Ocena metod prognostycznych

Czasem zachodzi konieczność doboru i porównywania różnych metod. Porównanie powinno zawierać między innymi:

• ocenę dokładności

• ocenę niepewności wnoszonej przez metodę

• inne, specyficzne kryteria (np. dostęp lub jego brak do danych).

Ocena metod bazuje na ogólnie przyjętych standardach naukowych

• unikaj metod, które niezależni eksperci określają jako niestosowne do sytuacji

• dostosuj metodę do charakteru decyzji, często wybór metody jest oczywisty, ale nie zawsze

• opisz potencjalne odchylenia, które mogą mieć wpływ na analityków, dane, metody, wyniki

• zapewnij łatwy dostęp do danych w celu powtórzeń prognoz

• przetestuj założenia - czy są racjonalne, jak mogą się zmienić

• unikaj miar błędów wrażliwych na wysokie lub niskie wartości incydentalne

• nie używaj odchylenia średniokwadratowego jako miary porównawczej pomiędzy metodami (ta wskazówka jest w konflikcie z powszechnym mniemaniem).

Szacowanie niepewności

• opisz przyczyny, z powodu których prognoza może się nie sprawdzić, można użyć procedury "advocatus diaboli" dla ulepszenia orientacji w możliwych przyczynach błędu

• zapewnij sobie dostęp do wiarygodnych danych dotyczących dokładności prognozy i powodów, dla których pojawiły się odchylenia

• nie szacuj niepewności w trakcie spotkań grupowych, typową reakcją jest zazwyczaj brak krytycyzmu.

Wykorzystanie prognoz i prezentacja wyników

1. Prezentacja wyników prognozowania

• przedstaw prognozy i dane wyjściowe w prostej i zrozumiałej formie

• zapewnij kompletne, proste i zrozumiałe wyjaśnienia zastosowanych metod

• opisz przyjęte założenia (dostarcz w formie pisemnej, szczególnie do wiadomości decydentów i przełożonych)

• przedstaw oszacowanie niepewności wyników, powody, dla których mogą wystąpić odchylenia (warto również zrobić to na piśmie)

• przedstaw prognozy jako scenariusze możliwych wydarzeń.

2. Wskazówki, które poprawią procedury prognozowania

• przygotuj procedury zapewniające informacje zwrotne o dokładności prognoz

• okresowo dokonuj przeglądów metod, poszukując powodów dużych odchyleń od rzeczywistych wyników (ma to szczególne znaczenie w przypadku prognoz jakościowych)

• okresowo kontroluj, w jaki sposób są używane twoje prognozy.

Zobacz również:

• GenAI jednym z priorytetów inwestycyjnych w firmach
• Szef Intela określa zagrożenie ze strony Arm jako "nieistotne"
• International Data Group powołuje Genevieve Juillard na stanowisko CEO