделить анализ больших данных, машинное обучение и искусственный интеллект, которые автоматизируют процесс прогнозирования и обеспечивают более точные результаты. Прогнозирование позволяет бизнесу эффективно планировать деятельность, определять стратегию развития и выявлять потенциальные риски и возможности.

Ключевые слова: прогнозирование, планирование, ИТ, бизнес-процессы, ИИ, искусственный интеллект.

In contemporary business, it is becoming relevant to study forecasting technologies that can improve the accuracy of decision-making, taking into account changes in the external environment and customer needs. Such technologies include big data analysis, machine learning and artificial intelligence, which automate the forecasting process and provide more accurate results. Forecasting allows a business to effectively plan its activities, determine its development strategy and identify potential risks and opportunities.

Keywords: forecasting, planning, OT, business processes, AI, artificial intelligence.

На региональном уровне в современном бизнесе активно применяются различные технологии прогнозирования. Прогнозирование является важным инструментом для принятия решений и определения стратегии развития бизнеса. Однако, в силу сложности бизнес-среды, традиционные методы прогнозирования могут быть недостаточно эффективными.

В статье раскрыта тема прогнозирования в бизнесе. Методическую основу настоящей работы составили: сравнительный анализ, научные труды и периодические издания в области управления сотрудниками, обобщение

Бизнес-прогнозирование является процессом, основанным на статистических данных и информации о прошлых событиях, направленным на определение вероятности будущих событий [4]. Каждый прогноз строится на различных наборах данных и результатов, и выбор метода прогнозирования зависит от конкретных потребностей в предсказании будущего состояния бизнеса. Следовательно, прогнозирование включает использование набора инструментов и процедур для оценки будущего развития различных аспектов бизнеса, таких как продажи, расходы, прибыль и убытки.

Прогнозирование является существенным элементом управления предпринимательской деятельностью, основанным на анализе данных, полученных из внутренних и внешних источников. Цель прогнозирования заключается в обеспечении компании информацией для принятия обоснованных операционных и финансовых решений, основанных на оценке текущих рыночных условий и прогнозах будущих тенденций. Анализ прошлых данных позволяет выявить закономерности и использовать их для формулирования прогнозов на будущее [5]. Таким образом, прогнозирование способствует переходу предприятия от реактивного к проактивному подходу (рис. 1)

Рис. 1. Реактивный и проактивный подходы в управлении

Применение прогнозирования в современных условиях может значительно способствовать успешности предприятия, обеспечивая конкурентные преимущества через использование трех ключевых аспектов.

1. Поддержка в постановке целей и планировании.

С использованием доступных данных о текущих и прошлых показателях, прогнозирование способствует установлению реалистичных и достижимых целей компаний. Анализируя статистические данные, фирмы могут точно определить, какой уровень изменений, развития или прогресса будет считаться успешным [11]. Ясные цели позволяют организациям отслеживать свой прогресс и вносить корректировки в бизнес-процедуры по мере необходимости. Системы, такие как CRM, предоставляют инструменты для визуального прогнозирования, что позволяет оценить технологии, такие как воронка продаж и потенциальные возможности.

2. Помощь в составлении бюджета.

Анализ потенциальных тенденций и изменений позволяет организациям принимать обоснованные решения относительно распределения бюджета и направления внимания на конкретные предложения. Эти предложения могут включать продукты, услуги или внутренние операции, такие как найм сотрудников и корректировка стратегии. Согласно Инвестипедии, бюджетирование определяет количественные ожидаемые доходы бизнеса в будущем периоде, в то время как финансовое прогнозирование предсказывает сумму дохода или прибыли, которая будет достигнута в будущем [3]. Другими словами, понимание текущих бизнес-функций, а также прогнозирование будущих тенденций и объединение этой информации с соответствующими знаниями позволяет улучшить распределение бюджета и прогнозирование результатов [7].

3. Улучшение процесса принятия решений.

Прогнозирование предоставляет организациям возможность более глубокого понимания своих возможностей и угроз, а также предсказывать результаты различных стратегий и действий. На основе этих данных компании могут принимать обоснованные решения относительно необходимых шагов для достижения успеха в будущем [10].

Прогнозирование позволяет компаниям быть проактивными, а не реактивными, что особенно важно для адаптации к изменчивому рынку и оптимизации использования ресурсов в сравнении с конкурентами [2]. Если прогнозируются тенденции, которые могут повлиять на отрасль, или данные указывают на изменение поведения клиентов, предвидение будущих событий может помочь организациям подготовиться заранее и оперативно реагировать на новые вызовы и возможности. В этом случае эффективное прогнозирование обеспечивает компаниям значительное преимущество, позволяя им предпринимать проактивные меры для достижения успеха в будущем.

Существует несколько различных подходов к прогнозированию, каждый из которых имеет уникальные цели и намерения.

1. Прогнозирование спроса: данный подход направлен на помощь компаниям в планировании производства и оптимизации запасов товаров, учитывая колебания потребительского спроса [9]. Анализ данных о предыдущих продажах и рыночных тенденциях позволяет оценить будущий спрос на продукцию или услуги.
2. Финансовое прогнозирование: этот вид прогнозированияуется для определения доходов и расходов в будущем, что помогает компаниям планировать финансовое будущее, определять бюджет и сокращать издержки. Финансовое прогнозирование также может быть использовано для оценки финансовой устойчивости компании [8].
3. Прогнозирование рыночных тенденций: данный подход помогает компаниям оценить состояние экономики, выявить угрозы и возможности на рынке, а также принять соответствующие меры. Прогнозирование рыночных тенденций может включать анализ данных о предыдущих изменениях на рынке и прогнозирование будущих тенденций.
4. Прогнозирование производственных мощностей: данный подходу используется для определения необходимых производственных мощностей и планирования производственного процесса компании [7]. Анализ данных о прошлом производственном процессе и потребностях в товарах позволяет оценить необходимые мощности для удовлетворения спроса на продукцию.
5. Прогнозирование технологического развития: данный подход помогает компаниям определить направления развития технологий и инноваций, которые могут повлиять на отрасль и конкурентоспособность компании в долгосрочной перспективе.

Каждый из этих методов прогнозирования имеет свою цель и может быть полезен для успешного функционирования бизнеса.

В сфере бизнеса применяются разнообразные методы прогнозирования. В данной статье рассмотрены некоторые из наиболее распространенных традиционных методов.

1) Метод экспертных оценок, основывается на использовании знаний и опыта экспертов для прогнозирования событий и создания прогнозов. Для этого необходимо собрать группу экспертов в конкретной области, провести оценку возможных событий и их последствий. Результаты экспертных оценок могут быть использованы для планирования действий [3]. Однако, результаты могут быть ненадежными, если выборка экспертов не является представительной или если эксперты ошибаются в своих оценках. Кроме того, проведение экспертных оценок может потребовать значительных затрат времени и ресурсов.

2) Метод моделирования используется для создания математических моделей и компьютерных симуляций для прогнозирования будущих событий и исходов. Процесс моделирования начинается с сбора данных о прошлых событиях, трендах и изменениях. Затем данные обрабатываются для создания математических моделей, которые могут быть использованы для прогнозирования будущих событий [2]. Преимущества метода моделирования в прогнозировании заключаются в учете большого количества факторов и сложностей. Однако, создание точной модели может быть сложным из-за комплексности и многообразия факторов.

3) Метод экстраполяции, основывается на использовании статистических моделей для предсказания будущих значений на основе уже известных данных. Для этого анализируются исторические данные, определяется общий тренд используется для прогнозирования будущих значений [10]. Однако, метод экстраполяции имеет ограничения и не всегда может давать точные прогнозы, особенно если имеющиеся данные недостаточно репрезентативны или происходят неожиданные изменения в бизнес-среде.

4) Смешанный метод прогнозирования, объединяет преимущества различных методов прогнозирования в одной модели. Это позволяет учесть большее количество факторов и улучшить точность прогнозов. Для создания смешанного метода используются алгоритмы машинного обучения и статистические модели, которые автоматически выбирают наиболее эффективный метод на основе имеющихся данных.

Существует множество инструментов, которые используются для автоматизации методов прогнозирования в бизнесе (табл. 1).

Таблица 1

Инструменты, которые используются для автоматизации методов прогнозирования в бизнесе

Метод прогнозирования	Инструменты прогнозирования
Экспертные оценки	1. Опросники. Это может быть как стандартный опросник на бумажном носителе, так и онлайн-анкета. Опросник обычно содержит вопросы, на которые эксперты должны ответить с помощью шкалы значений, например, от 1 до 10. 2. Метод Дельфи. Это метод коллективной экспертизы, при котором группа экспертов вырабатывает общее мнение путем серии раундов голосования и обсуждения. 3. Групповое моделирование. Это метод, который позволяет группе экспертов работать вместе над решением проблемы или оценкой вероятности. Это может быть визуальное моделирование, мозговой штурм или другие техники групповой работы. 4. Метод анализа иерархий (АИ). Это метод, который позволяет экспертам оценить относительную значимость различных факторов и принять обоснованные решения. АИ основан на том, что эксперты оценивают каждый фактор по отдельности, а затем сравнивают их между собой. 5. Искусственный интеллект (ИИ). С помощью ИИ можно автоматически анализировать большие объемы данных и выделять важные факторы. Это может помочь ускорить процесс принятия решений и повысить точность экспертных оценок.
Моделирование	1. Языки программирования. Для создания математических и компьютерных моделей часто используются языки программирования, такие как Python, R, MATLAB, SAS, SPSS и др. 2. Специализированные программные продукты. Существует множество программных продуктов, которые предназначены для создания и анализа моделей, например, Arena, AnyLogic, Simulink, GAMS и др. 3. Эксель. Электронные таблицы, такие как Microsoft Excel, часто используются для создания простых моделей и расчетов. Программа позволяет использовать классический статистический инструмент — линию тренда (экспоненциальную, линейную, логарифмическую, полиномиальную, степенную), наиболее популярную при анализе динамики финансовых рынков. Можно также использовать для прогнозирования специальную функцию ПРЕДСКАЗ.ETS (FORECAST.ETS), которая, помимо предсказания, позволяет получить еще и привязки низкои и высокой вероятности при заданном доверительном интервале. 4. Бизнес-аналитика. Инструменты бизнес-аналитики, такие как Tableau и Power BI, могут использоваться для визуализации данных и обнаружения трендов и закономерностей, которые могут быть использованы в моделировании. 5. Нейронные сети (Neural Networks) — это математическая модель, которая имитирует работу человеческого мозга. В бизнесе нейронные сети могут использоваться для прогнозирования временных рядов (например, продаж), классификации объектов и многих других задач. 6. Оптимизация, такие как линейное программирование и динамическое программирование, используются для поиска оптимального решения на основе моделей. 7. Алгоритмы кластеризации (Clustering Algorithms) — это методы, которые позволяют группировать данные по определенным признакам. В бизнесе алгоритмы кластеризации могут использоваться для анализа клиентской базы и определения групп потребителей с общими характеристиками.
Моделирование	Системы управления ресурсами предприятия (Enterprise Resource Planning, ERP) — это программные системы, которые объединяют в себе данные и процессы предприятия. В бизнесе системы ERP могут использоваться для автоматизации прогнозирования объемов продаж, планирования производства, управления запасами и т. д.
Экстраполяция	1. Электронные таблицы. Простейшим инструментом для экстраполяции данных может быть Microsoft Excel или другая электронная таблица, позволяющая использовать функции регрессии, трендовых линий и других методов для прогнозирования значений. 2. Статистические пакеты. Существуют специализированные статистические пакеты, такие как R, SAS, SPSS и др., которые позволяют проводить сложные анализы данных и прогнозирование будущих значений. 3. Машинное обучение. Методы машинного обучения, такие как линейная регрессия, случайный лес, нейронные сети и др., могут использоваться для прогнозирования значений на основе имеющихся данных и определения зависимостей между переменными. Данный инструмент позволяет компьютерной программе «обучаться» на основе данных и строить прогнозы. В бизнесе машинное обучение может использоваться для прогнозирования спроса на продукцию, определения профиля клиента и его потребностей, анализа рыночных тенденций и т. д. 4. Бизнес-аналитика. Инструменты бизнес-аналитики, такие как Tableau и Power BI, могут использоваться для визуализации данных и обнаружения трендов и закономерностей, которые могут быть использованы в экстраполяции. 5. Искусственный интеллект (ИИ). Искусственный интеллект может быть использован для анализа больших объемов данных и выделения важных факторов, что помогает ускорить процесс экстраполяции и повысить точность результатов.

[Составлено авторами]

Тренд на современные технологии внедряется также со стороны государства. В прошлом году все запланированные показатели национальной цели были превышены. Например, уровень достижения цифровой зрелости составил 65,8 %, что превышает запланированный показатель на 56,2 %. Доля массовых социально значимых услуг в электронном виде составила 99,97 % (план: 65 %), а доля домохозяйств с широкополосным доступом к Интернету составила 86,1 % (план: 80 %). Объем инвестиций в отечественные IT-решения составил 521,9 млрд рублей, что превышает запланированный уровень увеличения в 157,4 % (план: 156 %) [14].

Заместитель Председателя Правительства РФ Дмитрий Чернышенко отметил, что уровень цифровой зрелости является комплексным показателем, учитывающим число специалистов в IT-сфере, использование технологий и объемы инвестиций в цифровые решения. Он также подчеркнул, что этот показатель свидетельствует о успешной адаптации цифровой экономики к новым условиям и эффективном взаимодействии государства и бизнеса. Такое опережение планов, по мнению представителей как органов власти, так и непосредственно IT-компаний, стало возможным в том числе благодаря существенному расширению видов и объемов государственной поддержки IT-отрасли в прошлом году.

Таким образом, для успешного введения бизнеса в прогнозировании важно использовать как традиционные методы, такие как качественное и количественное прогнозирование, так и более инновационные методы, такие как прогнозирование на основе машинного обучения и искусственного интеллекта. Компании могут использовать различные методы в зависимости от целей и доступных данных. Бизнес-прогнозирование является важным инструментом для принятия обоснованных решений и достижения успеха в будущем.

Литература:

1. Анализ и прогнозирование рынка: учебник для вузов / А. Н. Асаул, М. А. Асаул, В. Н. Старинский, Г. Ф. Щербина; под редакцией А. Н. Асаула. — 2-е изд., доп. — Москва: Издательство Юрайт, 2023. — 296 с. — (Высшее образование). — ISBN 978–5–534–15179–4. — URL: https://urait.ru/bcode/520260
2. Антохонова, И. В. Методы прогнозирования социально-экономических процессов: учебное пособие для вузов / И. В. Антохонова. — 2-е изд., испр. и доп. — Москва: Издательство Юрайт, 2023. — 213 с. — (Высшее образование). — ISBN 978–5–534–04096–8. — URL: https://urait.ru/bcode/514787
3. Белов, П. Г. Управление рисками, системный анализ и моделирование в 3 ч. Часть 1: учебник и практикум для вузов / П. Г. Белов. — Москва: Издательство Юрайт, 2023. — 211 с. — (Высшее образование). — ISBN 978–5–534–02606–1. — URL: https://urait.ru/bcode/512634
4. Белов, П. Г. Управление рисками, системный анализ и моделирование в 3 ч. Часть 2: учебник и практикум для среднего профессионального образования / П. Г. Белов. — Москва: Издательство Юрайт, 2023. — 250 с. — (Профессиональное образование). — ISBN 978–5–534–11408–9. — URL: https://urait.ru/bcode/518393
5. Белов, П. Г. Управление рисками, системный анализ и моделирование в 3 ч. Часть 2: учебник и практикум для вузов / П. Г. Белов. — Москва: Издательство Юрайт, 2023. — 250 с. — (Высшее образование). — ISBN 978–5–534–02608–5. — URL: https://urait.ru/bcode/512635
6. Белов, П. Г. Управление рисками, системный анализ и моделирование в 3 ч. Часть 3: учебник и практикум для среднего профессионального образования / П. Г. Белов. — Москва: Издательство Юрайт, 2023. — 272 с. — (Профессиональное образование). — ISBN 978–5–534–11409–6. — URL: https://urait.ru/bcode/518394
7. Вейнберг, Р. Р. Прогнозирование экономических показателей с помощью прикладных технологий обработки данных // Вестник РЭА им. Г. В. Плеханова. 2021. № 1 (115). URL: https://cyberleninka.ru/article/n/prognozirovanie-ekonomicheskih-pokazateley-s-pomoschyu-prikladnyh-tehnologiy-obrabotki-dannyh (дата обращения: 11.07.2023).
8. Невская, Н. А. Макроэкономическое планирование и прогнозирование в 2 ч. Часть 2: учебник и практикум для вузов / Н. А. Невская. — 2-е изд., испр. — Москва: Издательство Юрайт, 2023. — 236 с. — (Высшее образование). — ISBN 978–5–534–02362–6. — URL: https://urait.ru/bcode/514406
9. Олейникова А. А. Существующие методы планирования на региональном уровне // Стратегия устойчивого развития регионов России. 2013. № 14. URL: https://cyberleninka.ru/article/n/suschestvuyuschie-metody-planirovaniya-na-regionalnom-urovne (дата обращения: 11.07.2023).
10. Политический анализ и прогнозирование: учебник для вузов / под общей редакцией В. А. Семенова. — 2-е изд. — Москва: Издательство Юрайт, 2023. — 433 с. — (Высшее образование). — ISBN 978–5–534–12707–2. — URL: https://urait.ru/bcode/516024
11. Светуньков, И. С. Методы социально-экономического прогнозирования в 2 т. Т. 1 теория и методология: учебник и практикум для вузов / И. С. Светуньков, С. Г. Светуньков. — Москва: Издательство Юрайт, 2023. — 351 с. — (Высшее образование). — ISBN 978–5–534–02801–0. — URL: https://urait.ru/bcode/511232
12. Стегний, В. Н. Прогнозирование и планирование: учебник для вузов / В. Н. Стегний, Г. А. Тимофеева. — Москва: Издательство Юрайт, 2023. — 210 с. — (Высшее образование). — ISBN 978–5–534–14403–1. — URL: https://urait.ru/bcode/519713
13. Суропов, Б. М. Характеристика компьютерных программ в области анализа, прогнозирования и планирования деятельности предприятия // Вестник науки и образования. 2021. № 5–2 (108). URL: https://cyberleninka.ru/article/n/harakteristika-kompyuternyh-programm-v-oblasti-analiza-prognozirovaniya-i-planirovaniya-deyatelnosti-predpriyatiya (дата обращения: 11.07.2023).
14. Шувалова, М. Цифровая трансформация в России: итоги 2022 года и планы на 2023 год. 2023. URL: https://www.garant.ru/article/1605871/?ysclid=ljmffuilam623131767 (дата обращения: 11.07.2023).