Prognozowanie w zarządzaniu firmą 2016

Prezentacja na temat: "Prognozowanie w zarządzaniu firmą 2016"— Zapis prezentacji:

1 Prognozowanie w zarządzaniu firmą 2016
Wykorzystanie analizy FVA do poprawy efektywności procesu prognozowania Filip Chybalski Politechnika Łódzka Katedra Zarządzania Prognozowanie w zarządzaniu firmą 2016

2 Agenda Cel Motywacja Ramy teoretyczne i koncepcyjne
Hipotetyczne studium przypadku Wnioski

3 Cel Zaproponowanie prakseologicznego podejścia do poprawy efektywności procesu prognozowania poprzez zastosowanie analizy wartości dodanej prognozy (Forecast Value Added - FVA)

4 Motywacja Proces prognozowania kosztuje (zasoby ludzkie, informatyczne, wiedza, czas); Prognozowanie to proces o określonym stopniu skomplikowania – czy przynosi oczekiwane efekty? Czy redukuje w odpowiedni sposób niepewność podejmowania decyzji? Co, jeśli stopień skomplikowania procesu prognozowania nie jest dodatnio skorelowany z jego efektami?

5 Ramy teoretyczne i koncepcyjne (1)
Koszty procesu prognozowania stanowią podstawową przesłankę jego oceny w świetle kryteriów prakseologicznych (idea sprawnego prognozowania, tzn. nie tylko skutecznego, ale również efektywnego) Skuteczność a efektywność prognozowania (ujęcie prakseologicczne: von Mises (1996), Kotarbiński (1982), Drucker (1993) [„Efficiency is doing thing right. Effectiveness is doing right things”], Harry i Schroeder (2001) [„Wydajność polega na pociąganiu za sznurki we właściwy sposób. Skuteczność zaś - na pociąganiu za właściwe sznurki”].

6 Ramy teoretyczne i koncepcyjne (3)
Skuteczność prognozowania z punktu widzenia prognosty oznacza trafność. Ale z punktu widzenia odbiorcy prognozy trafność nie wystarczy, ponieważ ta jest znana po procesie decyzyjnym. Odbiorca, by wykorzystać prognozę, musi jej wcześniej zaufać (zanim cokolwiek będzie wiedział o jej trafności). Efektywność prognozowania: E = f(nakłady, rezultaty) przy czym załóżmy (upraszając), że rezultat jest funkcją trafności prognozy (nieznanej w momencie wykorzystania prognozy w procesie podejmowania decyzji).

7 Ramy teoretyczne i koncepcyjne (4)
Tabela 1. Zmiany błędu prognoz ex post i nakładów a efektywność prognozowania ∆𝐹𝐸<0 ∆𝐹𝐸=0 ∆𝐹𝐸>0 ∆𝐼<0 ∆𝐸>0 ? ∆𝐼=0 ∆𝐸=0 ∆𝐸<0 ∆𝐼>0 Źródło: opracowanie własne

8 Ramy teoretyczne i koncepcyjne (5)
Przedstawione ramy teoretyczne i koncepcyjne prowadzą do wniosku, że nie można „przeszacowywać” trafności jako kryterium oceny „dobroci” procesu prognozowania. Nakłady też są ważne. Jeśli pewien poziom błędu (nietrafność, obciążenie) jest „gwarantowany” - nie jesteśmy w stanie trafniej prognozować - to kryterium efektywnościowe nakazuje identyfikować zbędne nakłady na proces prognozowania i je usuwać (tzw. lean forecasting). Przejawem takiego podejścia jest właśnie analiza FVA (Gilliland 2010, Singh, Raman i Wilson 2015).

9 Hipotetyczne studium przypadku (1) (opracowanie własne)
Proces prognozowania w firmie A Stage 1: Forecast produced by statistical model (causal model: historical data, sales factors) Passive attitude to the future - future depends only on the past Stage 2: The first adjustemnt of the forecast made by an analyst on the basis of the adjustement of parameters estmiates, completing the passive attitude to the future with active one (OLS estimates are adjusted with the use of an analyst's knowledge on the sales, factors, environment etc.) Stage 3: The second adjustment made by sales and marketing managers (experts opinion - active attitude to the future - future depends not only on the past but also on other changes in environment as well as in the company Stage 4: Final forecast - a consensus between sales, marekting, production, and finance managers.

10 Hipotetyczne studium przypadku (2)
Dane: Year Real sales Naive- -placebo Stage 1 Stage 2 Stage 3 Stage 4 2011 105,0 106,0 104,0 102,0 103,0 2012 112,0 97,0 100,0 101,0 2013 107,0 108,0 2014 116,0 109,0 110,0 2015 122,0 111,0 119,0 118,0 Input 0,0 0,5 0,1 0,3

11 Hipotetyczne studium przypadku (3)
Wartości FVA liczone dla błędów MAPE Stage MAPE (%) FVA - stage 1 to naive (pp) FVA - stage 2 to stage 1 (pp) FVA - stage 3 to stage 2 (pp) FVA - stage 4 to stage 3 (pp) Naive - placebo 4,91 - Stage 1 4,46 0,45 Stage 2 5,36 -0,45 -0,90 Stage 3 4,13 0,78 0,33 1,23 Stage 4 5,11 -0,20 -0,65 0,25 -0,98

12 Hipotetyczne studium przypadku (4)
Wartości FVA liczone dla nakładów Stage Inputs stage 1 to naive stage 2 to stage 1 stage 3 to stage 2 stage 4 to stage 3 naive - placebo 0,0 - stage 1 0,5 stage 2 0,1 -0,4 stage 3 0,3 -0,2 0,2 stage 4 0,4

13 Hipotetyczne studium przypadku (5)
FVA (moduły PE) – etap 2 do etap 1 FVA (moduły PE) – etap 4 do etap 3

14 Wnioski Analiza FVA umożliwia zracjonalizowanie procesu prognozowania zgodnie z kryteriami prakseologicznymi (odpowiedź na pytanie, czy dodatkowa wartość generowana przez każdą dodatkową jednostkę skomplikowania procesu prognozowania daje wystarczający efekt). FVA wykorzystano np. w: Intel, Yokohama (Gilliland 2010). Główne ograniczenie – FVA bazuje na danych historycznych (coś w rodzaju postawy pasywnej wobec przyszłości, tzn. zawsze istnieje ryzyko, że usunięcie danego etapu procesu pogorszy jego jakość). Tego jednak nie unikniemy.