O metodach prognozowania napisano już wiele książek. W krótkim, blogowym artykule siłą rzeczy nie można opisać wszystkich. Dlatego też więcej niż samymi metodami zajmę się podejściem do prognozowania.

Na początek klika prawd związanych z prognozowaniem. Siedem przykazań prognozowania. Należy mieć je w świadomości kiedy „zabieramy się” za prognozowanie. Nie wszyscy o tym pamiętają, a mają one kolosalny wpływ na jakość prognozy i to co potem się dzieje w organizacji.

Po pierwsze – „lepiej mieć coś niż nic” – błędne prognozy są lepsze niż ich kompletny brak.

Po drugie – „ucz się na błędach” – każda kolejna prognoza jest lepsza od poprzedniej. Po warunkiem, że wyciągamy wnioski z popełnionych błędów i w ogóle analizujemy wykonanie prognozy.

Po trzecie – „prognoza jest zwierciadłem wiedzy” – wiedzy organizacji (a raczej osób tworzących prognozę) na temat czynników, które wpływają na dany biznes czy też proces. Jeżeli nie wiemy jakie czynniki maja wpływ na proces, prognoza już na samym początku będzie obarczona błędem.

Po czwarte – „nie komplikuj, proste jest piękne” – zastosowanie wielu technik sprawia że prognoza jest bardziej poprawna metodycznie ale niekoniecznie będzie bardziej trafna.

Po piąte – „mniej znaczy więcej” – bardziej trafne są prognozy oparte na niewielu założeniach za to lepiej oddających biznes.

Po szóste – „wyniki prognozy zależą od ich autora” te same dane analizowane przez różne osoby przyniosą różne wnioski.

Po siódme – „analizuj wykonanie planów” – analiza planów powstałych na bazie prognoz pozwala na bieżąco analizować stan oceny i odchylenia. W konsekwencji tego można na bieżąco wprowadzać działania korygujące.

Jak widać z powyższego stosowanie prognozowania w organizacji jest procesem, a jedna prognoza „wiosny” nie czyni. Ważne, że jeśli już decydujemy się na podpieraniu się w naszych decyzjach i działania prognozowaniem był to proces trwały i podlegający refleksji.

W prognozowaniu bada się relacje pomiędzy badanym zjawiskiem a czynnikami mającymi na nie wpływ. Czynniki mogą być zewnętrzne – tj. takie na które nie mamy wpływu swoimi decyzjami i wewnętrzne na której jak najbardziej możemy i powinniśmy wpływać.

Istnieje kilkadziesiąt metod prognozowania. W większości są to techniki matematyczne i statystyczne. Jednak moje doświadczenie podpowiada mi, że nie można w prognozach opierać się wyłącznie na liczbach. Dużo lepsze rezultaty daje skonfrontowanie ich z wiedzą ekspercką i subiektywnymi ocenami różnych osób. Prognostom niezwykle rzadko udaje się dokładnie trafić. Zawsze mogą wystąpić pewne rozbieżności. Dlatego też niezwykle ważne jest określenie akceptowalnego odchylenia prognozy, wtedy końcowym wynikiem prognozowania jest przedział, w jakim będzie się mieściła prognozowana wartość. Oczywiście nawet to się nie zawsze udaje. Kluczowym elementem w prognozie jest pokazanie kierunku zmian. Trudno jest wprowadzić działania korygujące kiedy coś maleje kiedy miało rosnąć.

Wybór, metody czy też szerzej metodologii prognozowania jakiej należy użyć, zależy od kilku czynników:

1. Wymagany stopień dokładności  – jeżeli decyzje, które mają być podjęte na podstawie prognozowania sprzedaży mają wysokie ryzyko z nimi związane, to jest zrozumiale , że prognoza powinna być przygotowana jak najdokładniej.
2. Dostępność danych i informacji – na niektórych rynkach jest bogactwo dostępnych informacji, w innych trudno jest znaleźć wiarygodne dane !
3. Horyzont czasowy. Czy mamy dokonać prognozowania sprzedaży w najbliższych tygodniach, czy też próbujemy przewidzieć, co stanie się na rynku w ciągu najbliższych kilku lat ?
4. Pozycja produktów w ich cyklu życia. Na przykład w przypadku produktów na wczesnym etapie cyklu życia produktu, użyjemy innej metody niż w przypadku produktów na dojrzałych.

Najczęściej stosowaną metodą jest analizowanie i prognozowanie szeregów czasowych – w tej metodzie próbujemy zdefiniować trend zmian w badanym szeregu czasowym oraz ekstrapolować (odnieść) w przyszłość. Szukamy prawidłowości występujących w przeszłości aby znaleźć odpowiednią funkcję na ich opisanie. Potrzebujemy odpowiednią ilość obserwacji w regularnych odstępach czasowych. Niezbędnym wymaganiem przy analizie trendu jest to, aby wartości w kolejnych okresach między sobą znacząco od siebie nie odbiegały. Linia trendu to inaczej mówiąc linia najlepszego dopasowania, której suma wszystkich odchyleń od rzeczywistych wartości obserwacji jest jak najmniejsza. Linia trendu przybiera zwykle kształt funkcji liniowej. W przypadku, gdy występują znaczące okresowe odchylenia lepiej posłużyć się alternatywnymi metodami wyznaczania linii trendu. W innym przypadku może dojść do zbyt dużych przekłamań lub wprost do zniekształcenia rzeczywistego rozkładu badanej zmiennej. Najczęściej stosowaną metodą analiz trendu jest wykorzystywanie średnich ruchomych, które wygładzają szereg czasowy poprzez uśrednianie wartości z kilku obserwacji. W ten sposób zmniejszane są wahania skrajne i łatwiej jest wychwycić tendencję zmian. W przypadku bardziej złożonych prognoz trendu wzbogaca się dane o dynamikę rozwojową, analizowanie poziomu odchyleń sezonowych i przypadkowych. W ten sposób powstają tak zwane adaptacyjne modele trendu. Do ich wyliczeń oprócz średniej ruchomej stosowane są np. techniki wygładzenia wykładniczego usuwającego szumy czy też metoda trendu pełzającego z wagami harmonicznymi.

Kolejna metoda to technika wskaźników wyprzedzających wykorzystująca do prognozowania zachowanie zmiennych, u których stwierdzono, że poprzedzają one zmiany w zjawisku prognozowanym. Prosty przykład: ilość ciąż, a potem urodzeń ma wpływ na sprzedaż pieluch w kolejnych miesiącach, a w kolejnych latach na popyt usługi edukacyjne od przedszkola po studia.

Następną dużą grupą są modele ekonometryczne. Modele liniowe i nie liniowe, dynamiczne i statyczne, jednorównaniowe i wielorównaniowe. Wybór zależy od zachowania badanego zjawiska. Szukamy takiego modelu, który będzie jak najlepiej dopasowany do rzeczywistych obserwacji. Na każde równanie ekonometryczne składa się zmienna objaśniana (zależna) oraz zmienne objaśniające uzupełnione przez składnik losowy. Przed przystąpieniem do prognozowania wybiera się najpierw zmienne do analizy, estymuje się ich parametry (np. metodą najmniejszych kwadratów), a następnie weryfikuje się ich istotność. Celem modelu ekonometrycznego jest ocena wpływy badanych zmiennych objaśniających na zmienne prognozowane (tj. objaśniane). Niezbędnym elementem do wykonania tego zadania jest posiadanie dobrych szacunków dotyczących zmiennych objaśniających. Musimy również przyjąć kilka założeń. Po pierwsze, że zależność między badanymi zmiennymi (objaśnianymi i objaśniającymi) są stałe w czasie, a przynajmniej w okresie prognozowanym. Po drugie, że na dynamikę badanego zjawiska mają decydujący wpływ głównie zmiany ilościowe zmiennych objaśniających. Po trzecie, że występuje stałość rozkładu składnika losowego w czasie.

I na koniec najciekawsze dla mnie a przynajmniej najciekawsze z punku widzenia niedoceniania ich możliwości zastosowania – Prognozowanie analogowe (lub inaczej przez analogię) i prognozowanie indukcyjne. W przypadku prognozowania analogowego przypadku przewidujemy zachowanie jednej zmiennej poprzez wykorzystanie dostępnych danych dla innej zmiennej. Można prognozować sprzedaż nowego produktu B poprzez wykorzystanie danych o sprzedaży produktu A z tej samej kategorii. Oczywiście uwzględniając cykl życia produktu i fazy w których się znajdują oba produkty. Można też oszacować sprzedaż w danym roku biorąc pod uwagę osiągnięty wynik w roku poprzednim oraz dotychczasową dynamikę wzrostu.

Podobnie działa prognozowanie indukcyjne, w którym to pewne przypadki szczególne odnosi się na całą badaną zbiorowość. Tę metodę można wykorzystać np. testując zachowania na stosunkowo małych próbach przy wprowadzeniu nowego produktu albo nowej usługi.