予測は、入力の変化が結果にどのように影響するかを判断するための「what-if」分析を実行することによって、リーダーが将来の計画を立てることを可能にする意思決定支援ツールとして役立ちます。たとえば、予測は、需要レベルの変化、競争による値下げ、経済の増減などに対する適切な対応を企業が特定するのに役立ちます。予測から最大の利益を得るために、リーダーは、さまざまなタイプの予測方法の詳細を理解し、特定の予測方法タイプでできることとできないことを認識し、どの予測タイプが特定のニーズに最も適しているかを知る必要があります。
ナイーブ予測方法
ナイーブ予測方法は、過去の期間について記録されたデータに基づいて将来の期間についての予測を立てる。たとえば、単純な予測は、前の期間の実績、または特定の過去の期間の実績の平均に等しい場合があります。単純な予測では、将来の期間の予測を最適に見積もるために、季節の変動や周期的な傾向について過去の期間を調整することはありません。単純な予測方法を使用するユーザーは、因果要因、つまり実績の変化をもたらす要因には関係ありません。このため、単純な予測方法は通常、より洗練された予測方法の結果を確認するための予測を作成するために使用されます。
定性的および定量的予測方法
個人的意見は定性的予測方法の基礎であるが、定量的方法は未来を予測するために過去の数値データに頼る。 Delphiの方法、情報に基づく意見、および歴史的なライフサイクルの類推は、定性的な予測方法です。言い換えると、単純指数平滑化、乗法季節指数、単純および加重移動平均は定量的予測方法です。
カジュアル予測方法
外因性入力を使用した回帰分析および自己回帰移動平均は、基礎となる要因を使用して変数を予測する因果予測方法です。これらの方法は、既知の現在の変数を使用する数学関数が、変数の将来の価値を予測するために使用され得ると仮定する。たとえば、チケット販売の要素を使用して、映画関連のアクションフィギュアの変動販売を予測したり、大学チームが獲得したフットボールの試合の要素数を使用してチーム関連商品の変動販売を予測したりできます。
判定予測方法
デルファイ法、シナリオ構築、統計調査、および複合予測はそれぞれ、直感と主観的な推定に基づく判断的予測法です。これらの方法は、管理者および専門家パネルによって行われた、または調査で表された意見の集合に基づいて予測を生成します。
時系列予測方法
指数平滑法、移動平均、傾向分析などの時系列タイプの予測方法では、過去のデータを使用して将来の結果を推定します。時系列は、2000年以降の四半期ごとの会社の売上高や1975年以降のCoca Colaの年間生産量など、特定の期間にわたって記録されたデータのグループです。過去のパターンは将来も頻繁に繰り返されるため、時間を使用できます。 5年、10年、20年の長期予測をするシリーズ。長期予測は、会社の購買部門、製造部門、販売部門、および財務部門が新しい工場、新製品、または新しい生産ラインを計画することを可能にするなど、さまざまな目的で使用されます。
