| Περίληψη: | Η πρόβλεψη έχει πολύ μεγάλη σημασία στη ζωή του ανθρώπου και παράλληλα στις επιχειρήσεις. Οι προβλέψεις χρησιμοποιούνται ως υποστήριξη αποφάσεων, επιχειρηματικών ή μη. Πλέον οι πληροφορίες θεωρούνται ανεκτίμητες για την οικονομική εξέλιξη και την ανταγωνιστική δύναμη μιας επιχείρησης. Οι πληροφορίες απορρέουν από δεδομένα, για τα οποία οι επιχειρήσεις καταναλώνουν κεφάλαιο και πόρους για να τα αποκτήσουν, να τα αποθηκεύσουν και να τα διαχειριστούν. Από την επεξεργασία των δεδομένων διεξάγονται πληροφορίες, οι οποίες επίσης βοηθούν στην ανάπτυξη προβλέψεων οι οποίες ουσιαστικά χρησιμοποιούνται για βελτιστοποίηση των επιχειρηματικών αποφάσεων σχετικά με διάφορους σκοπούς και διεργασίες. Στο παρόν έγγραφο θα γίνει περιγραφή μεθόδων προβλέψεων που βασίζονται στην ύπαρξη ιστορικών δεδομένων. Κατά τη διαδικασία ανάπτυξης μιας πρόβλεψης θα πρέπει να ακολουθηθούν μερικά βασικά βήματα. Εφόσον ο σκοπός για τον οποίο γίνεται η πρόβλεψη γίνει κατανοητός, τα μοντέλα που θα αναπτυχθούν θα πρέπει να εφαρμοστούν στα δεδομένα και να πληρούν συγκεκριμένες προϋποθέσεις. Τα αποτελέσματα θα πρέπει να αξιολογούνται σχετικά με την απόδοση τους με χρήση διάφορων κριτηρίων και ελέγχων ακρίβειας. Τα κριτήρια αυτά συνήθως περιγράφουν τα αποτελέσματα μαθηματικών εξισώσεων που, σαν εισόδους, δέχονται τα σφάλματα των προβλέψεων, δηλαδή τις αποκλίσεις των προβλεπόμενων δεδομένων από τα πραγματικά. Για την τελική επιλογή του κατάλληλου μοντέλου πρόβλεψης, η ανάπτυξη πολλαπλών μοντέλων από διαφορετικές μεθόδους και η σύγκριση αυτών έχει θεμελιώδης σημασία.
Καταρχάς, τα ιστορικά δεδομένα που θα συμπεριληφθούν στα μοντέλα πρόβλεψης θα πρέπει να είναι απολύτως κατανοητά. Επειδή όμως τα δεδομένα αυτά μπορεί να υπάρχουν διαθέσιμα σε μεγάλο όγκο και με διάφορα σφάλματα, κατά τα αρχικά βήματα μιας διαδικασίας πρόβλεψης συνηθίζεται η χρήση εξερευνητικής ανάλυσης με μεθόδους περιγραφικής στατιστικής. Η εξερευνητική στατιστική ανάλυση βοηθά στον σχηματισμό της εικόνας που αναμένεται να έχουν τα αποτελέσματα μιας πρόβλεψης, ώστε να μπορεί να γίνει προσδιορισμός προβλημάτων, εφόσον προκύψουν. Στη μελέτη της περιγραφικής στατιστικής υπάγονται τα γραφήματα, τα οποία βοηθούν ιδιαίτερα στην κατανόηση των δεδομένων, απεικονίζοντας τη γενική εικόνα καθώς και προσφέροντας ενόραση για κρυφά μηνύματα που μπορεί να περιλαμβάνονται. Υπάρχουν πολλά είδη γραφημάτων για διαφορετικής φύσεως δεδομένα, ενώ η μορφή που θα έχει η απεικόνιση των δεδομένων εξαρτάται από τον τύπο του γραφήματος. Στην περιγραφική στατιστική επίσης υπάγονται τα ιδιαίτερα δημοφιλή μέτρα μεταβλητών όπως είναι ο αριθμητικός μέσος, η διάμεσος, η επικρατούσα τιμή, τα τεταρτημόρια, η τυπική απόκλιση και ο συντελεστής συσχέτισης.
Με την ανάλυση των δεδομένων, αυτά μπορούν να προετοιμαστούν ώστε να υπάρξουν στην κατάλληλη δομή και διάσταση για να εισαχθούν σε μοντέλα πρόβλεψης. Μπορεί να κριθεί αναγκαίο να πραγματοποιηθούν περεταίρω τροποποιήσεις στα δεδομένα, όπως ημερολογιακές μετατροπές ή λογαριθμικές μεταμορφώσεις, ώστε να ενισχυθεί η στατιστική τους σημασία. Εφόσον έχει πραγματοποιηθεί ανάκτηση των δεδομένων, η επεξεργασία, η περίληψη και η κατανόηση τους, θεωρητικά έχουν χτιστεί τα θεμέλια για την ανάπτυξη μιας πρόβλεψης. Υπάρχουν διάφορες μέθοδοι πρόβλεψης, η υλοποίηση αυτών όμως εξαρτάται από τη φύση των δεδομένων και τον σκοπό της πρόβλεψης. Οι μέθοδοι πρόβλεψης που αναλύονται σε αυτό το έγγραφο είναι η πρόβλεψη του ενός βήματος ή εξομάλυνση των κινούμενων μέσων, η εκθετική εξομάλυνση, η γραμμική παλινδρόμηση και τα στοχαστικά μοντέλα χρονολογικών σειρών ARMA και ARIMA.
Οι παραπάνω μέθοδοι πρόβλεψης εφαρμόζονται σε πραγματικά δεδομένα επιχείρησης, στο πλαίσιο μελέτης περίπτωσης για την οποία προσεγγίστηκε μία επιχείρηση ηλεκτρονικού εμπορίου στην Αγγλία. Η επιχείρηση που εμπορεύεται στη βιομηχανία παιχνιδιών, πουλάει τα προϊόντα της απευθείας σε πελάτες μέσω ηλεκτρονικών καταστημάτων. Το πρόβλημα που αντιμετωπίζει αφορά κυρίως στη διαχείριση των εμπορευμάτων της και συγκεκριμένα τον προσδιορισμό της βέλτιστης χρονολογικά τοποθέτησης των παραγγελιών της στα εργοστάσια με τα οποία συνεργάζεται. Η αδυναμία της επιχείρησης να ανταπεξέλθει στη ζήτηση οδηγεί σε εξαντλήσεις αποθεμάτων και συνεπώς σε ζημία των εσόδων της και των κατατάξεων των σελίδων των προϊόντων της σε σχέση με τους ανταγωνιστές της. Αυτό που χρειάζεται η συγκεκριμένη επιχείρηση είναι ένα σύστημα υποστήριξης αποφάσεων που να πραγματοποιεί πρόβλεψη των μελλοντικών πωλήσεων της επιχείρησης και τον πλήρες προσδιορισμό της ζήτησης των προϊόντων της.
Αρχικά, περιγράφεται η διαδικασία συλλογής των δεδομένων και η οργάνωση αυτών. Στη συνέχεια πραγματοποιείται προκαταρκτική στατιστική ανάλυση και υποδεικνύονται διάφορες τεχνικές που μπορούν να εφαρμοστούν εύκολα ώστε να συνεισφέρουν στην κατανόηση και την προετοιμασία των δεδομένων. Αναπτύσσονται σχετικά γραφήματα με σκοπό να υποστηρίξουν τα αποτελέσματα περίληψης στατιστικών μέτρων και να παρουσιάσουν τη μορφή των δεδομένων της επιχείρησης που τελικά χαρακτηρίζονται ως χρονολογικές σειρές με υψηλή εποχικότητα. Η φύση των δεδομένων καθιστά τη μέθοδο της εξομάλυνσης κινούμενων μέσων ανίκανη να υλοποιήσει τις προβλέψεις που απαιτούνται από τη φύση του προβλήματος. Ωστόσο, παρουσιάζεται το πώς εφαρμόστηκε παραλλαγή της μεθόδου ώστε να πραγματοποιηθεί ανάκτηση των «χαμένων» πωλήσεων που σημειώθηκαν σε περιόδους εξάντλησης αποθεμάτων. Έπειτα εφαρμόζεται επιτυχώς η μέθοδος της τριπλής εκθετικής εξομάλυνσης του Excel, συνοδευόμενη από πρακτικές όπως το τρεχούμενο άθροισμα και συντελεστές εποχικότητας, οι οποίες επανεμφανίζονται κατά την εφαρμογή των επόμενων δύο μεθόδων πρόβλεψης. Περιγράφεται η εφαρμογή της μεθόδου της πολλαπλής γραμμικής παλινδρόμησης, ενώ εξηγείται γιατί τα δεδομένα της επιχείρησης δεν είναι κατάλληλα για τη συγκεκριμένη μέθοδο. Τα στοχαστικά μοντέλα τελικά αποτελούν την ιδανική μέθοδο πρόβλεψης για τη μελέτη περίπτωσης, αφού η φύση των δεδομένων ταιριάζει με τη μονομεταβλητή φύση της μεθόδου.
|
|---|
