Ei ole epätavallista, että yrityksen johto puhuu ennusteista: "Liikevaihtomme ei vastannut ennustettua määrää" tai "Olemme varmoja ennustetusta talouskasvusta ja odotamme ylittävän tavoitteemme". Loppujen lopuksi kaikki taloudelliset ennusteet, olipa kyse sitten yrityksen erityispiirteistä, kuten myynnin kasvusta tai koko talouden ennusteista, ovat perusteltuja arvauksia., tarkastelemme joitain taloudellisten ennusteiden taustalla olevia menetelmiä, samoin kuin prosessia, ja joitakin riskejä, jotka kasvavat, kun pyrimme ennustamaan tulevaisuutta.
Taloudelliset ennustemenetelmät
On olemassa useita erilaisia menetelmiä, joilla liiketoimintaennuste voidaan tehdä. Kaikki menetelmät jakautuvat kahteen kokonaisvaltaiseen lähestymistapaan: laadullinen ja määrällinen.
Laadulliset mallit
Laadulliset mallit ovat tyypillisesti onnistuneet lyhyen aikavälin ennusteilla, joissa ennusteen laajuus on rajoitettu. Laadullisia ennusteita voidaan ajatella asiantuntijavetoisina, koska ne riippuvat markkinataloudesta tai markkinoista kokonaisuutena punnittaessa tietoisella yksimielisyydellä. Laadulliset mallit voivat olla hyödyllisiä ennustettaessa yritysten, tuotteiden ja palvelujen lyhytaikaista menestystä, mutta sillä on rajoituksia, koska se luottaa mielipiteeseen mitattavissa oleviin tietoihin. Laadullisia malleja ovat:
- Markkinatutkimus Kyselyn kohteena oleva suuri joukko ihmisiä tietystä tuotteesta tai palvelusta ennustaa, kuinka moni ostaa tai käyttää sitä kerran julkaistuaan. Delphi-menetelmä: Kysy kenttäasiantuntijoilta yleisiä mielipiteitä ja koota sitten ne ennusteisiin. (Lisätietoja laadullisesta mallinnuksesta saat kohdasta "Laadullinen analyysi: Mikä tekee yrityksestä suuren?")
Liiketoiminnan ennustamisen perusteet
Määrälliset mallit
Kvantitatiiviset mallit alentavat asiantuntijakertoimen ja yrittävät poistaa inhimillisen elementin analyysistä. Nämä lähestymistavat koskevat yksinomaan tietoja, ja niillä vältetään numeroiden taustalla olevien ihmisten siveellisyys. He yrittävät myös ennustaa, missä muuttujat, kuten myynti, bruttokansantuote, asuntojen hinnat ja niin edelleen, ovat pitkällä aikavälillä mitattuna kuukausina tai vuosina. Määrällisiä malleja ovat:
- Indikaattorimenetelmä: Indikaattorimenetelmä riippuu tiettyjen indikaattorien, esimerkiksi BKT: n ja työttömyysasteen, suhteesta, pysyen suhteellisen muuttumattomana ajan myötä. Seuraamalla suhteita ja seuraamalla sitten johtavia indikaattoreita, voit arvioida jäljessä olevien indikaattorien suorituskykyä käyttämällä johtavia indikaattoritietoja.Ekonometrinen mallinnus: Tämä on indikaattorimenetelmän matemaattisesti tiukempi versio. Sen sijaan, että oletettaisiin, että suhteet pysyvät samana, ekonometrinen mallintaminen testaa tietojoukkojen sisäistä johdonmukaisuutta ajan myötä ja tietojoukkojen välisen suhteen merkitystä tai vahvuutta. Ekonometrista mallintamista käytetään joskus luoda mukautettuja indikaattoreita, joita voidaan käyttää tarkempien indikaattoreiden lähestymistapaan. Ekonometrisia malleja käytetään kuitenkin useammin akateemisilla aloilla talouspolitiikan arvioimiseksi. (Perustietoa ekonometristen mallien käytöstä on luvussa "Liiketoiminnan analyysin regression perusteet.") Aikasarjamenetelmät: Tämä viittaa kokoelmaan erilaisia menetelmiä, joissa käytetään aiempaa tietoa ennustaakseen tulevia tapahtumia. Aikasarjamenetelmien välinen ero on yleensä hienoissa yksityiskohdissa, kuten uudempien tietojen antamisessa enemmän painoarvoa tai tiettyjen ulkoisten pisteiden diskonttaus. Seuraamalla menneisyyden tapahtumia ennustaja toivoo pystyvänsä antamaan keskimääräistä paremman ennusteen tulevaisuudesta. Tämä on yleisin liiketoiminnan ennustamistapa, koska se on halpa eikä ole parempi tai huonompi kuin muut menetelmät.
Kuinka ennustaminen toimii?
Yritysten ennustamisessa on paljon variaatiota käytännössä. Käsitteellisellä tasolla kaikki ennusteet seuraavat kuitenkin samaa prosessia.
- Ongelma tai datapiste valitaan. Tämä voi olla jotain "ostavatko ihmiset huippuluokan kahvinkeittimen?" tai "mikä on myynnimme ensi vuoden maaliskuussa?" Teoreettiset muuttujat ja ihanteellinen tietojoukko valitaan. Ennustaja tunnistaa tässä yhteydessä asianmukaiset muuttujat, jotka on otettava huomioon, ja päättää, miten tiedot kerätään. Oletuksen aika. Ennusteen tekemiseen tarvittavan ajan ja tietojen vähentämiseksi ennustaja tekee joitain nimenomaisia oletuksia prosessin yksinkertaistamiseksi. Malli on valittu. Ennustaja valitsee mallin, joka sopii tietojoukkoon, valittuihin muuttujiin ja oletuksiin. Analyysi. Mallia käyttämällä data analysoidaan ja analysoinnista tehdään ennuste. Todentaminen. Ennustaja vertaa ennustetta siihen, mitä tapahtuu säätämään prosessia, tunnistamaan ongelmia tai harvinaisessa tapauksessa tarkan ennusteen heittämään itsensä selkään.
Ennusteongelmat
Liiketoiminnan ennustaminen on erittäin hyödyllistä yrityksille, koska sen avulla ne voivat suunnitella tuotantoa, rahoitusta ja niin edelleen. Ennusteisiin luottamisessa on kuitenkin kolme ongelmaa:
- Tiedot ovat aina vanhoja. Historialliset tiedot ovat kaikki mitä meidän on jatkettava, eikä ole mitään takeita siitä, että menneisyyden olosuhteet jatkuvat tulevaisuudessa. On mahdotonta ottaa huomioon ainutlaatuisia tai odottamattomia tapahtumia tai ulkoisia vaikutuksia. Oletukset ovat vaarallisia, kuten olettamukset, että pankit tarkistivat lainanottajia asianmukaisesti ennen subprime-sijoitusten sulautumista. Ja mustajoutsentapahtumat ovat yleistyneet, kun riippuvuus ennusteista on kasvanut. Ennusteet eivät voi integroida omaa vaikutustaan. Yritysten toimintaan vaikuttaa tekijä, jota ei voida sisällyttää muuttujana, koska sillä on ennusteita, tarkkoja tai epätarkkoja. Tämä on käsitteellinen solmu. Pahimmassa tapauksessa johdosta tulee historiallisen datan ja suuntausten orja sen sijaan, että se huolehtisi siitä, mitä yritys nyt tekee.
Pohjaviiva
Ennustaminen voi olla vaarallinen taide, koska ennusteista tulee keskittyä yrityksille ja hallituksille, rajoittaen henkisesti niiden toiminta-aluetta esittämällä lyhyen tai pitkän aikavälin tulevaisuus, kuten jo määritetään. Lisäksi ennusteet voivat helposti hajottua sattumanvaraisten elementtien takia, joita ei voida sisällyttää malliin, tai ne voivat olla alusta alkaen täysin vääriä.
Negatiivit syrjään, liiketoiminnan ennustaminen ei mene mihinkään. Oikein käytettynä ennustamisen avulla yritykset voivat suunnitella tarpeitaan etukäteen lisäämällä mahdollisuuksiaan pysyä terveinä kaikilla markkinoilla. Se on yksi liiketoiminnan ennustamisen toiminto, jota kaikki sijoittajat voivat arvostaa.
