Jaroslav Dvořáček PROGNOSTIKA A STRATEGIE PODNIKU

Jaroslav Dvořáček PROGNOSTIKA A STRATEGIE PODNIKU LITERATURA:

Dvořáček J. : Prognostika. RSVV Most, 1996. Makridakis S., Wheelwright S.C. : Forecasting Methods for Managemet.. Fifth Edition. John Wiley &Sous, 1990.

ÚVOD Součást každodenní činnosti člověka: předvídání rozhodnutí.

budoucích

následků

současných

Většina rozhodnutí, která lidí přijímají, obsahuje předvídání. Přesné předpovědi lze vyslovit v přírodních vědách s převládajícími kauzálními vztahy. Ekonomický vývoj-nepřítomnost kauzality vyplývající ze stochastičnosti lidského chování.

Prognóza může předložit k výběru několik možných stavů - tzv. vějíř budoucnosti.

ÚLOHA PŘEDVÍDÁNÍ V ROZHODOVACÍM PROCESU Prognóza by měla: •

sdělit, co se stane v určité budoucí době za určitých okolností a s jakou pravděpodobností;

•

odkrýt mechanizmus chování jevů v budoucnosti;

•

analyzovat vývoj podmínek působících na realizaci prognózovaného jevu;

•

představovat vstup do rozhodovacího a plánovacího procesu.

Faktory, které prognózování musí respektovat ve vztahu k rozhodovacímu procesu: •

časový horizont

•

úroveň podrobnosti

•

počet prognózovaných položek

•

míra proměnlivosti

Časový horizont: ovlivňuje výběr prognostické metody. Např. nelze použít extrapolaci z posledních několika let na období příštích 10 let. Úroveň podrobnosti: výběr prognostické metody ovlivňuje skutečnost, zda se jedná o předvídání vývoje firmy jako celku nebo pouze o položku jejího sortimentu produkce.

Počet prognózovaných položek: při rozsáhlém sortimentu je zpravidla používán stejný jednoduchý postup pro všechny položky. Předvídání vývoje jedné nebo několika málo položek umožní použít detailnější a složitější postup. Míra proměnlivosti: při stabilním prostředí mohou být použity kvantitativní metody s kontrolou jejich vhodnosti. V proměnlivém prostředí musí být měněny i samotné metody předvídání.

Požadavky na prognózy rostly od 60. let 20. století z těchto důvodů: •

•

• •

rostoucí velikost a složitost organizací a jejich okolí; s rostoucí velikostí firem se zvyšoval význam a důsledky přijímaných rozhodnutí; rychlé změny okolí mnoha organizací; dostupnost prognostických použitelných podnikovou praxí.

postupů

Zkušenosti však ukázaly, že: -

spolehlivě lze předvídat:

•

vývoj obecných tendencí (růst počtu obyvatelstva);

•

•

•

-

•

pokračování nastoupených trendů (zvyšování počtu automobilů); cyklické kolísání (spotřeba nápojů v závislosti na ročním období); rozšiřování existující technologické inovace (mobilní telefony); obtížně lze předvídat: zlomové situace (hospodářská recese, změna postojů spotřebitelů);

Předvídání ve firmě má význam pro: •

plánování:

odhad poptávky po výrobcích firmy umožní operativní plánování;

•

získání zdrojů:

prognózování je důležité pro délku období mezi požadavkem na zdroje a jeho uspokojením;

•

určení zdrojů:

z předpovědí vývoje poptávky a samotné firmy se odvíjí proces určení potřebných zdrojů z dlouhodobého hlediska.

Předvídání prodeje dané firmy je nutno zasadit do rámce: •

•

•

předvídání hospodářského vývoje státu: odhad základních NH ukazatelů; předvídání vývoje trhu v daném odvětví nebo oboru: určení tržního potenciálu; předvídání vývoje dané firmy: odhad činnosti v daném segmentu trhu nebo vstupu na nový trh.

Základní kroky prognózování založeného na kvantitativních údajích: 1) Definice problému:

pro koho je prognóza určena, jak prognóza bude použita, jak prognózování je ve firmě využíváno.

2) Získávání informací: vyplývají ze statistik nebo zkušeností klíčových lidí. 3) Předběžné analýzy:

odhady trendů, sezónnosti, hospodářského cyklu atd. slouží k výběru prognostické metody.

4) Výběr a naplnění modelu: prognostický model je založen na předpokladech a parametrech, kterým musí vyhovovat statistická data. 5) Použití a zhodnocení prognostického modelu: model musí vycházet z parametrů období prognózování, jeho výsledky musí management firmy zahrnout mezi vstupy rozhodovacího procesu.

Limity předvídatelnosti: Čas: čím je delší časový horizont prognózy, tím je větší možnost změn, neboť: •

•

•

chování nebo přístup spotřebitelů se může změnit; je více času na úpravu vývoje firmy pro získání žádoucích cílů; v okolí firmy se mohou projevit základní změny, např. technologické inovace.

Předvídatelnost je dále ovlivňována: 1) počtem položek: za jinak stejných okolností větší počet prognózovaných položek vede k přesnější prognóze, neboť případné odchylky se vyrovnávají; 2) homogenitou dat: více homogenní data vedou k přesnější předpovědi za jinak stejných okolností, neboť jsou eliminovány odchylky v datech;

3) elasticitou poptávky: za jinak stejných okolností neelastická poptávka vede k přesnější předpovědi, neboť nezbytné zboží je kupováno bez ohledu na situaci na trhu; 4) konkurencí: za jinak stejných okolností čím větší je konkurence, tím je předpověď obtížnější a méně přesná. Předvídat reakci konkurence je velmi obtížné.

Zdroje prognostických chyb a nejistot: 1) Chybná identifikace chování a vztahů: příčinou je malé množství analyzovaných dat, pseudokorelace nebo složitost reality pro modelování s malým počtem proměnných. 2) Nepřesný odhad chování nebo vztahu: vlivem stochastičnosti chování lidí je každá závislost spojena s odchylkami a rozptylem hodnot.

3) Měnící se chování nebo vztahy: v ekonomice a společenských vědách se neustále mění chování lidí a vztahy mezi proměnnými. Tyto změny lze předvídat ve větším měřítku, stěží však v jednotlivých případech. Změna však nevyvolá okamžitou reakci, takže krátkodobé prognózy jsou i za těchto okolností relativně přesné. Příklad: ropná krize v r. 1973 a recese ekonomik až zhruba za rok.

Faktory okolí firmy ovlivňující prognózování: 1) Ekonomické faktory: jedním z nejvýznamnějších je období hospodářského cyklu. Nákup dražšího zboží dlouhodobé spotřeby (auta) klesá během hospodářského poklesu. Zároveň však roste prodej náhradních dílů aut pro jejich udržení v provozu. 2) Demografické faktory: počet obyvatel roste, mění se však jeho věková struktura. Ta významně ovlivňuje poptávku po různém zboží.

3) Organizační a konkurenční faktory: jestliže firma reaguje na změny v okolí, její organizace a strategie se mění, tomu se musí přizpůsobit i prognózování. Prognózování musí vzít v úvahu i reakci konkurence, i když je to obtížné odhadnout. 4) Ostatní faktory: patří zde technologické změny, charakteristiky výrobků, množství a kvalita informací.

POJEM PROGNÓZY Prognóza je kvalifikované a zdůvodněné vyjádření vztahující se k neznámé budoucí události, jejímž obsahem je pravděpodobnostní výpověď o budoucnosti s relativně vysokým stupněm spolehlivosti. „Smysl prognóz spočívá nikoli v předvídání toho,

co bude, nýbrž ve zjištění toho, co může být, aby z toho bylo možno vybrat to, co má být“. M. Steenbeck.

Prognóza: •

• •

• •

musí vzniknout jako výsledek organizované činnosti; obsahovat charakteristiku své spolehlivosti; vyjadřovat alternativnost možných budoucích stavů;

a

variantnost

vztahovat se k určitému období; obsahovat podmínky kterých ji lze verifikovat.

uskutečnění,

podle

Alternativa budoucnosti: možné vývojové cesty, které se navzájem vylučují (přírůstek elektrické energie výstavbou jaderné nebo tepelné elektrárny nebo dovozem ze zahraničí). Varianta budoucnosti: vývojové cesty, které jsou rovnocenné a nevylučují se (růst produkce zvýšením počtu pracovníků, produktivity práce nebo kombinací obou způsobů).

ČASOVÝ HORIZONT PROGNÓZY Datum nejvzdálenější hranice období, ve kterém je zkoumán vývoj prognózovaného jevu. Časový horizont závisí na: •

charakteru prognózovaného jevu;

•

stavu poznání dané problematiky;

•

účelu, ke kterému má prognóza sloužit.

Časový horizont na národohospodářské úrovni: •

krátkodobé prognózy

: do 5 let

•

střednědobé prognózy

: 5-10 let

•

dlouhodobé prognózy

: 10-25 let

•

velmi dlouhodobé prognózy: nad 25 let

Časový horizont na podnikové úrovni: •

krátkodobý horizont prognózování

: do 3 měsíců

•

střednědobý horizont prognózování

: 3 měsíce až 2 roky

•

dlouhodobý horizont prognózování

: 2-5 let

•

vzdálený horizont prognózování

: 5-15 let

•

velmi vzdálený horizont prognózování : nad 15 let

Na podnikové úrovni: Krátkodobý horizont: sezónnost prodeje, vliv akcí na podporu prodeje, dopad cenových změn, požadavky na základní výrobní potenciály. Střednědobý horizont: délka období hospodářského cyklu, dopad politiky státu na ekonomiku.

Dlouhodobý horizont:

technologické a demografické změny s jejich důsledky, finanční potřeby a zdroje, změna postojů spotřebitelů.

Vzdálený horizont:

existující trendy a jejich změny, technologické inovace, demografické trendy, ekonomické, finanční a konkurenční reality.

Velmi vzdálený horizont:

obecné trendy v technologii, ekonomickém, demografickém a politickém prostředí.

VERIFIKACE PROGNÓZY Verifikace: ověření prognózy:  

teoreticky (kdykoli) praxí (dodatečně)

Teoretická verifikace: •

zpracování prognózy daného jevu několika odlišnými metodami;

•

odkazem na literaturu;

•

zpracování prognózy stejného jevu různými autory;

•

oponentura prognózy konfrontací argumentů;

•

nahrazení subjektivistických částí kvantifikovatelnými postupy.

Ověření praxí: Předpovědi: Předpokládá se všeobecné snížení pracovní doby na 38-34 hodin v roce 1990 oproti dnešní průměrné 42,5 hod. týdněPrognóza Federálního ministerstva práce a sociálních věcí Československa z roku 1972. Nejčastěji se vyskytujícím modelem pracovního týdne bude patrně 30 hodinový čtyřdenní týden a placená dovolená bude zřejmě trvat 6-12 týdnů. D. Bell (ed.) Toward the Year 2000: Work in Progress, Boston 1968, str. 331. …předpokládají odborníci, že i u nás se průměrná životnost vozidel bude na sklonku století pohybovat kolem 7 let. Duben R., Stíbalová B.: Jak budeme žít v roce 2000? Svoboda, Praha 1976.

PRAVDĚPODOBNOST PROGNÓZY Jde o míru uskutečnění předvídaného jevu. •

bodové prognózy

•

intervalové prognózy:  

•

stejná pravděpodobnost v intervalu různá pravděpodobnost v intervalu

hodnocení pravděpodobnosti verbálně

Pravděpodobnost splnění prognózy závisí na: •

hloubce poznání prognózovaného jevu;

•

časovém horizontu prognózy;

•

znalostech a schopnostech zpracovatele prognózy;

•

volbě vhodné prognostické metody;

•

stupni složitosti prognózovaného jevu;

•

způsobu ovlivňování prognózovaného jevu.

VÝVOJ PROGNOSTICKÉ ČINNOSTI 40. léta 20. století: vznik vědy o budoucnosti 50. léta 20. století: ekonometrické modely, analýzy časových řad, statistické metody, studium usuzování člověka. 60. léta 20. století: komerční prognostické služby, používání počítačů, nerealistické očekávání týkající se předpovědí.

80. léta 20. století: doba učení, kdy byly konfrontovány výsledky s jejich předpověďmi. Ukázalo se, že prognózování není všemocné (1989), avšak odmítnuté prognózování nezlepší schopnost uživatelů vyrovnat se s budoucností. Rozvoj metod založených na lidském úsudku namísto kvantifikačních přístupů.

PROGNÓZOVÁNÍ JAKO SPECIFICKÝ PŘÍSTUP K BUDOUCNOSTI Nižší skupina: Prezentistický přístup : chápání pouze přítomnosti. Agnostický přístup

Nihilistický přístup

: odmítání poznatelnosti budoucnosti. :

budoucnost nebude, očekávání konce světa.

Střední skupina: Náboženský přístup: budoucnost je určována nadpřirozenými silami; Fantastický přístup:

zobrazování budoucnosti libovolně, převážně umělecky;

Utopický přístup:

představa o budoucnosti se rodí z vůle autora.

Vyšší skupina: Intuitivní přístup:

odhad budoucnosti na základě podvědomé zkušenosti člověka;

Filosofický přístup:

předvídání v rámci poznaných vývojových zákonitostí daného jevu;

Prognostický přístup: systematické vědecké zkoumání vývojových perspektiv jevů na základě poznaných zákonitostí vývoje přírody a společnosti.

Konstruktivní přístup: aktivní působení na budoucnost prostřednictvím plánování, projektování a řízení jevů. Vědeckofantastický přístup: umělecké ztvárnění budoucnosti založené na výsledcích jiných přístupů této vyšší skupiny.

TŘÍDĚNÍ PROGNÓZ •

podle postupu prognózování: prognózy výzkumné (explorativní) a prognózy cílové (normativní);

•

podle délky časového horizontu: krátkodobé, střednědobé a dlouhodobé prognózy;

•

podle předmětu prognózy: prognózy vědecko-technické, medicínsko-biologické, sociálně-ekonomické, vojensko-politické, geokosmické.

TŘÍDĚNÍ PODLE POSTUPU PROGNÓZOVÁNÍ Prognózy výzkumné (explorativní): vycházejí ze současnosti, sestavují tzv. vějíř budoucnosti, v zásadě extrapolují současný vývoj.

Prognózy cílové (normativní): určují se nutné nebo žádoucí stavy a cíle v budoucnosti a hledají se cesty k jejich dosažení. Cíle mohou být převzaty odjinud nebo stanoveny příslušným subjektem.

TŘÍDĚNÍ PODLE DÉLKY ČASOVÉHO HORIZONTU PROGNÓZY Dlouhodobé prognózy: blízká budoucnost je do značné míry předurčena současným stavem a strukturou prognózovaného jevu, ve vzdálené budoucnosti se může vyskytnout řada variant. Dlouhodobé trendy: trvání přes 100 let, vyžadují dlouhodobá data, aby bylo možno rozlišit dlouhodobý trend a krátkodobé výkyvy.

Závěry o vývoji jevu se mohou lišit v závislosti na výběru délky období a počátku sledování vývojového trendu. Úlohy dlouhodobého předvídání: •

•

objevy vzniklého chování a vztahů; určení možných změn tohoto chování a vztahů vlivem změn technologie, konkurence, cen surovin a energie, demografického vývoje, potřeb a postojů zákazníků a sociálních, legislativních a politických změn.

Dlouhodobé předvídání je spojeno s 2 druhy prognostických chyb: •

•

vyskytnou se události, které nebyly předvídány: nebyla předpovězena např. informační revoluce před rokem 1950, letecká doprava, rentgen, atomová bomba, počítače; předpovězené jevy se neuskuteční nebo jejich realizace se značně posune: neuskutečnilo se vybavení domácností helikoptérami, všestranné použití jaderné energie, rozsáhlé využití robotů, široké používání vlaků na magnetickém polštáři.

Úkolem dlouhodobého prognózování je odhad vývoje dlouhodobých trendů (např. v bydlení, ve spotřebě, způsobu života), vzniku nových potřeb a výrobků, které je uspokojí, což je základem pro plánování zdrojů a cílů na daných trzích. Jde však spíše o souhrnný odhad budoucí poptávky a rámcových ekonomických podmínek než o detailní určení ukazatelů na řadu let do budoucna.

STŘEDNĚDOBÉ PROGNÓZY Vycházejí z dlouhodobých předpovědí s cílem zpracování reálného rozpočtu a zajištění optimálního využití zdrojů. Střednědobé prognózy obtížně předpovídají načasování hospodářského cyklu, proto firemní prognózy musí umožnit úpravy v případě cyklických změn. KRÁTKODOBÉ PROGNÓZY Jde o prognózy na období, které je dostatečné pro kombinaci výrobních potenciálů firmy k dosažení optimálních hospodářských výsledků. Jsou nezbytné pro operativní plánování a řízení firmy.

TŘÍDĚNÍ PODLE PŘEDMĚTU PROGNÓZY Prognózy vědeckotechnické Jde o předpověď o podmínkách, trendech a oblastech získávání vědeckých, technických a technologických poznatků a jejich ekonomických, sociálních, ekologických a dalších souvislostech využití v praxi. Např. dopady automobilismu. 1925: londýnský nakladatel Kegan požádal odborníky o předpověď jejich profese na 50 let. Správné odhady: vznik futurologie, zhoršování životního prostředí, přistání na Měsíci. Většina předpovědí vývoj vědy podcenila.

Problematika vědecko-technických prognóz

•

Předvídatelnost vědeckých objevů

•

Struktura vědy

•

Vědečtí pracovníci

•

Vědecké instituce

Předvídatelnost vědeckých objevů Krátkodobě je technický rozvoj určen veletrhy, výstavami, projekčními pracemi. Hybné sily technického rozvoje: •

•

společenská objednávka aplikace na základě růstu poznatků přírodních věd

Problém: řada let od počátku výzkumu nebo zhotovení prototypu do doby všeobecného rozšíření vynálezu ovlivňujícího život lidské společnosti.

Chemický průmysl: aplikovaný výzkum 2 roky, od jeho ukončení do zavedení výsledků do výroby 6 let. Energetika: od zahájení výzkumu do zkušebního provozu 10 až 20 let, mezi technickým řešením nového energetického systému a jeho praktickým využitím 10 až 30 let. Báňský průmysl: od zahájení geologického průzkumu do těžby ložiska uplyne 10 let.

Někdy jde o delší období: radar, rentgen, televize, polovodiče, počítače, lasery vzešly ze zásadních objevů ve fyzice v letech 1910 až 1930. Sluneční články:

patent: 40. léta 20. století výroba: 1954 praktické využití: 60. léta 20. století efektivní využití: 80. léta 20. století

Dlouhodobější prognózy využívají především extrapolace.

Extrapolace jsou však omezeny: •

fyzikálními hranicemi (rychlost světla, absolutní teplotní nula)

•

technickými hranicemi (mezní parametry materiálu)

•

kapacitními hranicemi (dopravní infrastruktura)

•

fyziologickými hranicemi člověka (rychlost reakce)

Tedy: vědecké objevy jsou v zásadě nepředvídatelné, žádný vynález nezmění život společnosti „přes noc“. Tato časová prodleva zvyšuje přesnost předvídání.

Struktura vědy Proces vývoje vědy je spojen s diferenciací a integrací vědních odvětví. Fyzikální chemie: na rozhraní chemie a fyziky. Geochemie: na rozhraní geologie a chemie. Biochemie: na rozhraní biologie a chemie. Kybernetika: na rozhraní věd o živých organizmech a strojích. Současné využití poznatků z oblasti přírodních, technických i společenských věd přináší nové možnosti dalšího rozvoje.

Vědečtí pracovníci Tempa růstu počtu vědců byla v minulosti tak vysoká, že v některých zemích se jejich počet zdvojnásoboval každých 10 let. Možnosti extenzivního rozvoje jsou téměř vyčerpány. Řešení: intenzifikace vědeckého výzkumu, lepší organizace vědecké práce, seskupování vědců různých věkových skupin. Problémem je budoucí struktura oborů: podíl technických, přírodních, ekonomických a společenských věd.

Vědecké instituce Doposud extenzivní formy vývoje – pro vyřešení významného problému se zakládá nové oddělení nebo výzkumný ústav. Předpoklad: vytváření týmů podle nejaktuálnějších problémů na období potřebné k vyřešení daného úkolu. Pak reorganizace odpovídající novému problému. Jde o princip tzv. pružných organizačních struktur.

PROGNÓZY SOCIÁLNĚ-EKONOMICKÉ Předmětem těchto prognóz jsou podmínky a vztahy reprodukčního procesu v ekonomice, a to na úrovni národního hospodářství nebo podniku. Sociální oblast: budoucí způsob života, preference, potřeby lidí. Ekonomická oblast: 

 

demografický vývoj jako zdroj pracovních sil situace v oblasti přírodních zdrojů vývoj výrobních komplexů (zemědělsko-potravinářský, surovinově-energetický, strojírenský atd.)

Demografický vývoj: •

•

rozvojové země: růst populace předstihuje vývojové možnosti ekonomiky. Děti zde představují levnou pracovní sílu a nahrazují systém sociálního zabezpečení rodičů. rozvinuté země: pokles rodin s více dětmi, snížení přirozeného přírůstku obyvatelstva, problematika tvorby zdrojů na sociální zabezpečení rostoucího počtu ekonomicky neaktivního obyvatelstva. Rozvody po delším soužití, zakládání rodin ve vyšším věku, velké věkové rozdíly.

Tento současný stav je výsledkem dlouhodobého vývoje ve vazbě ekonomické vyspělosti země a počtu obyvatelstva. Ve většině zemí světa s vyspělou ekonomikou lze nalézt čtyři fáze tzv. populačního cyklu. 1) První fáze je charakteristická pro předprůmyslové stádium vývoje – vysoká porodnost, ale také úmrtnost, z toho plyne nízký přirozený přírůstek obyvatelstva. Populace je mladá, průměrný věk nízký, pravděpodobnost dožití vysokého věku malá, generace se rychle střídají.

2) druhá fáze je spojena s ekonomickým rozvojem, který sníží vysokou úmrtnost lepší výživou obyvatelstva, lepší zdravotní péčí atd. Počet obyvatelstva rychle vzroste, protože porodnost nějakou dobu zůstává na vysoké úrovni. V evropských zemích začal tento trend v 17. století. 3) třetí fáze je spojena s dalším poklesem úmrtnosti, ale také porodnost začíná klesat, takže přirozený přírůstek obyvatelstva se zpomaluje. Stoupá podíl obyvatelstva ve středním a vyšším věku. 4) čtvrtá je spojena s vyšší úrovni ekonomiky, nízkou porodností a úmrtností. Počet obyvatelstva roste pomalu, v řadě případů díky migraci lidí z jiných států. Porodnost se může dočasně výrazně zvýšit – tzv. baby boom v USA po druhé světové válce.

Třísektorový model zaměstnanosti: Primární sektor (zemědělství) s původní kumulací pracovních sil. Sekundární sektor (průmysl) odčerpal pracovníky z primárního sektoru. Tercierní sektor (služby) saturovaný pracovníky ze sekundárního sektoru. Příčina přesunu mezi sektory: růst produktivity práce uvolňující pracovní síly.

Trendy v sekundárním sektoru – přesun od masové produkce k malosériové výrobě nebo kusové produkci. Automatizace a robotizace umísťuje pracovní sílu do předvýrobních a povýrobních etap. Trendy v tercierním sektoru – uspokojování (vytváření) nových potřeb, ale i zde růst produktivity práce uvolňuje pracovníky. Růst poptávky po službách v sociální oblasti.

S demografickými procesy souvisí problémy pohybu lidí: • mezi městem a vesnicí; • mezi jednotlivými oblastmi (USA-migrace do tzv. slunečního pásu v Kalifornii); • mezi jednotlivými státy (z Mexika do USA). Výsledkem je nelegální migrace, přetížení měst a nedostatek kvalifikované pracovní síly na vesnici.

Na demografické prognózy navazují předpovědi způsobu života–v podstatě odhad lidských preferencí např. ve vztahu „práce–volný čas“, „město–vesnice“, „legalizované–volné svazky“, „rodina–jedinec“. Jedním z důležitých faktorů je délka pracovního času. Zkracování pracovního času má řadu variant: zkrácení denní, týdenní, roční, celoživotní doby práce. Jedním z experimentů byl čtyřdenní pracovní týden o 10 hodinách práce denně. Hedges J.N.: A look at the 4 day week. Monthly Labour Review. 1971, č. 10.

Výhody 4 denního pracovního týdne: klidnější nákupy, menší návaly v dopravních prostředcích a na silnicích, delší souvislé volno koncem týdne, růst produktivity o 15 %. Nevýhody: vyčerpání pracovníků, které ani prodloužený víkend neodstraní, lidé uzavírali další pracovní poměr na volný den na úkor obnovy sil, neschopnost racionálního využití 3 dnů volna – růst toxikomanie, kriminality.

Přírodní zdroje Rozdílné přístupy při hodnocení perspektiv zásobování nerostnými surovinami. Optimisté:  ropná krize z r. 1973 byla překonána úsporami, racionalizací, technickým pokrokem;  země má konečný objem, ale obrovský;  věda a technika umožní využívat chudá ložiska;  těžební společnosti nemají důvod financovat průzkum na desetiletí do budoucna;  ovládnutí jaderné fúze zajistí dostatek energie pro energeticky náročné těžební a úpravárenské procesy.

Pesimisté:  spotřeba surovin neustále stoupá s růstem populace i zvyšováním nároků na životní úroveň;  využívání chudých množství energie;

rud

vyžaduje

velké

 i při dostatečných zdrojích energie využívání chudých rud povede k obrovské devastaci životního prostředí.

Výrobní komplexy Surovinově-energetický: • využívání domácích zdrojů a orientace do zahraničí (MND Irák, OKD Polsko); • zvýšení účinnosti výroby elektřiny a tepla; • kombinovaná výroba elektřiny a tepla; • využívání netradičních zdrojů energie (geotermální, tepelná čerpadla, fotovoltaika) • rozvoj jaderné energetiky.

PROGNÓZY MEDICÍNSKO-BIOLOGICKÉ • problémy vývoje fyzické a psychické podoby člověka; • vývoj zdravotnického systému; • problematika civilizačních chorob (cukrovka, obezita, srdečně-cévní nemoci atd.); • racionalizace výživy; • prodloužení délky života (zdravotně-sociální důsledky); • vývoj flory a fauny a jejich ovlivňování lidskou činností.

Problematika ohrožování zdraví a života člověka zvenčí: • znečisťování vody a ovzduší, hluk, vibrace, záření atd.; • zrychlující se životní tempo: rostoucí počet nehod a úrazů, ohrožení psychické rovnováhy člověka.

Problematika zdravotnictví: • perspektivy boje s infekčními onemocněními (včetně chřipky); • perspektivy boje se srdečními, cévními a nádorovými onemocněními; • perspektivy boje s nervově psychickými onemocněními;

• perspektivní problémy vývoje hygieny a obecné čistoty; • perspektivy vývoje traumatologie a ochrany práce; • perspektivy péče o staré lidi; • perspektivy boje s únavou a snížením pracovní schopnosti; • perspektivy vývoje racionalizace výživy.

PROGNÓZY VOJENSKO-POLITICKÉ Jsou spojeny s prognózami vědecko-technickými (nové systémy zbraní) i prognózami ekonomickými (financování armád, nákupy zbraní). Obsah:  scénáře vojensko-politických situací (konflikty v nestabilních částech světa a jejich důsledky);  strategie útočných operací (speciální jednotky, malé mobilní jednotky);  nové vojenské prostředky (inteligentní munice, kyberútoky).

Vědecko-technické inovace ve vojenství: Gordon T., Helmer O.: Report on a Long-Range Forecasting Study, 1964, s. 35 (na základě delfské metody): Inovace taktická jaderná bomba miniaturní přístroje pro kontrolu zbrojení paralyzující chemické a biochemické prostředky letadla se superdalekým akčním radiem dálkové řízení delfínů vycvičených k vypátrání ponorek účinná laserová zbraň hypnotické působení na celé oblasti, automatické čtení myšlenek

Nejpravděpodobnější rok realizace 1965 1970 1970 1975 1982 1989 2035

Prognózy vojensko-politických situací: názor Ruska z r. 1997 na bezpečnostní rizika 21. století (denní tisk 7.3.1997): • agresívní nacionalismus; • porušování dohod o omezování počtu konvenčních i jaderných zbraní a nelegální obchod s nimi; • mezinárodní terorismus, pašování narkotik a nelegální migrace; • nerovnoměrnost vědeckého a technického vývoje, vznik uzavřené technologické elity.

PROGNÓZY GEOKOSMICKÉ Jejich obsahem je využívání Země a postupně i kosmu – hledání zdrojů pro rostoucí lidstvo. • využívání Země: osidlování nehostinných oblastí např. pro těžbu surovin; • využívání kosmu: kosmické technologie (výroba slitin v beztížném stavu, pozorování vesmíru z oběžné dráhy Země bez rušivých vlivů atmosféry).

PROGNOSTICKÉ METODY Jde o pravidla převzatá z nejrůznějších vědeckých oborů vedoucí k sestavení prognózy s určitou vypovídací schopností. Převzaté metody: • z ekonometrie: extrapolace a projekce; • ze sociologie: dotazníkové techniky; • z kybernetiky: metody her, modelování. Původní metody: delfská metoda.

Volba konkrétní metody závisí na: • předmětu prognózy (např. není kvantifikovatelný); • časovém horizontu prognózy (extrapolace není možná na dlouhé období); • čase a nákladech dostupných na zpracování prognózy; • požadavcích na přesnost a spolehlivost.

Klasifikace metod záleží na autorech. Např.: • úsudkové metody • kvantitativní metody • technologické metody

Jiní autoři rozlišují: • analytické metody • normativní metody • heuristické metody atd.

Počty prognostických metod: • v 50. letech 20. století existovaly jednotlivé metodiky předvídání společenských jevů; • v roce 1965 byla stovka metodik jen na předvídání vývoje vědy a techniky; • na počátku 70. let 20. století existovaly těchto metodik stovky. Počet a struktura prognostických metod závisí na jednotlivých autorech a kritériích rozlišování.

Dále použitá klasifikace prognostických metod: • metody založené na analogii; • metody založené na informacích expertů; • metody založené na extrapolaci; • metody založené na systémovém přístupu.

METODY ZALOŽENÉ NA ANALOGII Prognóza je založena na podobnosti vývoje jiného jevu, kdy podobnost se týká vlastností, struktury nebo zákonitostí vývoje. Analogie výrobková: • rozšiřování černobílých a barevných televizorů • rychlost vojenských a civilních letadel

Analogie biologického růstu Analogické jevy:  růst buněk živých organismů;  růst vědeckých informací ( z toho počet vědců, publikací).

Možnost předpovědi:  doby, kdy se zdvojnásobí vědecké poznatky;  počtu objevů v závislosti na finančních prostředcích vložených do výzkumu.

Analogie historická Analogické jevy: •

rozvoj železnic v USA ve 2. polovině 19. století;

•

kosmický program USA ve 2. polovině 20. století.

Formulace analogií: • stavba železnic vedla k nutnosti řešení nových technických problémů, tato řešení se časem ocitla v učebnicích; • kosmický program zprvu tajný povede časem k přenesení poznatků k širokému použití (kosmické technologie v pozemských podmínkách – teflon); • analogicky jako v historii železnic technici uvolňováni z kosmického programu budou prosazovat kosmické technologie i tam, kde jsou k dispozici prostředky jiného druhu.

• investice na rozvoj železnic v období 1842-1901 představovaly 1,8% GNP v USA. Kosmický program dosahoval 1 % GNP. Lze usuzovat na vysoké jednicové náklady (řešení – raketoplán); • kulturní analogie; • rozvoj železnic měl ekologické dopady, které byly ignorovány. U kosmických letů nelze toto předpokládat.

Analogické jevy: • průmyslová revoluce, která se datuje kolem roku 1800: parní stroj, strojová výroba; • informační revoluce po 2. světové válce: počítače, přenos a zpracování informací. Názor, že informační revoluce dosáhla za 12,5 roku výsledků, které průmyslové revoluci trvaly 50 let.

METODY ZALOŽENÉ NA INFORMACÍ EXPERTŮ Jde o metody, které mají přesně určená pravidla shromažďování, doplňování a upřesňování názorů většího počtu odborníků obvykle různého zaměření. Jejich dělení: a) METODY ZALOŽENÉ NA DOTAZOVÁNÍ • metody jednotlivého dotazování expertů (dotazník) • metoda delfská b) METODY ZALOŽENÉ NA KOLEKTIVNÍ TVORBĚ NÁZORŮ • názor vedení a názor prodejců • brainstorming

Přednosti a nedostatky individuálních a kolektivních metod. INDIVIDUÁLNÍ METODY Přednosti: • maximální využití individuálních schopností; • psychologický tlak, který působí na jednotlivce, není velký. Nedostatky: • nedostatečné využití vědeckých kontaktů; • omezení možnosti pro zpracování společných strategií.

KOLEKTIVNÍ METODY Přednosti: • výměna názorů mezi experty má heuristickou hodnotu; • orientace myšlení na strategické cíle se stimulační silou; • využití vnitřních a vnějších heuristickém procesu.

zpětných

vazeb

Nedostatky: přetížení v psychologickém ohledu: - vliv autorit; - názor většiny; - obtížnost zříci se veřejně svého názoru.

v

DOTAZNÍK Problémy spojené se získáváním názorů ve skupině: • ovlivnění názory určité autority; • snaha neodlišovat se extravagantním názorem; • nedůvěra ve vlastní názor odlišný od ostatních; • neochota opustit „vyjeté koleje“; Proto dotazování formalizovaným způsobem „na dálku“.

Problémy dotazníkové metody: • výběr odborníků včetně stanovení jejich počtu a kvalifikace; • zainteresování odborníků, aby odpověděli; • volba odpovídajícího rozsahu dotazníku; • tvorba jednoznačných a srozumitelných otázek; • vyhodnocení a interpretace dotazníku.

METODA DELFSKÁ Jde o metodu složité dotazníkové akce, která je založena na postupném zjišťování názorů expertů, řízené zpětné vazbě informací a statistické identifikaci shody názorů většiny. Postup metody: • vypracování programu dotazů; • předání dotazníku respondentům; • zodpovězení otázek, příp. vymezení kompetence respondentů; • statistické vyhodnocení odpovědí (medián a kvartily).

• opětovné zaslání dotazníku se statistikou předchozího kola, žádost o korekci názorů resp. zdůvodnění extrémních stanovisek; • opakování postupu dokud nedojde ke sblížení stanovisek (snížení kvartilového rozpětí: horní kvartil mínus spodní kvartil děleno dvěma). Výsledek: střední názor extrémních stanovisek.

(medián)

a

zdůvodnění

Přednosti delfské metody: • využití znalostí většího počtu odborníků, kteří svůj názor mohou srovnat s míněním většiny; • anonymita zajišťuje nezkreslenou výměnu názorů; • metoda je pro respondenty časově nenáročná; • metoda je pro organizátory málo nákladná.

Nevýhody delfské metody: • závisí na výběru a formulaci otázek • výsledky jsou ovlivněny výběrem respondentů • problém originality odpovědi: vědci se mohou obávat ohrožení publikační priority, odborníci z praxe ztráty konkurenční výhody. Metoda se kromě předvídání používá pro určování cílů, strategií a všeobecně k rozhodování.

Výsledky metodiky, z nichž vznikla delfská technika: Gordon TJ., Helmer O.: Report on a Longe-Range Forecasting Study, Santa Monica, September 1964. Bylo zformulováno 6 skupin otázek pro získání kvantitativních hodnocení ze 6 skupin expertů o celkovém počtu 82 osob: 1) Nejdůležitější budoucí vědecké objevy 2) Kontrola populačního růstu 3) Automatizace společenské výroby 4) Perspektivy ovládnutí kosmu 5) Problémy odvrácení války 6) Perspektivy vývoje vojenské techniky

Proběhla 4 kola dotazování. 1. kolo: uvést objevy a vynálezy, jejichž realizaci lze očekávat v nejbližších 50 letech. 2. kolo: označení pravděpodobnosti výskytu jevu v předem daných rozmezích času. Z těchto údajů se určilo rozmezí, kvartily a medián. 3. kolo: sděleny mediány a kvartily pro změnu stanoviska expertů nebo jeho zdůvodnění. 4. kolo: sděleny důvody odlišných názorů, žádost o upřesnění odpovědí.

Výsledky v podobě časového rozpětí a mediánu (akce z počátku 60. let 20. století: - účinná kontrola porodnosti pomocí jednoduchých a levných antikoncepčních prostředků (1970-1983; 1970); - automatický strojový překlad z jednoho jazyka do druhého (1968 -1976; 1972); - transplantace a nahrazování orgánů lidského těla (19681982; 1972); - vytvoření jediného informačního centra (1971-1991; 1980); - voperování umělých orgánů z plastických materiálů, jakož i elektronických zařízení do lidského těla (1975-1988; 1982);

- ekonomicky účelná exploatace mořského dna (1980-2000; 1989); - ekonomicky efektivní dílčí řízení počasí v určitých oblastech (1987-2000; 1990); - všeobecná imunizace vůči bakteriálním onemocněním biochemickými prostředky 1994);

a virovým (1983-2000;

- vytvoření biochemických preparátů vyvolávajících regeneraci chybějících orgánů nebo končetin lidského těla (1993-2022; 2007); - chemické působení na proces stárnutí, jež by umožnilo prodloužit lidský věk o 50 let (1995-2023; 2023); - oboustranné spojení s mimozemskými civilizacemi (2000nikdy; 2024);

- vyučování pomocí přímé registrace informací v mozku (1977-nikdy; 2028); - dlouhodobá umělá letargie (kóma) pro účely „cestování v čase“ (2006-nikdy; nikdy); - využití telepatie pro telekomunikační účely (2022-nikdy; nikdy). Lze tedy říci, že prognózy rozvoj vědy v některých oblastech přecenily.

METODY ZALOŽENÉ NA KOLEKTIVNÍ TVORBĚ NÁZORŮ Názor vedení Jde o nejjednodušší metodu, kdy prognóza týmem vedoucích pracovníků firmy.

je sestavena

Výhody: • rychlá a levná metoda nevyžadující náročnou přípravu podkladů; • konfrontuje názory různých odborností; • mnohdy jediná metoda při absenci adekvátních dat nebo v proměnlivém prostředí. Nevýhody: • osobní kontakt a ovlivňování přítomných; • malá pravděpodobnost vzniku přelomových názorů.

Názor prodejců Jde o metodu předvídání prodeje, kdy se zjišťuje názor na budoucí prodej od: • prodejců, kteří jsou v kontaktu se zákazníky • manažerů v oblasti marketingu (rozdíl oproti metodě názoru vedení) • distributorů (v případě více odbytových cest daného produktu) Výhody: rychlost, využití znalostí lidí nejblíže zákazníkům. Nevýhody: přehlédnutí obecných trendů ovlivňujících prodej.

METODA BRAINSTORMINGU Jde o systematicky vedenou rychlou diskusi s cílem podnítit tvůrčí myšlenky. Vznikl jako reakce na neuspokojivou úroveň běžných porad. Postup: • formulace předmětu prognózy: obecně • počet a složení účastníků: minimálně 7, mezioborový tým bez velkých rozdílů v profesním postavení • prostředí pro jednání: izolace od běžného dění ve firmě • řízení diskuse: diskuse bez hlášení, zakázána kritika názorů, zakázány „zabíječské fráze“ • zhodnocení diskuse: analýza záznamu diskuse, hledání neotřelých názorů.

Nevýhody metod založených na kolektivní tvorbě názorů Kolektivní tvorba názorů probíhá ve skupinách, které se dobře znají, mají tendenci ke konsensu a potlačování opozičních názorů. Problémy kolektivního rozhodování: Iluze nezranitelnosti: skupina přijímá riskantnější rozhodnutí než jedinec, protože odpovědnost je sdílena. Skupina je optimističtější, ignoruje varovné signály. Kolektivní zdůvodnění: skupina vypracovává zdůvodnění, že její rozhodnutí je správné, ignoruje negativní zpětné vazby, vnější kritiku odmítá jako irelevantní. Víra ve vnitřní morálku skupiny: skupina věří, že má na rozhodnutí morální právo. Proto ignoruje následky svého rozhodnutí.

Tlak na opozičníky: opoziční názory jsou potlačovány i za cenu vyloučení jejich nositelů ze skupiny. Sebecenzura: členové s odlišnými názory se je bojí vyslovit, aby se proti nim nevytvořilo nepřátelské prostředí. Hlídání názorů: členové ohrožující jiné členy.

skupiny

hlídají

informace

Špatná kolektivní rozhodování: invaze do Zátoky sviní na Kubě, napadení Pearl Harbour, eskalace války ve Vietnamu.

METODY ZALOŽENÉ NA EXTRAPOLACI Princip extrapolace: předpoklad, že sledovaný jev bude mít i v budoucnu stejné podmínky, které na jeho vývoj působily v minulosti, a že síla i směr jejich působení zůstanou zachovány. Exaktní metoda: podaří-li se formulovat zákonitosti vývoje daného jevu. Grafická extrapolace: vynesení empirických hodnot do grafu pro odhad určení typu křivky. Numerická extrapolace: zvolení a konkretizace regresní funkce, tedy vyřešení interpolačního problému.

Postup extrapolace: • určení parametrů trendu: je-li jedním parametrem čas, hovoříme o časové řadě sledovaných ukazatelů; • výběr dat charakterizujících minulý vývoj: data lze snadno zjistit pro kvantifikované jevy, funkční a výkonnostní údaje se získávají hůře, protože jsou měřitelné jen za určitých podmínek; • volba délky extrapolovatelného období: dva odlišné přístupy:

1) spolehlivé trendy mají dlouhodobou povahu, proto analýza minulosti co nejdále, doporučení pro extrapolaci: 1/3 délky historických údajů. 2) minulost se neopakuje, extrapolace musí vycházet z krátkodobých bezporuchových období a je omezena na 5 let v budoucnosti. • volba nevhodnějšího tvaru křivky: není problémem interpolovat (vyhovuje více křivek), ale vzhledem k podstatě jevu najít nejlepší prodloužení trendu do budoucna. Pro výběr křivky-grafická extrapolace.

GRAFICKÁ EXTRAPOLACE Obecné požadavky na vhodné typy regresních funkcí pro vyřešení interpolačního problému: • požadavek spojitosti funkce v čase: ve vývoji ekonomických veličin nemohou existovat časové úseky, v nichž by veličina vzrostla nade všechny meze, byla neurčitou atd. • požadavek jednoznačnosti v parametru času: ekonomická veličina nemůže pro daný čas nabývat více než jednu hodnotu.

• požadavek nezlomenosti funkce: ve vývoji ekonomických veličin probíhají zvraty. Je-li období zvratu kratší než délka jednotkového období, pak se zvrat může projevit jako zlom. Jde zde o vliv měřítka času, ne o zlom funkce samé. • požadavek možného průběhu i mimo období interpolace: regresní funkce by neměla nabývat hodnot, které jsou v rozporu s ekonomickou realitou – např. jít do záporných hodnot.

Obalové křivky Obalová křivka zachycuje vývoj vyššího systému vzniklý „obalením“ jednotlivých generací technologií, které následují po sobě.

NUMERICKÁ EXTRAPOLCE Parametry regresní čáry jsou určeny výpočtem. Zdroje chyb předpovědi: • řešením interpolačního problému byl nalezen vývojový mechanismus závisle proměnné na nezávisle proměnné. Jde o zjednodušení a prvním zdrojem chyb je pochybnost o správnosti nalezeného mechanismu. • druhým zdrojem chyb je nejistota, zda nalezený mechanismus bude působit i v budoucnu. • na vývojový mechanismus působí i vlivy do regresního modelu nezahrnuté a vlivy náhodné, což je třetím zdrojem chyb.

Ekonomické jevy však mají příčinu, proto: • existuje-li o vývojových závislostech daných proměnných ekonomická teorie, vezmeme ji za základ i pro prognostický model. • není-li ekonomická teorie dostatečně zpracovaná, staví se model na korelaci proměnných. • není-li možný žádný předchozí způsob, je prognostický model založen na tzv. symptomatických proměnných.

Symptomatická proměnná: nezávisle proměnná veličina, která je v kauzálním vztahu k jiným proměnným, které mohou, ale nemusí být známy a jejich prostřednictvím působí na závisle proměnnou. Symptomatické proměnné jsou v silném korelačním vztahu se závisle proměnnou, tento vztah ale není kauzální. Nejčastější symptomatickou proměnnou je čas – hovoříme o časových řadách. Symptomatický = příznačný, příznaky, ne na příčiny.

zaměřený

na

ČASOVÉ ŘADY Prognózy postavené na časových řadách předpokládají, že ovlivňujícím faktorem závisle proměnné je čas. Nejsou tedy vhodné pro předvídání změn způsobených jinými faktory - např. prodej jako funkce cenových změn nebo reklamy. Chování systému popisovaného časovými řadami vychází z tzv. černé skřínky, kde je znám vstup a výstup, ne však příčiny chování. Důvody pro chápání systému jako černé skřínky:

• systém nemusí být pochopen nebo může být příliš složitý pro měření jeho chování; • mnohdy stačí znát co se stane a ne proč se to stane; • náklady na zjištění příčiny chování systému mohou být mimořádně vysoké, zatímco náklady spojené s odhadem dle časových řad jsou velmi nízké.

Prognóza vývoje založena na časových řadách je založena na vývojovém trendu a náhodné (reziduální, zbytkové) složce. Základní typy vývoje: • horizontální vývoj; • sezónní vývoj; • cyklický vývoj; • trendový vývoj.

Horizontální vývoj: časová řada je označována jako stacionární, nemá žádný rostoucí nebo klesající trend, kolísá kolem konstanty.

Sezónní vývoj: chování časové řady je závislé na sezónních faktorech-kvartálech v roce nebo dnech v týdnu atd., zejména v závislosti na počasí: nápoje, topný olej, sportovní oblečení.

Cyklický vývoj: podobný sezónnímu vývoji, ale délka cyklu je delší než rok. Vyvíjí se tak hrubý národní produkt, počet zahajovaných staveb domů, ceny kovů. Je obtížně předvídatelný, protože se neopakuje ve stálých intervalech a jeho trvání je proměnlivé.

Trendový vývoj: existuje tam, kde je základní tendence k růstu nebo poklesu jednotlivých hodnot časové řady.

Rozklad časové řady na složky Každá hodnota časové řady je výslednicí: • trendové složky: dlouhodobá vývojová tendence • sezónní složky: pravidelně se opakující pohyb • reziduální složka: náhodná, zbytková složka

Neperiodické časové řady: součet trendové a reziduální složky. Časová řada je definována nespojitě.

Trendovou složku lze definovat spojitě, její derivace podle času se označuje jako růstová funkce. Pak: …

empirické hodnoty časové řady

…

teoretické hodnoty časové řady

…

růstová funkce

∙

…

∙

=

=

posloupnost prvních absolutních diferencí jako empirický protějšek růstové funkce.

nebo

∙

=



Trendové křivky používané pro extrapolaci: 1) Monotónně rostoucí trendové křivky, které při zvětšování časové proměnné rostou nade všechny meze. =

Např. lineární trend kvadratický trend

=

+

+

∙

∙ + ∙

modifikovaný exponenciální trend = . .

s růstovou funkcí

=

=

s růstovou funkcí + .

=

+2 ∙

s růstovou funkcí

2) trendové křivky, které při zvětšování časové proměnné se blíží nezáporné asymptotě, nemají inflexní body, růstové křivky nemají extrémy. Např. jednoduchý exponenciální trend hyperbolický trend

=

−

= .

s růstovou funkcí

s růstovou funkcí

=

=− . .

3) trendové křivky s nezápornou asymptotou a jedním inflexním bodem, růstové křivky mají jeden extrém. logistický trend:

s růstovou funkcí

=

=

∙



∙ ∙





Výběr trendové funkce musí být zdůvodněn věcně a empiricky. Věcné zdůvodnění: charakter růstové i trendové funkce musí být doložen důvody, které vyplývají z povahy analyzované časové řady (např. růst průměrných mezd). Empirické zdůvodnění: vychází z proložení posloupnosti prvních absolutních diferencí příslušnou růstovou funkcí.

Při řešení interpolačního i extrapolačního problému lze postupovat dvěma způsoby: • nevyžaduje se znalost všech parametrů trendové funkce, konstruuje se čára teoretických absolutních přírůstků ∙ a jednotlivé trendové hodnoty se určují ze vztahu: =

+

∙

Jde o tzv. diferenční odhad. • odhadnou se všechny parametry trendové funkce a použijí se při extrapolaci. Jde o tzv. přímý odhad.

Přímý odhad lineárního trendu:

=

+

∙

• příslušný SW • z řešení tzv. normálních rovnic ∑ ∑

= ∙ =

∙

+ ∑

∙∑ + ∑

Rovnice lze odvodit na základě metody nejmenších čtverců, tedy požadavku minimalizace kvadrátu rozdílů empirických a teoretických hodnot.

Nelineární funkce lze transformovat do lineární podoby. Např. jednoduchá exponenciální funkce:

= .

Linearizaci lze provést logaritmováním: log

= log + ∙ log ∙

označíme-li = log

C = ∙ log , lze psát

log = + ∙ , což je z hlediska parametrů lineární funkce a lze použít metody nejmenších čtverců.

Přímý odhad modifikovaného exponenciálního trendu =



+

Tzv. metoda meziprůměrů vede k následujícím rovnicím:

=

=



∙ = −

∙

(

−

a1



− 1 − 1)

, , jsou součty stejného počtu empirických hodnot časové řady. Časová řada musí mít počet členů dělitelný třemi.

Přímý odhad logistického trendu =

1+

Logistický trend rostoucí

∙ Yt, d.Yt

1 0,9 0,8 0,7 0,6

absolutní hodnoty

0,5

první absolutní diference

0,4 0,3 0,2 0,1 0 ‐8

‐6

‐4

‐2

0

2

4

6

8

10

Modelování náběhu nových výrobků, rozšiřování technických inovací.

t

=

1+

∙

Logistický trend klesající 1,1 Yt, d.Yt 0,9

0,7

absolutní hodnoty 0,5

první absolutní diference

0,3

0,1 -7

-5

-3

-1 -0,1

-0,3

Modelování výběhu starých typů.

1

3

5

7

t

9

Transformace logistického trendu na modifikovaný exponenciální trend. Pro logistický trend: =

1+

∙

lze použit transformace: =

=

1+

∙

=

+

∙

∙

=

+

K odhadu parametrů modifikovaného exponenciálního trendu lze použít metodu meziprůměrů.

METODY ZALOŽENÉ NA SYSTÉMOVÉM PŘÍSTUPU Lze předvídat takovou budoucnost, která leží v hranicích předvídané přizpůsobivosti struktury systému. Systém: soubor prvků, které jsou v interakci. Aplikace v oblasti prognostiky: • metoda morfologická • metoda křížových interakcí • ekonometrické modely

SYSTÉMOVÝ PŘÍSTUP Systémový přístup: takový způsob myšlení, řešení úloh a jednání, při němž jsou jevy chápány v jejich vnitřních a vnějších souvislostech, tedy komplexně. Při definování systému na určitém objektu se bere v úvahu rozlišovací úroveň a aspekty, které budou předmětem zájmu. Tato hlediska umožňují: • výběr prvků (nedělitelné částí celku) • výběr vazeb (spojení mezi prvky) Spojením prvků a vazeb se získá struktura systému odpovídající statickému pohledu. Z dynamického pohledu na systém se získá představa o chování systému.

U prvků, které leží mimo systém, se sleduje pouze jejich vztah, z hlediska vstupu do systému nebo z hlediska jejich navázání na výstup ze systému. Soubor těchto prvků se nazývá relevantním okolím. Rozlišuje se: • deterministický systém, jehož chování jednoznačně vyplývá z úrovně stavů i povahy podnětů; • stochastický systém, kde může mít chování při daném stavu a podnětu více variant s určitými pravděpodobnostmi; • stabilní systém: má tendenci po vychýlení z původního stavu se do něj zase vrátit nebo se udržuje v určitých tolerovaných mezích.

• adaptivní systém: je schopen reagovat na změnu stavu v systému nebo okolí tím, že se změnám přizpůsobí (adaptivní systém, adaptivní strategie). Uzpůsobí-li si systém okolí pro své cíle, hovoří se o ofenzivní strategii. Smyslem ofenzivní, adaptivní i neutrální strategie je přežití systému. Zavedení systému na objektivní realitu umožní orientaci ve velkém množství faktů a představ o skutečnosti. Tím dojde k snížení potřeby dat, což je podstatou modelování. Hlavní přínos systémového přístupu spočívá ve schopnosti fungovat jako pořádací princip v myšlenkovém procesu, na jehož začátku je existující realita a na konci její účelová přeměna.

Tento pevný řád pro myšlenkové postupy lze rozdělit na posloupnost základních myšlenkových aktivit: a) vymezení problému, formulace cíle b) zavedení systému na objektivní realitě c) reprezentace systému modelem d) kvantifikace modelu e) modelový experiment f) ověřovací a interpretační analýza g) implementační analýza, rozbor před realizací Jednotlivé body lze charakterizovat následovně:

Vymezení problému a formulace cíle Problém vzniká buď z vnějšího podnětu (řídící hierarchie) nebo z podnětu vycházejícího přímo ze subjektu. Cíl se konstruuje ve formalizovaných postupech z hlediska účelové, kriteriální funkce, u níž se obecně hledá extrém. Při formulaci cílů zaujímají zvláštní místo problémy, v nichž lze účel jen obtížně kvantifikovat, proto se vyjadřuje jen verbálně. Potíž vzniká spojením vstupů a výstupů, v nichž jedny jsou kvantifikovány a druhé nikoli.

Zavedení systému na objektivní realitě Je-li zřejmý problém a smysl jeho řešení, zachycují se faktory reálného světa, kterým se přikládá důležitost z hlediska řešení problému. Pozornost je zaměřena jen na určité stránky a vlastnosti objektivní reality, čímž dochází ke zjednodušování, jehož povaha se odvozuje z povahy problému. Je-li úloha takového typu, že na ni lze aplikovat standardní algoritmus, přizpůsobuje se zavádění systému na realitě tomuto modelovému typu. Ohraničení problému závisí kromě subjektivních faktorů i na disponibilních zdrojích.

Reprezentace systému modelem Modelové zobrazení je vystaveno riziku falešné reprezentace objektivní reality ve dvou směrech: kvalitativně a kvantitativně. Kvalitativní deformace je spojena s každou myšlenkovou činností, která používá modelování. Zjednodušení objektivní reality je předností modelování, může být i jeho slabinou. Kvantifikace modelu. Nedostupnost nebo nevěrohodnost údajů způsobuje malé ověření řady modelů na reálných datech. Hlavní překážky při aplikaci ekonomicko-matematických modelů nejsou způsobeny neznalostí metod nebo nedostupností technických prostředků, ale nedostatkem relevantních údajů.

Experiment a interpretace. Naplněním modelu daty a provedením propočtů vrcholí proces abstrakce. Dále následuje opačný myšlenkový postup – od abstrakce zpět k reálnému systému. Interpretace výsledků je spojována s kontrolou, zda výsledek nebyl ovlivněn zanedbáním některých faktorů, zda model odpovídá realitě. Interpretaci lze chápat jako ověření výsledků z hlediska použití pro vlastní rozhodování.

Implementace. Rozbor před realizací souvisí se zjednodušením modelů. Modelové řešení není totožné s vlastním rozhodováním, neboť není schopno uspokojivě kvantifikovat zejména chování člověka.

METODA MORFOLOGICKÁ Cílem metody je objasňování souvislostí funkčního spojení (interakcí) prvků, posloupnosti jevů. Systém se definuje funkčně. Postup morfologické analýzy: • popis funkce zařízení nebo řešeného problému; • určení charakteristických znaků, na kterých závisí funkce zařízení nebo řešení problému. • tvorba morfologické matice:  v řádcích jsou charakteristické znaky;  ve sloupcích možnosti, které může znak nabýt;

• tvorba jednotlivých konstrukčních řešení kombinováním, tj. spojováním prvků v jednotlivých řádcích; • eliminace kombinací nemožných z ekonomického nebo logického hlediska;

technického,

• konečná analýza nejzajímavějších řešení. Morfologická analýza se uplatňuje v rámci explorativních metod při předvídání konstrukčních řešení a budoucích vynálezů.

Morfologická matice řádková charakteristika

⋮

sloupcová charakteristika

METODA KŘÍŽOVÝCH INTERAKCÍ Jde o postup, kterým lze vyhodnotit dva druhy údajů vztahujících se k ohraničenému souboru událostí, a to: • pravděpodobnost výskytu jevů; • vzájemné ovlivňování jevů (interakce); Cílem metody je: • revidovat izolovaně určené pravděpodobnosti výskytu každého jevu z hlediska očekávaných křížových interakcí; • určit důsledky změn v pravděpodobnosti výskytu jevů na pravděpodobnosti výskytu ostatních jevů v souboru.

Podstata metody: systém je tvořen jevy , , … , pro něž byla předpovězena pravděpodobnost výskytu , ,… . Pak

se lze ptát: jestliže jev = 1 , jak se změní , , … ?

se

uskuteční

Obecně je pravděpodobnost výskytu těchto jevů po určité době od výskytu jevu funkcí: • původní pravděpodobnosti výskytu ovlivňovaného jevu; • směru působení (zvýšení, snížení); • síly vlivu jednoho jevu na druhý; • doby výskytu ovlivňovaného a ovlivňujícího jevu.

Jestliže: :

spolehlivá předpověď počasí na 1 měsíc

: možnost omezeného ovlivňování počasí : všeobecná biochemická imunizace : vyloučení poškození úrody nepříznivým počasím Při výskytu určitého jevu se pravděpodobnost výskytu ostatních jevů: • zvýší (znázorněno šipkou mířící vzhůru); • sníží (znázorněno šipkou mířící dolů); • nezmění (znázorněno pomlčkou); viz následující obrázek.

J1

J3

J4

J3

J4

↑

J1

J2

J2

↑

↑

Výsledek: • seřazení jevů podle velikosti posunu pravděpodobnosti. Realizaci jevů s největším posunem lze ovlivnit technickou, ekonomickou nebo sociální politikou. • seřazení jevů podle síly, s jakou budou ovlivňovat ostatní jevy. Čím je tato síla větší, tím významnější je daný jev pro určitý vývoj. • simulace změnou pravděpodobnosti výskytu jevů. • sestavení závěrečných scénářů vývoje.

EKONOMETRICKÉ MODELY Ekonometrický model, který lze chápat jako simultánní systém, je formální konstrukce, která pomocí systému rovnic vyjadřuje základní souvislosti mezi zkoumanými jevy. Model registruje vztahy podstatné, trvalého charakteru. Na úrovni NH: systém regresních stochastických rovnic a bilančních identit popisujících základní vztahy mezi makroekonomickými veličinami. Parametry regresních rovnic se odhadují různými metodami na základě analýzy statistických údajů, obvykle uspořádaných do časových řad.

V modelech na úrovni národního hospodářství se používají: • endogenní proměnné: stojí na levé straně rovnic, jsou vysvětlovány stochastickými rovnicemi modelu (např. hrubý národní produkt); • predeterminované proměnné: předem známe veličiny dosazované do stochastických rovnic v podobě: - opožděných endogenních proměnných: hodnoty z předchozího období; - exogenní proměnné: dosazované „zvenku“ (např. stálá aktiva, pracovníci).

Např. Cobb-Douglasova produkční funkce: = .

.

…

národní důchod v daném roce

…

dlouhodobý hmotný majetek ve výrobní sféře v daném roce

…

počet pracovníků ve výrobní sféře v daném roce

, ,

… parametry funkce vypočtené ze statistických řad

Vývoj zaměstnanosti lze odhadnout, neboť demografické prognózy patří k nejpřesnějším. Vzhledem ke stáří a životnosti DHM lze jeho stav také dobře předvídat a tak určit závisle proměnnou.

Na úrovni podniku: ekonometrické modely vystupují v podobě vícenásobné regrese. Lze např. předpokládat: prodej = funkce (hrubého národního produktu, cen, reklamy); Avšak kromě GNP ostatní proměnné nejsou nezávislé, jsou spojeny s prodejem firmy i mezi sebou. Lze předpokládat: cena = funkce (výrobních nákladů, odbytových nákladů, režie, zisku); výrobní náklady = funkce (objemu produkce, zásob, mzdových a materiálových nákladů); odbytové náklady = funkce (reklamy, ostatních odbytových nákladů);

Takto lze modelovat řadu závislostí mezi exogenními faktory a mezi faktory endogenními. Avšak sběr dat a výpočetní omezení počet rovnic v modelu snižují. Navíc ekonomická realita je složitější než systém rovnic. Složitost výpočetní a interpretační stránky vícenásobné regrese omezují použití ekonometrických modelů na podnikové úrovni, zejména pokud jde o malé a střední podniky.

VAROVNÉ PROGNÓZY Běžné prognózy: požadavek na blízkost předpovědi a reality. Varovné prognózy: žádoucí je co největší rozdíl skutečnosti od předpovědi, neboť se jedná o prognózy pro společnost nepřijatelné a je snaha vývoj změnit. Varovné prognózy vycházejí z toho, že současná situace je: • globální: týká se celé planety; • totální: dotýká se všech životních projevů lidstva; • uměle vyvolaná: výsledek činnosti lidí; • alternativní: hledají se východiska .

Počátek varovných prognóz: 1962 kniha americké bioložky R. Carson: Silent Spring o škodlivých účincích bezhlavého používání pesticidů v zemědělství. V 60. letech 20. století dominovala představa o neomezených možnostech vědecko-technického pokroku. 1968: založení Římského klubu zahrnujícího do stovky ekonomů, průmyslníků, vědců a osobností veřejného života. Cíl: studium globálních problémů lidstva.

J. W. Forrester z Massachusetts Institute of Technology vyvinul kybernetický model, jímž se daly simulovat a analyzovat hospodářské a urbanizační procesy. Model aplikoval Dennis Meadows na následující trendy s globálními následky: • růst počtu obyvatelstva; • problematika zajišťování potravin; • urychlující se industrializace; • využívání zdrojů nerostných surovin; • znečisťování životního prostředí.

Výsledky simulace: • uzavřený systém Země narazí nejpozději do roku 2100 na hranice možností růstu a v mnohém ohledu je překročí, nebude-li včas zastavena bezuzdná industrializace; • pro omezení růstu je třeba recyklace odpadů, kontrola znečisťování životního prostředí, prodloužení životnosti investičních celků a všech druhů kapitálu včetně oživení erodované půdy; • při růstu průmyslové výroby, využívání nerostných zdrojů, znečistění životního prostředí a expanzi světové populace je kolaps ve formě surovinových krizí a hladomorů nevyhnutelný.

Konkretizace pro nerostné suroviny V následující tabulce: statický index: životnost zásob surovin s ohledem na známé zásoby a průměrnou roční spotřebu (v letech); průměrný roční přírůstek jednotlivé komodity (v %);

spotřeby:

odhad

pro

exponenciální index 5. sloupce: životnost známých zásob při rostoucí rychlosti spotřeby v letech; exponenciální index 6. sloupce: životnost pětinásobku známých zásob při rostoucí rychlosti spotřeby (v letech).

druh suroviny

1. chrom uhlí zlato zemní plyn ropa cín

známé zásoby

statický index

prům. roční přírůstek spotřeby

2. 775.106 t 5 000.109 t 11.103 t 32 300 km3 72,5 km3 4 350.103 t

3. 420 2 300 11 38 31 17

4. 2,6 4,1 4,1 4,7 3,9 1,1

exponenciální index 5. 95 111 9 22 20 15

Příklad zlata ukazuje, že výpočet neodpovídá realitě.

6. 154 150 29 49 50 61

Příčiny chybných výpočtů: • problém s odhadem známých zásob: citlivé údaje pro strategické suroviny, podhodnocení ze strany obchodníků; • problémy s odhadem současné spotřeby: nejednotná metodika, nesprávné statistiky jednotlivých zemí; • problémy s odhadem přírůstku spotřeby: míra přesnosti jednotlivých odhadů; • problémy s odhadem čtyřnásobně zvýšených zásob oproti současnosti.

Autoři knihy Hranice růstu zdůrazňují význam chování spotřebitelských zemí: mohou svou spotřebu nadále zvyšovat nebo: • používat recyklaci a získávání surovin z odpadu; • prodloužit životnost výrobků z nedostatkových surovin; • podněcovat ke snižování neobnovitelných zdrojů.

spotřeby

výrobků

z

Kniha Hranice růstu jako výstup z výzkumu byla kritizována po jejím vydání v roce 1972, avšak ropná krize v roce 1973 ukázala na problémy se zásobováním světa ropou a následně dalšími surovinami. Kniha podnítila vznik varovných prognóz a připravila půdu pro globální ochranu životního prostředí. 1987: norský ministerský předseda Brundtland přichází s termínem „sustainable development“ – udržitelný rozvoj, což je změna hospodářské politiky v dvousetleté historii moderní industrializace.

STRATEGIE PODNIKU Strategie – odvozeno z řeckého slova s významem umění vést válečné operace. Strategie podniku: formulace základních rozvojových procesů, obsahuje strategické cíle a strategické operace. Strategické cíle: stavy, jichž má být v průběhu nebo na konci strategického období dosaženo. Strategické operace: činnosti, jimiž má být dosaženo strategických cílů. Strategie využívá nové příležitosti vznikající v okolí podniku a snaží se vyhnout předvídatelným rizikům. Podle změn situace je strategie permanentně upřesňována a změny se promítají do všech činností.

Obecné strategické alternativy Po analýze okolí a stanovení strategických cílů může začít výběr strategie, nejprve nutno zvolit druh strategické alternativy. Obecné strategické alternativy: • stabilizace • expanze • omezení • kombinace

Stabilizace: firma pokračuje se stejnými výrobky na stejných trzích. Použití jestliže: • firma si vede dobře, management se rozhodne pokračovat „jako vždycky“; • strategie stabilizace je málo riziková; • stabilizace je snazší a pohodlnější, zejména velké firmy se ke změnám odhodlávají obtížně; • prostředí je považováno za stabilní s malými hrozbami a příležitostmi.

Expanze: firma rozšiřuje svou činnost o další výrobek, další trhy nebo další funkce. Použití jestliže: • stabilizace v nestálých průmyslových oborech může vést k zániku; • manažeři jsou motivováni a chtějí větší uznání a ocenění; • existuje vnější tlak ze strany majitelů a akcionářů; • manažeři jsou přesvědčeni, že změny v okolí si expanzi vynucují.

Omezení: firma redukuje své výrobky, trhy nebo funkce. Naznačuje se tím něčí selhání, ale strategie může být využita, aby změnila negativní trendy a připravila zdroje pro inovaci, nové výrobky nebo trhy. Použití jestliže: • firma si nevede dobře; • nedaří se dosáhnout cílů zvolenou strategií; • hrozby v okolí jsou závažné a převáží interní přednosti firmy; • vnější příležitosti jsou jinde než kde firma působí.

Kombinace: firma buď v jednotlivých organizačních jednotkách realizuje odlišné strategie nebo plánuje použít po sobě rozdílné strategie. Znamená to: výrobky: opustit staré a přidat nové trhy: opustit staré zákazníky a současně hledat nové funkce: zvýšit kapacitu a zlepšit efektivnost

STRATEGICKÉ ALTERNATIVY V rámci obecných strategických konkrétní strategie firmy.

alternativ

existují

STABILIZACE: strategie koncentrace; EXPANZE:

strategie rozvoj trhu, rozvoj výrobku, inovace, horizontální integrace, vertikální integrace, joint venture, koncentrická diverzifikace, konglomerátová diverzifikace;

OMEZENÍ:

strategie redukce, likvidace.

rozprodej

majetku,

1. STRATEGIE KONCENTRACE Soustředěný růst (koncentrace) je strategie firmy, která zaměřuje své zdroje na rentabilní růst jediného výrobku, na jediném trhu, s jedinou dominantní technologií. Firma takto usiluje o růst, který je důsledkem zvýšené produktivity, lepšího pokrytí úseku trhu a efektivnějšího využití technologie. Podmínky realizace: • obor firmy odolává technickému vývoji; • trh není příslušným výrobkem nasycen; • výrobky jsou specifické pro omezení konkurence od vstupu na trh; • jsou dostatečné vstupy firmy; • trh je bez sezónních a cyklických výkyvů, které vedou k diverzifikaci.

Rizika strategie koncentrace: • v proměnlivém prostředí firma čelí riziku, protože soustředění na jeden trh a výrobek ji činí zranitelnou; • zaujetí na jednu technologii, trh a výrobek snižuje schopnost firmy vstoupit na nový nebo rostoucí trh nebo zavést nový výrobek. Příklady strategie koncentrace: McDonald´s – rychlé občerstvení, síť hotelů Holiday Inn – ubytování cestujících.

2. STRATEGIE VÝVOJE TRHU Vývoj trhu je strategie firmy založená na marketingu současných výrobků, často pouze s kosmetickými úpravami, zákazníkům v příbuzných trzích. Je nejméně nákladná a riskantní. Tedy: • otevření nových geografických trhů (regionální, národní nebo mezinárodní expanze); • přilákání nových sektorů trhu (nová verze výrobku, nové distribuční kanály, inzerce v jiných médiích). Příklad strategie vývoje trhu: Du Pont: kevlar vyvinutý pro armádu jako materiál pro opravu lodí. Aspirin: od slabého analgetika k prevenci srdečních příhod.

3. STRATEGIE VÝVOJE VÝROBKU Jde o strategii firmy zahrnující výrobku nebo vývoj nového, ale cílem udržení starých zákazníků nových. Výrobky mají zpravidla Realizace strategie:

modifikaci stávajícího příbuzného výrobku s a přilákání zákazníků krátký životní cyklus.

• vývoj nových znaků výrobku (s citrónovou vůní, s vyšším účinkem) a to přizpůsobením, modifikací, změnou rozměru, náhradou přísad atd.; • vývoj různé kvality (výrobky „light“); • vývoj dalších modelů a velikostí (modely aut); Příklad: drogistické výrobky, balení Coca Coly.

4. STRATEGIE INOVACE Jde o strategii firmy uvádějící na trh nové výrobky s cílem učinit z předchozích výrobků zastaralé produkty nikoli prodloužit jejich životnost. Sklízejí z počátku vysoké zisky, pak namísto boje s konkurencí uvádějí produkty nové. Výhody:

• nemožnost konkurence okopírovat úspěšný výrobek; Nevýhody: • vysoké náklady na výzkum a vývoj; • nebezpečí, že nový výrobek nebude trhem přijat.

Přiklad: Polaroid v oblasti fotografických přístrojů.

5. STRATEGIE HORIZONTÁLNÍ INTEGRACE Jde o strategii, kdy růst firmy je založen na získání jedné nebo více podobných firem vedoucí až k celým řetězcům firem. Horizontální integrace může firmě poskytnout rychlý přístup k novým výrobkům, novým geografickým regionům nebo novým zákazníkům. Horizontální integrace je vhodná pro firmu, která má řadu předností, ale musí čelit hrozbě z okolního prostředí, nejčastěji ze strany konkurentů. Příklad: pivovar Heileman skupoval malé pivovary po celých USA a stal se čtvrtým největším pivovarem v Americe.

6. STRATEGIE VERTIKÁLNÍ INTEGRACE Jde o strategii, kdy firma získává organizace, které jí dodávají suroviny (zpětná vertikální integrace) nebo zajišťují odbyt její produkce (dopředná vertikální integrace). Výhody zpětné integrace: zajištění objemu nebo kvality vstupů, zejména je-li malý počet dodavatelů surovin a velký počet odběratelů, redukce nákladů. Výhody dopředné integrace: firma může lépe odhadnout poptávku po své produkci. Rizika: manažeři musí rozšířit své znalosti o nových oblastech. Příklad: po 1. sv. válce Vítkovice měly podíl v dolech na železnou rudu ve Švédsku. OKD jako teplárnách.

producent

uhlí-podíl

v

Moravskoslezských

7. STRATEGIE JOINT VENTURE Strategie společného podniku je zvolena, když žádná ze zúčastněných firem nemá sama kapacitu na uskutečnění určitého záměru nebo jsou k tomu přinuceny podmínkami na trhu. Např.: • využití příležitostí vyžaduje marketingové zdroje;

obrovské

finanční

a

• trhy jsou chráněny politicky (např. obranný průmysl); • vývoj nových výrobků vyžaduje obrovské zdroje při dlouhodobé návratnosti (vývoj atomových reaktorů).

• konkurenční výhodu lze získat využitím znalostí a zkušeností domácí firmy; • menší národní firmy nemohou odolat konkurenci nadnárodních společností; • přesun výroby do zahraničí může snížit náklady (nižší mzdy). Nevýhoda: joint venture omezují rozhodování i alokaci zdrojů. Příklad: spojenectví General Electric (USA), Asea (Švédsko), Hitachi, Toshiba (Japonsko) při vývoji atomových reaktorů.

8. STRATEGIE KONCENTRICKÉ DIVERZIFIKACE Jde o strategii spočívající ve vytvoření nebo získání firem, které vyrábějí nebo prodávají příbuzné výrobky. Předpokládá se, že firmy mají společné technologie, zákazníky, distribuční kanály nebo dodavatele. Důvody realizace strategie: • zvýšení rychlosti růstu firmy; • zvýšení stability prodeje a výnosů firmy (překonání sezónnosti); • vyvážení nebo vyplnění sortimentu; • rychlé získání zdrojů; Příklad: firma Bic: výroba per, žiletek a zapalovačů na jedno použití (společná technologie).

9. STRATEGIE KONGLOMERÁTOVÉ DIVERZIFIKACE Jde o strategii spočívající ve vytváření nebo získání firem, které vyrábějí nebo prodávají nepříbuzné výrobky. Strategie je založena zásadně na ziskových principech nebo návratnosti investic. Sdružují se tak prodeje sezónní s nesezónními, bezúvěrové obchody s vysoce úvěrovými. Příklad: Toshiba vyrábí kromě spotřební elektroniky také kuchyňská zařízení, zdravotnické přístroje, razicí štíty, lodě a jaderné elektrárny.

10. STRATEGIE REDUKCE Strategie je zvolena, když dochází k poklesu výkonnosti způsobenému vnitřními nedostatky a vnějšími hrozbami. Cílem je zvrátit dosavadní negativní trendy, nazývá se také strategií zvratu. Opatření v rámci strategie: • snižování nákladů (propouštění zaměstnanců, prodloužení životnosti strojů, omezení propagace, záměna nákupu za leasing atd.); • snižování majetku (prodej aktiv, která nejsou rozhodující pro činnost firmy); • omezení produkce (snížení sortimentu); • změny v managementu firmy (zavedení tzv. krizového manažera). Příklad: omezení majetku a zaměstnanců v OKD v 90. letech 20. století.

11. STRATEGIE ROZPRODEJE MAJETKU Strategie představuje prodej ucelených částí firmy, aby se firma dostala z určitého segmentu trhu nebo získala prostředky pro pokračování své činnosti. Důvodem může ale také být příliš velký podíl na trhu vedoucí k monopolizaci a ohrožení hospodářské soutěže. Předpokládá se, že kupec je přesvědčen, že díky svým schopnostem a zdrojům bude z tohoto obchodu profitovat. Příklady: Chrysler čelící nebezpečí bankrotu prodal své zahraniční pobočky, jednou divizi a závod na výrobu klimatizačních jednotek.

12. STRATEGIE LIKVIDACE Strategie je používána v situaci, kdy firmu nelze zachránit a odklad likvidace by měl za následek další pokles její hodnoty. Cílem likvidace je získat peníze pro vlastníky (akcionáře). Firma je zpravidla prodávána po částech, výjimečně jako celek. Plánovaná likvidace může být výnosná. Příklad: Columbia Corporation, víceúčelová firma likvidovala své jmění za větší cenu než byla její účetní hodnota.

BUDOUCNOST PROGNÓZOVÁNÍ Význam prognózování vzroste, to však nelze říci o její přesnosti. Jestliže se objeví v prognózách chyby, neřešte je takto:

Důvody

Opuštěním prognózování.

Plánování a strategie bude ještě obtížnější.

Nahrazením lidí.

Lidé nezvýší přesnost více než metody.

Využitím mnohem složitějších metod.

Empirie ukazuje, že přírůstek přesnosti složitějších metod je malý.

Předpokladem, že současné ekonomické podmínky budou trvalé.

Historie ukázala cykličnost ekonomického vývoje a časových řad.

APLIKACE PROGNÓZ V PODNIKOVÉ PRAXI – EXTRAPOLAČNÍ METODY Používané proměnné: • proměnné v pravém slova smyslu kauzální, které jsou k závisle proměnné v příčinném vztahu; • proměnné symptomatické, zpravidla časová proměnná, i když čas sám o sobě není příčinou vývoje. Používané postupy: • pro odhad trendové parametrů trendové statistické verifikace diferencích. Tento odhadem;

čáry se nevyžaduje znalost všech funkce, protože se vychází ze založené na prvních absolutních odhad se nazývá diferenčním

• odhadnou se všechny parametry trendové funkce, na tomto základě se provede extrapolace do budoucna. Tento odhad se nazývá přímým odhadem.

Soustava diferencí časové řady: jde o empirické míry dynamiky časové řady. První absolutní diference (empirické absolutní přírůstky): rozdíly sousedních pozorování řady. .

=



resp. .



−



=



= 2, 3, … ( − 1)

−



= 1, 2 … ( − 1)

Druhé absolutní diference: rozdíly prvních absolutních diferencí. .

=

d.

-

d.



t = 3, 4 …

DIFERENČNÍ ODHAD PRŮBĚHU TRENDOVÉ ČÁRY Východisko: empirická časová neperiodická řada skládající se z trendových a reziduálních hodnot. Vhodný typ trendové čáry byl vybrán pomocí prvních absolutních diferencí empirických hodnot, kde: empirické hodnoty časové řady



.



teoretické hodnoty časové řady



.

první absolutní diference empirických hodnot



první absolutní diference teoretických hodnot

Známe-li posloupnost teoretických absolutních přírůstků d.

=





−



= 1, 2 … ( − 1)

Lze odvodit:

=



+ .



Jestliže = =

A, kde A je určitá konstanta, pak:

A



=



+ .

=



+ .



=



+ .

=



+ ( .

+



=

+

.

)

. . .



=

+

S …

í

č

ý



í

ří ů

ů

Určení konstanty A: požadavek shody aritmetických průměrů řady empirických a teoretických (trendových) hodnot, tedy:

=



protože platí

=

N. A +



lze konstantu A určit ze vztahu: =

1





−



Diferenční odhad průběhu kvadratického trendu Časová řada těžby uhlí mechanizovaným způsobem v milionech tun. t

.



1

2

3

4

5

6

7

8

9

10

11

0,9

1,1

1,3

2,8

3,7

5,2

5,6

8,4

11,6

13,0

14,4

0,2

0,2

1,5

0,9

1,5

0,4

2,8

3,2

1,4

1,4

Průběh empirických hodnot i prvních absolutních diferencí empirických hodnot je zachycen na následujících grafech. Vyplývá z nich, že řadu empirických hodnot lze popsat kvadratickým trendem: = +

+

t = 1, 2 …11

s růstovou funkcí (posloupností prvních absolutních diferencí teoretických hodnot): = +2

t = 1, 2 …10

První absolutní diference empirických hodnot vykazují růstový trend, který lze proložit přímkou . = + 2 jako růstovou funkcí. Parametry b; 2c lze odhadnout pomocí metody nejmenších čtverců, která vede k soustavě normálních rovnic: .





.

= 10 + 2



=



+2







Výchozí údaje a výpočty jsou obsaženy v následující tabulce.

t 1 2 3 4 5 6 7 8 9 10 11



0,9 1,1 1,3 2,8 3,7 5,2 5,6 8,4 11,6 13,0 14,4 68,0



(



)





0,2 0,2 1,5 0,9 1,5 0,4 2,8 3,2 1,4 1,4

0,2 0,4 4,5 3,6 7,5 2,4 19,6 25,6 12,6 14,0

0,47 0,67 0,87 1,07 1,27 1,47 1,67 1,87 2,07 2,27

0,47 1,14 2,01 3,08 4,35 5,82 7,49 9,36 11,43 13,70

13,5

90,4

13,7

58,85



0,83 1,30 1,97 2,84 3,91 5,18 6,65 8,32 10,19 12,26 14,53 68,08

Do soustavy normálních rovnic součtového řádku předchozí tabulky:

lze

dosadit

ze

13,5 = 10 + 2 . 55 90,4 = 55 + 2 . 385 Řešením: b = 0,273 = 0,27

2c = 0,196 = 0,20

Teoretická čára absolutních přírůstků může být určena na základě vztahu: .

=

0,27 + 0,20. t

Empirické hodnoty kolísají kolem této vyrovnávací přímky, kvadratický trend je statisticky verifikován.

Konstantu A lze vypočíst ze vztahu: =

,

,

=

,

= 0,83

Pro bodové prognózy těžby je začátek t = 11. Pak: .

=

0,27 + 0,20.11 = 2,47

.

=

0,27 + 0,20.12 = 2,67

Kumulativní součet

= 13,70, pak:

= 13,70 + 2,47 = 16,17 = 16,17 + 2,67 = 18,84

=

0,83 + 16,17 = 17,00 mil. tun

=

0,83 + 18,84 = 19,67 mil. tun

Za předpokladu, že se udrží trend vývoje mechanizované těžby, budou hodnoty produkce dány výše uvedenými čísly. Věcná verifikace: rychlé pokračování růstu mechanizované těžby není dlouhodobě možné vzhledem k důlněgeologickým podmínkám i těžební kapacitě revíru. Kvadratický trend lze tedy použít pouze v omezeném časovém období. Pro extrapolaci je vhodnější jiný typ křivky – např. logistická.

Diferenční odhad průběhu trendové čáry má tyto přednosti: • umožňuje bezprostřední využití etapy verifikace přípustnosti trendové čáry;

statistické

• jde o jednodušší výpočetní postup, při němž není nutno určit všechny parametry trendové čáry. Nevýhoda: diferenční odhady jsou zpravidla variabilnější než odhady získané přímo, protože metoda nejmenších čtverců vyžaduje zpracování empirických pozorování a ne z nich určených diferencí. Častěji jsou proto používány přímé odhady.

PŘÍMÉ ODHADY TRENDOVÉ ČÁRY V podnikové praxi se lze setkat s následujícími případy: 1) Trendové funkce jsou z hlediska parametrů lineární, bezprostředně lze použít metodu nejmenších čtverců. 2) Trendové funkce lze považovat za lineární až po vhodné transformaci, tj. po vhodné „linearizaci“. 3) Trendové funkce z hlediska parametrů nejsou lineární a ani je nelze vhodnou transformací „linearizovat“. Do první skupiny patří parabolické trendové funkce, do druhé skupiny např. jednoduchý exponenciální trend, do třetí skupiny logistický trend.

Přímý odhad jednoduchého exponenciálního trendu-spotřeba elektrické energie

t 1 2 3 4 5 6 7 8 9 10 11



8 892,5 10 164,3 12 000,2 13 896,8 15 914,1 17 927,6 20 066,2 22 712,3 25 974,4 29 002,5 32 527,8 209 078,7

log



3,949 025 4,007 075 4,079 195 4,142 917 4,201 778 4,253 522 4,302 462 4,356 264 4,414 545 4,462 437 4,512 251 46,681 471

d. log



0,058 050 0,072 120 0,063 722 0,058 861 0,051 744 0,048 940 0,053 802 0,058 281 0,047 892 0,049 814 -

t. log



log



3,949 025 3,961 451 7 8,014 150 4,017 733 6 12,237 585 4,074 015 5 16,531 668 4,130 297 4 21,008 890 4,186 579 3 25,521 132 4,242 861 2 30,117 234 4,299 143 1 34,850 112 4,355 425 0 39,730 905 4,411 706 9 44,624 370 4,467 988 8 49,634 761 4,524 270 7 286,219 832 46,671 473 2

9 150,6 10 416,7 11 858,2 13 499,0 15 366,7 17 492,8 19 913,3 22 668,7 25 805,1 29 375,9 33 445,0 208 992,0

Lze předpokládat, že časovou jednoduchou exponenciální funkcí

= .

řadu

lze

popsat

t = 1, 2 …11

Linearizaci lze provést logaritmováním: log

= log + c. log .

t = 1, 2, …11

log = + . což je z hlediska parametrů lineární funkce, jejíž parametry lze odhadnou aplikací metody nejmenších čtverců, která vede k normálním rovnicím.

(log

− log ) =

(log

− B − C. t) =

. .

Parciální derivace a úprava  vede k normálním rovnicím: log = 11. +

log = .

+ .









= 66

Řešením soustavy rovnic: B = 3,905 169 8  C = 0,056 281 9 Teoretické hodnoty trendové čáry lze získat ze vztahu:

= 506

log



= 3,905 169 8 + 0,056 281 9 .

t = 1, 2 ….11

Logaritmy teoretických hodnot trendové čáry jsou uvedeny v předposledním sloupci předešlé tabulky, odlogaritmováním dostaneme teoretické trendové hodnoty v posledním sloupci. Protože log

=

= 3,905 169 8 = 8 038,33

zpětným přepočtem Pak:

= 8 038.

,

.

. log =

= 0,056 281 9

= 0,129 6

t = 1, 2 …11

Extrapolace spočívá v dosazení t=12, 13 atd. do předchozího vztahu.

Přímý odhad modifikovaného exponenciálního trendu

=

t = 0, 1, 2 …N

+

Jestliže <1 pak při růstu „t“ se bez ohledu na výši parametru „ ".

, blíží

> 0 hodnotě „k“

První absolutní diference teoretických hodnot: .



=

−



=

+

−

−

=

− 1

Jestliže < 1 pak při růstu „t“ posloupnost prvních absolutních diferencí teoretických hodnot klesá a blíží se nule v záporných hodnotách. Použití trendové křivky: pro klesající hodnoty, které nemohou být nulové nebo záporné (např. jednicové náklady).

Postup výpočtu: utvoří se 3 skupiny součtů po 2 členech, tj. pro t = 0; 1

t = 2; 3

t = 4; 5. Pak:

=

+

+

+

=2 +

1+



=

+

+

+

=2 +

1+



=

+

+

+

=2 =

1+



Soustavu rovnic lze řešit odečtením první rovnice od druhé a odečtením druhé rovnice od třetí.

−

=

=



+ 1









−

=

+ 1

−

=

−

=



− 1

−







( (

)

)

− 1 =

+ 1

−



(



)





− 1



− −

=

2 = 2 = 2 =

−





+ 1 −

− −

(

−1

(



−





− 1)

− 1)



+ 1

Mají-li skupiny součtů „n“ členů, lze ze vztahů odvodit již uvedené vzorce:

.

=

− −

=

−

=

−

− −1

(

−1 − 1)

Omezení výpočtu: časová řada musí mít počet členů dělitelný třemi. Metoda se nazývá „metoda meziprůměrů“ a je založena na výpočtu parametrů rovnice ze známých bodů, které ji vyhovují.

Přiklad: časová řada vývoje hlubinného uhelného dolu. =

∙ 1000

celkové

pracnosti

[sm/1000 t]

… pracnost celková … směny celkové na výkon za období … těžba celková za období Pracnost celková určuje počet směn na výkon v dole i na povrchu, které jsou nutné pro vytěžení 1 000 tun uhlí. Mechanizace ražení, dobývání, dopravy, údržby důlních děl pracnost snižují, vybavování a likvidace porubů a čeleb, strojní a elektroúdržba pracnost zvyšují.

t



0 1 2 3 4 5 6 7 8 9 10 11

660,2 593,4 466,0 412,4 398,2 363,3 341,2 312,3 298,2 288,3 285,6 287,3





=2 132,0



=1 415,0



−1 159,4



-66,8 -127,4 -53,6 -14,2 -34,9 -22,1 -28,9 -14,1 -9,9 -2,7 +1,7



648,0 558,5 489,4 436,0 394,7 362,9 338,2 319,2 304,5 293,1 284,3 277,5



-89,5 -69,1 -53,4 -41,3 -31,8 -24,7 -19,0 -14,7 -11,4 -8,8 -6,8

Z následujících grafů zachycujících průběh empirických hodnot i průběh prvních absolutních diferencí empirických hodnot vyplývá, že časovou řadu lze popsat modifikovaným exponenciálním trendem. Součty byly tvořeny 4 členy, tedy n=4 a po dosazení do uvedených vzorců:

=

− −

1 159,4 − 1 415,5 = = 0,356 485 1 415,0 − 2 132,0

= 0,7727 =

−



0,7727 − 1 = −717 ∙ −0,643 515 − 1) − 1

(

= 393,5508

4 =



−

−717 = 2 132 − = 1 017, 8069 0,356 485 − 1)

− (



= 254,4517 Trendovou funkcí popisující vývoj celkové pracnosti lze vyjádřit vztahem: = 254,4517 + 393,5508 ∙ 0,7727

t = 0, 1, 2 … 11

Extrapolace by spočívala v dosazení t = 12,13 atd. do uvedené rovnice.

Statistická verifikace: průběhem prvních absolutních diferencí. Věcná verifikace: snižující se úbytky pracnosti ukazují na snižování tempa poklesu pracnosti způsobené: • vyčerpáváním potenciálu technických inovací; • zhoršováním důlně-geologických podmínek postupu dobývání do větších hloubek.

při

Extrapolace by proto měla být doplněna předpokládanou situací důlního podniku v příštích letech, zejména pokud jde o vývoj důlně-geologických podmínek a možnosti aplikací technických a technologických inovací.

Příklad: časová řada vývoje výkonu v ražení příprav pomocí trhací práce a škrabákového nakladače v podmínkách OKR (cm/sm.) t 0 1 2 3 4 5 6 7 8 9 10 11



37,91 37,53 36,10 33,77 32,07 31,49 30,34 29,59 28,82 28,70 28,11 27,78





= 145,31

= 123,49

= 113,41



-0,38 -1,43 -2,33 -1,70 -0,58 -1,15 -0,75 -0,63 -0,12 -0,59 -0,33



39,43 37,10 35,19 33,61 32,30 31,23 30,34 29,62 29,01 28,52 28,11 27,77



-2,33 -1,91 -1,58 -1,31 -1,07 -0,89 -0,72 -0,61 -0,49 -0,41 -0,34

Průběh empirických a teoretických hodnot modifikovaného exponenciálního trendu

Průběh prvních absolutních diferencí empirických a teoretických hodnot modifikovaného exponenciálního trendu

Z průběhu empirických hodnot i prvních absolutních diferencí empirických hodnot vyplývá možnost použití modifikovaného exponenciálního trendu. V tomto případě n = 4. Pak:

− −

=

=

113,41 − 123,49 = 0,4619 123,49 − 145,31

= 0,8244 4 =



−

= 26,19

123,49 − 145,31 = 145,31 − = 104,7599 0,4619 − 1 − 1)

− (



= 123,49 − 145,31

0,8244 − 1 = 13,233 (0,4619 − 1)

Modifikovaný exponenciální trend může být popsán vztahem: = 26,19 + 13,233 ∙ 0,8244

t = 0, 1, 2 … 11

Extrapolace by spočívala v dosazení t = 12, 13 … do výše uvedeného vztahu. Věcná verifikace: projevuje se zde zvýšení hrubého profilu důlních děl, větší hustota budování, zkrácení délky zabírky a další vlivy vyplývající z vývoje důlně-geologických podmínek. Asymptotický průběh modifikovaného exponenciálního trendu je vhodnější než monotónně klesající křivky.

Přímý odhad logistického trendu Logistický trend patří do trendových čar, které z hlediska parametrů nejsou lineární a nelze je ani vhodně „linearizovat“. Logistické křivky vzniknou řešením specifické diferenciální rovnice, jejímž výsledkem je křivka typu: =

∙

−∞ < < +∞

Křivka má nulovou dolní asymptotu a horní asymptotu A. Má „n“ inflexních bodů, tj. takový počet, který odpovídá řádu paraboly . Nejjednodušší případ nastane pro parabolu prvního stupně, kdy po úpravě označení konstant lze psát:

=

−∞ < < +∞

∙

Limita funkce při blížícím se mínus nekonečnu je nula, při blížícím se plus nekonečnu je „ “. Podle znamének parametrů „ “; „ “; lze rozlišit 4 druhy průběhů logistických křivek, z nichž pro ekonomické interpretace mají význam dva případy, a to:

= =

∙

∙

> 0;

> 0;

> 0;

>0

(1)

> 0; vzhledem k výše uvedenému (2)

vztahu je

<0

V případě (1) funkce probíhá od nuly k hodnotě „ “, ke které se asymptoticky blíží. Hodnota „ “ je nazývána saturační úrovní. V případě (2) jde o průběh od hodnoty „ “ k nule. Pro ekonomické interpretace má význam průběh křivky pro ≥ 0. Logistická funkce má inflexní bod, který odpovídá extrému růstové funkce. Tu získáme derivací vztahu popisujícího průběh logistické funkce. ∙ ∙ ∙ = ( 1 +



)

Derivací této funkce podle času a položením derivace rovnou nule lze zjistit souřadnice inflexního bodu logistické křivky:

=



; 2

Ekonomická interpretace logistické křivky vychází z jejího charakteristického průběhu. Rostoucí křivka: • nejprve pozvolné přírůstky růstové křivky i logistické funkce; • rychlé zvyšování přírůstků i růst logistické funkce nejvyšší rychlostí; • růstová funkce má klesající přírůstky, logistická funkce stále roste, ale se snižující se intenzitou, blíží se saturační hranici. Klesající křivka: • Mírně rostoucí úbytky, mírný pokles logistické křivky od saturační hodnoty;

• rychlé zvyšování úbytků, rychlý pokles logistické křivky; • intenzita úbytků se snižuje, logistická funkce klesá k nule. Rostoucí křivka modeluje rozšiřování nových výrobků, klesající křivka pak výběh starého typu výrobku. Rozšiřování nového výrobku: • pomalý růst v první fázi odpovídá nízkému povědomí o novém výrobku, vysoké počáteční ceně, vyčkávání spotřebitelů; • rychlý růst ve druhé fázi je spojen s rozšířením informací o výrobku, ten se dostane do kategorie módního zboží, osvědčí se; • zpomalení ve třetí fázi odpovídá blížícímu se nasycení poptávky, informacím o blížícím se uvedení dalšího produktu.

Výběh starého výrobku: • pomalé snižování počtů starého výrobku odpovídá počátkům zavádění nového produktu, akcím na podporu prodeje starého výrobku; • rychlý pokles ve druhé fázi je spojen s úspěšným rozšiřováním nového produktu, který učinil starý výrobek zastaralý; • pomalý pokles směrem k nule odpovídá dožívání výrobku, jeho používání u konzervativních nebo nízko příjmových spotřebitelů; Současný výběh starého a náběh nového výrobku: mohou nastat dva extrémní případy: • výběh je příliš rychlý a náběh příliš pomalý; • výběh je příliš pomalý a náběh příliš rychlý.

V prvním případě při daném tržním potenciálu vzniká neuspokojená poptávka, která musí být kryta zpravidla dovozem, čímž domácí producent ztrácí. V druhém případě vzniká nadbytečná nabídka, kterou nelze na domácím trhu uplatnit a domácí výrobce opět ztrácí. Logistické křivky byly použity v tuzemsku ve 40. létech 20. století k prognóze vývoje počtu obyvatelstva. Lze ji použit při modelování vývoje předmětů dlouhodobé spotřeby i předmětů investičního charakteru, neboť saturační úroveň lze najít u většiny procesů.

Odhad parametrů logistické křivky: posloupnost bodů logistické na křivky = ⁄ lze převést jednoduchou transformací posloupnost bodů modifikovaného exponenciálního trendu, kde: =

(1 + .

)⁄ =

⁄ + . .

/ =

+

K určení parametrů modifikovaného exponenciálního trendu lze použít metody meziprůměrů, z vypočtených teoretických hodnot modifikovaného exponenciálního trendu se lze na teoretické hodnoty logistického trendu dostat zpětnou transformací = ⁄ nebo z již uvedených vztahů: ⁄ =

. ⁄ =

( e



) =

Za konstantu K lze volit některou mocninu desíti.

Příklad: časová řada těžby uhlí v OKR mechanizovaným způsobem v milionech tun. = 100/

.

.

t



0

0,6

166,667

177,544

0,56

+0,3

+0,27

1

0,9

111,111

120,738

0,83

+0,2

+0,38

2

1,1

90,909

82,662

1,21

+0,2

+0,54

3

1,3

76,923

57,142

1,75

+1,5

+0,75

4

2,8

35,714 527,582

40,036

2,50

+0,9

+1,00

5

3,7

27,027

28,570

3,50

+1,5

+1,29

6

5,2

19,231

20,885

4,79

+0,4

+1,57

7

5,6

17,857

15,734

6,36

+2,8

+1,78

8

8,4

11,905

12,281

8,14

+3,2

+1,89

9

11,6

8,621

9,967

10,03

+1,4

+1,85







=







Pokračování tabulky t



= 100/



10

13,0

7,692

11

14,4

6,944

12

14,4

6,944

13

14,9

14





.

.





8,416

11,88

+1,4

+1,68

7,377

13,56

0

+1,41

6,680

14,97

+0,5

+1,12

6,711

6,213

16,09

+1,3

+0,86

16,2

6,173

5,900

16,95

+1,2

+0,62

15

17,4

5,747

5,690

17,57

+0,9

+0,45

16

18,3

5,464

5,550

18,02

+0,6

+0,31

17

18,9

5,291

5,456

18,33

-0,2

+0,22

18

18,7

5,348

5,392

18,55

0

+0,14

19

18,7

5,348

5,350

18,69

+0,2

+0,10

20

18,9

5,291

5,322

18,79



= 66,674



= 38,663

Průběh empirických a teoretických hodnot logistického trendu

Průběh empirických a teoretických prvních absolutních diferencí logistického trendu

Z průběhu empirických hodnot časové řady i z jejich prvních absolutních diferencí lze usuzovat na možnost použití logistického trendu. Jeho parametry se určí tak, že funkce se nejprve transformuje na posloupnost hodnot modifikovaného exponenciálního trendu. V tomto případě n = 7

38,663 − 66,674 = = 0,060774 66,674 − 527,582

− −

=

= 0,67027 7 =



−

= 5,264

−460,908 = 527,582 − = 36,850 −0,939226 − 1)

− (



=

−



0,32973 = −460,908 ∙ 0,88214 − 1) − 1

(

= 172,280 Transformovanou řadu lze popsat: = 5,264 + 172,280 ∙ 0,67027

t = 0, 1, … 20

Zpětnou transformací jsou v poslední tabulce vypočteny teoretické hodnoty logistického trendu. S použitím uvedených vztahů lze logistický trend popsat: =

−

18,997 18,997 = 1 + 32,728 . 0,67027 1 + 32,728.

,

∙

Saturační hodnota těžby mechanizovaným způsobem je tedy přibližně 19 milionů tun uhlí. Udržení tohoto trendu do budoucna bude záviset na: • poptávce po energetickém a koksovatelném uhlí; • kapacitě těžby jednotlivých dolů z hlediska výše dobyvatelných zásob a parametrů těžebního procesu (např. kapacita svislého těžení). Extrapolace by pak spočívala v dosazení t=21, 22 … do rovnice logistického trendu. Pozn.: vývoj ekonomiky po roce 1989 ukázal, že první předpoklad splněn nebyl – verifikace praxí.

Přímý odhad logistického trendu-klesající typ křivky Příklad: vývoj počtu nasazených brázdicích strojů v OKR. (Pozn.: brázdící stroj-předchůdce dobývacích kombajnů).

t





= 100/



.



.





0

208,8

0,479

0,506

197,6

-17,8

-1,5

1

191,0

0,524

0,510

196,1

-5,9

-2,3

2

185,1

0,540

0,516

193,8

-5,3

-4,1

3

179,8

0,556

=

0,527

189,7

+6,5

-7,6

4

186,3

0,537

3,198

0,549

182,1

-8,3

-12,6

5

178,0

0,562

0,590

169,5

-25,2

-19,3

6

152,8

0,654

0,666

150,2

-39,5

-26,9



Pokračování tabulky: = 100/

t



7

113,3

0,883

8

82,2

1,216

9

56,0

1,786

10

36,9

11







.



.



0,811

123,3

-31,1

-31,1

=

1,084

92,2

-26,2

-29,7

11,125

1,599

62,5

-19,1

-23,6

2,710

2,568

38,9

-11,1

-16,2

25,8

3,876

4,396

22,7

-13,3

-10,0

12

12,5

8,000

7,841

12,7

-5,3

-5,7

13

7,2

13,889

14,335

7,0

+0,6

-3,2

14

7,8

12,820

26,576

3,8

-3,0

-1,8

15

4,8

20,833

49,648

2,0

-3,9

-0,9

16

0,9

111,111

93,138

1,1

-0,4

-0,5

17

0,5

200,000

175,115

0,6





= 366,653

Průběh empirických a teoretických hodnot logistického trendu

Průběh empirických a teoretických prvních absolutních diferencí logistického trendu

Z grafů vyplývá opodstatněnost použití logistického trendu. Pro výpočet jeho parametrů převedeme empirické hodnoty pomocí transformace na posloupnost hodnot modifikovaného exponenciálního trendu. V tomto případě n = 6. Z tabulky výše uvedené vyplývá:

− −

=

366,653 − 11,125 = = 44,8503 11,125 − 3,198

= 1,88493 6 =



−

= 0,50283

7,927 − = 3,198 − = 3,017 − 1 43,8503

=

−



− 1 (



− 1)

= 7,927 ∙

0,88493 1922,8488

= 0,003648 Posloupnost hodnot modifikovaného exponenciálního trendu lze popsat: = 0,50283 + 0,003648 ∙ 1,88493

t= 0, 1, 2 … 17

Zpětně lze zjistit parametry logistického trendu: 198,874 = 1 + 0,00725 . 1,88493 Saturační úroveň OKR pokud jde o počet brázdiček se pohybovala kolem 199 kusů. Dobývací kombajny jako technická inovace brázdící stroje vytlačily.

Přímý odhad logistického trendu- rostoucí typ křivky Příklad: vývoj počtu nasazených dobývacích kombajnů v OKR

=

/

.

.

t



0

17,0

5,882

8,7465

11,433

+5,8

1

22,8

4,386

5,1955

19,247

+1,5 +12,160

2

24,3

4,115

3,1840

31,407

+13,0 +17,521

3

37,3

2,681

2,0438

48,928

+8,0 +22,623

4

45,3

2,207

1,3976

71,551

+17,2 +25,403

5

62,5

1,600

1,0314

96,954

+11,8 +24,419

6

74,3

1,346

0,8239 121,373

+35,2 +20,209

7

109,5

0,913

0,7063 141,582

+37,0 +14,751

8

146,5

0,683

0,6397 156,333

+16,6

+9,809

9

163,1

0,613

0,6019 166,142

+15,0

+6,126







= 23,130







+7,814

Pokračování tabulky

t





= 100/ 10 11 12 13 14 15 16 17 18 19 20 21 22 23

178,1 175,3 178,3 177,1 184,6 190,8 192,1 187,4 174,0 176,9 182,7 175,5 180,2 170,8



.



.





0,561 0,570 0,561 0,565 0,542 0,524 0,521 0,534 0,575 0,565 0,547 0,570 0,555 0,585

0,5805 = 0,5684 4,619 0,5615 0,5576 0,5554 0,5541 0,5534 0,5530 0,5528 = 0,5527 4,422 0,5526 0,5525 0,5525 0,5525

172,268 175,944 178,098 179,342 180,055 180,461 180,692 180,823 180,898 180,940 180,964 180,978 180,985 180,990

-2,8 +3,0 -1,2 +7,5 +6,2 +1,3 -4,7 -13,4 +2,9 +5,8 -7,2 +4,7 -9,4

+3,676 +2,154 +1,244 +0,713 +0,406 +0,231 +0,131 +0,075 +0,042 +0,024 +0,014 +0,007 +0,005

Z grafů vyplývá opodstatněnost použití logistického trendu. Pro výpočet jeho parametrů převedeme empirické hodnoty pomocí transformace na posloupnost hodnot modifikovaného exponenciálního trendu. V tomto případě n = 8. Z výše uvedené tabulky vyplývá:

4,422 − 4,619 = = 0,010642 4,619 − 23,13

− −

=

= 0,5667 8 =



−

= 0,5525

4,619 − 23,13 = 23,13 − = 4,42 0,010642 − 1 − 1)

− (



=

−



0,5667 − 1 = 4,619 − 23,13 ∙ (0,010642 − 1) − 1) − 1

(

= 8,194

Transformovanou řadu lze tedy popsat: = 0,5525 + 8,194 ∙ 0,5667

pro t = 1, 2, … 23

Zpětně lze zjistit parametry logistického trendu: 181,0 = 1 + 14,83 . 0,5567

= 1, 2, … 23

Extrapolace spočívá v dosazení > 23 do rovnice logistického trendu. Z výpočtu vyplývá, že rozšíření kombajnů v podmínkách OKR se dostalo na hranici saturace. Skutečné počty dobývacích kombajnů budou kolem teoretické hranice kolísat, zejména v závislosti na počtu provozovaných porubů vybavených touto mechanizací.

Intenzitu náběhu dobývacích kombajnů a výběhu brázdicích strojů lze posoudit z vyneseních příslušných hodnot do jednoho grafu. Z něj vyplývá: • saturační úroveň počtu kombajnů je menší, což vyplývá z vyšší výrobní kapacity kombajnových porubů oproti porubům vybaveným brázdicími stroji; • rychlost výběhu brázdicích strojů je zhruba stejná jako náběh počtu dobývacích kombajnů. Nevznikla tím ani nadbytečná nabídka ani neuspokojena poptávka.

OTÁZKY 1. Úloha předvídání v rozhodování a řízení na podnikové a národohospodářské úrovni. 2. Limity předvídatelnosti a ovlivňující faktory. 3. Pojem prognózy, časový horizont prognózy. 4. Verifikace prognózy: teoreticky a praxí. 5. Vývoj prognostické činnosti. 6. Prognózování jako specifický přístup k budoucnosti – nižší, střední a vyšší skupina. 7. Možné způsoby třídění prognóz. 8. Třídění prognóz z časového hlediska-dlouhodobé, střednědobé a krátkodobé prognózy.

OTÁZKY 9. Třídění prognóz charakteristika.

podle

předmětu

prognózy-stručná

10. Prognózy vědeckotechnické: předvídatelnost vědeckých objevů, struktura vědy, vědečtí pracovníci, vědecké instituce. 11. Prognózy sociálně-ekonomické: demografický vývoj, třísektorový model hospodářství, přírodní zdroje. 12. Prognózy medicínsko-biologické: problematika zdravotnictví, problematika životního prostředí. 13. Prognózy vojensko-politické: prognózy zbraňových systémů, prognózy vojensko-politických situací. 14. Prognózy geokosmické: Země a vesmír.

OTÁZKY 15. Prognostické metody: možné způsoby třídění. 16. Metody založené na analogii: biologická a historická analogie. 17. Metody založené na informacích expertů: metody založené na dotazování, metody založené na kolektivní tvorbě názorů. 18. Dotazník a metoda delfská. 19. Metody založené na kolektivní tvorbě názorů: názor vedení, názor prodejců. 20. Brainstorming. 21. Metody založené na extrapolaci: předpoklady aplikace, postup extrapolace. 22. Grafická extrapolace, obecné požadavky na regresní čáry, metoda obalových křivek.

OTÁZKY 23. Numerická extrapolace, pojem symptomatická časové řady, rozklad časové řady na složky.

proměnná,

24. Trendové křivky používané pro extrapolace. 25. Diferenční a přímý odhad trendové čáry. 26. Přímý odhad lineárního trendu, linearizace funkcí, které v parametrech nejsou lineární, přímý odhad exponenciálního trendu. 27. Přímý odhad modifikovaného exponenciálního trendu. 28. Přímý odhad logistického trendu. 29. Logistická křivka-typické průběhy použitelné v ekonomických aplikacích. 30. Metody založené na systémovém přístupu, pojem systému, aplikace.

OTÁZKY 31. Morfologická metoda: princip, možnosti aplikace. 32. Metoda křížových interakcí: podstata metody. 33. Ekonometrické modely na národohospodářské a podnikové úrovni. 34. Varovné prognózy, Římský klub, kniha Hranice růstu. 35. Hranice růstu – oblast nerostných surovin. 36. Pojem strategie podniku. 37. Obecné strategické alternativy: stabilizace, expanze, omezení, kombinace. 38. Jednotlivé strategické alternativy: strategie strategie vývoje trhu, strategie vývoje výrobku.

koncentrace,

39. Strategie inovace, strategie horizontální integrace, strategie vertikální integrace, strategie joint venture.

OTÁZKY 40. Strategie koncentrické diverzifikace, strategie konglomerátové diverzifikace. 41. Strategie redukce, strategie rozprodeje majetku, strategie likvidace. 42. Význam strategie v podnikové praxi.