تنبؤ

يلعب التنبؤ دورا محوريا في عمليات الاداره الحديثة. والمساعدة الهامة والضرورية للتخطيط والتخطيط هي العمود الفقري للعمليات الفعالة. وقد فشل العديد من المنظمات بسبب الافتقار إلى التنبؤ أو التنبؤ الخاطئ الذي استند اليه التخطيط.

على سبيل المثال، كيرتس-رايت واحدة من الشركات المصنعة للطائرات الرئيسية—علي قدم المساواة مع دوغلاس وبوينغ مجتمعه في 1945—قررت ان تضع أموالها في محرك مكبس محسنه بدلا من الطائرات.

أداره كيرتس-رايت لم توقع بدقه السوق للطائرات التالي فشلت. وبشكل أدق يمكن التنبؤ بالظروف المستقبلية، والأفضل والأكثر صوتا هي الخطط وارتفاع احتمال نجاح هذه الخطط.

ويشدد لونس ا. البن علي اهميه التنبؤ: "ان المحاولة المنهجية لتحقيق المستقبل بالاستدلال من الحقائق المعروفة تساعد علي دمج جميع التخطيط الإداري بحيث يمكن وضع خطط شامله موحده يمكن ان توضع فيها خطط الأقسام والإدارات. فهي تمكن الشركة من تخصيص مواردها بأكبر قدر من الضمان للربح علي المدى الطويل. ومن خلال المساعدة علي تحديد أنماط الطلب في المستقبل، فانه يسهل تطوير منتجات جديده."

التنبؤ يعني ان اجراء تحليل مفصل للمستقبل والتخطيط هو مستحيل دون التنبؤ بالمستقبل بأكبر قدر ممكن من الدقة أو وضع افتراضات ذكية حول هذا الأمر.[4]

وقد يكون التنبؤ شكلا من اشكال الحكم المتعمد والمدروس استنادا إلى المشاعر والآراء والخبرات، ستكون هذه الاحكام، في أحسن الظن، تخمينات متعلمه. ويمكن ان يستند أيضا إلى دراسة وتحليل رشيدين للبيانات ذات الصلة، وتعرف هذه العملية باسم "التنبؤ العلمي". سيعتمد علي تحليل للاحداث الماضية والظروف الراهنة بغيه استخلاص استنتاجات ونتائج بشان الاحداث المقبلة.

سيكون للظروف الاقتصادية للبلد وكذلك للاقتصاد العالمي تاثير كبير علي عمليات المنظمة. وتشمل العناصر الضرورية لهذه التنبؤات التنبؤات المتعلقة بالناتج القومي الإجمالي والناتج المحلي الإجمالي، وقوه العملة، والتوسع الصناعي، وسوق العمل، ومعدل التضخم، ومعدل الفوائد، وميزان المدفوعات وما إلى ذلك.

الاتجات الاقتصادية الصحية تساعد في نمو الشركة. مثلا، الهبوط اقتصاديه من 1929-1930 يضع كثير شركات من عمل. ومن شان المعرفة بالاتجات الاقتصادية ان تساعد الاداره في وضع خطط لتنظيمها كاستجابة فعاله لهذه الاتجاهات.

وتتنبا هذه التنبؤات بالتطورات التكنولوجية الجديدة التي قد تغير عمليات المنظمة. على سبيل المثال، وظهور الترانزستور وضع أنبوب فراغ تماما من الاعمال التجارية.

عصر آلات الحاسبة الكترونيه محا تماما السوق لقواعد الشريحة. منظمه عدوانيه تحافظ علي ما يصل إلى التاريخ مع التطور التكنولوجي الجديد وتعتمد بسهوله أساليب جديده لتحسين الأداء.

ومن الضروري أيضا التنبؤ بالاستراتيجيات التي سيستخدمها منافسوك للحصول علي مكاسب في الحصة السوقية، ربما علي حساب حصتك في السوق.

قد يكون المنافس يخطط لاستخدام استراتيجية سوق مختلفه للمنتج أو لإخراج بديل للمنتج الذي يمكن ان يكون أرخص ومقبوله بسهوله من قبل المستهلكين.[5]

وتنطوي هذه التوقعات علي التنبؤ بالتغيرات في أذواق المستهلكين ومطالبهم ومواقفهم. وقد إنشا المستهلكون بالفعل اتجاها للراحة والراحة والمنتجات التي هي سهله الاستخدام والاداره. قد تتغير الأمور المتعلقة بالذوق والتفضيل علي مدي فتره من الزمن.

فعلى سبيل المثال، كان الاتجاه في السبعينات هو شراء السيارات الاقتصادية الصغيرة. في 1990 ، والاتجاه هو العودة إلى الترف والراحة. وفي حين ان هذه الاتجات تعتمد جزئيا علي الاتجات الاقتصادية العامة فانها تعتمد أيضا علي أذواق المستهلكين.

فعلى سبيل المثال، تتغير اتجات الأزياء والملابس النسائية كل عام تقريبا. [نهرو] دثار، جدا شعبيه ال [1960 س] في يسمع من اليوم. وبناء علي ذلك، فان الاتجات الاجتماعية في مجال السلع الاستهلاكية هي جوانب هامه للتنبؤ.

وتستخدم التنبؤات كاستراتيجية علي نطاق واسع اليوم، وبعض هذه التوقعات، وخاصه تلك التنبؤات القصيرة الأجل، يمكن التعويل عليها إلى حد ما. بعض التوقعات، وذلك باستخدام الأساليب العلمية أو الاستعمالات يمكن ان تكون بدقه إلى حد ما.

تعتبر تقنيات التنبؤ النوعي ذاتية، بناءً على رأي المستهلكين والخبراء وحكمهم. تكون مناسبة عندما تكون البيانات السابقة غير متوفرة. وعادة ما يتم تطبيقها على قرارات متوسطة أو طويلة المدى. من أمثلة أساليب التنبؤ النوعية الرأي المستقل والحكم، وطريقة دلفي ، وبحوث السوق، وقياس دورة الحياة التاريخية.

تستخدم نماذج التنبؤ الكمي للتنبؤ بالبيانات المستقبلية كدالة للبيانات السابقة. وهي مناسبة للاستخدام عندما تكون البيانات الرقمية السابقة متاحة وعندما يكون من المعقول الافتراض بأن بعض الأنماط في البيانات من المتوقع أن تستمر في المستقبل. يتم تطبيق هذه الطرق عادة على القرارات ذات المدى القصير أو المتوسط. ومن أمثلة أساليب التنبؤ الكميّة آخر فترة طلب، ومتوسطات متحركة بسيطة ومتوازنة في الفترة N ، وتمهيد أسّي بسيط، وتنبؤ قائم على نموذج عملية بواسون ومؤشرات موسمية تكاثرية. يظهر بحث سابق أن الطرق المختلفة قد تؤدي إلى مستوى مختلف من دقة التنبؤ. على سبيل المثال، وجد أن الشبكة العصبية في GMDH لها أداء تنبؤي أفضل من خوارزميات التنبؤ الكلاسيكية مثل السلالة الأسية الوحيدة، الألفي المزدوج السلس، ARIMA والشبكة العصبية للانتشار الخلفي.[6]

في هذا النهج، تساوي التنبؤات بجميع القيم المستقبلية متوسط البيانات السابقة. يمكن استخدام هذا الأسلوب مع أي نوع من البيانات التي تتوفر بها البيانات السابقة.

يمكن أيضًا استخدام المقاربة المتوسطة للبيانات المقطعية (عندما نتنبأ بقيم غير ملحوظة ؛ قيمًا غير مضمنة في مجموعة البيانات). ومن ثم، فإن التنبؤ بالقيم غير المرصودة هو متوسط القيم المرصودة.

تعتبر التنبؤات ساذجة نموذج التنبؤ الأكثر فعالية من حيث التكلفة، وتوفر معيارًا يمكن من خلاله مقارنة النماذج الأكثر تطوراً. طريقة التنبؤ هذه مناسبة فقط لبيانات السلاسل الزمنية. باستخدام النهج الساذج، يتم إنتاج التوقعات التي تساوي آخر قيمة ملاحظتها. تعمل هذه الطريقة بشكل جيد للسلسلة الزمنية الاقتصادية والمالية، والتي غالباً ما تحتوي على أنماط يصعب التنبؤ بها بدقة ودقة. إذا كان يعتقد أن السلسلة الزمنية لها موسمية، فقد يكون النهج الساذج الموسمي أكثر ملاءمة عندما تكون التوقعات مساوية للقيمة من الموسم الماضي.

هناك تباين في الطريقة الساذجة هو السماح للتوقعات بزيادة أو نقصان بمرور الوقت، حيث يتم تعيين مقدار التغيير بمرور الوقت (يسمى الانجراف) ليكون متوسط التغيير في البيانات التاريخية.

هذا يعادل رسم خط بين الملاحظة الأولى والأخيرة، واستقراءها في المستقبل.

حسابات الأسلوب الساذج الموسمي الموسمية من خلال تحديد كل التنبؤ ليكون مساويا لقيمة الملاحظة في نفس الموسم. على سبيل المثال، ستكون قيمة التوقع لجميع الأشهر اللاحقة من أبريل مساوية للقيمة السابقة التي تمت ملاحظتها في أبريل.

تعد الطريقة الساذجة الموسمية مفيدة بشكل خاص للبيانات التي تتمتع بمستوى مرتفع جدًا من الموسمية.

تستخدم أساليب السلاسل الزمنية البيانات التاريخية كأساس لتقدير النتائج المستقبلية.

• نقل المتوسط
• المتوسط المتحرك الموزون
• تصفية كالمان
• تجانس الأسي
• متوسط متحرك ذاتي الحركة
• متوسط متحرك متكامل ذاتي الحركة
• استقراء
• التنبؤ الخطي
• تقدير الاتجاه (توقع المتغير كدالة خطية أو متعددة الحدود للوقت)
• منحنى النمو (إحصاءات)

تحاول بعض طرق التنبؤ تحديد العوامل الأساسية التي قد تؤثر على المتغير الجاري التنبؤ به. على سبيل المثال، قد يؤدي تضمين المعلومات حول أنماط المناخ إلى تحسين قدرة نموذج للتنبؤ بالمبيعات الشاملة. غالبًا ما تأخذ نماذج التنبؤ في الحسبان الاختلافات الموسمية المنتظمة. بالإضافة إلى المناخ، يمكن أن تكون هذه الاختلافات أيضًا بسبب الأعياد والعادات: على سبيل المثال، قد يتنبأ المرء أن مبيعات ملابس كرة القدم في الكلية ستكون أعلى خلال موسم كرة القدم مما كانت عليه خلال موسم الخروج.

العديد من الطرق غير الرسمية المستخدمة في التنبؤ السببي لا تعتمد فقط على مخرجات الخوارزميات الرياضية، ولكن بدلاً من ذلك استخدم حكم المذيعين. تأخذ بعض التوقعات في الاعتبار العلاقات السابقة بين المتغيرات: إذا كان أحد المتغيرات، على سبيل المثال، مرتبطًا خطيًا بآخر لفترة زمنية طويلة، فقد يكون من المناسب استقراء مثل هذه العلاقة في المستقبل، دون فهم أسباب ذلك بالضرورة.

تشمل الطرق السببية ما يلي:

• يتضمن تحليل الانحدار مجموعة كبيرة من الطرق للتنبؤ بالقيم المستقبلية للمتغير باستخدام معلومات حول المتغيرات الأخرى. تتضمن هذه الطرق كلا من تقنيات خطية أو غير خطية وتقنيات غير بارامترية.
• معدل متحرك ذاتي تلقائي مع مدخلات خارجية.

غالبًا ما يتم الحكم على نماذج التوقع الكمي مقابل بعضها البعض من خلال مقارنة الخطأ المربعي في العينة أو خارج العينة، على الرغم من أن بعض الباحثين قد نصحوا بعدم وجود هذا الخطأ. تتميز طرق التنبؤ المختلفة بمستويات مختلفة من الدقة.

تتضمن طرق التنبؤ التحكيمية أحكامًا بديهية وآراء وتقديرات احتمالية ذاتية. يستخدم التنبؤ القضائي في الحالات التي يكون فيها نقص في البيانات التاريخية أو خلال ظروف السوق الجديدة والفريدة تماما.

الأساليب القضائية تشمل:

• توقعات مركبة
• طريقة كوك
• طريقة دلفي
• التنبؤ عن طريق القياس
• بناء السيناريو
  
• استطلاعات إحصائية
• التنبؤ بالتكنولوجيا

• الشبكات العصبية الاصطناعية
• طريقة المجموعة لمعالجة البيانات
• دعم ناقلات الآلات

غالبا ما يتم ذلك اليوم من خلال برامج متخصصة وصفت بشكل فضفاض

• بيانات التعدين
• تعلم الآلة
• التعرف على الأنماط

أساليب أخرى

• محاكاة
• سوق التنبؤ
• التنبؤ الاحتمالي والتنبؤ بالمجموعة

عند تقييم جودة التوقعات، يكون من غير الصائب النظر إلى مدى ملاءمة نموذج ما للبيانات التاريخية ؛ لا يمكن تحديد دقة التوقعات إلا من خلال النظر في مدى جودة أداء النموذج على البيانات الجديدة التي لم يتم استخدامها عند ملائمة النموذج. عند اختيار النماذج، من الشائع استخدام جزء من البيانات المتاحة للتركيب، واستخدام بقية البيانات لاختبار النموذج، كما تم في الأمثلة السابقة.[8]

يعد التحقق من الصحة المتقاطعة إصدارًا أكثر تعقيدًا من تدريب مجموعة اختبار.

بالنسبة لبيانات المقطع العرضي، يعمل أحد الأساليب للتدقيق التبادلي على النحو التالي:

1. حدد الملاحظة i لمجموعة الاختبار، واستخدم الملاحظات المتبقية في مجموعة التدريب. حساب الخطأ على مراقبة الاختبار.
2. كرر الخطوة أعلاه لـ i = 1,2،...، N حيث N هو العدد الإجمالي للملاحظات.
3. احسب مقاييس دقة التنبؤ استناداً إلى الأخطاء التي تم الحصول عليها.

وهذا يجعل الاستخدام الفعال للبيانات المتاحة، حيث يتم حذف ملاحظة واحدة فقط في كل خطوة.

بالنسبة لبيانات السلاسل الزمنية، يمكن أن تتضمن مجموعة التدريب فقط الملاحظات السابقة لمجموعة الاختبار. لذلك لا يمكن استخدام الملاحظات المستقبلية في بناء التوقعات. لنفترض أن هناك حاجة إلى رصد k لإعطاء توقعات موثوقة ؛ ثم العملية تعمل على النحو التالي:

1. بدءاً من i = 1 ، حدد رمز k + i لمجموعة الاختبار، واستخدم الملاحظات في أوقات 1 ، 2 ،... ، k + i – 1 لتقدير نموذج التنبؤ. حساب الخطأ على التوقع لـ k + i.
2. كرر الخطوة أعلاه لـ i = 2، ...، T – k حيث T هو العدد الإجمالي للملاحظات.
3. احسب دقة التنبؤ على جميع الأخطاء.

يُعرف هذا الإجراء أحيانًا باسم "أصل التوقع المتداول" نظرًا لأن "الأصل" (k + i -1) الذي يستند فيه التنبؤ إلى الأمام في الوقت المناسب. علاوة على ذلك، يمكن حساب التنبؤات بخطوتين أو بشكل عام في الخطوات المستقبلية المتقدمة من خلال التنبؤ بالقيمة مباشرة بعد مجموعة التدريب، ثم استخدام هذه القيمة مع قيم مجموعة التدريب للتنبؤ بفترتين قبل ذلك، وما إلى ذلك.

أنظر أيضا إلى:

• حساب دقة توقعات الطلب
• توقعات الإجماع
• خطأ توقعات
• القدرة على التنبؤ
• فترات التنبؤ، على غرار فترات الثقة
• تنبؤ الطبقة المرجعية

الموسمية هي سمة من سمات السلسلة الزمنية التي تشهد فيها البيانات تغييرات منتظمة ويمكن التنبؤ بها والتي تتكرر كل سنة تقويمية. يمكن اعتبار أي تغيير أو نمط يمكن التنبؤ به في سلسلة زمنية يتكرر أو يتكرر خلال فترة عام واحد موسميًا. ومن الشائع في كثير من الحالات - مثل متجر البقالة أو حتى في مكتب الطبيب الشرعي - أن يعتمد الطلب على يوم الأسبوع. في مثل هذه الحالات، تحسب عملية التنبؤ المؤشر الموسمي "للموسم" - سبعة مواسم، واحد لكل يوم - وهي نسبة لمتوسط الطلب في هذا الموسم (والذي يتم حسابه من خلال المتوسط المتحرك أو التدرج الأسي باستخدام البيانات التاريخية المقابلة فقط لهذا الموسم) لمتوسط الطلب في جميع الفصول. يشير الرقم القياسي الأعلى من 1 إلى أن الطلب أعلى من المتوسط ؛ مؤشر أقل من 1 يشير إلى أن الطلب أقل من المتوسط.[9]

يحدث السلوك الدوري للبيانات عندما تكون هناك تقلبات منتظمة في البيانات التي تستمر عادة لفترة زمنية لا تقل عن سنتين، وعندما لا يمكن تحديد طول الدورة الحالية سلفاً. لا ينبغي الخلط بين السلوك الدوري والسلوك الموسمي. تتبع التقلبات الموسمية نمطًا متناسقًا كل عام حتى تكون الفترة معروفة دائمًا. على سبيل المثال، خلال فترة عيد الميلاد، تميل مخازن المخازن إلى الزيادة من أجل التحضير للمتسوقين في عيد الميلاد. وكمثال على السلوك الدوري، فإن سكان نظام بيئي طبيعي معين سيعرض سلوكاً دورياً عندما ينخفض عدد السكان مع انخفاض مصدر الغذاء الطبيعي، وبمجرد انخفاض عدد السكان، سيتعافى مصدر الغذاء وسيبدأ السكان في الزيادة مرة أخرى. لا يمكن حساب البيانات الدورية باستخدام التسوية الموسمية العادية لأنها ليست من فترة ثابتة.[9]