Логистика нуждается в периодических прогнозах, а для их получения следует выбрать подходящий математический или статистический аппарат. Техника прогнозирования работает эффективно только тогда, когда ее возможности соответствуют особенностям ситуации. Спирос Макридакис и Стивен Уилрайт в своей классической статье предлагают следующие критерии оценки применимости той или иной техники прогнозирования: (1) требуемая точность; (2) временной горизонт прогноза; (3) цен­ность прогноза; (4) доступность данных; (5) тип вводных данных; (6) квалификация и опыт состави­теля прогноза. На основании этих критериев нужно дать количественную и качественную оценку каж­дого из имеющихся методов прогнозирования.

Об эффективности разных инструментов прогнозирования написаны буквально сотни статей. Бла­годаря развитию статистических и аналитических методов в последние полстолетия техника прогнози­рования существенно усложнилась. По идее, применение более сложной и изощренной техники прогнозирования должно оборачиваться большей точностью прогнозов. Зачастую так оно и есть, однако многие серьезные исследования свидетельствуют о том, что простые методы порой дают лучшие ре­зультаты. Усложнение методов не всегда себя оправдывает, особенно если учитывать связанное с ним повышение требований к качеству информации и квалификации прогнозистов.

Выло бы хорошо в каждом конкретном случае иметь возможность выбрать самую подходящую тех­нику прогнозирования (простую или сложную), но оценка их пригодности на самом деле не так уж однозначна. Такой выбор — не столько наука, сколько искусство. Попросту говоря, следует выбирать метод или методы, дающие лучшие результаты. Примером такого подхода, нацеленного на результат, служит концепция фокусировки прогнозирования'. Она предполагает использование многих методов — от самых простых до самых сложных. При этом подходе для каждой единицы хранения на каждый период времени составляют ряд прогнозов. Затем выбирают тот метод прогнозирования, который ока­зался бы самым точным применительно к последнему прошедшему периоду. Представим себе, что нам нужен прогноз на июнь. В конце мая мы с помощью разных методов составляем прогнозы на май, используя все имевшиеся на конец апреля данные. Затем прогнозные оценки, полученные каждым из методов, сравним с фактическим объемом продаж в мае, чтобы определить, какой метод дал самый точный прогноз на май. Предпосылка заключается в том, что лучший метод прогнозирования на июнь — это тот самый, который был бы лучшим для мая.

Методы   прогнозирования

Существуют три основные категории методов прогнозирования: качественные методы, методы ди­намических рядов и причинно-следственные методы. Качественные методы выводят прогнозы на бу­дущее из экспертных оценок и специальной информации. При этом можно учитывать результаты про­шлых периодов, а можно ими пренебречь. Методы динамических рядов при построении прогнозов оперируют исключительно данными прошлых периодов и их динамикой. Причинно-следственные ме­тоды, такие как регрессия, нацелены на выявление взаимосвязей между изменением независимых переменных и прогнозируемыми событиями.

Качественные методы прогнозирования. Качественные методы ориентируются на суждения экспер­тов, требуют довольно много времени и являются относительно дорогостоящими. Они идеальны в ситуациях, где не нужно много статистики, а главное — это опыт и суждения менеджеров. Примером может служить использование мнения торговцев о перспективах сбыта нового продукта или о перспективах Topro&iH в новом районе. Но эти методы отнимают слишком много времени, а потому мало пригодны в логистике. Качественные методы прогнозирования опираются на результаты опросов, ан­кетирования и конференций.