تنبؤ

يلعب التنبؤ دورًا محوريًا في عمليات الإدارة الحديثة والمساعدة الهامة والضرورية للتخطيط والتنظيم وهي العمود الفقري للعمليات الفعالة، وقد فشل العديد من المنظمات بسبب الافتقار إلى التنبؤ أو بسبب التنبؤ الخاطئ الذي استند إليه التخطيط. على سبيل المثال، شركة كيرتس-رايت هي واحدة من الشركات المصنعة للطائرات الرئيسية - على قدم المساواة مع دوغلاس وبوينغ مجتمعة في 1945 - قررت ان تضع أموالها في محرك مكبس محسّن بدلًا من الطائرات، إدارة كيرتس-رايت لم تتوقع بدقه سوق الطائرات وبالتالي فشلت. وبشكل أدق يمكن التنبؤ بالظروف المستقبلية، والأفضل والأكثر صحة هي الخطط وارتفاع احتمال نجاح هذه الخطط.

ويشدد لونس ا. البن على أهمية التنبؤ، حيث قال: «إن المحاولة المنهجية لتحقيق المستقبل بالاستدلال من الحقائق المعروفة تساعد على دمج كل التخطيط الإداري بحيث يمكن وضع خطط شاملة موحدة يمكن أن توضع فيها خطط الأقسام والإدارات. فهي تمكّن الشركة من تخصيص مواردها بأكبر قدر من الضمان للربح على المدى الطويل، ومن خلال المساعدة على تحديد أنماط الطلب في المستقبل، فإنه يسهل تطوير منتجات جديدة.»

التنبؤ يعني أن إجراء تحليل مفصّل للمستقبل والتخطيط يستحيل إجراءه دون التنبؤ بالمستقبل بأكبر قدر ممكن من الدقة أو وضع افتراضات ذكية حول هذا الأمر.[4] وقد يكون التنبؤ شكلًا من أشكال الحكم المتعمد والمدروس استنادًا إلى المشاعر والآراء والخبرات، ستكون هذه الاحكام، في أحسن الظن، تخمينات متعلمة. ويمكن أن يستند أيضًا إلى دراسة وتحليل رشيدين للبيانات ذات الصلة، وتعرف هذه العملية باسم «التنبؤ العلمي». سيعتمد على تحليل للأحداث الماضية والظروف الراهنة بغية استخلاص استنتاجات ونتائج بشأن الأحداث المقبلة.

سيكون للظروف الاقتصادية للبلد وكذلك للاقتصاد العالمي تأثير كبير على عمليات المنظمة. وتشمل العناصر الضرورية لهذه التنبؤات، التنبؤات المتعلقة بالناتج القومي الإجمالي والناتج المحلي الإجمالي، وقوة العملة، والتوسع الصناعي، وسوق العمل، ومعدل التضخم، ومعدلات الفائدة، وميزان المدفوعات وما إلى ذلك.

الاتجاهات الاقتصادية الصحية تساعد في نمو الشركة. مثلاً، الهبوط الاقتصادي الذي حدث بين عامي 1929-1930 ساهم في إفلاس الكثير من الشركات وأوقفها عن العمل، ومن شأن المعرفة بالاتجاهات الاقتصادية أن يساعد الإدارة في وضع خطط لتنظيمها كاستجابة فعالة لهذه الاتجاهات.

تتنبأ هذه التنبؤات بالتطورات التكنولوجية الجديدة التي قد تغير عمليات المنظمة. على سبيل المثال، ظهور الترانزستور ساهم في الإيقاف التام لبعض الأعمال التجارية.

وعصر الآلات الحاسبة الإلكترونية محى تمامًا قواعد السوق للشرائح الإلكترونية. المنظمة بحاجة لخطط طموحة تحافظ على ما يصل إليه التطور التكنولوجي الجديد عبر التاريخ وتعتمد بسهولة أساليب جديدة لتحسين الأداء وتطوير المنتجات.

ومن الضروري أيضًا التنبؤ بالاستراتيجيات التي سيستخدمها منافسوك للحصول على مكاسب في الحصة السوقية، ربما على حساب حصتك في السوق.

قد يكون المنافس يخطط لاستخدام إستراتيجية سوق مختلفة للمنتج أو لإخراج بديل للمنتج الذي يمكن أن يكون بسعر أرخص ويكون كذلك مقبولاً بسهوله من قِبل المستهلكين.[5]

وتنطوي هذه التوقعات على التنبؤ بالتغيرات في أذواق المستهلكين ومطالبهم ومواقفهم. وقد أنشأ المستهلكون بالفعل اتجاهاً للراحة تجاه المنتجات التي هي سهلة الاستخدام والإدارة. قد تتغير الأمور المتعلقة بالذوق والتفضيل على مدى فترة من الزمن.

فعلى سبيل المثال، كان الاتجاه في السبعينات هو شراء السيارات الاقتصادية الصغيرة، وفي 1990 أصبح الاتجاه هو العودة إلى الترف والراحة. وفي حين أن هذه الاتجاهات تعتمد جزئيًا على الاتجاهات الاقتصادية العامة، إلا أنها تعتمد أيضًا على أذواق المستهلكين. فعلى سبيل المثال، تتغير اتجاهات الأزياء والملابس النسائية كل عام تقريبًا. وبناء على ذلك، فإن الاتجاهات الاجتماعية في مجال السلع الاستهلاكية هي جوانب هامة للتنبؤ.

وتستخدم التنبؤات كاستراتيجية على نطاق واسع اليوم، وبعض هذه التوقعات، وخاصه تلك التنبؤات القصيرة الأجل، يمكن التعويل عليها إلى حد ما. وباستخدام الأساليب والأدوات العلمية يمكن أن تكون بعض التنبؤات ذات دقة عالية ومفيدة إلى حد ما.

تعتبر تقنيات التنبؤ النوعي ذاتية، بناءً على رأي المستهلكين والخبراء وحكمهم. تكون مناسبة عندما تكون البيانات السابقة غير متوفرة. وعادةً ما يتم تطبيقها على قرارات متوسطة أو طويلة المدى. من أمثلة أساليب التنبؤ النوعية الرأي المستقل والحكم، وطريقة دلفي، وبحوث السوق، وقياس دورة الحياة التاريخية.

تستخدم نماذج التنبؤ الكمي للتنبؤ بالبيانات المستقبلية كدالة للبيانات السابقة. وهي مناسبة للاستخدام عندما تكون البيانات الرقمية السابقة متاحة وعندما يكون من المعقول الافتراض بأن بعض الأنماط في البيانات من المتوقع أن تستمر في المستقبل. يتم تطبيق هذه الطرق عادةً على القرارات ذات المدى القصير أو المتوسط. ومن أمثلة أساليب التنبؤ الكميّة آخر فترة طلب، ومتوسطات متحركة بسيطة ومتوازنة في الفترة N، وتمهيد أسي بسيط، وتنبؤ قائم على نموذج عملية بواسون ومؤشرات موسمية ذات الصفة التكاثرية. يظهر بحث سابق أن الطرق المختلفة قد تؤدي إلى مستوى مختلف من دقة التنبؤ. على سبيل المثال، وجد أن الشبكة العصبية في GMDH لها أداء تنبؤي أفضل من خوارزميات التنبؤ الكلاسيكية مثل السلالة الأسية الوحيدة، الألفي المزدوج السلس، ARIMA والشبكة العصبية للانتشار الخلفي.[6]

في هذا النهج، تساوي التنبؤات بجميع القيم المستقبلية متوسط البيانات السابقة. يمكن استخدام هذا الأسلوب مع أي نوع من البيانات التي تتوفر بها البيانات السابقة.

يمكن أيضًا استخدام المقاربة المتوسطة للبيانات المقطعية (عندما نتنبأ بقيم غير ملحوظة؛ قيمًا غير مضمنة في مجموعة البيانات). ومن ثم، فإن التنبؤ بالقيم غير المرصودة هو متوسط القيم المرصودة.

تعتبر التنبؤات الساذجة نموذج التنبؤ الأكثر فعالية من حيث التكلفة، وتوفر معيارًا يمكن من خلاله مقارنة النماذج الأكثر تطورًا. طريقة التنبؤ هذه مناسبة فقط لبيانات السلاسل الزمنية. باستخدام النهج الساذج، يتم إنتاج التوقعات التي تساوي آخر قيمة تمت ملاحظتها. تعمل هذه الطريقة بشكل جيد للسلسلة الزمنية الاقتصادية والمالية، والتي غالبًا ما تحتوي على أنماط يصعب التنبؤ بها بصحة ودقة. إذا كان يعتقد أن السلسلة الزمنية لها موسمية، فقد يكون النهج الساذج الموسمي أكثر ملاءمة عندما تكون التوقعات مساوية للقيمة من الموسم الماضي.

هناك تباين في الطريقة الساذجة هو السماح للتوقعات بالزيادة أو النقصان بمرور الوقت، حيث يتم تعيين مقدار التغيير بمرور الوقت (يسمى الانجراف) ليكون متوسط التغيير في البيانات التاريخية.

هذا يعادل رسم خط بين الملاحظة الأولى والأخيرة، واستقراءها في المستقبل.

حسابات الأسلوب الساذج الموسمي الموسمية من خلال تحديد كل التنبؤ ليكون مساويًا لقيمة الملاحظة في نفس الموسم. على سبيل المثال، ستكون قيمة التوقع لجميع الأشهر اللاحقة من أبريل مساوية للقيمة السابقة التي تمت ملاحظتها في أبريل (نيسان).

تعدُّ الطريقة الساذجة الموسمية مفيدة بشكل خاص للبيانات التي تتمتع بمستوى مرتفع جدًا من الموسمية.

تستخدم أساليب السلاسل الزمنية البيانات التاريخية كأساس لتقدير النتائج المستقبلية.

• نقل المتوسط
• المتوسط المتحرك الموزون
• تصفية كالمان
• تجانس الأسي
• متوسط متحرك ذاتي الحركة
• متوسط متحرك متكامل ذاتي الحركة
• استقراء
• التنبؤ الخطي
• تقدير الاتجاه (توقع المتغير كدالة خطية أو متعددة الحدود للوقت)
• منحنى النمو (إحصاءات)

تحاول بعض طرق التنبؤ تحديد العوامل الأساسية التي قد تؤثر على المتغير الجاري التنبؤ به. على سبيل المثال، قد يؤدي تضمين المعلومات حول أنماط المناخ إلى تحسين قدرة نموذج للتنبؤ بالمبيعات الشاملة. غالبًا ما تأخذ نماذج التنبؤ في الحسبان الاختلافات الموسمية المنتظمة. بالإضافة إلى المناخ، يمكن أن تكون هذه الاختلافات أيضًا بسبب الأعياد والعادات: على سبيل المثال، قد يتنبأ المرء أن مبيعات ملابس كرة القدم في الكلية ستكون أعلى خلال موسم كرة القدم مما كانت عليه خلال موسم الإجازات.

العديد من الطرق غير الرسمية المستخدمة في التنبؤ السببي لا تعتمد فقط على مخرجات الخوارزميات الرياضية، ولكن بدلاً من ذلك تستخدم حكم المذيعين. تأخذ بعض التوقعات في الاعتبار العلاقات السابقة بين المتغيرات: إذا كان أحد المتغيرات، على سبيل المثال، مرتبطًا خطيًا بآخر لفترة زمنية طويلة، فقد يكون من المناسب استقراء مثل هذه العلاقة في المستقبل، دون فهم أسباب ذلك بالضرورة.

تشمل الطرق السببية ما يلي:

• يتضمن تحليل الانحدار مجموعة كبيرة من الطرق للتنبؤ بالقيم المستقبلية للمتغير باستخدام معلومات حول المتغيرات الأخرى. تتضمن هذه الطرق كلًا من تقنيات خطية أو غير خطية وتقنيات غير بارامترية.
• معدل متحرك ذاتي تلقائي مع مدخلات خارجية.

غالبًا ما يتم الحكم على نماذج التوقع الكمي مقابل بعضها البعض من خلال مقارنة الخطأ المربعي في العينة أو خارج العينة، على الرغم من أن بعض الباحثين قد نصحوا بعدم وجود هذا الخطأ. تتميز طرق التنبؤ المختلفة بمستويات مختلفة من الدقة.

تتضمن طرق التنبؤ التحكيمية أحكامًا بديهية وآراء وتقديرات احتمالية ذاتية. يستخدم التنبؤ القضائي في الحالات التي يكون فيها نقص في البيانات التاريخية أو خلال ظروف السوق الجديدة والفريدة تمامًا.

الأساليب القضائية تشمل:

• توقعات مركبة
• طريقة كوك
• طريقة دلفي
• التنبؤ عن طريق القياس
• بناء السيناريو
  
• استطلاعات إحصائية
• التنبؤ بالتكنولوجيا

• الشبكات العصبية الاصطناعية
• طريقة المجموعة لمعالجة البيانات
• دعم ناقلات الآلات

غالبًا ما يتم ذلك اليوم من خلال برامج متخصصة وصفت بشكل فضفاض

• تعدين البيانات
• تعلم الآلة
• التعرّف على الأنماط

أساليب أخرى

• المحاكاة
• التنبؤ بالأسواق
• التنبؤ الاحتمالي والتنبؤ بالمجموعة

عند تقييم جودة التوقعات، يكون من غير الصائِب النظر إلى مدى ملاءمة نموذج ما للبيانات التاريخية؛ لا يمكن تحديد دِقة التوقعات إلّا من خلال النظر في مدى جودة أداء النموذج على البيانات الجديدة التي لم يتم استخدامها عند ملاءَمة النموذج. عند اختيار النماذج، من الشائع استخدام جزء من البيانات المتاحة للتركيب، واستخدام بقية البيانات لاختبار النموذج، كما تم في الأمثلة السابقة.[8]

يعد التحقق من الصحة المتقاطعة إصدارًا أكثر تعقيدًا من تدريب مجموعة اختبار.

بالنسبة لبيانات المقطع العرضي، يعمل أحد الأساليب للتدقيق التبادلي على النحو التالي:

1. حدد الملاحظة i لمجموعة الاختبار، واستخدم الملاحظات المتبقية في مجموعة التدريب. حساب الخطأ على مراقبة الاختبار.
2. كرر الخطوة أعلاه لـ i = 1,2... N حيث N هو العدد الإجمالي للملاحظات.
3. احسب مقاييس دقة التنبؤ استنادًا إلى الأخطاء التي تم الحصول عليها.

وهذا يجعل الاستخدام الفعال للبيانات المتاحة، حيث يتم حذف ملاحظة واحدة فقط في كل خطوة.

بالنسبة لبيانات السلاسل الزمنية، يمكن أن تتضمن مجموعة التدريب فقط الملاحظات السابقة لمجموعة الاختبار. لذلك لا يمكن استخدام الملاحظات المستقبلية في بناء التوقعات. لنفترض أن هناك حاجة إلى رصد k لإعطاء توقعات موثوقة؛ ثم العملية تعمل على النحو التالي:

1. بدءًا من i = 1، حدد رمز k + i لمجموعة الاختبار، واستخدم الملاحظات في أوقات 1، 2... k + i – 1 لتقدير نموذج التنبؤ. حساب الخطأ على التوقع لـ k + i.
2. كرر الخطوة أعلاه لـ i = 2... T – k حيث T هو العدد الإجمالي للملاحظات.
3. احسب دقة التنبؤ على جميع الأخطاء.

يُعرف هذا الإجراء أحيانًا باسم «أصل التوقع المتداول»، نظرًا لأن «الأصل» (k + i -1) الذي يستند فيه التنبؤ إلى الأمَام في الوقت المناسب. علاوة على ذلك، يمكن حساب التنبؤات بخطوتين أو بشكل عام في الخطوات المستقبلية المتقدمة من خلال التنبؤ بالقيمة مباشرة بعد مجموعة التدريب (الاختبار)، ثم استخدام هذه القيمة مع قيّم مجموعة التدريب (الاختبار) للتنبؤ بفترتين قبل ذلك، وما إلى ذلك.

الموسمية هي سمة من سمات السلسلة الزمنية التي تشهد فيها البيانات تغييرات منتظمة ويمكن التنبؤ بها والتي تتكرر كل سنة تقويمية. يمكن اعتبار أي تغيير أو نمط يمكن التنبؤ به في سلسلة زمنية يتكرر أو يعاد خلال فترة عام واحد موسميًا. ومن الشائع في كثير من الحالات -مثل متجر البقالة أو حتى في مكتب الطبيب الشرعي- أن يعتمد الطلب على أيام الأسبوع. في مثل هذه الحالات، تحسب عملية التنبؤ المؤشر الموسمي «للموسم» - سبعة مواسم، واحد لكل يوم - وهي نسبة لمتوسط الطلب في هذا الموسم (والذي يتم حسابه من خلال المتوسط المتحرك أو التدرج الأسي باستخدام البيانات التاريخية المقابلة فقط لهذا الموسم) لمتوسط الطلب في جميع المواسم. يشير الرقم القياسي الأعلى من 1 إلى أن الطلب أعلى من المتوسط؛ ويشير مؤشر أقل من 1 إلى أن الطلب أقل من المتوسط.[9]

يحدث السلوك الدوري للبيانات عندما تكون هناك تقلبات منتظمة في البيانات التي تستمر عادةً لفترة زمنية لا تقل عن سنتين، وعندما لا يمكن تحديد طول الدورة الحالية سلفًا. لا ينبغي الخلط بين السلوك الدوري والسلوك الموسمي. تتبع التقلبات الموسمية نمطًا متناسقًا كل عام حتى تكون الفترة معروفة دائمًا. على سبيل المثال، خلال فترة عيد الميلاد، تميل مخازن المتاجر إلى الزيادة من أجل التحضير للمتسوقين في عيد الميلاد. وكمثال على السلوك الدوري، فإن سكان نظام بيئي طبيعي معين سيعرض سلوكًا دوريًا عندما ينخفض عدد السكان مع انخفاض مصدر الغذاء الطبيعي، وبمجرد انخفاض عدد السكان، سيتعافى مصدر الغذاء وسيبدأ السكان في الزيادة مرة أخرى. لا يمكن حساب البيانات الدورية باستخدام التسوية الموسمية العادية لأنها ليست من فترة ثابتة.[9]