Kvantitatív módszerek Előrejelzés - Forecasting Készítette: Dr. Csizmadia Tibor csizi@gtk.uni-pannon.hu http://vision.vein.hu/~kzst/oktatas/km/index.htm 10. 1

Az előadás felépítése Előrejelzés alapfogalmai Előrejelzési módszerek Előrejelzés - példák 2

Előrejelzés - alapfogalmak Mottó: egy biztos – minden bizonytalan Az előrejelzés a jövőbeni események megjósolásának tudománya és művészete Miért tudomány? Miért művészet? 3

Az előrejelzés időhorizontja szerint 1. Rövidtávú előrejelzés: max. 1 évig tart, de általában nem hosszabb 3 hónapnál. (operatív szint) Beszerzés ütemezés Szabadság tervezés Beszállítói keretszerződések 2. Középtávú előrejelzés: ált. 3 hónap és 3 év közötti időhorizontot ölel át (taktikai szint) Termeléstervezés Költségvetés tervezése Értékesítés tervezése 4

Az előrejelzés időhorizontja szerint 3. Hosszú távú előrejelzés: ált. 3 év, vagy annál hosszabb időhorizont (stratégiai szint) Új termék tervezése K + F tervezése Tőkeráfordítás tervezése Rövid távú előrejelzés sokkal pontosabb, mint a másik kettő. 5

Az előrejelzés típusai alkalmazási terület szerint Gazdasági előrejelzés: pl. gazdasági növekedés, infláció Műszaki előrejelzés A műszaki fejlődés rátájával foglalkozik Milyen új technikák, módszerek, eljárások várhatóak Igényelőrejelzés A szervezet produktuma iránti igény előrejelzését jelenti Ez irányítja a vállalat tevékenységeit (pl. HE tervezés, beszerzés, termelés, kapacitástervezés) 6

Az előrejelzés típusai irányultság szerint Külső: a környezetre vonatkozik, több a kevésbé befolyásolható tényező. pl. infláció Belső: a vállalat belső jellemzőire vonatkozik, több a befolyásolható elem. pl. gépek életkora 7

Az előrejelzés stratégiai fontossága Ez az egyetlen becsült igény, amely a vállalat tevékenységét alapvetően meghatározza mindaddig, amíg a tényleges igény ismertté nem válik. Ez az előrevetített igény jelenti a döntések alapját sok vállalati területen. pl. Emberi erőforrás (bérlés, képzés, elbocsátás) Kapacitás: alacsony kapacitás kielégítetlen keresletet, míg a túlzott kapacitás túlzott költségterhet okoz. 8

Előrejelzési módszerek Kvantitatív Oksági Bemenet – kimenet (eladás – vásárlás) Ekonometrikus (matematikai modellel történő leírás) Box – Jenkins (MÁ és a feltételes valószínűség kombinációja) Automata előrejelzés Multiplikatív Exponenciális Mozgó átlag 9

Előrejelzési módszerek Kvalitatív Életciklus elemzés Delphi Történelmi analógia Szakértői vélemény Marketing teszt 10

Kvantitatív előrejelzés Matematikai modellek Matematikai összefüggések Okozati összefüggések (ha, akkor) Múltbeli adatok Általában rövidebb távú előrejelzésekre 11

Kvalitatív előrejelzés Döntéshozó intuíciója Személyes tapasztalat Értékrendszer Szakmai ítélőképesség Általában hosszabb távú előrejelzésekre Stratégiai döntések megalapozására 12

Előrejelzés megbízhatósága Átlagos abszolút eltérés: MAD Előrejelzés hibájának futó összege: RSFE Követő Jel: TS 13

Idősoros előrejelzés 14

Egyszerű átlag 15

Egyszerű mozgó átlag Állandó trend esetén 16

Egyszerű mozgó átlag Mottó: egy biztos – minden bizonytalan Változó trend esetén Mottó: egy biztos – minden bizonytalan Az előrejelzés a jövőbeni események megjósolásának tudománya és művészete Miért tudomány? Miért művészet? 17

Súlyozott mozgó átlag Adatok: Aug. 95 Szept. 100 Okt. 110 Nov. ? Előrejelzés Súlyok: Időszak Jelen -1 -2 Súly 3 2 1 18

Exponenciális illesztés Új előrejelzés = elmúlt időszaki előrejelzés + α * (utolsó periódus aktuális igénye – utolsó időszakra vonatkozó előrejelzés) α: illesztési konstans (általában 0,05<α<0,5) Ha α kicsi: a múlt adatai nagyobb súllyal szerepelnek Ha α nagy: inkább a jelen adatain van a hangsúly Ha nincs , akkor az első „n” érték átlagát vesszük, ahol n=2/α - 1 19

Összehasonlítás Mottó: egy biztos – minden bizonytalan Az előrejelzés a jövőbeni események megjósolásának tudománya és művészete Miért tudomány? Miért művészet? 20

Idősor extrapolációja 21

Idősor extrapolációja – vigyázat! A jó illeszkedés nem minden, hogyan folytatódik? A természetes összefüggés? 22

Idősor minták Véletlen Nincs minta Trend Lineáris (alapértelmezett) és nemlineáris Szezonális ingadozás Ismétlődés állandó intervallumokban Ciklikus A gazdaság hosszú távú alakulása 23

Idősor minták Trend A vizsgált paraméter értéke Szezonális ingadozás Véletlen ingadozás Szezonális ingadozás 24

Függvényillesztés 25

Előrejelzési rendszer 9 lépése Előrejelzés céljainak definiálása Előre jelezni kívánt ‘paraméter’ kiválasztása Időhorizont megválasztása (rövid, közép, hosszú) Az alkalmazott módszer kiválasztása Adatgyűjtés Validálás (a választott módszer alkalmasságának ellenőrzése) Előrejelzés végrehajtása Eredmények felhasználása (implementálás) Összevetés: előrejelzés hibájának vizsgálata 26

Az előrejelzés tényezői az idő függvényében Időhorizont Tényező Rövid Közép Hosszú Gyakoriság leggyakoribb ritkább Legritkább Halmaz termékegyed termékcsalád Teljes kihozatal Modell típus MÁ, EXP, SMÁ Trend kvalitatív Vezető bevo-násának foka kicsi közepes nagy Költség alacsony magas 27

Döntési szempontok az előrejelzés lehetséges változatai közül való választás során Múltbeli adatok elérhetősége - módszer Költségek – módszer bonyolultsága Előrejelzés időhorizontja Adatok változékonysága és konzisztenciája – összefüggések, változások Mely életszakaszban van a termék – eltérő előrejelzési módszer szükséges 28

A jó előrejelzés Jól időzített Pontos Megbízható Jelentős egységeknél legyen Írásban rögzített Könnyen érthető, könnyen használható technikájú 29

Előrejelzés - példa V VI VII VIII IX X XI 70,0 68,5 64,8 71,7 71,3 Tanácsadócég bevételei (ezer EUR): Mekkora a novemberi várható bevétel, és milyen az előrejelzés pontossága? Használt módszerek: exponenciális illesztés (α=0,3), SMÁ (3-2-1) V VI VII VIII IX X XI 70,0 68,5 64,8 71,7 71,3 72,8 ? 30

Előrejelzés - példa Üdítőitalt értékesítünk többek között egy kiskereskedésben. Az elmúlt időszakban az alábbi eladási darabszámot regisztráltuk (db karton): Mekkora lesz a várható értékesítés 2009-ben? Használt módszer: Lineáris függvényillesztés 2001 2002 2003 2004 2005 2006 2007 2008 2009 2100 2000 2700 2500 2600 3000 2900 ? 31

10.