Инновационный менеджмент - Учебное пособие (Будашевский В.Г.)

6.4.прогнозирование в инновационной деятельности

 

В инновационной деятельности, для которой характерны повышенная неопределенность входной информации и риск принимаемых решений, роль прогнозирования становится определяющей.

Место прогнозирования в управлении иллюстрируется следующей схемой (см. рис. 13):

  прогнозирование

 
 

                                                                                    

 

  оценка

 

  план

 
                                                                                                         

 

 

 

исполнение

 

программа

а

 
                                                                       

 

Рис. 13

 

На основе анализа возможных прогнозных сценариев и оценок осуществляется планирование – определение последовательности необходимых действий.

Следует различать: прогнозы – то, чего можно ожидать, планы – работы, которые надо делать.

Программа должна указывать необходимые ресурсы для выполнения плана и их рациональное распределение (как, чем, кому все делать и требуемые для этого затраты). Оценивать необходимо не только непосредственные результаты исполнения программы, но и каждый из этапов; после чего уточняется предыдущий прогноз или выполняется новый, - с новыми целями и задачами.

Прогнозы необходимо выполнять по следующим 4-ем ключевым направлениям: рынок (спрос, предложения конкурентов), основные финансово – экономические показатели жизнедеятельности (фирмы, отрасли, конкретных конкурентов), параметры продукции и технологии, социально – психологические условия (внутрифирменный климат, поведение потребителей).

Надо отметить, что ложной альтернативой (но для некоторых – заманчивой, из-за своей простоты) квалифицированному прогнозированию (требующему существенно больших затрат, ресурсов) являются: отсутствие каких – либо прогнозов; движение по прежнему руслу; надежда на эффективность авральных действий; доверие к «ясновидцам» будущего; вера в везение («авось пронесет, повезет!»).

В арсенале способов прогнозирования имеются различные методы, отличающиеся не только предсказательной силой, но и требуемыми исходной информацией, временем, квалификацией исполнителей. Среди наиболее распространенных:

 - кривые роста (например, S - кривые) и экстраполяция тенденций;

- прогнозирование по аналогии;

-  аналитические, факторные модели;        

- групповые экспертные оценки;

(в [ 13] каждому из методов посвящена целая глава).

Следует остановиться на методе экспертных оценок, который соблазнителен тем, что он применим при отсутствии информации, необходимой для работы по другим методам. Основные его плюсы: суммарная информация в группе резко возрастает, учитывается больше факторов (что очень важно, т.к. часто встречающейся причиной ошибочных прогнозов является неучет существенных факторов, а особенно – внешних, для данной области прогноза), специалисты в группе обычно легче идут на коллективную ответственность, чем на личную.

Основные же минусы: возможность взаимного негативного информационного воздействия (когда убеждение сильнее доказательств), арифметика голосов «за» и «против» может неадекватно отражать соотношение фактов и аргументов. Метод Делфи, разработанный в «мозговой фабрике»РЭНД, используя плюсы известных ранее экспертных методов, устраняет большинство их минусов, что достигается благодаря ряду отличий. В частности: экспертизу проводят в несколько туров, с последовательным уточнением результатов каждого из предыдущих; характеристики групповых ответов анализируются статистически, выявляется и количественно оценивается их сходимость; проводится строгий отбор «дельфийских оракулов» по жестким критериям.

Особо следует рассмотреть тесно связанную с прогнозированием проблему принятия решений в условиях неопределенности исходных данных, - одного из базовых умений, которыми должен владеть инновационный менеджер. В такой ситуации объективность оценок может быть существенно повышена благодаря применению системы критериев теории игр и статистических решений. Прежде всего надо внести ясность в понятие неопределенности, ибо от правильной диагностики ее вида зависит верный выбор метода анализа, оценок, принимаемых решений (дело в том, что в некоторых публикациях этот вопрос рассмотрен путано и даже неверно).

Неопределенность, в отношении какой–нибудь оцениваемой величины, может быть двух типов:

а) вероятностно – статистическая, при которой из теории или из практики известны не только возможный диапазон этой величины, но и устойчивая закономерность частот реализации данной величины в каждом из интервалов этого диапазона (например, широко известны нормальный, равновероятный и другие законы распределения случайной величины);

б) неопределенность незнания (обусловленная отсутствием или незнанием устойчивого закона распределения), при которой имеется предварительная информация лишь об ожидаемом диапазоне величины (например, о параметрах рыночной конъюнктуры или свойств нового объекта).

В ситуации «а» правомерно и продуктивно применение аппарата теории вероятности и математической статистике. В ситуации «б» это ничем не обосновано; Но как чаще всего поступают на практике? Обычно ориентируются на ожидаемое наихудшее (по возможным последствиям) значение оцениваемой величины или произвольно вводят некую ее «виртуальную» вероятность (а по сути – закон распределения). Такие действия приводят или к неоправданной (и нередко дорогостоящей) перестраховке, или к необоснованному легкомысленному риску, что в итоге ведет к снижению конкурентоспособности.

В теории игр и статистических решений задачи такого рода формализованы, их представляют моделью («матрицей выигрышей») следующего вида (см. таблицу), где Pi – возможные альтернативные решения, а Пj – возможные состояния Природы (в отличие от классической теории антагонистических игр, где противник имеет интересы, противоположные нашим), aij – выигрыш, соответствующий сочетанию  Pi и Пj ( например, прибыль от реализации i – го варианта продукции при j – ом варианте рыночного спроса на нее).

 

        Пj        

Pi

П1

П2

….

Пj

….

Пn

P1

 

 

 

 

 

 

P2

 

 

 

 

 

 

….

 

 

 

 

 

 

Pi

 

 

 

aij

 

 

….

 

 

 

 

 

 

Pm

 

 

 

 

 

 

 

Задача анализа - выбор наиболее рационального варианта решения Pi в условиях неопределенности состояния природы Пj. Ключевой вопрос: по какому критерию осуществлять выбор? Наиболее распространены критерии Лапласа, Вальда, Гурвица и Сэвиджа. Методика расчета по каждому из них                                                                                                                                                                         иллюстрируется на следующем упрощенном числовом примере:      

                

 

П1

П2

P1

1

2

P2

0

4

Критерий Лапласа исходит из предпосылки (гипотезы), что все состояния Природы равновероятны (для данного примера вероятности P(П1)=P(П2)=0,5), поэтому ожидаемый средний выигрыш:

при P1 равен 0,5*1+0,5*2=1,5    

при P2 равен 0,5*0+0,5*4=2;

 

1

2

      1,5

0

4

        2

следовательно, предпочтительнее вариант решения P2.

Критерий Вальда - «критерий пессимизма» - соответствует самой осторожной тактике, по которой при каждом Pi фиксируется самый минимальный выигрыш, а затем из всех выделенных величин выбирается наибольшая (т.е. это «критерий максимина»); в нашем примере выбирается вариант P1.

 

                                min        max (min)

1

2

1

1

0

4

0

 

Критерий Гурвица – «критерий пессимизма - оптимизма», когда при каждом Pi учитывают и самый малый выигрыш (как в критерии Вальда), и самый большой, вводя для этого «коэффициент оптимизма»  - «К» и затем вычисляют для каждого решения Pi (т.е. в каждой i – ой строке) численное значение критерия

 

;

затем выбирают вариант решения, для которого H.

Очевидно, что численное значение k = 0 соответствует крайнему пессимизму, а k = 1 – предельному оптимизму. Для рассматриваемого примера, если принять k=0,5,  H1=0,5*2+0,5*1=1,5; H2=0,5*4+0,5*0=2; следовательно, вариант P2 предпочтительнее. Необходимо варьировать К во всем диапазоне [0-1].

Критерий Сэвиджа – критерий минимаксного риска – обеспечивает наименьший риск («потери», сожаление о сделанном выборе Pi), если реализованное состояние Природы окажется при этом не самым благоприятным.

1              2 

0              4

1             

 
Расчет проследим по шагам. Вначале необходимо перейти от выигрыша aij к риску rij:

              

                 aij                                    

                                               

если реализуется П1, то выбор P1 предпочтительнее; при нем риск r=0, но при выборе P2 теряем “1” по сравнению с P1, т.е. r=1; если реализуется П2, то наименьший риск (r=0) дает выбор P2, а выбору P1 соответствует риск r=2. Итак, таблица рисков имеет приведённый ниже вид и, следовательно, наилучший выбор по этому критерию: P2.

 

 

 

 

max  r

min(max r)

rij

0

2

2

 

 

1

0

1

1

Подводя итог, можно отметить, что выводы, получаемые по различным критериям, нередко противоречивы. Для достижения большей определенности в выборе рационального решения необходимы дополнительные сведения о неопределенных состояниях Природы (а именно – информации об их вероятностях), после чего может быть использован Байесовский подход, при котором исходные (априорные) оценки уточняются по результатам эксперимента.