مراحل اصلی برای انجام پیش بینی

یک فعالیت پیش بینی معمولا شامل پنج مرحله اساسی زیر می باشد.

بیشتر بخوانید : اصول و مفاهیم پیش بینی

مرحله ۱: تعریف مسئله

این بخش سخت ترین مرحله است. شناسایی و تعریف مسئله نیازمند درک نحوه ی بکارگیری نتایج، کسی که از این نتایج استفاده می کند و چگونگی جایگزاری این نتایج در فرایندهای جاری سازمان است. لذا لازم است برای مصاحبه با افرادی که در جمع آوری داده ها، نگهداری از پایگاه داده ها و استفاده از نتایج پیش بینی ها درگیر هستند، وقت کافی صرف شود.

مرحله ۲: جمع آوری اطلاعات

همیشه حداقل دو نوع اطلاعات لازم است: اول داده های آماری و دوم تجربیات افرادی که داده ها را جمع آوری می کنند و از پیش بینی استفاده می کنند. اغلب به دست آوردن داده های تاریخی به اندازه کافی برای یک مدل آماری خوب، دشوار است. در این حالت، روش پیش بینی کیفی مورد استفاده قرار گیرد.
داده های قدیمی به دلیل تغییرات ساختاری در سیستم، مفید نخواهند بود. لذا بهتر است از آخرین اطلاعات موجود استفاده کنیم. با این حال، به یاد داشته باشید که مدل های آماری خوب، تغییرات تکاملی را در سیستم مدیریت خواهند کرد.

مرحله ۳: تجزیه و تحلیل مقدماتی (اکتشافی)

همیشه کارتان را با نمودار داده ها شروع کنید و بررسی کنید که آیا الگوهای سازگار وجود دارد؟ آیا روند قابل توجهی وجود دارد؟ آیا فصل بندی برای این داده ها مهم است؟ آیا داده هایی وجود دارد که نیاز به توضیح بیشتر توسط متخصصین باشد؟ روابط بین متغیرهای موجود برای تجزیه و تحلیل چقدر قوی است؟

مرحله ۴: انتخاب و برازش مدل

بهترین مدل برای استفاده، به در دسترس بودن داده ها، قدرت روابط بین متغیر پیش بینی و سایر متغیرها و همچنین نحوه استفاده از پیش بینی ها بستگی دارد. هر مدل خود ساختار تصنعی است که بر اساس مجموعه ای از مفروضات (صریح و ضمنی) بنانهاده شده و معمولا شامل یک یا چند پارامتر می باشد که با استفاده از داده های موجود محاسبه شوند.

مرحله ۵: استفاده و ارزیابی یک مدل پیشبینی

پس از انتخاب و برازش مدل، برای پیش بینی از آن استفاده می شود. زمانی می توانیم عملکرد مدل را به درستی ارزیابی کنیم که داده های مناسبی در دسترس داشته باشیم. روش های مختلفی برای ارزیابی صحت پیشبینی ها مورد استفاده قرار می گیرد. مسائل سازمانی نیز در انتخاب این روشهای ارزیابی مدل پیش بینی در نظر گرفته می شوند.

در زمان استفاده از یک مدل پیشبینی در عمل، مسائل متعددی مثل چگونگی برخورد با داده های بدون مقدار و داده های پرت یا نحوه برخورد با سری های کوتاه مدت بوجود می آیند.

منبع مطالب : Forecasting: Principles and Practice

مطالب مرتبط