Prognozowanie gospodarcze

Prognozowanie

Rola prognoz

Przydatność prognoz w gospodarce:

•   Organy planujące wymagają informacji o tym jakw przyszłości będą się kształtować czynniki mające wpływ na charakter przemian
•   Pozwalają wyrobić sobie pogląd na skutki przedsięwzięć
•   Dają wcześniejsze rozeznanie o stopniu realizacji celów
•   Korzystając z praw rozwoju pozwalają ocenić kształtowanie się pewnych wielkości przy założonym poziomie innych

Zakres zastosowania - prognozowanie:

Budżet państwa, budżety firm, spekulacje finansowe, marketing, planowanie zasobów, zarządzanie i kontrola, kultura, demografia, zarządzanie ryzykiem finansowym, ekonomia, zarządzanie sytuacjami kryzysowymi, polityka.

Obszary wykorzystywania prognoz w przedsiębiorstwie:

  

Poziomy prognozowania:

Góra-dół

Integracja prognoz

   

 MIKROEKONOMIA

  RYNEK

FIRMA: sprzedaż, zyski, ceny

Góra-dół

Integracja prognoz

Prognozowanie w firmach:

Produkcja 20% (przemysł energetyczny, motoryzacja)

Marketing 20% (farmacja, przemysł spożywczy)

Finanse 14% 

Handel  12% 

Komórki prognostyczne 10% 

Planowanie strategiczne 6% 

Najczęściej progozuje się w:

•   Produkcja (przemysł energetyczny, motoryzacja)
•   Marketing (farmacja, przemysł spożywczy)
•   Usługi (przemysł paliwowy, telekomunikacja)

Rola prognozowania w procesie decyzyjnym:

•   Dostarczenie możliwie najbardziej obiektywnych, naukowo uzasadnionych rozwiązań dotyczących kształtowania się zjawisk w przyszłości
•   Stworzenie dodatkowych przesłanek w procesie decyzyjnym
•   Harmonogramowanie:

• • Efektywne wykorzystanie zasobów wymaga planowania produkcji, finansów, zasobów ludzkich
  • Istotny czynnik w procesie zarządzania i prognozy popytu na produkty, surowce, pracę
  •   Dostępność zasobów:
  • Zmienność popytu/podaży
    • niepewność planowania zasobów,
    • czas dostawy, dostępu do materiału, gotowość personelu do pracy może wynosić od klilku do kilku lat
  • prognozowanie jest niezbędne do określenia przyszłych wymagań dotyczących zasobów organizacji

informacja ≠ właściwa, efektywna decyzja

właściwa interpretacja informacji → właściwa decyzja

Plan a prognoza:

Prognoza koncentruje się na tym, jak będzie wyglądała przyszłość.

Plan na tym jak chcemy aby wyglądała.

Prognozowanie	Planowanie
Prognoza jest podstawą planu	Zaprojektowane następstwo działań pozwalających na osiągnięcie celu
Aktywność receptywna	Aktywność efektywna
Jest stwierdzeniem niepewnym	Program, harmonogram działań
Zapewnia przewagę konkurencyjną	Strategia, polityka

Przewidywanie – pojęcia podstawowe:

Przewidywanie – wnioskowanie o zdarzeniach nieznanych na podstawie zdarzeń znanych.

Zdarzenia:

•   nieznane należące do przeszłości
•   nieznane należące do przyszłości

Szacowanie statystyczne – wnioskowanie o populacji na podstawie próby z użyciem odpowiednich reguł.

Klasyfikacja przewidywania przyszłości:

Przewidywanie przyszłości – wnioskowanie o zdarzeniach, które zajdą później niż czynność przewidywana, odbywające się na podstawie informacji o przeszłości.

Przewidywanie przyszłości:

•   racjonalne (zdroworozsądkowe; naukowe (= prognoza))
•   nieracjonalne

Proces racjonalnego przewidywania przyszłości:

 

Prognozowanie – racjonalnie naukowe przewidywanie przyszłości

Prognoza:

•   jest  formułowana na z wykorzystaniem dorobku nauki
•   jest stwierdzeniem odnoszącym się do określonej przyszłości
•   jest stwierdzeniem weryfikowalnym empirycznie
•   nie jest stwierdzeniem stanowczym, ale akceptowalnym
•   istnieje logiczny związek pomiędzy przesłankami, a konkluzją

Przewidywania nieracjonalne – wróżby, horoskopy – nie ma ciągu logicznego

Podstawy prognozowania:

•   ontologiczne – obejmują naturę zjawisk i ich wzajemne oddziaływania (np. popyt na dobro podstawowe, wzrost dochodu)
•   gnoseologiczne – wynikają z wiedzy o naturze zjawisk, mechanizmach ich rozwoju (kształtowania się , np. schyłek produktu – popyt raczej nie wzrośnie)

Prognozy, a zachowania społeczne:

•   prognozy  samorealizujące się
•   prognozy samounicestwiające się

Pojęcia pomocnicze:

•   Obiekt – układ, system, np. Polska, województwo, człowiek

Jeśli konkluzja jest pełna musi zawierać

Zjawisko – gospodarcze, społeczne, kulturowe

(proste, złożone – więcej niż 1 zmienna)

•   Zmienne:

- ilościowe(jednorodność zjawiska; dane liczbowe),

- jakościowe(zjawisko niejednorodne; weryfikowalne empirycznie)

- wewnętrzne (opisują obiekt),

- zewnętrzne (charakteryzują otoczenie obiektu)

Konkluzja- zawiera informacje o obiekcie, zjawisku i zmiennej.

To nie są progozy:

•   tantologia – wyrażenie logiczne, operacja na zbiorach, zdanie zawsze prawdziwe
•   stwierdzenie banalne
•   twierdzenie matematyczne

Zapis danych prognostycznych

Rodzaje szeregów:

1.  Jednowymiarowy szereg czasowy

y*_(t) = [y₁, y₂, ..., y_t, y_n]

y_t – stan zmiennej w momencie lub okresie

n – liczna obserwacji (długość czeregu czasowego) zmiennej

1 wymiar szeregu czasowego, 1 zjawisko, 1 zmienna

2.  Wielowymiarowy szereg czasowy :

   y₁₁   y₁₂   … y_1t … 

  Y=  y ₂₁ …  …  … 

…  …   … … 

Y_i1 …  … … 

Gdzie : y_1t  - stan zmiennej w momencie lub okresie t, [i=1 m;t n ] 

3. Jednowymiarowy szereg przekrojowy

Y_(j) =[y₁ , y₂ , … , y_j , … , y_k  ] 

k-l obiektów

y_j- stan zmiennej y w j-tym obiekcie w określonym momencie lub okresie t 

4. Wielowymiarowy szereg przekrojowy

Y_j – stan i- tej zmiennej Y 

5. Wielowymiarowy szereg przekrojowo-czasowy

Informacje wykorzystywane w prognozach:

Źródła i ocena danych

Źródło danych prognostycznych

Źródła danych
Wewnętrzne	zewnętrzne(makroekonomiczne)(źródła informacji o otoczeniu przedsiębiorstwa)
( źródła informacji wewnętrznej o przedsiębiorstwie) np. –zarząd i jego komórki sztabowe -komórki sprzedaży i marketingu -komórki księgowe i ekonomiczne -komórki produkcyjne   - komórki logistyczne  -komórki badaczo-rozwojowe	-z otoczenia bliższego -z otoczenia dalszego np.  - organy państwa, -instytucje międzynarodowe, -organy administracji państwowej, -firmy doradcze zajmujące się badaniami rynku - instytucje naukowe, stowarzyszenia, biblioteki -Izby Gospodarcze, grupy logistyczne - media

Ocena danych prognostycznych:

1. Prawdziwość, rzetelność danych-  zgodne z przedmiotem którego dotyczą
2. Jednoznaczność - jednoznaczne zrozumienie danych, wielkości pojęć związanych z prognozowanym zjawiskiem, określenie zmiennych. Każda osoba interpretująca te pojęcia powinna je tak samo rozumieć)
3. Identyfikowalność zjawiska przez zmienną / zmienne (zmienne –bezpośrednie związane ze zjawiskiem; gdy są to zjawiska złożone musimy korzystać np. z wiedzy ekspertów itp.)
4. Kompletność (informacje istotne z punktu widzenia zjawiska; sprawdzamy czy informacja się nie powtarza i czy nie jest marginalna – pozostawiamy same istotne dane)
5. Aktualność danych dla przyszłości (aktualne w chwili gromadzenia, zdarzenia i muszą dawać pogląd na przyszłość – przewidywanie kierunku zmian)
6. Koszt zbierania i opracowywania danych (powinniśmy sięgać po dane już opracowane i dostępne; wewnętrzne pochodzące z przedsiębiorstwa)
7. Porównywalność danych

• • Czasowa (strumienie danych pochodzą z tych samych okresów czasu, w tych samych odstępach czasu; porównywane pod względem czasowym)
  • Terytorialna (jeśli chcemy porównać dane to muszą pochodzic z tego samego obszaru; muszą być tożsame)
  • Pojęć i kategorii (to samo terytorium klasyfikacji danych, grupowania, jednoznacznie sformułowane)
  • Metody obliczeń (dane przetworzone, dane zagregowane)

Klasyfikacja prognoz:

Podstawowe rodzaje i cechy prognoz <= z ćwiczeń!!

Klasyfikacja prognoz

a. Ze względu na horyzont czasowy

Krótkoterminowe: (do dwóch lat)   M-c   Pół roku   Rok   Dwa lata	Szczegółowe,   Dotyczą głównie zmian ilościowych   Podstawa planowania operacyjnego	Operacyjna- stosowana do planowania krótko- i średnioterminowego
Średnioterminowe: Od 3 do 7 lat	Szczegółowe   Skonkretyzowane   Zmiany ilościowe i jakościowe
Długoterminowa	a. perspektywiczna- 10, 15 i 20 lat (zgodnie z założeniami i potrzebami planowania perspektywicznego); zakres bardziej ogólny niż w prognozie średnioterminowej b. ponadperspektywiczna- 30- 50 lat (czasami > 100 lat); ogólne i hipotetyczne założenia dotyczące przyszłego rozwoju i badanych zjawisk	Strategiczna- stosowana w planowaniu perspektywicznym, oraz w kształtowaniu  założeń perspektywicznej polityki społeczno- ekonomicznej

c. Struktura, charakter

Prosta (ilościowa)	Złożona (jakościowa)
Dotyczy głównie zjawisk typu ilościowego w miarę jednorodnym charakterze   Prognozy krótkoterminowe	Badania procesów jakościowych lub pociągających za sobą wyraźne zmiany strukturalne   Stosowane gdy występuje wyraźna zmiana jakości procesu rozwojowego lub zmiana struktury wzrostu gospodarczego

d. Cel, funkcja

Ostrzegawcza	Przed nadejściem niepożądanych zdarzeń   Podstawa działań zapobiegających bądź łagodzących   Skutki przyszłych niekorzystnych zdarzeń
Badawcza	Najbardziej dokładnie i obiektywnie przedstawia przyszłość   Obraz stanu nauki w danej dziedzinie
Normatywna	Przyszłe cele i zadania są podstawą sformułowania prognozy   Wskazuje najbardziej pożądany wariant i kształt prognozy
Pasywna	Pokazuje przyszły kierunek zmian   Nie sugeruje działań związanych z kierunkiem rozwoju danego zjawiska
Aktywna	Pokazuje jak niezbędne jest podjęcie określonych działa, które zapewnią konieczne tempo i kierunek rozwoju określonych zjawisk

e. Poziom szczegółowości

Ogólna	Szczegółowa
Pokazuje tylko ogólne tendencje przyszłego rozwoju zjawiska   Wykorzystywana w planowaniu perspektywicznym i ponadperspektywicznym	Przedstawia zmiany ilościowe zmiennych prognozowanych   Wykorzystywane w prognozach krótkoterminowych

Prognozy makro- i mikroekonomiczne:

•   Pełnią role informacyjną i ostrzegawczą ( pozwalają przedsiębiorstwom przewidzieć korzystne i niepożądane zmiany w prognozowanym obiekcie
•   Prognozy makroekonomiczne często wpływają na bieżącą działalność rządu, instytucji finansowych i innych podmiotów gospodarczych
•   Pozwalają przedsiębiorstwu odpowiednio wcześnie określić oddziaływanie czynników makroekonomicznych na prognozowane zjawisko i dostosować swoje strategie działania do przewidywanych zmian ( mimo braku wpływu na kształt czynników makrootoczenia)

Przewidywanie- wnioskowanie o zdarzeniach nieznanych na podstawie zdarzeń znanych

Zdarzenia nieznane należące do przeszłości	Zdarzenia nieznane należące do przyszłości
Zaszły wcześniej niż czynność przewidywana lub trwają nadal   Efekty ich zajścia nie są znane	Efekty nie są znane

Proces przewidywania przyszłości:

1. Budowa przesłanek,

2. Wnioskowanie o przyszłości na podstawie zbudowanych przesłanek,

3. Sformułowanie konkluzji.

  Pytani o przyszłość  Przesłanki  Wnioskowanie  Konkluzja

Przewidywanie przyszłości
Przewidywanie racjonalne		P. nieracjonalne
Zdroworozsądkowe	Naukowe	Brak logicznego związku między przesłankami a konkluzją   Brak przesłanek przedstawionego sądu o przyszłości
Oparte jedynie na obserwacji i doświadczeniu (przesłanki i wnioskowanie)	Logiczny związek między przesłankami a konkluzją   Przyszłość formułowana przy pomocy aparatu naukowego

Etapy prognozowania

1. Sformułowanie problemu badawczego.

a. Ustalenie celu, przedmiotu i zakresu prognozy

b. Określenie horyzontu czasowego

c. Współpraca prognosty i zleceniodawcy

(identyfikacja prognozowanego obiektu, zachodzącego w nim zjawisk oraz zmiennych, które w sposób jednoznaczny i wyczerpujący opiszą prognozowane zjawisko)

2. Budowa przesłanek prognostycznych.

a. Zgromadzenie właściwych danych ilustrujących badane zjawisko, które zapewnią:

• •   Możliwość oceny teraźniejszego i przyszłego stanu zjawiska,
  •   Możliwość oceny mechanizmów rozwojowych badanego zjawiska,
  •   Możliwość oceny ekonomicznych, społecznych, technologicznych aspektów prognozowanego zjawiska.

b. Poddanie zebranych danych wnikliwej ocenie

3. Wybór metody i reguły prognozowania.

Wg. Takich kryteriów jak:

•   Horyzont czasowy,
•   Dostępność i kształt danych,
•   Łatwość użycia,
•   Łatwość interpretacji wyników,
•   Wiarygodność wyników- dopuszczalność prognozy.

Metody prognozowania
Ilościowe (matematyczno- statystyczne)	Jakościowe ( heurystyczne, niema tematyczne)
Metody obiektywne – ich jakość zależy od jakości danych wejściowych,   Stosowane najczęściej do zjawisk prostych.	Zjawiska złożone, prognozy długoterminowe- często stosowane gdy domniemuje się że „Przyszłość będzie znacząco różna od przeszłości”   Bardzo kosztowne i czasochłonne

4. Wyznaczenie prognozy.

Zgodnie ze schematem określonym w metodzie wybranej przez prognostę w etapie wcześniejszym.

5. Ocena prognozy i weryfikacja metody prognozowania.

•   Porównanie wymagań jakościowych zleceniodawcy z uzyskanymi wynikami,
•   Trafność prognozy określana jest po upływie czasu jej realizacji (trafność po fakcie)
•   Dopuszczalność prognozy- w czasie w którym jest sporządzona.

Kryteria: cel lub funkcja

•   Preparacyjne (prognoza ma za zadanie przygotować nas…..)
•   Ostrzegawcze
•   Badawcze (ma za zadanie pogłębianie wiedzy o naturze zjawiska; najdokładniejsze przedstawienie tego, co będzie w przyszłości)
•   Normatywne (bezpośrednie podejście do planu; zakładamy pożądany stan zmiennej w przyszłości, określamy przyszłe cele i zadania rozwojowe; pozwala na bezpośrednie przejście do planu)
•   Pasywne (wskazanie tego, co będzie w przyszłości, ale bez konsekwencji)
•   Aktywne (pasywna+ czynnik aktywizujący, wskazuje co musi być żeby pasywna była zrealizowana)
•   Inne

Metody prognozowania

Pojęcie metody – świadomie i konsekwentnie stosowany sposób postępowania dla osiągnięcia określonego celu. Zespół celowych czynności i środków. Ogół reguł stosowanych przy badaniu rzeczywistości

Metoda musi mieć tą właściwość, że jeśli ją stosują różne osoby do tego samego przypadku, to osiągają one takie same wyniki (powtarzalność metody).

Metody prognozowania

•   Specjalnie określony sposób do rozwiązywania zadań prognostycznych
•   Obejmuje sposób przetwarzania informacji o przeszłości zjawiska oraz sposób przejścia od informacji przetworzonej do prognozy
•   Sposób przejścia od informacji przetworzonej do prognozy nazywany jest regułą prognozy

Jak przygotować dobrą prognozę?

• • Zdefiniuj i przeanalizuj problem (obejmuje diagnozę danych historycznych, informacji faktów niosących przyszłość; dokładnie sprecyzować problem; do jakich celów będzie wykorzystywana)
  • Zdefiniuj cel i oczekiwane rezultaty
  • Użyj właściwej metody
  • Bądź w stanie dokonać interpretacji wyników
  • Rozważ zasoby wejściowe (dane, koszty, czas) i wyniki (korzyści)

W metodzie ilościowej rządzi reguła podstawowa.

Proces prognozowania:

Kluczowe kwestie

•   Jak przygotować prognozę?
•   Jak poprawnie ją zaprezentować i wykorzystać

Faza I 

•   Diagnozowanie przeszłości
•   Sformułowanie problemu
•   Budowa przesłanki
•   Wybór metody i reguły prognozowanej

Faza II 

•   Określanie przyszłości
•   Wyznaczanie prognozy
•   Ocena prognozy i weryfikacji metody
•   Konkluzja

Fazy wyznaczenia prognozy:

Fazy przewidywania:

•   Diagnozowanie przeszłości

(sformułowanie problemu, określenie przesłanek prognostycznych; wybór metody; zebranie informacji jakościowych -> przetwarzanie -> tworzenie modelu prognostycznego)

•   Określanie przyszłości (obejmuje wyznaczenie prognozy i jej ocenę i prezentację)

Diagnozowanie przeszłości : budowa modelu formalnego lub myślowego

Reguła prognozy: sposób przejścia od danych przetworzonych do prognozy

Reguły prognozowania:

1.  Reguła podstawowa – mówi o ekstrapolacji (kontynuacja wykrytej prawidłowości modelu podstawowego poza próbą. Prognoza jest kontynuacją wykrytych prawidłowości w przeszłości i czynności ją kształtujące nie ulegną zmianie)

2.  Reguła podstawowa z poprawką – skorygowanie prognozy z poprawką

3.  Reguła największego prawdopodobieństwa- stosowana gdy zmienna ma charakter losowy, prognoza jest wartością najczęstszego występowania prawdopodobieństwa -można wskazać rozkład normalny

4.  Reguła minimalnej straty – prognozą jest wartość, która charakteryzuje się minimalnym błędem.

Proces prognozowania

Faza I 

  Diagnozowanie przeszłości

   Sformułowanie problemu  Budowa przesłanek Wybór metody

    I reguły prognozowania

 Faza II 

Określenie

  Wyznaczanie prognozy  Ocena prognozy i   Konkluzja

    Weryfikacja metody

Ocena danych prognostycznych

1.  Prawdziwość

- dane muszą być prawdziwe i zgodne z przedmiotem, którego dotyczą

- błędy losowe

- błędy wprowadzane świadomie

2.  Jednoznaczność

- pojęć

- określeń

- wielkości zmiennej

3.  Identyfikalność zjawiska przez zmienną/zmienne

4.  Kompletność

- dane powinny być kompletne

- pomijać należy dane nieistotne i niekompletne, powtarzające się 

5.  Aktualność danych dla przyszłości

- nabieramy te dane, które mają najwięcej informacji dla przyszłości

6.  Koszt zbierania i opracowywania danych

- dążymy do minimalnej ilości danych, zbieramy nowe dane kiedy jest wyraźne wskazanie, że poprawią one jakość produktu

7.  Porównywalność danych

- czasowa – mówi, że dane które porównujemy powinny pochodzić z tego samego okresu czasu, w tych samych odstępach

- porównywalność terytorialna

- kategorii

- metody obliczeń

Klasyfikacja prognoz . Podstawowe rodzaje i cechy prognoz

Kryterium horyzont czasowy:

- długo-, średnio- i krótkoterminowe

- perspektywiczne

- ponadperspektywiczne

- operacyjne

- strategiczne

Kryterium: struktura i charakter

- proste i złożone

- ilościowe i jakościowe

Kryterium: stopień szczegółowości:

- ogólne i szczegółowe

Kryterium: zakres ujęcia

- całościowe i częściowe (globalne i odcinkowe, kompleksowe i fragmentaryczne)

Kryterium: zakres terenowy:

- światowe, międzynarodowe, krajowe i regionalne

Kryterium: metoda opracowania

- indukcyjne, dedukcyjne;

- minimalne, średnia i maksymalne

- czyste (pierwotne – dane zebrane, zgromadzone), weryfikowane

- modelowe (ma pokazać co będzie miało miejsce w przyszłości i pokazać etapy pośrednie, przejściowe)

Kryterium: cel lub funkcja

- preparacyjne – prognoza sama w sobie ma przygotować do tego co będzie w przyszłości

- ostrzegawcza – kroki minimalizujące zajścia niekorzystne

- badawcze – do budowy wykorzystujemy weryfikowane metody, porównywalne z innymi metodami-cel; najbardziej dokładne i obiektywne przedstawienie przyszłości

-normatywne – najbardziej bliska planu, określony stan, który chcemy osiągnąć w przyszłości. Pokazuje najbardziej pożądany kierunek zmian

-  Aktywne – pokazuje to, co będzie i czynnik aktywizujący

Pasywne – zjawisko bez konsekwencji zajścia danego stanu

A.  Sformułowanie problemu badawczego:

• Co jest przedmiotem i celem budowy prognozy?

Określamy zjawisko, które będziemy prognozowali, wskazujemy cel prognozy.

• Jaki jest horyzont czasowy prognozy?

Prognoza krótkoterminowa to metody ilościowe, prognozy długoterminowe to metody panelowe.

• Czemu ma służyć prognozowana prognoza?

Jeśli są to prognozy na podstawie, których są podejmowane decyzje to będziemy się kierować regułą minimalnej straty.

• Jakie decyzje będą podejmowane na podstawie prognozy?

Jakiej szczegółowości będzie prognoza.

• Kto jest odbiorcą prognozy?

W jaki sposób zostanie oceniona jakość prognozy? Ocena trafności, ocena dopuszczalności prognozy i ocena ex post, ex ante.

• Jaka powinna być forma prezentacji wyników?

Raport, który zawiera założenia, omówienia, wskazanie użyteczności użytych metod, prezentacja wyników, obliczenia, ocena trafności.

• Jakie mogą być konsekwencje nietrafności prognozy?
• Jakim budżetem dysponuje prognosta?

Mały budżet – metody proste ilościowe; większy budżet – metody jakościowe

B.  Budowa przesłanek prognostycznych.

Hipotezy jak badane zjawisko będzie kształtowało się w przyszłości

Zgromadzenie właściwych danych ilustrujących badane zjawisko (gromadzenie danych ilościowych (statystycznych) i jakościowych (ekspertyzy)); dane powinny odzwierciedlać to co się działo w przeszłości i wskazywać kierunek rozwoju zjawiska w przyszłości.

Analiza i weryfikacja danych

Powinniśmy starać się ocenić aspekty dodatkowe, ekonomiczne, społeczne czy tez technologiczne. Zebrane dane poddawane są ocenie weryfikacji i analizie. Wyłowienie najlepszych danych.

Sformułowanie hipotez dotyczących sposobu kształtowania się badanego zjawiska w przyszłości oraz sposobu oddziaływania na nie określonych czynników zewnętrznych.

Przesłanki są to normy założeń, co do tego jak zjawisko będzie się kształtować na podstawie przyszłości. Czy to będzie kontynuowane w przyszłości czy nie.

Wybór prognosty:

1.  Zakłada, że przyszłości jest kontynuacją przeszłości

2.  Przyszłość jest niezależna od przeszłości.

C. Wybór metody i reguły prognozowania

• Przesłanki prognostyczne – podstawowy wybór metody.
• Kryteria wyboru metody prognozowania:

- horyzont czasowy

- dostępność i koszt danych – na 1 szeregu czasowym

- łatwość użycia

- łatwość interpretacji wyników

- wiarygodność wyników, dopuszczalność prognozy

Metody prognozowanie – jakościowe

Metoda	Zalety	Wady	Typowe zastosowanie
Panel ekspertów	Opinie pochodzą z różnych źródeł (menedżerowie z różnych działów), szybka i niedroga	Menedżerowie nie posiadają zbyt dużego doświadczenia, adekwatnej wiedzy	- Zasoby kapitałowe - lokalizacja nieruchomości -wybór produktów (przyszłych)
Metody delfickie	Grupy ekspertów mogą trafnie przewidywać zdarzenia w perspektywie długoterminowej (innowacje technologiczne)	Czasochłonne, kosztowne
Badania sondażowe klientów	Użyteczne w prognozowaniu którtko- i średnioterminowym sprzedaży (dla firm z niewielką liczbą klientów)	Informacje klientów mogą nie być odzwierciedleniem obecnych zakupów, czasochłonne, kosztowne

Metody prognozowanie – ilościowe

Metoda	Zalety	Wady	Typowe zastosowanie
Modele regresji	Szybkie, nie są kosztowne, skuteczne w warunkach stabilnych	Wymaga spełnienia zasady status quo oprogramowania do prognoz krótkoterminowych	-Budżetowanie -Planowane zasoby -Harmonogramy produkcji -Planowanie sprzedaży
Modele szeregów klasowych	Łatwe do zastosowania w warunkach stabilnych, łatwość interpretacji wyników, nie wymaga specjalistycznego oprogramowania	Problemy z długookresową analizą trendu

Kryteria oceny metod:

1.  Dokładność

2.  Aktualność

3.  Redukcja kosztów z tytułu poprawy procesu decyzyjnego

4.  Łatwość interpretacji wyników

5.  Elastyczność

6.  Łatwość stosowania

7.  Łatwość wykorzystywania dostępnych danych

8.  Możliwość wykorzystania opinii ekspertów

9.  Koszty stosowania

10. Znaczenie naukowe

Waga kryterium: skala 1- nieistotny, 7- istotny.

D. Wyznaczanie prognozy

- odbywa się zgodnie ze schematem określonym w metodzie

- na podstawie modelu formalnego (metody ilościowe; pokazuje w jaki sposób kształtowały się dane aspekty w przeszłości; zapis matematyczny z przeszłości) lub myślowego (metody niematematyczne, np. metoda delficka)

Ocena  prognozy i weryfikacja metody prognozowania:

1. Skonfrontowanie przedstawionych na pierwszym etapie przez zleceniodawcę wymagań jakościowych z uzyskanymi wynikami
2. Ocena trafności prognozy (ocena po fakcie; prognoza ex post; do oceny samej prognozy i kalibracji modeli) ocena dopuszczalności prognozy (w tym samym czasie, w którym jest ona sporządzona; prognoza ex ante; pozwala na sprawdzenie maksymalnego horyzontu czasowego; możemy sprawdzić z jakim krokiem możemy przeprowadzić prognozę z jakością).

Ocena jakości procesu prognostycznego:

1.  Jakość metod, założeń: wybór adekwatnych metod i poprawność założeń

2.  Jakość wyników: analizy porównawcze, oceny dopuszczalności i weryfikacja empiryczna prognoz

3.  Jakość procesu: znormalizowana ocena procesu  ( wg określonych zasad, norm np. ISO 9001)

4.  Jakość produktu: ocena aktualności, wiarygodności, powtarzalności, dostępności i form prezentacji wyników

5.  Jakość, wartość użytkowa: ocena spełnienia wymagań sformułowanych przez odbiorcę, ocena zysku/ redukcji strat z tytułu poprawy jakości procesu decyzyjnego

Zasady oceny jakości procesu prognozowania:

1.  Stosowanie analiz porównawczych

(stosowanie kilku metod do budowy prognoz; musimy wybierać właściwe metody do porównań; z tej samej grupy, rodziny, stosować ocenę adekwatności)

2.  Testowanie założeń i hipotez

(stosujemy wiarygodne, obiektywne testy do hipotez, sprawdzamy aktualność założeń; na jakość hipotez i założeń wpływa poprawne sformułowanie procesu prognostycznego)

3.  Ocena zasobów wejściowych i metod

(najbardziej subiektywne to metody ilościowe; pow. stos. rzetelności i kompletności danych dla przyszłości; w procesie ich tworzenia powinien być dostęp do źródeł informacji; precyzyjne omówienie metody – szczegółowe ale proste i zrozumiałe dla zleceniodawcy)

4.  Powtarzanie procedur obliczeniowych i studiów badawczych

(gruntowne studia literaturowe zastosować)

5.  Ocena zasobów wyjściowych ( wyników)

(obejmuje wybór kryteriów oceny jakości prognoz, przypisanie rangi uzyskanych wyników, relacje między błędami , unikanie miar wrażliwych na obserwacje nietypowe, ocena dopuszczalności i prawdziwości, ocena ekonomiczna.

6.  Ocena ekonomiczna- ile będzie kosztowało powołanie zespołu itp.

Prognozowanie na podstawie szeregów czasowych

Cechy podejścia:

1.  Metoda bezpośrednia – cechy wszystkich metod prognostycznych na podstawie szeregów czasowych; bezpośrednio przechodzimy od danych historycznych do prognozy

2.  Reguła podstawowa – czynniki są stałe, wtedy możemy zbudować prognozę; 4 najważniejsze cechy na których bazują metody prognostyczne na podstawie szeregów czasowych

3.  Postawa pasywna – wynika z reguły; przyszłość jest bezpośrednią kontynuacją zachowań z przeszłości

4.  Zasada status quo – czynniki są stałe, wtedy możemy zbudować prognozę; równowaga

OGÓLNE WYTYCZNE

•   Ocena wpływu składowych szeregu czasowego na zmienna prognozowaną (dekompozycja szeregu) – ocena wzrokowa wykresu; wskazanie jakie są składowe w szeregu czasowym, jak one wpływają n prognozę.
•   Budowa modelu formalnego – objaśnia prognozę jakiej szukamy
•   Wybór metody prognozowania

  Aplikacje metody, budowa prognozy – oceniamy prognozę, sam model i efekt jakim jest prognoza.

    popyt

 

       Prognozowanie na podstawie szeregów czasowych

Zasada prognozowania

 

    

 

Model formalny szeregu czasowego

Zmienne objaśniająca

Czas t  zmienna objaśniana

Przeszłe wartości zmiennej prognozowanej y_t   zmienna  prognozowana y_t*

 Prognozy wygasłe zmiennej y^_t

(informacje wejściowe)  (informacje wyjściowe)

Ogólna postać modelu szeregu czasowego

Y*_t+1 = f (t+1, y_t, y_t-1, …, y_t-n, y^_t, y^_t-1, y^_t-2,…, y^_t-n; składnik losowy)

y_t, y_t-1, …, y_t-n – przyszłe stany zmiennej prognozowanej

y^_t, y^_t-1, y^_t-2,…, y^_t-n – prognozy wygasłe

DEKOMPOZYCJA SZEREGU CZASOWEGO:

Cel:

- dobór właściwej metody prognostycznej przez wyodrębnienie i identyfikację poszczególnych składowych szeregu czasowego

- dekompozycja polega na wyodrębnieniu składowych szeregu czasowego ( przede wszystkim tendencji i zmian sezonowych)

09/12/09r.  Dekompozycja

   Składowa cykliczna

          Składowa okresowa

 

  trend

  stały średni poziom

 

składowa losowa

 

Składowe systematyczne czasowe

•   Składowa systematyczna – efekt oddziaływania czynników kształtujących zmienną

• • • Trend – skłonny do przyjmowania większych lub malejących wartości długookresowy
    • Stały średni poziom – wartość oscylująca wokół jednej wartości, przewidywany kierunek zmian jest taki sam, warunki stabilne
    • Składowa okresowa
      •   Wahania cykliczne – cykl dłuższy niż rok, takie same odstępy
      •   Wahania sezonowe – odzwierciedlają pory roku, kalendarz, nie większe niż rok
      •   Składowa przypadkowa – (nieregularny, składnik losowy) efekt zajścia zdarzeń losowych, które wpłynęły na zmienną 

Tutaj są wykresy : 

•   Trend liniowy rosnący
•   Trend logarytmiczny
•   Wahania sezonowe o stałej amplitudzie (odzwierciedlają pory roku, ściśle związane z cyklem kalendarzowym)
•   Wahania cykliczne (cykl dłuższy niż rok)

Modele szeregów

1.  Addytywny  y_t = T_t + S_t + C_t +E_t

-składowe są wyrażone w tych samych … 

-stosujemy, kiedy nie ma interakcji między składowymi i nie wpływają na zmienną y_t.

-szereg czasowy jest sumą swoich składowych

-żadna ze składowych  !  …  ! 

2.  Multiplikatywny

-szereg czasowy jest iloczynem swoich składowych,

-są interakcje, składowe wpływają na poziom zmiennej

-składowe okresowe wyrażone są jako % odchylenia poziomu zmiennej

3.  Mieszany

Cel wizualizacji danych :

• • Dekompozycja szeregów czasowych
  • Identyfikacja obserwacji nietypowych (źródłem może być, np. błąd, nie odzwierciedla stałych, trzeba ją wyeliminować, np. metoda statystyczną)
  • Identyfikacja punktów zwrotnych (następuje zwrot np. kierunku rozchodzenia skł. Zmiennej, nie można wtedy stosować metod prognoz klasycznych, a trzeba sięgnąć po funkcje segmentowe [2 funkcje przed i po pkt. Zwrotnym]).

16/12/09r.

METODY WYGŁADZANIA WYKŁADNICZEGO

Klasyfikacja metod wygładzania:

 Metoda wygładzania wykładniczego

Modele proste - prosty model wygładzania wykładniczego - adaptacyjny model wygładzania wykładniczego (ma parametr zmiennej w czasie) Modele te pozwalają na budowę prognoz krótko i średnio terminowych na 1 krok w przód

Modele zaawansowane - model liniowy Holta model Holta – Wintersa Modele do budowy prognoz na m- kroków w przód

Prognozowanie na podstawie szeregów czasowych –cechy podejścia

•   Metoda bezpośrednia
•   Zasada status quo
•   Postawa pasywna – musimy zbadać co się dzieje ze zjawiskiem, które chcemy badać.

Cechy metod, idea:

- parametryczne metody prognozowania

- wygładzanie szeregu czasowego za pomocą średniej ważonej z wagami określonymi w sposób wykładniczy (filtrujemy składową systematyczną wagami ustalonymi w sposób wykładniczy).

Model adaptacyjny wygładzania wykładniczego:

Parametr alfa uzależniony od czasu, zmiennej w czasie, alfa t od [0,1], konstruowany automatycznie przez pomiar błędu.

Zależy od błędu q (2 błędy: 1 jak jest kierunek zmian w czy przeszacowanie lub niedoszacowanie).

Mierzymy tu wartość bezwzględną

A_t – wygładzona ocena błędu w chwili t 

M_t – wygładzona ocena modułu błędu w chwili t 

Warunki, założenia początkowe:

A. Warunek początkowy: y₂^*=y₁  przyjmujemy ze model jest idealny

B.  Warunek początkowy: A₁=0 model idealny w 100%

   M₁ = 0 – nie ma błędu

C.  Parametry β i α₂=α₃ =α₄  z przedziału [0,1]

D. dobór parametru wygładzania  S*(B)  minimum

Zakres zastosowania:

- do konstrukcji prognoz krótkookresowych na 1 krok w przód

- gdy w szeregu czasowym występują zmiany poziomu zmiennej lub niewielki trend oraz składnik losowy

Zalety i wady adaptacyjnego modelu wygładzania:

- prosty w stosowaniu

- łatwość interpretacyjna

- możliwość reagowania na zmiany kształtu jakie mogą pojawić się w rozwoju szeregów czasowych ( parametr zmiennej w czasie)

- początkowa bezwładność modelu

Ocena trafności prognoz

BŁEDY PROGNOZ WYGASŁYCH

Idea, klasyfikacja błędów ex post

Pojęcie trafności prognoz – różnica między wartością rzeczywistą, a prognozowaną

Rodzaje błędów:

- błędy bezwzględne – zależne od zmiennych

- błędy względne

Polega na skonfrontowaniu prognozy ex post z prognozą rzeczywistą

Pojęcie przedziału weryfikacji prognozy- … 

Bezwzględne błędy prognozy ex post:

1. Bezwzględny błąd prognozy ex post (błąd prognozy)  ; (wzór s. 36)

•   Służy do oceny
•   Błąd jednokrokowy – mówi czy prognoza jest przeszacowana czy niedoszacowana

2. Średni bezwzględny błąd prognozy ex post (błąd średni)  ; (wzór s.37)

•   Miara nieobiektywna
•   Miara podstawowa
•   Jeśli jest bardziej dodatni lub ujemy to znaczy, że jest źle dobrany model
•   Występując błąd systematyczny- mówi o stronniczości prognozy (źle dobrany i skonstruowany model)

3. Średnia wartość modułu bezwzględnego błędu prognozy (błąd przeciętny)  ; (wzór s. 37)

•   Stosuje się aby wyeliminować ….
•   O ile przeciętne wartości teoretyczne odbiegają od rzeczywistych

4. Średnia wartość kwadratów błędów prognoz ex post  ;(wzór s. 38)

•   Będzie eksponował błędy duże
•   Błąd ten ma 1 wadę – nie można go zinterpretować
•   Nie jest stosowany do rekomendacji prognoz
•   Stosowany do kalibracji modelu

5. Pierwiastek z wartości średniej kwadratów bezwzględnych błędów prognozy ex post (średniokwadratowy błąd prognozy);  (wzór s. 38)

•   Prognoza odbiega przeciętnie o t - s* od wartości rzeczywistej

S ≤S* - jest to możliwe jeśli model na 1 zbiorze danych, są to 2 różne miary

Najczęściej stosowane błędy to: q, s*, |widełki|, u. 

Błędy względne prognozy ex post.

6. Względny błąd prognozy ex post (procentowy błąd prognozy); wzór s. 39.

Stopień (poziom) trafności prognozy T= 100% - |widełki_t|

7. Wartość średnia modułu względnego błędu prognozy (przeciętny procentowy błąd prognozy); wzór s.39

Mówi o ile przeciętne wartości odbiegają od wartości rzeczywistej jaki udział procentowy w błędzie poziomu zmiennej.

8. Mediana modułów bezwzględnych procentowych błędów prognozy

•   Wartość środkowa n w szeregu uporządkowanym przy nieparzystej liczbie przeciętnych procentowych błędów prognozy
•   Wartość średnia dwóch środkowych wartości błędów w szeregu uporządkowanym przy parzystej liczbie przeciętnych procentowych błędów prognozy

Współczynnik U-Theila wzór s.43

Interpretacja

•   Jeśli błędy prognozy ex post równe zero to:

Wówczas U=0 

•   Jeżeli prognozy sa równe wartościom rzeczywistym z zakresu poprzedniego, to:

Wówczas U=1 

•   Jeżli względne zmiany prognozy będą miały przeciwny kierunek niż względne zmiany wartości rzeczywistycz to:

Wówczas U>1

Tabela s.44

Kryterium doboru miar trafności

•   Wiarygodność wyników (zgodność wyników z innymi miarami)
•   Prawidłowość i jednoznaczność konstrukcji wielkości (określona na podstawie korelacji pomiędzy wynikami oceny trafności prognoz uzyskanych przy wykorzystaniu miar tego samego typu)
•   Wrażliwość (w kategoriach wrażliwości miary ma zmiany parametrów modelu)
•   Wrażliwość na występowanie obserwacji nietypowych

Źródła błędów w prognozowaniu szeregów czasowych:

•   Problemy z ekstrapolacją wykrytego trendu
•   Błędy systematyczne (stronniczość prognozy); błędny model szeregu; błędna funkcja trendu, niewłaściwa identyfikacja wahań sezonowych, niewykryty trend
•   Błędy losowe- nieobjaśnione wahania (model nie objaśnił zmienności zmiennej)

Alternatywne miary oceny trafności

Ocena wskaźnikowa, kontrola trakcji sygnału

Współczynnik sprawdzalności prognoz

•   Dzięki niemu możemy powiedzieć, że prognozy sprawdziły się w określonym procesie

Ocena poprawności (przewidywanie kierunków zmian prognozy)

•   Sprawdza czy kierunki są zgodne. Jeśli wartości rzeczywiste rosły to czy prognozy tez rosły.

13/01/10r.

Kontrola trakcji sygnału (błędów prognozy)

    Ts =  

  Licznik- skumulowana wartość błędów prognoz ex post

  Mianownik- błąd przeciętny

Idea i rola wskaźnika trakcji sygnału w procesie prognozowania

Idea:

•   Kontrola optymalności modelu (parametrów modelu); [sprawdza czy model jest ok., czy się rozstroił]

Rola:

•   Monitorowanie metod prognozowania wskaźnik efektywności/ skuteczności metody prognozowania
•   Sprawdza, czy metoda odzwierciedla (nadąża) zmiany zmiennej
•   Sprawdza, czy metoda zachowuje swoją aktualność (wyznacza/określa granice zmian – umożliwia monitorowanie jakości prognoz) – systematyczne prognozowanie zmian prognozy.

Ocena trakcji błędów (tabela)

Prognozy były przeszacowane

  3,0 

  2,5 

  2,0 

   1,5 

  1,0 

  0,5

 

-0,5 1  2  3  4  5  6  7  8  9  10

   -1,0

-1,5

-2,0

-2,5

Prognozy były niedoszacowane

Porównanie metod prognozowania – kontrola trakcji sygnału

Wartość Ts = 1,5 jak model przekroczy ten współczynnik jest niedobrze.

Cechy miernika KTB 

Zalety:

•   Brak stronniczości (obiektywny, nie wrażliwy na obserwacje nietypowe)
•   Miara uniwersalna (do zastosowania w róznych modelach)

Wady:

•   Male zmiany wartości w tym samym kierunku powodują wychodzenie sygnału (Ts) poza granice (przyjęte)
•   Może mylnie sugerować nieadekwatność metody (zawsze trzeba sprawdzać czy inne mierniki pokazują taka samą sytuację i jak błąd średni będzie duży)

Przedział ufności do prognozy

Cechy:

•   Do przedziału z przyjętym poziomem ufności 1-α należą przyszłe wartości zmiennej prognozowanej
•   Szerokość przedziału wyraża stopień ufności do prognozy

Błędy prognoz ex post maja rozkład normalny (z wartością oczekiwaną równą zero i odchyleniem standardowym równym s*) zatem:

q(średnie)² – dostarcza informacji o oszacowaniu wielkości wariancji błędu prognoz wygasłych

s* - może być traktowana jako odchylenie standardowe błędu prognoz ex post

Postać przedziału ufności do prognozy t* - zs* ; y* + zs*>

Gdzie,

z- wartość krytyczna dla testu t-Studenta przy v stopniach swobody (v=n-1, gdzie n-liczba wyznaczonych błędów prognozy ex post) i przyjętego prawdopodobieństwa 1-α.

s*- pierwiastek z wartości średniej kwadratu bezwzględnego błędu prognoz ex post

P{y_t*Є } 

Teoria a praktyka

Prognozy i ich ocena

Typowe wartości prognoz sprzedaży ( im dłuższy czas tym większy błąd)

Przemysł ok.8-15 %;  Produkty 16-26%;  Grupy produktów 10-20%;  Korporacje 7-18%;  linie produktów 11-20%

Kluczowe zagadnienia:

-trafność prognozy

-bezwzględny i względny błąd prognozy

-błąd przeciętny

-stopień trafności

-współczynnik U-Theila

-przedzial ufności

-prognoza przedziałowa

Metody heurystyczne - Metody twórczego rozwiązywania problemów

Zagadnienia podstawowe:

Pojęcia podstawowe:

•   Heurisko: z greckiego: znajduję, odkrywam
•   Eureka: z gr. Znalazłem
•   Heurystyka: umiejętność wykrywania nowych faktów i związków między nimi oraz stawiania hipotez
•   Prognozowanie heurystyczne: przewidywanie nowych obrazów rzeczywistości które nie koniecznie wynikaja z dotychczasowego rozwoju systemu

Metody heurystyczne:

•   Metoda delficka - najpopularniejsza
•   Burza mózgów - najpopularniejsza
•   Opinie ekspertów (panele eksperckie)
•   Metoda wpływów krzyżowych
•   Metody scenariuszowe

Metoda delficka

Cechy założenia:

•   Opinie niezależnych, kompetentnych ekspertów (metoda jest subiektywna)
•   Anonimowość wypowiadania sądów (nie wiążą opinii z ekspertem)
•   Wieloetapowość postępowania
•   Uzgadnianie i sumowanie opinii osób kompetentnych
•   Prognoza- konsensus, zgodny sąd ekspertów
•   Reguła największego prawdopodobieństwa (przyjęta ta, która charakteryzuje się największą częstością występowania)

Zastosowanie:

•   Prognozowanie nowych zjawisk
•   Określenie poziomu badanego zjawiska
•   Określenie punktów zwrotnych trendu
•   Określenie prawdopodobieństwa wystąpienia danego zdarzenia
•   Określenie natężenia występowania zjawisk nowych
•   Ocena przydatności utworzenia modelu do prognozowania
•   Uwarunkowania stosowania i niewielka liczba informacji o przyszłości

Przebieg procesu:

					Nowa ankieta

 

Kryteria wyboru zespołu ekspertów:

•   Niezależność – wybrane osoby powinny myśleć niezależnie oraz mieć niezależną wizje przyszłości
•   Uniwersalność – złożona zarówno ze specjalistów jak i z osób wszechstronnych
•   Liczność – grupa powinna być liczna, aby reprezentować różne poglądy (od kilku do kilkuset ekspertów)

Brak jednoznacznych kryteriów w ustaleniu optymalnej liczebności grupy ekspertów i jej struktury.

Kwestionariusze ankietowe:

Kwestionariusz I 

•   Cel ankiety, termin odpowiedzi, wynagrodzenie (liczba ekspertów bardzo duża)
•   Prośba o liczbę zdarzeń (z danej dziedziny, która nas interesuje, poziom merytoryczny)

Kwestionariusz II: określenie przez ekspertów czasu red. Zdarzeń

Kwestionariusz III:

•   Poinformowanie ekspertów o dotychczasowych wynikach, podanie Q1,Me,Q3; odp.danego eksperta
•   Prośba o uzasadnienie odp., gdy ta nie mieści się w przedziale międzykwartylowym a ekspert ją podtrzymuje

Kwestionariusz IV – jak wyżej

Cele analizy informacji:

•   Wyodrębnienie jednorodnych grup ekspertów o zbliżonych poglądach (szczególnie ważna przy znaczących różnych opiniach)
•   Wykrycie przyczyn zróżnicowania opinii przez analizę cech osobowych poszczególnych ekspertów
•   Ocena zgodności sądów ekspertów (wyodrębnienie grup zgodnych)
•   Określenie wspólnego poglądu ekspertów

Cele analizy informacji:

▪wyodrębnienie jednorodnych grup ekspertów o zbliżonych poglądach

▪wykrycie przyczyn zróżnicowania opinii przez analizę cech osobowych poszczególnych ekspertów

▪ocena zgodności sądów ekspertów

▪określenie wspólnego poglądu ekspertów

Opracowanie warunków badania:

▪badanie całej ankiety lub poszczególnych pytań

▪wskazanie wspólnego poglądu w jednorodnej grupie – modalną lub medianą

▪określenie stopnia zgodności opinii ekspertów dla poszczególnych pytań – wybrane miary zgodności

▪określenie przeciętnego stopnia zgodności poglądów wszystkich ekspertów np. współczynnikiem korelacji

Metody analizy wyników na skalach pomiarowych

SKALE	Wykorzystywane miary ….tyczne
	Przeciętne	Zmienności	Siły związku
Nominalna	Modalna	Dyspersja względna	Współczynnik asocjacji
Porządkowa	Mediana Kwartyle	Rozstęp międzykwartylowy	Współczynnik korelacji i współczynnik konkordacji
Przedziałowa i …	Średnie klasyczne i pozycyjne	Odchylenie standardowe	Współczynnik korelacji i regresji liniowej i krzywloliniowej

Skala porządkowa

▪ założenia: określenie zadanej wartości krytycznej ∆max

▪ Opracowanie wyników ankiety

- określenie wartości mediany

-wyznaczenie Q1 i Q3 

- wyznaczenie rozstępu międzykwartylowego

∆=|Q1-Q3|

▪Jeśliopinia eksperta jest poza Q1 lub Q3 to prosimy o uzasadnienie

▪Wyróżnienie ekstermistów

Jeśli współczynnik konkordancji Kendalla i Smitha zawiera się w przedziale [0;1] to opinie ekspertów zgodne.

Metoda delficka – zalety

▪niezależność opinii ekspertów – izolowanie ekspertów

▪anonimowość wypowiadanych sądów

▪wieloetapowość postępowania

▪brak konieczności gromadzenia ekspertów w jednym miejscu i czasie

▪

▪

▪

Metoda delficka – wady

▪zaangażowanie dużego grona osób

▪Długi czas trwania badania

▪wysokie koszty

▪brak możliwości bezpośredniej wymiany poglądów między uczestnikami

▪na ogół małe zaangażowanie ekspertów

▪trudności w doborze ekspertów

▪trudności w budowanie ankiety