Виды методов инновационного прогнозирования

Виды методов инновационного прогнозирования

При разработке инновационной стратегии компании помимо прочих моментов важно иметь результаты прогнозов научного, технического и технологического развития общества и рынка в заданном направлении. С учетом этого руководитель, ответственный за решение, должен грамотно подобрать оптимальный состав методов прогнозирования научно-технических перспектив. При этом среди обширной гаммы формализованных и неформальных средств прогноза ему предстоит сделать выбор, который будет и наиболее экономичен, и в полной мере результативен.

Роль прогностики и ее основные понятия

Существует распространенное мнение, что прогнозы научного и технического развития – это удел государства и крупнейших корпораций. Однако это далеко не так, и любая компания, разрабатывая собственную технологическую и инновационную стратегии, должна уделять прогнозированию будущего состояния экономики, рынка, технико-технологических платформ особое внимание. В прогнозе ключевой целью является такая опережающая события информация, которая позволит ЛПР сформулировать и принять стратегически верное решение о пакете инновационных мероприятий фирмы.

Научно-технический прогресс (НТП) складывается действиями всей совокупности субъектов, принимающих участие в его реализации, но движителями выступают хозяйствующие субъекты независимо от формы собственности. И отдельно взятая компания, являясь элементом системы НТП, выполняет разработку прогнозов, которые входят в исследовательскую стадию, предшествующую программной проработке инноваций и их планированию. Качество и обоснованность стратегий фирмы напрямую связаны с уровнем долгосрочного и среднесрочного прогнозирования. Ниже вашему вниманию предлагается схема управления НТП, разбитого на три этапа.

поэтапное управление НТП
Модель поэтапного управления НТП
(нажмите для увеличения)

У деятельности, именуемой прогнозированием, существует теоретический базис – прогностика. Под ней мы будем понимать область научного знания, которая изучает и обосновывает закономерности, принципы и методы создания прогнозов в разнообразных сферах человеческой деятельности, включая и технико-технологическую. Помимо основных инструментальных средств данная область науки занимается также и методами использования полученных прогностических результатов. Нас в рамках настоящей статьи, в первую очередь, будут интересовать методы прогнозирования инноваций.

Прогностика как наука сформировалась в последней четверти прошлого века, хотя корни ее возникли еще во времена древнегреческой философии и логики. Великий мыслитель и врач того времени Гиппократ впервые озвучил основные идеи формулирования медицинских диагнозов в своем труде с одноименным названием «Прогностика». В современном мире прогнозированию экономических событий, достижений науки и техники уделяется непрерывно возрастающее внимание. Растет и роль стратегического управления, а цена ошибки становится критическим фактором жизнедеятельности общества и бизнеса.

Надо понимать, что опережающая информация и само прогнозирование носят характер вероятностного развития событий. В силу случайности, стохастичности исследуемых процессов ориентирующая ЛПР информация не может гарантировать полную достоверность и служить безупречной основой для принятия решений. Прогнозы работают, если обеспечен непрерывный процесс исследований, мониторинга, анализа ретроспективы, краткосрочных, среднесрочных и долгосрочных наблюдений и предположений. Ниже на схеме представлен перечень основных понятий и их кратких определений прогностики.

понятия прогностики
Основные понятия прогностики
(нажмите для увеличения)

Классификация применяемых в прогнозировании методов

Классификация методов прогнозирования служит задаче применения оптимальной с точки зрения трудозатрат прогнозной модели. Естественно, что цели, задачи, объекты, период упреждения в подготовке каждого прогноза различны, поэтому его типология выбирается с учетом ряда сложившихся за историю прогностики критериев. Периодом упреждения выбирается промежуток времени, который предполагается достаточным для получения опережающей события информации и принятия верного управленческого решения. Как правило, период упреждения является первым по очередности классификационным признаком среди применяемых оснований. Помимо этого выделяются следующие критерии для деления процедур прогнозирования по методическим видам.

  1. По степени формализации различаются формализованные и интуитивные методы прогнозирования.
  2. По информационному основанию: фактографические и экспертные методы прогнозирования. Достаточно часто применяются также и комбинированные методы. Настоящее основание имеет значительные пересечения с признаком по степени формализации, но имеются и существенные отличия (см. таблицу ниже).
  3. По проблемно-целевому критерию: методы поискового (исследовательского) типа и нормативные методы, которые также называются программными.
  4. По масштабности объекта исследований.
  5. По уровню материализации творческого результата в ходе научно-технического развития.
основные методы прогнозирования
Классификационный свод основных методов прогнозирования НТП
(нажмите для увеличения)

Классификация методов прогнозирования показана выше в табличной форме. В следующих разделах статьи мы разберем отдельные методы основных групп данной таблицы. Для инновационной деятельности особое значение имеет деление методов, определяемое классификацией по проблемно-целевому признаку. Исследования, основанные на поисковых методах, служат установлению тенденций развития состояния объекта (техники, технологии, уровня организации управления) с учетом текущей их динамики.

Нормативный метод позволяет найти черты будущих состояний объекта с точки зрения существующих целевых ориентиров. Естественно, что и периоду упреждения для нормативных и поисковых прогнозов различны, временная точка горизонта прогнозирования при нормативном подходе расположена значительно дальше. По масштабности изучаемого объекта прогнозы делятся на шесть категорий.

  1. События НТП планетарного масштаба.
  2. Страново-региональный масштаб событий в развитии науки и техники.
  3. Масштаб межотраслевых объектов исследования.
  4. Масштаб отраслевого развития.
  5. Масштаб групп продукции и технологий производства.
  6. Уровень устройств, способов функционирования техники и используемых материалов.

С позиции уровня материализации результатов инновационной деятельности методы разделяются на следующие группы прогнозов:

  • в сфере фундаментальных научных открытий и изобретений;
  • в областях применения новых открытий и изобретений (прогнозы достижений прикладных исследований);
  • пионерных решений в сфере результатов ОКР и ПКР;
  • решений ОКР и ПКР последователей и в результате диффузии инновации.

Методология прогнозирования с позиции статистики

Математические методы прогнозирования в инновационном процессе относятся к группе формализованных фактографических (параметрических) средств выведения прогнозов. Статистические методы прогнозирования составляют основную часть математических методов, поэтому их часто считают тождественными, а сам инструментарий так и называют «математико-статистическим». Оперируя фактографической информацией, то есть основанной на числовых (количественных) параметрах объектов исследований, методы статистического класса используют теорию вероятности, законы больших чисел и собственно математическую статистику.

Статистические методы прогнозирования делятся на две большие группы. Первая из них включает так называемые однопараметрические методы, которые позволяют сделать прогноз на основе временных рядов. К таким инструментам можно отнести:

  • метод наименьших квадратов;
  • метод экспоненциального сглаживания;
  • метод скользящей средней;
  • авторегрессионные модели;
  • методы S-образных и огибающих кривых;
  • методы анализа публикаций (для целей анализа динамики публикаций в научно-технической сфере и динамики патентования).

Все эти средства – фактографические методы прогнозирования, тем не менее, последняя группа методов часто выделяется в отдельный тип инструментария. Для оценки прогнозируемого состояния в инновационном процессе наиболее часто применяются именно экстраполяционные способы анализа тенденций, к которым и относятся первые пять видов методов. Иногда статистические методы прогнозирования отделяются от экстраполяционных и интерполяционных средств. В подобных случаях для статистического анализа используется один из четырех основных методов математической статистики или их комбинация.

  1. Регрессионный анализ.
  2. Корреляционные модели.
  3. Факторный анализ.
  4. Дисперсионный анализ.

Многие количественные методы прогнозирования используют указанные выше инструменты статистических средств обработки массивов данных. И все же основные методы прогнозирования НТП, развития техники и технологии опираются на экстраполяционные способы выявлений тенденций. Экспоненциальное сглаживание выступает одним из примеров такого подхода. Рассмотрим небольшой пример, в котором экстраполяция выполнена методом скользящего среднего (см. диаграмму ниже).

метод скользящего среднего
Пример построения диаграмму для экстраполяции ряда данных методом скользящего среднего

Исходными сведениями принят временной ряд числа компаний, применяющих для финансирования инновационных проектов венчурную форму (М). Инновационная деятельность в силу рискованности часто для успеха начинания задействует особенные формы, например, венчуры. На практике порой, исходя из природы генеральной совокупности, трудно сформировать репрезентативную выборку, как, например, в данном случае. Однако экстраполяционные прогнозы с высокой долей достоверности можно сформировать, используя количественные методы прогнозирования для аппроксимации рядов динамики, в частности, метод экспоненциального сглаживания и метод скользящей средней.

Эти фактографические методы прогнозирования в совокупности с рядом других образуют инструментарий сглаживания экспериментальных кривых для целей прогнозирования, их применение зависит от конкретных условий анализа. Например, метод экстраполяции на основе суммарных кривых, несмотря на свою простоту, ограничен специальными параметрами и показателями прогноза. Весьма популярным способом получения сглаженной кривой является применение скользящих средних, которые формируются средствами того же Excel. Рядом с реальной кривой строится сглаженная линия, на основе нее и формируется прогноз на 2018 год в нашем случае.

Отдельные виды количественных методов прогноза

Прибегая к формализованным методам прогнозирования, основанным на анализе статистических данных, мы не можем не остановиться на средствах регрессионного анализа и использовании для оценки перспектив S-образных кривых прогноза. Напомню, что регрессионный анализ тесно связан с другим видом анализа математической статистики – корреляционным. Данные статистические методы прогнозирования распространены в силу включения в них элементов теории вероятности и ограничены изучением влияния одного или нескольких факторов. И если первый отвечает за выявление формы связи между зависимой и независимыми переменными, то второй – за установление тесноты такой связи. В большинстве случаев говорят не об отдельных методах, а о комплексном корреляционно-регрессионном анализе.

Инновационная практика в целях прогнозирования результатов НТП часто оперирует функциональными зависимостями, среди которых наиболее применимы так называемые S-образные кривые, которые лучше всего соответствуют жизненным циклам технологических систем. Но одна такая кривая позволяет получить приемлемые результаты взаимосвязей временных рядов по одному фактору и в пределах единственного качественного скачка. В то же время прогнозирование часто требует оценки динамики группы последовательных технологических прорывов. В таких случаях эксперты рекомендуют применять графическое моделирование научно-технического развития на основе серии S-образных кривых, строя на их основе суммирующую огибающую кривую.

огибающая кривая
Огибающая кривая для прогнозирования перспектив роста транспортных скоростей

Выше представлен пример построения в 70-е годы такой огибающей кривой для оценки перспектив освоения транспортных скоростей человечеством. Графический вид сериальных оценок нагляден, а регрессионный анализ может выступить достойным дополнением. Его средства весьма полезны для построения прогнозов генезиса существующих технических систем с учетом выявленных ранее факторов. Построенные функции регрессионной модели позволяют определить направления ближайших разработок в сфере науки, техники и технологии. Но если причины вероятного изменения прогнозируемых переменных неизвестны, применимость данного метода нужно поставить под сомнение, и все его преимущества перед тем же методом экстраполяции сходят на нет.

Регрессионные выражения, сформированные на основе единичных факторов, могут быть объединены еще одним формализованным методом, именуемым «эконометрика». Данный метод позволяет выполнять уже многофакторный анализ и создавать инновационный количественный прогноз на основе большого числа критериальных параметров. Предположим, нам нужно выполнить оценку потенциала автономности носимых устройств через 3-4 года.

Многочисленность параметров экрана, датчика-монитора сердечного ритма, других закладываемых подсистем в гаджет определяет набор функций технического прогресса, включая и возможности энергоемкости и веса аккумуляторной батареи. Все они определяют состав уравнений, входящих в единую модель причинно-следственных связей, в которой присутствует объединение многофакторных регрессий и выбранных по условиям задачи переменных. Эконометрическая модель в конечном итоге представляет собой синтетическую функцию вида:

эконометрическая формула
Пример эконометрической формулы для построения многофакторного прогноза

Приемы эконометрики дают наилучший результат в условиях, когда представляется возможным выявить существующие причинно-следственные связи и, особенно, когда переменные весьма динамичны во времени и удается предугадать направление их изменений. Несмотря на высокую трудоемкость данного метода, он обладает несомненными достоинствами. Главным из них является то, что выявленная тенденция носит устойчивый характер.

Экспертные виды интуитивных методов прогнозирования

В предыдущих разделах статьи дана характеристика некоторым формализованным методам прогнозирования. Львиную долю среди них занимают инструменты количественного анализа рядов данных, а именно статистические методы прогнозирования. Нами остались нерассмотренными такие интересные фактографические методы прогнозирования, как метод моделирования или симуляции, методы анализа патентной и непатентной информации, которые имеют большое значение в инновационной деятельности.

В настоящем разделе мы оценим интуитивные методы, основанные на экспертном подходе в выработке видения предполагаемого будущего НТП. Вполне обоснованно считается, что без экспертов и их позиции не обходится ни одно из средств прогнозирования. Действительно, если все данные для прогноза подобраны и уровень их качества высок, то это уже не обоснованное предположение, а обыкновенный план, основанный на простой экстраполяции. В целом же все интуитивные методы прогнозирования делятся на группы индивидуальных экспертных оценок в прогнозировании и коллективных.

Для целей статьи под экспертом мы будем понимать высококвалифицированного специалиста в сфере научного знания, техники и технологии, который приглашен для анализа, оценки, выработки и выражения суждений по поставленному перед ним вопросу. Инновационное проектирование предполагает, что вопрос и суждение формируются в сфере научно-технического развития, по предмету предпроектного исследования или инновационной стратегии. Под экспертным суждением предлагается принимать ответ на вопрос с развернутой аргументацией.

Экспертное суждение участвует в составлении прогноза, если объект исследования предельно прост, либо, наоборот, крайне сложен. Во втором случае пополнить информацию до уровня, достаточного для принятия решения, невозможно иным образом, кроме как с помощью представления особого профессионального мнения о предмете и объекте. Конкретными побудительными мотивами привлечения к работе экспертов являются следующие.

  1. Экспертная оценка способна заменить пробелы данных для экстраполяции.
  2. Вычислительная обработка полученных ранее сведений является неоправданно дорогой.
  3. Данные пригодны для обработки только путем экспертной оценки и не иначе.
  4. Допуски в предполагаемой ошибке и неточностях прогноза дают шанс для учета позиции привлекаемых специалистов.
  5. У отдельных специалистов присутствуют уникальные экспертные качества.

Метод экспертных оценок предполагает, что при поиске, подборе и выборе экспертов служба персонала компании руководствуется рядом правил, учитывающих профессионально-личностные характеристики кандидатов и их психологические портреты. Кроме этого служба HR руководствуется специальными методами установления компетентности эксперта, среди которых выделяются:

  • самооценка;
  • анкетирование;
  • коллективная оценка.

Коллективные экспертные методы прогнозирования, применяемые в инновациях, разнообразны по своим инструментальным средствам.

  1. Метод матриц.
  2. Метод «комиссии».
  3. Метод мозговой атаки.
  4. Метод «Дельфи».

Интуитивные методы прогнозирования в форме индивидуальных экспертных оценок различаются по следующим видам.

  1. Методы интервью и анкетирования.
  2. Аналитические экспертные методы.
  3. Метод морфологического анализа и построение на его основе морфологической матрицы.
  4. Сценарный метод.
  5. Метод психоинтеллектуальной генерации идей.

Особенности матричного метода прогнозирования

В составлении прогнозов развития НТП большой вес занимают методы нормативного прогнозирования. В них количественная оценка перспектив выполняется на основе целей и задач, которые ставит перед собой инновационное предприятие на прогнозируемый период. Нормативное прогнозное исследование в качестве основного метода использует матричный метод прогнозирования. Матрицы решений могут строиться в двухмерном и трехмерном виде, представляться в горизонтальной или вертикальной форме. Задачей матричного подхода является комплексное сравнение направлений прогноза по степени их важности для компании.

Как разновидность нормативного подхода матричный способ ориентирован на заданные нормативные значения. Благодаря оценке разных путей достижения целевых значений прогнозную информацию удается сформировать на основе альтернативных решений, заложенных в факторы матричного формата. При этом в варианты вносятся проблемные ограничения, находящиеся на различных стадиях инновационного процесса. Таким образом наиболее четко проявляются способы и средства получения приемлемого результата среди гипотез и предположений относительно состояния НТП в будущем.

Исследуемый объект в динамике развития зависит от множества факторов, находящихся в тех или иных взаимосвязях. Методика предлагает разбивать всю совокупность моментов на группы по однородным признакам. Сформированные группы факторов ранжируются по согласованному критерию и затем, используя матричный эффект, оценивается влияние этих блоков друг на друга и участие их в формировании общего прогностического результата. Ниже представлен комплекс формул гипотетического примера факторного количественного анализа в матричной форме.

формулы матричного метода прогнозирования
Комплекс формул для математического выражения матричного метода прогнозирования НТП
(нажмите для увеличения)

Инновация как крайне рискованный проект предъявляет высокие требования к уровню вероятной ошибки при прогнозировании. Для минимизации ошибок во время оценки перспектив результатов НТП факторные группы должны предусматривать максимальный спектр альтернатив решения той или иной предполагаемой проблемы. Тогда алгоритм использования матричного метода выглядит следующим образом.

  1. Идентификация ключевых моментов, способных повлиять на достижение целей инновации.
  2. Сбор идентифицированных факторов в группы по однородным признакам.
  3. Количественный анализ и присвоение группам факторов коэффициентных значений по балльному принципу.
  4. Построение матриц влияния факторных групп друг на друга и на достижение целевых результатов.
  5. Расчетные процедуры анализа матриц, оцифровка степени влияние, ранжирование, построение графов влияния, формулирование прогнозных выводов.

Специфика качественных коллективных экспертных методов

Качественные методы прогнозирования, основанные на интуитивных техниках выработки и обработки экспертных позиций, как мы уже знаем, могут носить индивидуальный или коллективный характер. Качественная работа по формулированию и проверке гипотез будущего определяется методологией, опирающейся на групповую работу инструментов, в которые входят методы:

  • «комиссии»;
  • мозгового штурма;
  • «Дельфи».

Первый метод предполагает комиссионную работу группы экспертов, в ходе которой обычно разворачивается дискуссия о перспективах изменений объекта изучения и исследований. По организации данный способ достаточно прост и оперативен. Но по ряду причин, в том числе психологического плана, он имеет ряд недостатков, вызванных:

  • присутствием среди субъектов коммуникаций авторитетной фигуры, способной повлиять вольно или невольно на позицию остальных экспертов;
  • разными способностями экспертов к убеждающему воздействию, что также может склонить «чашу весов» в пользу более сильных оппонентов во время обсуждения;
  • вероятным включением в группу конформистов и (или) заядлых спорщиков.

Метод мозговой атаки или штурма позволяет снять некоторые недостатки метода «комиссии». Главное в данном методе – вывести коллективную экспертную динамику в режим свободной генерации идей с максимальным раскрытием потенциала. Для этого применяется специальная техника, она предполагает в своем алгоритме ряд последовательных этапов.

  1. Подготовка к мозговому штурму. Привлечение в генерирующую группу кандидатов числом 5-15. Оптимальной является численность группы в семь участников. Особое значение имеет фигура ведущего или модератора мероприятия. Он должен не только собственно провести коллегиальную работу, но организовать ее в аспектах задач штурма, подбора участников («генераторов» и экспертов), создания условий, способствующих получению удовлетворительного результата.
  2. Собственно работа группы во время сессии. Перед этим ведущий мероприятия сообщает участникам правила проведения мозгового штурма (отказ от критики, максимизация числа и непрерывность выражаемых идей, и т.д.).
  3. Сбор, оценка и отбор идей. Данный этап выполняется отдельной группой экспертов, которые ищут в самых «диких» идеях рациональные зерна.
  4. Проработка, развитие наиболее интересных идей до уровня приемлемых заключений.

Все рассматриваемые в данном разделе неформализованные методы прогнозирования считаются интуитивными, хотя выполняются по четко отработанным в течение длительного времени использования правилам. Еще одним коллективным средством прогноза считается метод «Дельфи». Он основан на принципах структурированного анонимного взаимодействия экспертов. При этом применяются специальные анкеты с контролируемой обратной связью.

Метод занимает достаточно много времени по трудоемкости и весьма дорог, требователен к четкости формулирования вопросов при анкетировании. Но на первых этапах процедур прогнозирования метод «Дельфи» бывает очень полезен, поскольку его результаты могут дать хорошую основу для более детальных исследований. Он позволяет выполнить структурированную обработку ответов от большой экспертной группы и представить ряд данных приближенных по объему к репрезентативной выборке. В заключение раздела предлагаю рассмотреть частный случай коллективной экспертной оценки в форме последовательного алгоритма.

алгоритм разработки прогноза
Алгоритм разработки прогноза на основе коллективного экспертного метода

Сценарный и адаптивный методы прогнозирования

Мы уже рассмотрели достаточно большое число методов подготовки прогноза, которые применяются для оценки перспектив объектов НТП. Но есть такие качественные методы прогнозирования, которые мы никак не можем обойти вниманием, и хотя бы несколько слов должны сказать в плане их характеристик и особенностей. Одним из таких инструментов является сценарный метод прогнозирования. На самом деле, и этот метод имеет разновидности. Дело в том, что при разработке сценариев будущего используется либо дедуктивный, либо индуктивный подход.

Первый подвид сценарного метода основан на анализе ключевых факторов, оказывающих влияние на поведение прогнозируемого объекта. Проще говоря, мы от общего анализа альтернатив идем к частным выводам по прогнозу. Второй вид сценария, напротив, строится посредством анализа конкретных ситуаций, на основе которых возникает общая картина объекта. Дедуктивный метод применим к созданию и поискового прогноза, и нормативного. Рассмотрим этапы поискового прогнозирования сценарным методом дедукции.

  1. Проработке подвергаются сценарные вариации на основе общих альтернатив изменений по объекту исследования. Выстраивается ось полярных альтернатив, между которым располагаются различные промежуточные позиции. На этой оси находится так называемая «нулевая альтернатива».
  2. Система существенных факторов, оказывающих влияние на объект в его развитии, подвергается описанию и ранжированию.
  3. Устанавливается диапазон возможных будущих состояний объекта исследования. Здесь важно найти точные формулировки таких состояний, каждое из которых определяют отдельную сценарную ветвь.
  4. С подключением матричных методик выявляется степень взаимного влияния факторов.
  5. Составляется когнитивная карта взаимодействия факторов, которые графически изображаются на вершинах графов, а собственно связи – в форме линий или дуг (пример карты см. ниже).
  6. Выполняется качественный анализ карты и выявляются те комбинации факторов, которые приводят к установленным ранее сценарным исходам. Так, например, формируется модель поисковых сценариев развития объекта в сфере наращивания инновационного потенциала компании.
когнитивная карта
Пример когнитивной карты взаимодействия факторов

Адаптивные методы прогнозирования позволяют подстраивать скользящие прогнозы под эволюцию переменных характеристик исследуемых объектов НТП, гибко подстраиваться под происходящие процессы и события. Но, опять-таки, практически все прогнозные методы могут быть представлены адаптивными. Современные средства автоматизации позволяют добиваться короткого временного лага реагирования по модификации прогноза, если соответствующие критерии заранее заложены в информационную модель. Для формирования адаптивного прогнозируемого образа будущего лучше всего подходят методы краткосрочного прогнозирования. Такая потребность весьма чувствительна, когда предположения строятся на основе статистических сведений в условиях сильной колеблемости данных динамического ряда.

В настоящей статье мы кратко рассмотрели основные методы прогнозирования, применяемые в отношении предположений о развитии объектов НТП. Среди сотни методов выбраны были те, которые наиболее распространены в отечественной и зарубежной практике. Директору по развитию и проектному менеджеру в сфере инноваций полезно владеть некоторыми прогнозными навыками и быть знакомым с палитрой доступных сегодня средств. В любом случае, менеджменту приходится пользоваться представленными выше инструментами либо на уровне «промокашечной прикидки», либо же с применением серьезных программных средств. Все зависит от этапа проекта и уровня решаемой задачи.

Похожие публикации