Professional Documents
Culture Documents
Dr Krume MIHAJLOV
Dr Dusan PETKOVSKI
Urednik
Milan TODOROVIC
bobek su k lev
E NOMSKO
~ , VIOANJE
1
Naslov originala
~-p Eo6eK LUYKneB
EKOHOl\1CKO I1PE,QBV1,UYBAl-bE
EKOHOlVlCKI1 l(eHTap, CKonje, 1986.
Prevod sa makedonskog
MIHAIL JANUSEV, prof,
E KON,)~
.Brej I
.i nller :J 1'[' \..
/ ' ,,!'
SlgrtalUli:;
338.27
WYKJIEB. EoBeK
5
Rad prema i metodolo,~ko-aplikativnoj
koncepciji. pre planerima analiticarima
mde na u organizacijama rada. Rad
bi trebalo da interesovanje i naucnih radnika na
institutima za otvorena pitanja
predvidan.ja.
u sustini predstavlja
i skladnih proporcija i odnosa izmedu
ta drustvene reprodukcije. Samoupravno drustveno planiran1e,
na kvalitetan i efikasan naCin ostvarice ukoliko
pripreme
i planovima bude koristilo
Bez predvidanja nosioci samoupravnog planiran.ia izlazu
se a poslovanje pre sveqa na podacima
i iz proslosti. preplanska aktiv
nost kojom se anticipira buduce okruzenie i delovanie toq
/tUHLY;"",/U na planske odluke.
je
Hflfl'fJ!:W za anticipiranje promena. Predvi
danje se upotrebljava u poslovanju i sa namerom da
se smanji neizvesnost i rizik i da se buducnost ucini tran
sparentnijom, i da se na osnovi usmeri i taka
usaglasi buduCi razvo.1 u prognoziranom okruzenju. Predvida
je kljuc i racionalnijeg materiialne
a prognozer ima n.jegovog arhitekte.
Pored ovoga, predstavlja "jednovremeno i
maran izvor anticipativnih podataka i informaci,ia Stl
tako vazne za odluCivanje u sadasnjosti. Preclvidnje treba da
anticipim buduce kojem ce se ostvarivati danas
donete odluke, s strane i s da posluzi
kao argument za njihovo Svaka odluka,
ili eksplicite zasnovana na nekakvom predvidanju
i sadrzi elemente predvidanja. Zato planera analiti
eara da pomocu ostvari najbolju korisnu os
novu za onaga ko 0 donosen,iu optimalnog
Predvidanje predstavlja metodoloski osnov za
izradu osnovnih, kratkorocnih, srednjorocnih i
nova, kao na : plana marketinga,
plana nabavke i za ostale osnovne i izvedene razvoia
i Takode, 0 buducim us
lovima privredivanja i 0 ishodu nameravane akci,ie
polaznu osnovu za iz domena poslovnih
u orgnizacijama udruzenog rada kao sto su marketing, pro
6
izvodnja, nabavka, kadrovska, finansijska, investiciona i ostale
funkciie .
Koristim priliku da se zahvalim dr Krumetu Mihailovu
iz Skopja, za visegodisnju saradnju, nesebican i sistematski
napor na mom strucnom i naucnom usavrsavanju. Posebno
znacajan je njegov doprinos u koncipiranju ovog rada, na cemu
sam mu osobito zahvalan.
Takode posebnu zahvalnost izraiavam i dr Dusanu Pet
kovskom, redovnom profesoru Ekonomskog .fakulteta u Skopju.
za korisne sugestije u toku pisanja i oforml.ienja ovofl rada.
Od posebne vainosti ce mi biti sve primedbe i sugestije 0
eventualno ucinjenim propustima u ovom izdanju, sa ciliem
poboljsanja u narednim publikovanjima ovog rada.
7
SADRZAJ
Predgovor (5)
Dvod (13)
9
Glava III. Determinante ,-,,,,'un'L'"
1. ka·o determinanta
2. Sistem informacija kao determinanta (65)
3. Ekonomski horizont i odraz na
4. Ostale deteTTI1linante
Glava IV. Pretpostavke - rezuItat predvidanja
1. Su§tina i pojmOlVno odreaivanje
2. VidoVQ, i karakteristike (75)
3. Osnovne na (77)
Glava V. Predvidanje - preduslov za donosenje odluka
1. Uloga u procesu i
odluka
2.
Ii teraturi (121)
3. (127)
4. u (129)
10
4. Problemi u primeni delfi~metode (136)
5. Postup3!k predvidanja delf,i-metodom (137)
6. S tatisticka obrada podatalka (140)
7. Mo,cIifi'kacija delf<:i-metode (142)
8. PrecLnosti i nedostaci delfi-metode (144)
Gbva X. Multivarijaciona analiza
1. Staltisticke metode predVrid·anja (147)
2. PostJupaik rprimene muHivarijacione analize (148)
3. Pre<ividanje mUltivarijacion analiz e (150)
4. Procenjivanje efik3!snosti pd predvidanju
pros€Jka (166)
poravnanja -(169)
11
Glava XV. Analiza Zivotnog ciklusa
1. Faze u zivotnom ciklusu
2. ciklus
Glava XVI. Pl'ocenjivanje elHmoms
1. Ciljevl i
2. FaktoTi od 'kojih zaviisi
u (225)
3. Met~ode za tacnosti predvidanju (232)
SUMMARY (238)
RESUME (240)
LITERATlJRA
12
UVOD
13
odluka u samoupravnirn organizacijama. Pristup predvidanju
buduceg delovanja faktora poslovanja i ishoda nameravane ak
cije treba da pomogne analiticaru da na efikasan, kvalitetan i
objektiviziran nacin planira razvoj i poslovanje. Teorijsko-me
todoloski pristup ekonomskom predvidanju treba da zadovolji
narasle potrebe analiticara za smanjenjem neizvesnosti i rizika
pri pripremi odluka u veoma dinamicnim i nemirnirn uslovima
privredivanja.
Materija u ovom radu je podeljena na dva dela. U prvom
teorijskom delu, u vecoj ili manjoj meri, razradena su sva rele
vantna pitanja koja omogucavaju da upravljacko predvidanje
bude efikasnije i kvalitetnije, a indirektno i planiranje razvoja
i rada u organizacijama udruzenog rada. Glava I poCinje teo
rijskim eksplikacijama 0 etimoloskom poreklu, definisanju, sa
drzaju, drustvenom znacaju i ciljevima predvidanja u zapadno
evropskoj, istocnoevropskoj i jugoslovenskoj literaturi. U Glavi
II razradeni su osnovni pristupi ka njegovoj filozofiji kao po
tencijalni pravci razvoja ekonomske misli u predvidanju. Gla
VOl III je posvecena preduslovima, istrazivanju i informisanju
o racionalnijem i kvalitetnijem predvidanju pri brojnim neiz
vesnim situacijama odlucivanja. U Glavi IV razradene su pret
postavke na kojima se temelji planiranje. Glava V je posvecena
ulozi predvidanja u procesu pripreme i donosenja odluka. Pred
vidanje, u zavisnosti od prostornog horizonta, treba sprovoditi
prema odredenom misaono-logicnom toku izvodenja aktiv
nosti. Pitanje 0 ciklusu sprovodenja predvidanja kao metodo
losko pitanje zavisi od vise kriterijuma, kao, na primer: tacnosti,
troskova, karaktera odluke, razumljivosti i drugo. Komparativ
na analiza pojedinih metoda predvidanja (procene i rangiranja),
kao i njihove karakteristike, naroCito su vazne za ocenu sposob
nosti zaidentifikaciju prelomnih tacaka u ekonomskim proce
sima, u svoj njihovoj kompleksnosti. Sve je ovo predmet istra
zivanja u Glavi VII. U Glavi VIII je istrazivan medusoban od
nos predvidanja i planiranja u inostranoj i domacoj literaturi,
sa akcentom na cinjenici da predvidanje predstavlja najvazniji
input u planiranju.
Drugi, metodolosko-aplikativni deo je posvecen opisivanju
brojnih i raznorodnih metoda predvidanja sa prime rima njiho
ve aplikacije u poslovanju.
Pocev od Glave IX pa sve do Glave XV, razradene su me
tode koje se u osnovi baziraju na intuiciji, statistici i statistickoj
analizi, kao i na matematici. Od brojnih i raznorodnh metoda
predvidanja za potrebe usaglaSavanja i usmeravanja razvoja i
14
rada u organizacijama udruzenog rada, razradene su neke po
znate ali nedovoljno apsorbovane metode u jugoslovenskoj teo
riji i praksi. U metodolosko-aplikativnom delu razradene su sle
dece metode: delfi-metoda: model jednostavnih pokretnih pro
seka, model dvostrukih pokretnih proseka, jednostavno ekspo
nencijalno izravnanje, adaptivno eksponencijalno izravnanje,
Brownov model dvostrukog adaptivnog eksponencijalnog iz
ravnanja, Holtov model dvostrukog eksponencijalnog izravna
nja, linearno i sezonsko eksponencijalno izravnanje, multiva
rijaciona analiza, analiza zivotnog ciklusa proizvoda, logisticka
(asimptomska) kriva i eksponencijalni (neasimptotski) model
rasta. Takode, u ovom delu ukazuje se na metodoloske proble
me u primeni i na naCine njihovog resavanja, na podrucja pri
mene materna ticke formulacije, ispitivanja mogucnosti primene
u planiranju razvoja i rada u jugoslovenskoj privredi, kao i na
prednosti i nedostatke u primeni pojedinih metoda. Metode su
primenjene na pojavama koje imaju horizontalan, linearan i
kvadratan trend razvoja, kao ina pojavama koje su pod uticajem
sezonskih faktora.
U poslednjoj XVI Glavi istrazuje se procenjivinje kao in
tegralni deo i osnovna karakteristika upravljackog predvidanja
bez kOj2 ova funkcija ima sarno informativan karakter. Radi
toga efikasnost predvidanja za vreme zivotnog ciklusa prognoze
treba ocenjivati apriorno, kontinuirano i aposteriorno. U ovoj
glavi razradeni su .i faktori od kojih zavisi tacnost kao mera
egzaktnosti jedne nauke i nacini uvecanja egzaktnosti. I, na
kraju, ispitivana je greska kao razlika izmedu predvidenih i
stvarnih podataka, koja moze biti merena i predstavljena na
grafikonu i dijagramu.
15
TEORIJSKI ASPEKTI PREDVIDANJA
5 P LIT
19
davanje sustinskih razlika izmedu pojedinih autora i u savre
menim privrednim sistemima, ito: definisanje predvidanja u
inostranoj literaturi, definisanje predvidanja u jugoslovenskoj
litera turi.
Pored toga, predvidan je ce biti odredeno i s aspekta sa
drZaja (predmeta predvidanja), znaeaja koji ima predvidanje za
planiranje, informisanje i odlucivanje, formulisanje ciljeva i
drugo.
20
nudi najbolju korisnu osnovu za upravljanje buducnoscu koja
se ocekuje i da pomogne da uprava shvati implikacije na bu
ducem preduz ecu od alternativnih kurseva akcija sada korisnih
za njih.
Prema nameni , pred vidanje je pokusaj da se unapredi zna
cenje; odavde ono ulcljucuje pretpostavke 0 kauzalnim odnosima
slucajeva, predmeta i ljudskog nastojanja u stvaranju buduc
nosti. 3
Henri Theil 4, koji upotrebljava reci prediction i forecasting
kao sinonime, predvidanje definiSe kao izveStaj koji se odnosi
na nepoznato, narocito na buduce dogadaje.
Wiliam Sullivan G. i Wayne W . ClaycombeS predlazu jednu
kompromisnu definiciju u kojoj predvidanje ulcljucuje pripre
mu izvestaja koji se odnosi na nesigurnc i nepoznate slucajeve,
a glavna namena predvidanja je da pribavi znanje 0 nesigurnim
dogadajima tako vaznim za nase sadasnje odlucivanje.
Wood Doug - Robert Fildes 6 definisu predvidanje kao ak
tivnost koja procenjuje vrednost nepoznatih varijabli u buduc
nosti sa vrednoscu varijabli koje su sada poznate.
Tim Coldicotf pokusava da predvidanje ograniCi na opi
sivanje funkcionisanja promenljivih nad 7cojima preduzece kao
individua nema kontrole.
S aspekta vremenske odredenosti, definitivno predvidanje
je pok1~sai da se predvide u n ekom odredenom periodu u buduc
nosti stvarne velicine koje ce se dogoditi za vreme tog perioda B•
IIi, prema Leonardu S. Sicku i Louiseu M. Corleyu 9, poslov
no predvidanje je »analiza staiistickih podataka i drugih eko
nomskih, politickih i trzisnih informacija sa namerom da se re
ducira rizik pri pripremi poslovnih odluka i dugorocnih pla
nova.
3 The art of anticipation: VALUES AND METHODS OF FORECAS
TING, edited by Solomon Encel, Pauline K. Martsrand and William Page,
Martin Robertson , London 1975, p. 14.
4 Henri Theil: Appleid economic forecasting , Rand McNai'ly and
Co-Chicago 1969, p. 1.
5 SCli'livan G. William - Wayne W. Claycombe Fundamentals of fo
recasting, Reston publishing Co. Inc. Reston , Virfinia 1977, p. 1.
6 Wood Doug - Robert Fildes: Forecasting for business : Method~
and applications, Longman, London 1976, p . 6.
7 Coldicott Tim: Forecasting and planning long term, ACCOUN
TANCY. vol. 84 , No. 963, 1973, p. 28.
8 Hall W. Lincoln: An approach to definite forecasting, Universi ty
of Pennsylvania Press, Philadelphia 1929, p. 2.
9 Leonard S. Sick - Louise M. Curley: Forecasting business trends ,
McGraw-Hill Book Company, Inc. , New York 1963, p. 3.
21
i Richard
definisanja
22
U Iiteraturi socijaIistickih zemalja sa centralnirn upravlja
njem i rukovodenjem privrednog i drustvenog zivota u upotrebi
su sledeci termini: predskazivanje, i prognoziranje ciji odnosi
jos nisu razjasnjeni i koji se u uzem smislu reci izjednacavaju i
upotrebljavaju kao sinonimi15, a u sirem smislu reci se razlikuju.
Prognosiika kao nauka bavi se proucavanjem opstih zako
nitosti, principa, metoda i sredstava predvidanja razvoja p0java
u buducnosti. Drugim recirna, prognostika stvara teorijsku os
novu za naucno proucavanje buducnosti i razradu prognoza.
Prognostika ima svoj predmet proucavanja koji se odnosi
na formiranje naucne osnove za naucno predvidanje razvoja
pojava i dogadaja.
Metodologija prognoziranja iIi prognostika, prema obuhvat
nosti proucavanja zakonitosti, metoda, principa i sredstava, ma
ze biti opsta i parcijalna. Kao opsta nauka, prognostika obuhvata
i proucava ono tipicno vezano za organizovanje i sprovodenje
predvidanja u vise iIi u svim oblastima, dok kao parcijalna nau
ka obuhvata i proucava specificnosti vezane sa organizovanjem
i realizovanjem predvidanja jedne konkretne nauke.
Razvoj naucnog predvidanja je razlicito definisan u razli
btim stadijumima. Za razliku od prognostike, prognoza je teo
rijsko ili empirijsko predvidanje budueeg stanja objekata. 16 Na
vedena definicija prognoziranja odgovara pocetnom stadijumu
naucnog prognoziranja, koje se karakterise nedovoljnom orga
nizovanoscu i malom verovatnoscu nastajanja prognoza. Po svo
joj osobenosti to je predvidanje kratkorocno i javlja se naj
cesce slueajno.
IIi, pod prognoziranjem obicno se podrazumeva odrediva
nje svojsta'Va 2/i stanja objekta u bilo kom buducem vremen
skom momentu.17
IIi, dalje, prognoza je jedna od dvaju oblika predvidanja
iIi predskazivanja, a taj oblik odnosi se na iskazivanje misljenja
o jos neostvarenim stanjima objekata. Kod drugog oblika predvi
danja predmet iskazivanja je rezultat buduCih uzajamnih dej
stava vee postojeceg objekta. 1S
15 Naime, pod pojmom predskazivanje podrazumeva se svako iska
zivanje koje se odnosi na jedan iii drugi dogadaj i delimicno na rezul
tate jednog iii drugog delovanja . Na tom planu predskazivanje je sinonim
predvidanja (XparreHKo HHKorral1 liDaHOBlf'!: ([JWlOcoc/lclw-MerooOJlOzu
'!eCKUe np061leMbl npozHo3upoeaHufl, JIeHHHrpaAcKHil: YHHBepCHTeT,
Leningrad 1980, s. 15).
16 JII060MHP CT. A1-UJ:peeB: OpzaHu3mluS/ U reXHOIlOZUS/ Ha npoZHo
3upaHero II npoMuUllleHHocra, TexHHKa, Coqm51 1972, CTp. 12.
17 B. A. JIHCH'lKHH: TeopuS/ u npaKTUlca npoZHoCTuKU, HaYKa, Mo
CKBa 1972, CTp. 38.
23
Predviaanje, u sirem smislu reCi, oznaca va bilo ka
kvih informacija se odnose na buducnost. smislu
to oznacava naucno koje se odnosi
na konkretne perspektive razvoja dogadaja na osnovu istrazi
vanja. 19
sinonim zasno
vane na po svo
joj sustillli ne ba
zira se na naucno zasnovanim ishoda.
predskazivanje se mesa kada se metode
predvidanja. U takvim dovoljno
susrecu se izrazi Cini mi se .. iii imam
razliku od predskazivanja. je naucno za
snovano,
21 S. i dr.:
ne, tehnike i metode:
tut lVIihajlo Pupin, Beograd 1970, str. 133.
24
U drugu grupu spadaju definicije koje predvidanje objas
njavaju s aspekta sadrzaja. Zajednicki elemenat grupisanja
srodnih definicija u ovoj grupi je sadrZaj (predmet) predvida
nja . Prema prof. dr K r ume Mihajlovu, to prognoziranje, odno
sno pretpostav ljanje buducih dogaaaja , pojav a, uslova predvi
danja, predstavlja predv iClanje u preduzeCimaY Nesto slieno po
sadrzaju definicije, srecemo kod prof. dr Momcila Milosavlje
Vi ca 23 i u Ekonomskom leksikonu. 24 IIi, predvidanje znaci voditi
racuna 0 faktorima razvoja koH se javl.jaju u radu . '. drugim
reCima, predv iaanje znaci static/coj situaciji proslosti do dati po
znato kretanje spoljnih faktora koji ce u buducnosti uticati na
kretanje neke pojave.25
Jedna od prilieno uobieajenih definicija novijeg datuma je
da predvidanje predstavlja parabolisticku izjav u na relativno
visokom nivou sigurnosti (tacnosti) 0 buducem kretanju dogJ
daja. 26
U trecu grupu spadaju oni autori koji predvidanje definiSu
u uzem i sirem smislu reci, s jedne strane, a , s druge, diferen
ciraju pojam predvidanja od prognoziranja. U uzem smislu reCi,
pod predvidanjem se podrazumeva spirituali,sticki shvaceno an
ticipativno sagledavanje buducih slucajeva, utemeljeno na na
vodno radnorm·llnim sposobnostima nekih veoma retkih ljudi. V
sirem smislu reCi, pod predvidanjem podrazumeva se anticipa
tivno sagledavanje funkcionisanja i razvoj neke razmatrane po
jave koja se bazira na rutinskom poznav anju njenog funkcio
nisanja i razvoja u nekom proteklomn periodu, kao i na intuiciji
u vezi mogucnosti i uslova njenog funkcionisanja i razvoja u
bUducnosti.17
Prognoziranje je vezano anticipativ nim sagledavanjem bu
duceg funkcionisanja i razvoja neke mzmatmne pojave cije su
22 TIpoq,. A-P KpYMe Ml1xajJlOB: )J,el108HaTa nOI1UH/lCa /-la pa60T/-lara
opzaHu3a~IUJa, EKOHOMCKH ¢a K YJlTeT . C[wrrje 1971 , CTP, 166.
23 Vidi : Dr Momc ilo Milosavljevic: Planiranj e i p os /,ovna politika,
Ideo, USSF, Beograd 1965 , str, 39,
24 Ekonomski leksikon, Savremena administracija. B eograd 1973,
sl.r , 1008,
25 Marjan Korosic : Politika formiranja proizv odnog pragrama i uvo
denja novih proizvoda u proizvodnji, u knjizi PRINeIPI I METODI
FORMIRANJA POSLOVNE POLITIKE, Informator - Zagreb 1964,
str. 195.
26 Dr Radoslav Sen ic i dr. : Planiranj e i razv ojna politika samo
upra v nog preduzeca, Naucna knjiga . Beograd 1977, str, 195.
27 Dr :2:ivojin Peric: Planiranje i p as lovna politika OUR- a, Savre
mena administracija, Beog rad 1980 , str, 4.
25
promene zasnovane iskljuCivo od faktora sa egzogenim karakte
ristikama.28
Na osnovu ovih definicija predvidanja u inostranoj i u ju
gosiovenskoj literaturi, mogu se formulisati sledeee konstatacije:
l. Iako se predvidanje kao proces i delatnost vee duze vre
mena koristi u ekonomskim istrazivanjima, jos uvek nije defi
nitivno rasciSceno pitanje 0 tome sta predstavija predvidanje.
U prilog ovoj konstataciji govori brojnost i raznovrsnost defi
nicija koje se odnose na ovo pitanje. Nes umnjivo, pomenuta
brojnost i ra7. novrsnost definicija nesumnjivo ukazuje da se u
ovom slueaju radi 0 odredivanju jedne veoma siozene, korn
pleksne i dinamicne kategorije.
2. U odredenim slucajevima predvidanje se definiSe ill kao
servis, iIi kao izvestaj 0 nepoznatirn dogadajima, iIi kao aktiv
nost procenjivanja nepoznatih promenljivih, iIi kao analiza raz
licito postavijenih podataka i informacija, ili da se pravi u obliku
izvestaja.
3. Ka.o izdiIerenciran stav koji dominira kod najveceg
broja autora je definisannje predvidaja s aspekta narnene kojoj
sluzi. Prema koncepcijskom prilazu, ciIju predvidanje pred
stavija osnovu za kvalitetnu i racionalnu primenu i donosenje
odluka, ill sredstvo za upravljanje buducnoscu, ili je namena da
se smanje rizici pri pripremi i donosenju strateskih taktickih
odluka.
4. Nezavisno s kog aspekta se definise i determiniSe pred
vidanje, iznete definicije su parcijalne, jer obuhvataju sarno
pojedine komponente ukupne strukture predvidanja. Znaci, u
nekim od njih predvidanje se definise u uzem smislu reci.
5. U jugosiovenskoj literaturi preoviadava saddajni ili kon
cepcijski prilaz pri determinisanju predvidenja (sa primedborn
da tim definicijama nedostaje jos jedna komponenta, a to je
ishod nameravanog toka akcija u tako predvidenom ambijentu),
a zanemaren je metodoloski prilaz.
SadrZajni prilaz predvidanju objasnjava pitanje u pogiedu
toga sta se predvida i zasto se predvida. ZnaCi, kod koncepcij
skog prilaza radi se 0 odredivanju saddaja (predmeta) predvi
danja (unutrasnjih i spoljnih faktora privredivanja) i cilja pred
vidanja (smanjiti neizvesnost i rizik prilikom upravljanja bu
ducnoscu).
Za razliku od koncepcijskog prilaza, u teoriji je razraden i
metodoloski prilaz koji za polazne os nove ima objasnjenja 0 na
28 Ibid., str. 5.
26
Cinu predvidanja, odnosno kako treba predvidati da bi se os tva
rio postavljeni ciIj i cime se predvida. Na primer, predvidanje
je procena nepoznatih varijabli varijablama koje su sada po
znate, ili analiza na osnovu utvrdenih medusobnih odnosa iz
medu faktora u proslosti i sadasnjosti, iIi poznatoj situaciji iz
proslosti dodati pozna to kretanje spoljnih faktora.
6. Ne bi se moglo prihvatiti stajaliste prema kojem je pred
videnje rezultat nadnormalnih sposobnosti nekih ljudi, od
nosno da ie zasnovano na rutim i intuiciji. Pri definisanju pred
vidanja autor ne polazi od opredeljenja sust.ine (pojma, sadrZaja
i znacaja), vee su polazna osnova tehnika predvidanja i Iica koja
ga sprovode.
Takode nije prihvatljivo definisanje pojma prognoziranja,
prema kojem su promene proucavane pojave usIovljene delova
njem unutarnjih faktora, a indirektno i njegovim razlikovanjem
od pojma predv;idanja, zbog toga sto su predmet predvidanja
unutrasnji i spoljni faktori privredivanja.
7. U poslednje vreme, svakako pod uticajem teorije siste
ma, iako veoma retko, primetni su pocetni koraci u definisanju
predvidanja sa sistemskog aspekta. Takode je primetno defini
sanje predvidanja s aspekta teorije informacija, s aspekta mesta,
uloge i znacaja predvidanja za informativni sistem, kao mesta
izmedu sadasnjih i buduCih podataka koje bi hteli imati. Pro
izIazi da izmedu sistema informacija i predvidanja postoji me
dusobna veza, zavisnost i usIovljenost. S jedne strane, sistem
informacija je preduslov za predvidanje, a, s druge, predvidanje
ima za r ezultat poda tke i informacije kao primaran izvor racio
nalnog i efikasnog upravljanja.
8. PolazeCi od iznetih definicija i determinisanja predvi
danja, pokusaeemo dati kompleksniju, sustinskiju i sadrZajniju
definiciju . Definicija predvidanja, s aspekta sustine, trebala bi
da obuhvati sledeee elemente: a) pojam da je predvidanje mi
saon proces, a jednovremeno i strucna delatnost; b) sadrzaj
to su faktori rada, koji po svojoj prirodi, mestu lokacije, mogu
biti unutrasnji i spoljni i ishod nameravanog taka akcije u
tako predvidenom budueem ambijentu rada; c) znacaj - sma
njenje neizvesnosti i rizika pri pripremi i donosenju odluka, tj.
sistema i sredstva za upravIjanje buduenoseu.
PolazeCi od raspoloziv:ih komponenata, predvidanje pred
stavlja misaoni proces i svesnu, na nauci zasnovanu strucnu
delatnost prognoziranja buducih uslova privreaivanja (procena
unutrasnjih i spoljnih faktora privredivanja) i ishoda namera
vane akcije sa ciljem da se smanji neizvesnost i rizik pri pri
premi i donosenju odluka.
27
3. Sadriaj predviaanja
28
uslovi, drustvena organizacija proizvodnje, javno mnenje, kom
pleksni sistem informacija na nivou zemlje, dugorocnost eko
nomske pulitike, stabilnost privrednog sistema i drugi.
Unutrasnjim determinantama smatraju se oni faktori koji
su prema prostornoj lokaciji u organizaciji. Karakteristicno za
ovu grupu faktora je veoma visoki stupanj uticaja, menjanja,
stvaranja i eliminisanja . Na taj naem je olaksan rad oko pred
vidanja unutrasnjih faktora. Unutrasnje determinante, koje su
parcijalan predmet predvidanja, su: velicina i · karakteristike
raspolo~ivog kapaciteta, finansijska sposobnost, struktura i flek
sibilnost proizvodnje, organizacija preduzeca, unutrasnj'i sistem
informacija i struktura radnog kolektiva.
Predvidanje buduceg ambijenta rada je preduslov za pred
vidanje ishoda nameravanih akcija. SagledavajuCi buduce okru
zenje, maze se iormulisati ishod nameravane akcije u tako pro
gnoziranom buducem ambijentu. Ishod nameravne akcije te
melji se na principu kontinuiranog prilagodavanja novo nasta
lim uslovima.
29
U savremenom svetu paralelno egzistiraju tri privredna si
stema planiranja: sis tern direktnog (cen tralistickog) planiranja,
koji se primenjuje u SSSR-u i u drugim zemljama Istocne Ev
rope sa centralistickim upravljanjem, sistem indikativnog pla
niranja, koji se primenjuje sa razlicitim specificnostima u kapi
talistickim zemljama, i sis tern samoupravnog drustvenog plani
ranja, koji se primenjuje sarno u Jugoslaviji. Bez obzira na dru
stveno-ekonomske uslove, koji su doprineli pojavi sistema i
drustveno-ekonomskih osnova na kojima baziraju, karakteri
sticno je koriSeenje predvidanja kao najvaznijeg osnova i plan
skog inputa koji utice ne sarno na kvalitetno, racionalno i efi
kasno planiranje, vee i na efikasno privredivanje.
Demas, kada su uslovi privredivanja izrazito nestabilni,
a buducnost puna neizvesnosti i rizika, planiranje se ne moze
zamisliti bez prethodnog predvidanja mogucih tendencija na
rast i razvoj privrednih i drustvenih delatnosti. Samo u takvom
slucaju planiranje ce ostvariti osnovnu funkciju usaglasavanja,
usmeravanja i koordiniranja aktivnosti nosilaca drustvene re
produkcije.
Inkorporisanjem naucnog predvidanja kao kljucne faze i
preduslova u planiranje nasto.ii se da se koncipira savremeno,
konzistentno i racionalno planiranje. Naucno predvidanje je
posebno znaeajno za planiranje razvoja i rada u preduzecu zato
sto povecava egzaktnost i smanjuje fizik pri pripremi planskih
odluka.
Istorijski posmatrano, sve do druge polovine XVII veka
odlucivanje nema organizovan, metodoloski i naucan karakter.
Za ovaj protekli period karakteristicno je sporo menjanje uslo
va privredivanja i veoma nizak nivo proizvodnih snaga. U tak
vim uslovima, kada je od jednog do drugog tehnoloskog prona
laska protekao duZi vremenski interval, u odlucivanju koriscen
je retrospektivan postupak predvidanja. Spore promene faktora
rada prouzrokovale su da proces pripreme i donosenja odluka
ne bude tDko razlican, a strukturu svake odluke sacinjavali su
pretezno podaci i informacije iz proslosti.
Odlucivanje kao proces sluzi se podacima i informacijama
koji prema smeru poticu iz proslosti i sadasnjosti, odnosno od
nose se na buducnost. Donosenje odluka, posebno strateskih,
pri brzim promenama , trazi da odluka bude sastavljena od po
dataka i informacija ko.ii se odnose na buducnost, a da se sma
nji ucesce podataka iz proslosti. Zato predvidanje omogucava
da se prilikom donosenja odluka da se sagleda buduCi ambijent
u kojem ce se ostvarivati odluka.
30
Za savremene proizvodne snage, karakteristican je visok
stupanj mehanizacije i automatizacije, a faktori rada se veoma
brzo menjaju. Ovako slozenim uslovima privredivanja i izraze
nom dinamizmu razvoja ne moze vise odgovarati odluCivanje
zasnovano na retrospektivnom metodoloskom postupku predvi
danja. U takvim uslovima napori su usmereni ka zameni retro
spektivnog postupka predvidanja kao osnove odlucivanja ko
riscenjem anticipativnih podataka i informacija dobijenih pri
menom prospektivnog pos tupka predvidanja .
Predvidanje kao ekonomska kategorija, zbog dalekoseznih
posledica, predstavIja kljucnu fazu u procesu odlucivanja. Ne
zavisno da li se radi 0 predvidanju uslova privredivanja ili 0
ishodu nameravanih akcija, predvidanje ima dvostruku ulogu i
znacaj u procesu poslovnog odlucivanja. Prva, uloga predvida
nja vezana je za informativni karakter predvidanja kada treba
pokazati u kakvim uslovima treba da se ostvaruje odluka i da
posluzi kao argumena t 0 odluci koja treba da se pripremi. Dru
ga uloga predvidanja ogleda se u tome sto predvidanje usme
rava odlucivanje. Predv:idanje kao preduslov i usmerenje odlu
civanja, prema tome, je najznacajnija, ali u isto vreme i veoma
slozena aktivnost koja trazi velike pripremne radove.
Predvidanje predstavlja logiean nastavak procesa istraziva
nja tdista, kao i ostalih vidova istrazivanja. Istrazivanjem trzi
sta otkriva se uticaj faktora na formiranje potreba, potraznje i
potrosnje, da bi se na toj osnovi predvidanjem formirala kvan
titativna ocena buduceg razvoja tdista. Istrazivacka delatnost
ima to svojstvo koje usmerava predvidanje kojim treba da se
dobiju anticipativne informacije i podaci 0 ocekivanim prome
nama na trzistu. Drugim recima, predvidanje predstavlja nad
gradnju istraZivanja.
Predvidanje predstavlja specifican nacin otkrivanja mar
keting-oportuniteta, s jedne strane, i, nacin prognoziranja pro
daje, s druge strane. Putem prognoziranja prodaje treba pro
ceniti buduci stupanj zadovoljavanja drustvenih potreba po
kvantitetu i kvalitetu.
Pored ovoga, ekonomsko, tehnolosko i ostali vidovi pred
vidinja pojava koje saCinjavaju privredni zivot zemlje predstav
Ijaju potencijalne buduce pravce razvoja i osnovu za koncipi
ranje razvoje politike, bilo u zemlji bilo u samoupravnim orga
nizacijama. Predvidanje daje odgovor na pitanja: kakve, pro
mene kakvog intenziteta, u kom vremenu i podrucju razvoja, se
ocekuju. S druge strane, predvidanje trasira buduce pravce raz-
voja. Anticipativna saznanja do kojih se dolazi predvidanjem
31
su od vrednosti izboru puteva ra
nim pri
kojaje
prelomnih
veka u
tada pa do danas
kao i
ekonomskih
u ekonomskim
fazi ali
da ce u
32
Predstavnici prvog stajalista smatraju da predvidanje nije
mehanicko prenosenje proslosti u buducnost. Predvidanje je
vise od toga. Predvidanje ukljucuje pretpostavke 0 buducim
aktivnostima i buducem ambijentu. Medutim, pretpostavke 0
buducnosti izvode se na osnovu prote/dog kretanja pojava. Ovde
lezi osnovni problem kako predvideti buduce uslove rada. Osno
V1Ui. poteii/,.oca jc da proslost ne moze biti perfektan vodic ka
buducosti. Drugim recima, predvidan.ie jeste i verovatno ostace
vise vestina nego nauka. 30
U zapadnoj literaturi srecu se i druga slicna objasnjenja 0
karakteru predvidanja kao vestine. J1
Drugo stajaliste vise predstavlja kompromisno resenje u
£unkciji vremena, tj. prelazni period od predvidanja kao veSti
ne ka predvidanju kao nauke. Sigurno neki ljudi veruju u ovo
(da je predvidanje nauka - prim. B. S.), ali ja nisam jedna od
njnih. Ja verujem da je predvidaje jo.§ uvek jedna vestina i
pripremljena sam da dokumentiram takvo verovanjeY Ili dalje,
s aspekta buduceg stanja predvidanja (vremenske supstitucije),
autor istice da jednostavno opisan proces mazda ne izgleda
mnogo kao predvidanje, i kada ekonomsko predvidanje preraste
u egzaktnu nauku umesio vestine, to je najbolja supstitucija koju
.ia znam.33
Prema predstavnicima treceg stajalista, predvidanje je me
savina nauke i vestine. Priprema predvidanja je viSe nego sama
upotreba istorijskih podataka i matematickih formula pri pro
jektiranju buducnosti. Kljuc realnog predvidanja je u ukIjuci
vanju informativne presude i intuicije sa namerom da se mini
mizira nesigurnost vezana sa buduCim razvojem iIi slucajem.
30 Chou Ya-Iun Statistical analysis with business and economic
applications , Holt, Rinehart and Winston Inc., New York 1969, p. 560-561.
31 Predvidanje ipak ostaje jedna neprecizna, vestina, cesto subjek
tivna i dobra presuda produzice da igra kriticnu ulogu u tome (pod pred
vidanjem - B. S.) (Parker G. C., George-Edilberto L. Segura How to
get a better forecast, HARVARD BUSINESC REVIEW , march-april 1971,
p. 109). Predvidanje je sarno vestina (Pan Judy, Donald R. Nichols, O.
Maurice Joy, Sales forecasting practices of large U . S. industrial firms,
FINANSIAL MANAGEMENT, vol. 6, No.3 , 1977, p. 72). Predvidanje je
jedna vestina koja ukljucuje interakcije mnogo disciplina (Kell G. WaI
ters: The SES's nev dislosure rule on forecasts, MICHIGAN BUSINESS
REVIEW, vol. 25, No.3, 1973, p. 18) iIi da je svaka metoda predvidanja
vis~ vestina neogo nauka). (Robert C. Turner: Should you take business
forecasting seriously? BUSINESS HORIZONS, vol. 21, No.2, 1978, p, 69).
32 Flisha Grav II: A decision-maker looks at forecasting. BUSINESS
TOPICS, vol. 14, No.3, 1966, p. 7.
J3 Ibid ., p. 11.
(E + X) .R
y (1)
K
34
Pomenute primedbe 0 nenaucnom karakteru predvidanja
nisu dovoljno cvrsta garancija da to predstavlja samo vestinu.
Predvidanje, kao mlada naucna disciplina, u resavanjnu niza
problema ukljucuje iterdisciplinaran i multidisciplinaran prilaz.
Takvi prilazi podizu naucni nivo , uopste, pa i predvidanja. In
tenziVIlO se koriste vee stecena naucna saznanja i zakoni osta
lih naucnih disciplina. Rapidni razvoj siroke pr.imene mnogo
brojnih saznanja ostvarivanih u razlicitim oblastima doprineo
je njegovoj afirmacij.i, izdizuei ga do nauke. Evolutivnim putem
vrsen je veliki broj usavrsavanja u domenu teorije, a posebno
u metodologiji predvidanja, koji su doprineli poveeanju efikas
nosti, racionainosti i tacnosti.
Za predvidanje faktora pr,ivredivanja i ishoda nameravane
akcije, danas se smatra da postoji vise od 150 metoda i da se
njihov broj staino povecava. Postoje mnogobrojne i raznovrsne
metode predvidanja koje se baziraju na matematici, statistici,
ekonometriji i operacionalnim istrazivanjima. PolazeCi od ovoga,
kako osporiti naucnost primene neke matematicke ili stati
sticke metode u prognoziranju, i kako to ona gubi naucni ka
rakter i postaje jedna vestina. Predvidanje se sprovodi prema
unapred utvrdenim naucnim postupcima i metodologiji. Pred
vidanje je strogo metodoloski odredeno.
Predvidanje nije mehanicko prenosenje prosiosti u budue
nost. Predvidanje ukIjucuje pretpostavke 0 faktorima i ishodu
nameravane akcije. KoriSeenje proslosti znaCi ukljucivanje jed
ne realne zakonitosti u dosadasnji razvoj pojave. Proslost pred
stavlja osnovu svake nauke. U pogledu proslosti postoje odre
dene cinjenice. Naime, buducnost se ne moze pojaviti neoceki
vane i odjedanput. Drustvene pojave najcesce imaju evolutivan
razvoj. Buduenost nalazi svoje korene u proslosti. Buduenost je
rezultat akcija u proslosti i sadasnjosti. Izmedu prosiosti, sadas
njosti i buduenosti postoji kontinuitet. Dobro je da se u pred
vidanju koristi prosiost koja se bazira na Cinjenicama nego da
se prognozira bez njih. Te cinjenice su ugradene u ranije ste
ceno naucno znanje.
Moguenost relativno tacnog predvidanja smatra se merom
egzaktnosti jedne nauke. Kako druge nauke, tako i predvidanje
ne tendira da preraste u egzaktnu nauku . Ta prednost dopuste
na je prirodnim naukama. Treba podsetiti da nema niceg na
ovom svetu koje moze biti mereno sa punom tacnoseu. Predvi
danje ostaje nedovoljno precizna nauka. Ali, to ne znaCi da
zbog nedovoljne tacnosti predvidanje treba da izgubi karakter
nauke.
35
Pored prethodno iznetih teorijskih eksplikacija 0 karakteru
navescemo i opste uslove konstituisanja
nauka treba da ima predmet, metode
i da ispunjava pretpostavke
nameravane
nabavke, prognozu
radne snage, prog
vanju
todom, sto
koje su
trebrl da
Promene mogu kvalitativne ili kvantitativne.
promene u razvoju ekonomskih pojava treba da anticipiraju bu
36
duce usmerenje. U kom pravcu ce se menjabi razvoj pojave?
Kada se ocekuje da se dogodi preokret u razvoju i u kom prav
cu? Kvantitativne promene treba da anticipiraju kolici:1:;ko po
vecanje ili opadanje pojave.
Provodenje predvidenja, kao metodolosko i prakticno pita
nje, oznacava misaono-logicni redosled aktivnosti pri prognozi
ranju. Predvidanje se sprovodi po odredenom postupku i pri
tome koristi se odgovarajuca metodoloska aparatura. Ciklus
sprovodenja predvidanja prolazi kroz sledece faze: formulisa
nje problema i cilja, sakupljanje i obrada podataka i informa
cija, analiza sakupljenih podataka i iniormacija, izbor i testi
ranje metoda prognoziranja, prognoziranje i procenjivanje i re
vizija pred vidanja.
Metodoloska aparatura predstavlja vazan instrumentarijum
prognozirnnja buduceg ambijenta i is hoda nameravanih akcija.
Metode prognoziranja razlikuju se prema sposobnostima za pro
gnoziranje prelomnih tacaka u ekonomskim procesima , pod
rucju primene, tacnosti, troskovima, egzaktnosti, kompleksno
sti, razumljivosti, sposobnosti prognoziranja ishoda pojava koje
su pod uticajem ciklicnih sezonskih, trenda i slucajnih vari
jacija.
Mnogobrojl!e i raznovrsne su metode predvidanja fakto
ra i ishodn . One mogu biti intuitivne, kvantitativne metode koje
se baziraju na statistici i statistickoj analizi . Za predvidanje
koriste se metode ostalih nauka, matematike, statistike, ekono
metrije i operacionih istrazivanja. Medutim, za prognoziranje
koriste se i metode koje su stvorene u nauci 0 predvidanju,
delfi-metoda, Box-Jenkins, eksponencijalno izravnanje, pokretni
proseci (jednostavni i dvostruki), X-ll, drvo relevantnosti, mor
foloska analiza, kriva ovojnica, vodeCi trend, koren prave, ge
nije, matrica ukrstenih uticaja i mnogo drugih.
Podaci i informacije vezane za predvidanje razlikuju se
od cinjenica koje su u interesnim sferama ostalih nauka. Te Ci
njenice odnose se na buduce stanje faktora privreruvanja i ishod
nameravanih akcija. Takode, cinjenice predvidanja mogu se po
vezivati i medusobno objasnjavati tako da se pr,j tome ne
unose Cinjenice drugog vida.
Predvidanje kao nauku karakterisu sledeci elementi: pret
postavke 0 faktorima i ishodu izvode se na osnovu informacija
i podataka, presude i intuicije; metode; ukljuCivanje proslosti
kao realne zakonitosti; in terdisciplinarnost; upravlj anje i raz
voj; racionalno misl.ienje ; metodologija sprovodenja. Ov,i ele
meti mogu se sistematizova ti u sledece cetiri grupe : predvida
37
nje ukljucuje elemente informisa nja, brojcane elemente, raz
vojne elemente, i predvidanje ukljucuje upravljacke elemente.
Na k,raju dosad recenog 0 karakteru predvidanja moze se
reci da predvidanje kao nauku karakterise i racionalno i celi
shod no miSljenje. 30
38
GLAVA II
39
i sadasnjosti ili na
treba adekvatne metodoloske
prilazima ekonomskom
citi kao 13to su: aktivan i
sofisticiran i
se u prognoziranju
predvidaju i prila-
Prema
sivne prognoze, koja se svodi na
ekstrapolacije, ima za zadatak da trendove u
periodu, a aktivnom resava se zadatak analize mo
gucnosti za razlicitih socijalno-ekonomskih ciljeva u
toku prognoziranog perioda, atakode i dobi.ianje kvantitativnih
mera koje omogucavaju medusobna uporedenje razlicitih vari
prema realizacije odabranog 41 Hi,
su dva metodoloska prilaza.
utvrdivanju moguCih pra
se na oceni ~laznog
nivoa MdC!snjasti i nezakonitosti u otkrivenih istraziva
period potpuno vodi racuna a inercionim momentima
u praslosti i i pri tome ukazujucl uti
caj na vise ili znacajnu dubinu buducnosti. Drugi period
normativan ili ciljevit. On ad rezultata
treba da budu Dok se kod prvog
veza i redosled smeru sadasnjosti ka bu
40 Dr Radmila . Planiranje u samoupravnom drustvu,
Savremena i Institut za ekonomska istraZivanja, Beograci
1976, str. 93.
41 B. J],a,UaHH: !1ICOnoMU'teCICQ·)ltaTeMaTll'1ecK:a.fl J\woe/ta KaK uHcrpy·
X03.f1CCT8a, Bonpocbl
40
ducnosti, u drugom - od buducnosti ka sadasnjosti. Od buduc
nosti ka sadasnjosti odreduje se i istrazuje niz dogadaja koji
treba da se dogode i mere koje treba da budu preduzete da bi.
se postigla normativno data krajlija taClw u perspektivi.42
Prema Martinu Edmanu , postoje dva razliCita po sadriaju
naCina predviaanja. J edan je sofisticiran iIi analitican nacin
koji se sastoji iz model-zgrade jednog sistema, a sukcesivna
istrazivanja ovog sistema baziraju na modelu. Drugi je nesofti
ciran iIi naivan nacin, koji se sastoji od prilagoaavanja krive
razvoja u sadasnjosti i sukcesivnom ekspropolacijom ove krive
opisuje se buduCi razvoj .43
Pri predviaanju i proucavanju buducnosti moguCa su dva
metodoloska prilaza: retrospektivan i prospektivan. Kod retro
spektivnog metodoloskog prilaza buducnost smatra se za na
stavak proslQsti i sadasnjosti, dok se prospektivni prilaz definise
(prvi put upotrebljen i definisan od Castona Bergera) kao raz
matraj sadasnjost kao zgradu buducnosti, umesto da je razma
tras kao rezultat proslosti. 44
Sustina prvog metodoloskog prilaza ogleda se u tome sto
je buducnost rezultat proslosti na osnovu utvraenih zakonitosti
u proteklom periodu, a projekcija (mehanicka iIi analitiCka)
vrsi se podacima i informacijama iz proslosti i sadasnjosti. Re
trospektivan postupak predviaanja, prema tome, zasniva se na
postulatu da izmeau proslosti, sadasnjosti i buducnosti postoji
kontinuitet i da c:e se taj kontinuitet nastaviti i u buducnosti.
Objasnjenja nedvosmisleno ukazuju na ogranicena pod
rucja primene retrospektivnog prilaza ka predviaanju buduc
nosti. Moze se primenjivati samo na ekonomski stabilne uslove
privredivanja za pojave koje na duzi period pokazuju konstan
tan i ravnomeran rast. S vremenskog aspekta, moze se prime
njivati za kratkorocno predviaanje, u pomenutim slucajevima,
pri cemu se ima relativno visokom verovatnoscu nastajanja prog
noza, relativno visokom tacnoscu, malim rizikom i malom ne
izvesnoscu.
Kod prospektivnog postupka predvidanja u osnovi se ko
riste podaci i informacije 0 buducnosti. Za prospektivan prilaz
41
Primena
!:lto nije u skladu sa
tivan karakteriSe se nedastataka:
evalucija, veci rizik ad
odlucivanje
Pri proizvodnim
proizvadnja ima naturalan karakter, i
nje staticni duzem vremenskom
Uavom
karakter,
bilo naucnim
42
Koncentracija i centralizacija kapitala, odnosno sredstava,
poveeana konkurencija, brze promene pojava i dogadaja i skra
Civanjem zivotnog ciklusa proizvoda i tehnologije neminovno
se javlja potreba za predvidanjem. Uporedo s tim, menja se i
povecava uloga i mesto predvidanja u regulisanju tokova dru
stvene reprodukcije.
Danas je izmenjena uloga predvidanja u uporedenju sa
onom od pre 30-40 pa i manje godina. Poveeana uloga i znacaj
predvidanja, kao preduslova za koncipiranje poslovne, odnosno
ekonomske politike, informisanje, planiranje i odluCivanje (up
ravljanje) traze da se tradicionalni prilaz predvidanju (koji se
karakterise Cisto informativnim i subjektivnim karakterom, ne
razredenom metodologijom i neorganizovanoscu) zameni savre
menim prilazom, koji moze obezbediti da predvidanje predstav
lja nacin upravljanja buducnoscu i naCin otkrivanja razvojnih
mogucnosti.
U empirijskoj studiji Po Kempnera J. Stanleya i Earl L.
Baileya 45 0 stanju predvidanja u kompanijama devet od deset
izvrsilaca obavestavaju da su njihove kompanije ucinile vazne
promene u postupcima predviaanja u toku poslednjih nekoliko
godina. Ove promene su rangirane postepenim, razvojnim una
preaenjima u rutinama predviaanja, pa sve do usvajanja novog
sistema predviaanja u celini. Najveci broj promena odnosi se
na tehnike koje kompanije upotrebljavaju u razvijanju njihovih
predviaanja i u nacinima kojima kompjuter sada pomaze u nji
hovim predviaanjima.
Na osnovu prakticnih i teorijskih istrazivanja u literaturi,
razlozi za promenu mesta, uloge, znacaja i sadriaja predvida
nja su sledec~:
1. sve vece ukljucivanje predvidanja kao osnove za plani
ranje razvoja i rada u preduzecima;
2. uloga koju ima predvidanje u usmeravanju otkrivanja
razvojnih oportuniteta;
3. potrebi za uvodenjem funkcije sprovodenja predvidanja;
4. rapidan porast metoda predvidanja i njihova kompleks
nost i interdisciplinarnost;
5. brze promene uslova privredivanja otezavaju proces pri
preme i donosenja odluka (nezavisno od karaktera odluke s vre
45 Po Kempner J. Stanley-Earl L . Bailey : Sale s for ecasting practicec.
An appraisal (a survey) EXPERIENCES IN MARKETING MANAGE
MENT, No. 25, The Conference Board, New York 1970, p . 1. U studiji je
obuhvaceno viSe od 160, manjih, srednjih i velikih kompanija iz proiz
vodnih i uslu znih delatnosti.
43
- strateska iii takticka Hi s uprav
odluka koja ima karakter organizacije iIi
u izvodenju predvidanja,
alternativnim pret
jednacina,
i fleksibilnost
4.
Kr,oz evolutivni put usavrsa
vanja koja efikasnosti,
racionalnosti i
kao rezultata
naukama i metodologijama, s
dinamicne de
44
In terdisciplin... rnost kao obelezje je posebno znacaJno u
evoluciji i prelazu predvidanja od vestine ka naucnoj disciplini.
Interdisciplinarnost doprinosi podizanju naucnog nivoa pred
vidanj3. Dalje, cilj interdisciplinarnog prilaza je da svojim re
zultatima doprinese efikasnijem i racionalnijem poslovnom od
lucivanju. Interdisciplinarnost u savremenim uslovima privre
divanja je najvaznija karakteristika ne sarno predvidanja, vee
i svake druge nauke.
Predvidanje, kao nauka, u resavanju niza upravljackih za
dataka kroz posLupak primene predvidanja, od formulisanja ci
lja, predmeta i zadataka predvidanja, pa sve do revizije pred
vidanja, koristi se nizom specijalistiekih disciplina.
Najznaeajniji doprinos u izgradnji predvidanja kao nauke
imaju sledeee nauke: teorija informacija , opsta teorija sistema,
nauka 0 upravljanjnu , statistika, matematika, ekonometrija, ope
raciona istrazivanja , planiranje, istrazivanje trzista , odnosno
marketinga, nauka 0 kompjuterima , teorija odlueivanja, analiza
rada, logika i kreativno misljenje, evidencija i slieno.
Nauene metodologije i nauke koje se koriste u predvictanju
mogu biti sistematizovane u sledeee cetiri grupe: mikro-ekono
mika, makro-ekonomika, kompjuterske nauke, statistika i ma
tematJika.
1. Koriscenje saznanja nauka koje proucavaju mikroeko
nomsku problematiku: Da bi se obezbedio integralni karakter
predvidanja, potrebno je poznavati osnovne ekonomske prin
cipe teorije organizacije, planiranja, upravljanja, finansija,
marketinga, teorije sistema, teorije informacija i slicno.
Poznavanje organizacije treba da omoguei koncipiranje mo
dela organizacije i funkcije predvidanja u sklopu postojeeih
izvrsnih oj savetodavnih funkcija.
Planiranje razvoja i rada, kao prve faze u procesu upra
vljanja, treba da omoguei planski pristup sprovodenja predvi
danja, s jedne strane, a s druge, planiranje usmerava predvi
danje.
Istrazivanje trziSta, odnosno marketing, treba da ispita fak
tore koji uticu na potrebe, potraznju i potrosnju, da ispita raz
loge za njihovo nastajanje, kako bi na toj osnovi predvidac
oformio kvantitatlivnu ocenu budueeg razvoja trziSta i izvrsio
prognoziranje prodaje.
Teorija sistema treba da omoguCi upoznavanje sistematske
povezanosti predvidanja sa ostalim sistemima, sa okruzenjem,
kao i sa funkcijama podSJistema predvidanja u sistemu.
45
na nivou
4. saznanja nauka
statistike i matematike:
ekonometrije i
nju raste iz dana u dan. grupa naucnih
ka za sarno
predvidanju smatra statistiku sinonimom
kao jedna od osnovnih karakteristik~
nauke 0 predvidanju, ne moze se zamisliti bez saz
statistike u sprovodenju de
stvarnih od predvidenih
tacnosti
46
Primena matematickiih disciplina dokazuje primenljivost
naucnog metoda u predvidanju. Za predvidanje danas se ko
risti niz matematickih modela, funkcija i jednacina razlicitog
stupnja koje doprinose poveeanju egzaktnosti nauke 0 pred
vidanju.
Poseban je doprinos ekonometrije i operacionih istraziva
nja, koji se ogleda u poveeanju efikasnosti i naucnog karaktera
predvidanja.
Normativno predvidanje koristi saznanja naucne discipline
operaciona istrazivanja, a posebno tehniku mreznog planiranja.
5. Organizacija predvidanja
47
rnedu pojedinih izvrsilaca predvidanja; rnan]l ]e broj lica uk
ljucenih u predvidanje i cenralizovan naCin predvidanja nije
skup.
Decentralizovan nacin organizovanja predvidanja irna vise
nedostataka od prednosti. Predvidanje izvrSavano od strane
decentralizovanih jedinica je realnije, jer su predvidaCi u ne
posrednoj vezi sa faktorima l'a da.
Nacin organizovanja predvidanja u odredenoj rneri zavisi
i od velicine preduzeca.
Za potvrdu ovim konstatacijama, ,iskoristicemo istrazivanja
C. Stevena Wheelwrighta - Darrala G. Clarka 46 u ernpirijskoj
studiji, zavisno od velicine finansijskog potencijala izrazenog u
dolarima, izvrseno je klasifikovanje predvidanja na centralizo
vano, decentralizovano i druga (tabela 1).
U rniIionirna USA $
Tabela 1
Organizacija
preko 20 20-99,9 100-499,9 preko 500
predvidanja
48
Da bi dobili celovitiju predstavu 0 naClnlma organizacije
predvidanja u zavisnosti od veliCine preduzeca, iskoristicemo
empirijske rezultate dobijene od istrazivanja sprovedenih u
britanskoj industriji, a koja se odnose na stabnu i linijsku or
ganizacij u predvidanj a.
Stabna 66 21 91 16 80 17 61 12 14
Linijska 32 2 9 4 20 11 39 15 56
da li
ciju iIi da
unive1'zalan i decidan.
P1'ema nasem miSljenju, nacin
zavisi od sledecih krite1'ijuma:
(2) od ka1'aktera delatnosti u
sm, i znacaja ima
razlicitu
maze biti
poseban organ,
duzecima,
50
cije upravljanja i, drugo , da podfunkcija predvidanja ima stabni
(savetoda vni) karakter.
Osnovni ciljevi funkcije predvidanja su sledeci48 :
1. obezbedenje izvezbanosti pri upotrebi ekonomskog pred
vidanja koje je vezano sa procesom odlucivanja;
2. upotreba ekonomskog predvidanja i ostalih vidova (teh
noloskog) za bolju inforrniranost 0 eksternim i internim pokre
tima u zemlji, industI'iji, grani i organizaci}i.
Pored prethodnih, ciljevi funkcije predvidanja za potrebe
planiranja su sledeci:
1. da obezbedi solidnu osnovu planiranja razvoja i rada u
organizacijama;
2. da pocLigne naucni nivo planiranja;
3. da poveea efikasnost i racionalnost u planiranju;
4. da pomogne pri formulisanju ciljeva sistema i podsi
sterna;
5. pri predvidanju prelomnih taeaka da pomogne predu
zimanje odgovarajucih odluka;
6. da otkrije efekte i posledice predvidenih promena u eko
nomUi.
marketing marketing
proizvodnja proizvodnja
predvida nje
nabavka nabavka
investicije investicije
finansije finansije
kadrovi kadrovi
51
Znaca,i ove ekonomske funkcije ogleda se u tome sto nju
treba smatrati prozol'om ka spoljnom svetu i zato ona treba da
sakuplja toliko mnogo svetlosti koliko da bi mogla proci kroz
prozor korporacije. 49
Aktivnosti predvidanja faktora i ishoda nameravane akcije
mogu se prognozirati od strane svake funkcije ili da se delo
vanje poslovnih funkcija in tegriSe i podredi dejstvu funkcije
predvidanja. U prvom slucaju radi se 0 integriranom funkcio
nalnom prilazu predvidanju, dok u drugom slucaju rec je 0 in
tegralnom funkcionalnom prilazu.
Za integralni funkcionalni prilaz karakteristicno je pojedi
nacno predvidanje faktora i li shoda pojave, s jedne strane, i ne
povezanost i nekoordiniranost aktivnosti u vezi predvidanja
izmedu funkcija, s druge strane.
Za razliku od neintegralnog, kod integralnog funkcionalnog
prilaza karaktel'isticno je sto se koriste jedinstvena predvidanja
od strane svih funkcija . Funkcija predvidanja ima ulogu ser
visa u odnosu na ostale funkcije. Integralni funkcionalni prilaz
omoguCava koordinirana predvidanja.
Funkcija predV'idanja, kao stabno-savetodavna funkcija , je
povezana drugim funkcijama.
Funkcija istrazivanja i razvoja je u najdirektnijoj vezi sa
funkoijom predvidanja. Izmedu ovih dveju funkcija postoji me
dusobna zavisnost. Na1ime, svako istrazivanje prethodi svakom
predvidanju, s jedne strane, i, s druge, istrazivanje zavrsava
predvidanjem. Dalje, predvidanje otkriva razvojne oportuni
tete,! pa odatle javlja se kao metod upravljanja razvojem.
Funkcija upravljanja takode nalazi se u direktnoj vez.i sa
funkcijom predvidanja. Postoji medusobna povezanost izmedu
funkcija. Naime, predvidanje ima ulogu sredstva za upravljanje
kada usmerava upravljanje.
Funkcija predvidanja ima direktnu vezu sa marketing
-funkcijom. Povezanost izmedu funkcija je izrazena u poseb
nom v:idu ekonomskog, trZisnog predvidanja pozna tog kao pro
dajno predvidanje. Predvidanje je osnovni preduslov za funk
cionisanje i sprovodenje marketing-aktivnosti.
52
vidanju je onaj aspekt proucavanja predvidanja kod kojeg je
osnovna komponenta vreme, tj. za koji period ubuduce se pred
vidaju faktori rada i ishod pojava u tako prognoziranom budu
cern ambijentu. Prema duzini vremenskog perioda, predvidanja
se dele: kratkorocna, srednjorocna i dugorocna.
U literaturi, domacoj i stranoj, sa rnalim izuzecima je pri
hvacena prethodna podela. Medutim, miSljenja 0 duzini vre
menskog horizonta koji pokriva ' svak!i vid predvidanja su po
deljena i razliCta. 50
Predvidanja se mogu podeliti na: tekuce predvd.danje (do 1
godine), kratkorocno (od 1 do 3 godine), srednjorocno (od 4 do
10 godina), dugorocno - perspektivno (od 10 d 20 godina) i
vema dugorocno (preko 20 godina).
I u jugoslovenskoj 1iteraturi prihvacena je prethodna kla
sifikacija predvidanja u zavlisnosti od duzine vremenskog ho
rizonta. Metodolosko resenje vremenskog horizonta predvida
nja je u saglasnosti sa vremenskom dimenzijom planiranja.
Izmedu kratkorocnog i dugorocnog predvidanja postoji ne
povezanost, a razlo:ai, prema S. Jamesu Grossu,51 su sledeCi:
1. Kratkorocna i dugorocna predvidanja upotrebljavaju
5e za razlicite ciljeve.
53
2. Za kratkorocna i
licite tehnike i razlicite
.:>. "'~
Kratkorocno
54
8. Sistemski prilaz ekonomskom predvidanju
55
i
stvori korisnu osnovu
odlucio da donese optimalnu odluku.
kao ekonomskrl. sistem karakterise se dina
micnoscu. To znaci da stanje u
elemena ta sistema vre
mena.
Sistem
strane, to znaci ex ante
trasnjih i spoljnih faktora rada.
cipaciju ishoda
njem se omogucava da se
delatnoscu rada.
obliku postojanja, sistem predviaanja
terijalan). Ovaj sistem ima vezu sa
u materijalnom svetu.
od iznetih sistema predvidanja, moze
njegovom Pod sistemom predviaanja
Iij,'l'U,W't:1f' Sf' misaona delatnost za odredivanje buduceg sta
sistem
sa se sistemi
i
_ medusobna nAUP"" u sistemu
kao i veze sa okruzenjem.
Prema Rotheu i G. M. Naidyu, za svaki sistem
predvidanja karakteristicno sedam kljucnih velicina:
vi predvidanja, horizont predvidanja, podaci,
obavestavanja, kontrola i organizaciona struktura i personal.
Ovi dementi odnose se na svaki sistem predvidanja i uspesan
napor predvidanja bice koherentan i dobro planiran ka svakom
elementu sistema,51
Ne mozemo i prihvatiti izneto
mentima sistem predvidanja.
52 Rothe T. James G. lVI.:
MARKETING and beyond
SERIES No. 99, American Marketing Association. Chikag(\
1970, p. 409.
56
cne veEcine sistema predvidanja mozemo prihvatiti kao najvaz
nija pitanja na koja treba dati odgovor u fazama pripreme,
sprovodenja i procenjivanja sa ciljem da se dobije racionalnije,
kvalitetnije i organizovanije predviaanje, a ne kao elemente
sistema predvidanja.
Predviaanje, kao sistem, ima sledece elemente : ulaz, izlaz,
procesor i podsisteme.
Misaona predstava strukture sistema predvidanja (eleme
nata koji saCinjavaju sistem predviaanja, organizacije i medu
sobne povezanosti elemenata i okruzenja, funkcionisanja, po
vratne sprege i kontrole) prikazana je na slici 2. Blok-sematsko
prikazivanje sistema predvidanja, kao najjednostavnije, vizuel
no i razumljivo, bice dopunjeno opisom same seme.
PROCESOR
I
I
r
I
I PODSISTEMI
I
I I
I I
POVRATNA VEZA
IL ___________________________ _ JI
57
Trecu grupu 0 pojavi u
i sadasnjosti.
Ponekad kao izlaz moze se prog
noze stanja) faktora rada.
Izlazne velicine ustvari predstavljaju podatke i informa
o buducem stanju ulaznih velicina, tj. i unutras
faktora, kao i ishod pojave na kraci Hi vremenski ho
izlazna su prognoze faldora rada
input u planiranju.
Povratna osnova upravljanja sistemom
nja. Da bi se velicina koja predmet upravlja
nja, potrebno veza izmedu i izlaza u sistemu
predvidanja. u sistemu predvidanja ima up
58
rav1jacki karakter povratne veze. On se ogleda u tome sto
ishod pojave i interpretiranje prognoze doprinose smanj2nju
neizvesnosti i rizika pri donosenju od1uka.
Kontmla je vodic sistema. Pored p1aniranja i organizova
nja, kontrola je treea uprav1jacka funkcija. Upravljacki karak
ter kontro1e ogleda se u kompariranju stvarnih i prognozira
nih (iz1aznih) velicina, utvrdivanju razloga za odstupanje i
pred1aganje korektivne akcije, tj. inovantnog predvidanja. U
sistemu predvidanja standardi su izlazne velicine pojave.
Sistem predvidanja funkcionise tako sto se ulazni podaci
iz podsistema pomocu procesora transformisu u izlazne ve
liCine. Povr:1tnom vezom prognoze se povezuju sa u1azom
S druge strane, prognoze su ulaz u planiranje kao viSi sistem.
Iz1azne velicine sistema predvidanja uporeduju se sa 1z1az
nim veliOinama sistema planiranja sa ciljem utvrdivanjna od
stupanja i definisu faktore koji su nepovo1jno uticali na razvoj
pojava i preduzimanje korektivne akcije (inovantno predvi
danje).
Sistematski prti.laz poslovnom predvidanju, utvrdivanju
svojstava, definisanja, odredivanja elemenata i njegovog funk
cionisanja omogueava da se dobiju osnovne informacije koje
treba da predstavljaju bazu za dalja dopunska istrazivanja.
9. Os tali priluzt ekonomskom predviaanju
U grupu ostalih pri1aza ekonomskom predvidanju spada
ju sledeci prilazi: upravljacki prilaz predvidanju, prilaz pred
V'idanju kao otkrivanju razvojnih oportuniteta, makro i mikro
prilaza predvidanju, naucan i nenaucan prilaz, i integralan i
neintegralan pri1az predvidanju.
Upravljacki prilaz ekonomskom predvidanju, u uslovima
izrazene nestabilnosti, je neizbezan. Svaka poslovna odluka, im
plicitno ili eksplicitno, uk1jucuje predvidanje, jer se odnosi na
buducnost. Svaka od1uka sadrzi procenu pos1edica na osnovu
predvidanja . Na osnovu procena buduCih aktivnosti i ishoda
u tako predvidenom ambijentu dobijaju se informacije i po
daci koji predstav1jaju osnovu za uprav1janje buducnoscu.
Uspesnost pri predvidanju buducih aktivnosti zavisi od
formulisanja pretpostavki za faktore koji su van Kontrole i za
koje se ne maze kvantifikovati razvoj i predvidanje faktora
koji su pod kontro1om i koji se mogu kvantificirati.
Predvidanje je nacin, metod planiranja buducnosti, zato
sto zgrada buducnosti 1ezi u sadasnjosti. Od1ukama koje se do
59
nose danas fcrmira se buduCi ambijent. Predvidanje nije neka
nova i strana aktivnost, to je tako prirodno i potrebno kao
disanje. 53
Predvidanje ima tu ulogu da usmerava upravljanje. Usme
ravanje predvidanja moze se vrsiti na dva nacina. Prvi, usme
ravanje uprnvljanja putem predvidanja, poznatog kao retro
spektivno upravljanje utemeljeno na proslosti. Takav uprav
ljacki prilaz predvidanju ima obican karakter. Drugi, usmera
vanje upravljanja putem predvidanja, poznatog kao prvostepe
no upravljanje, koje se bazira na buducim podacima i infor
macijama.
Pored upravljanja buducnoscu, u zavisnosti od metodolo
skih prilaza, predvidanje se javlja kao preduslov upravljanja,
da pokaze u kakvim se uslovima ostvaruje odluka. Znaci, pred
vidanje ima informativan karakter. S druge strane, rezultati
predvidanj:\ mogu usmeriti donosenje odluke.
Ekonomskom predvidanju moze se pristupiti i s aspekta
nacina otkrivanja marketing-oportuniteta. Prema Marcusu H.
Burtonu i Edward M. Tauberu,54 predvidanje se moze koristiti
za stvaranje marketing-oportuniteta i za predvidanje prodaje
kao pomoCi pri razvijanju novih oportuniteta. Uopste, dva spe
cificna tipa predvidanja upotrebljavaju se za istrazivanje opor
tuniteta: 1. predvidanje promena u tdisnom okruzenju; 2. pred
vidanje promena u primeni tehnologija u pojedinoj industriji.
Za prvo predvidanje - stvaranje marketing-oportuniteta -
koriste se sledece metode: trend ekstrapolacij a i bud uca scena
rija, f.ocus group studies, problem detection studies, problem
inventory analysis, heuristic ideation.
Prostorni horizont se deli na makro i mikro, horizont u za
visnosti od podrucja rada i ishoda pojave. U osnovi makro-pri
laza spada predvidanje faktora rada i ishod akcije, na nivou
zemlje i grane. Za makro-prilaz predvidanju je svojstvena po
sebna metodologija, organizacija i sprovodenje. Mikro-prilaz
ekonomskom predvidan.iu buducnosti obuhvata prognoziranje
faktora i ishoda pojava koje sacinjavaju prostorni horizont OI'
ganizacije. Mikro-prilaz se realizuje posebnim metodoloskim
postupkom, metodama i organizacijom.
60
Ukoliko je predvidanje zasnovano na naucmm princlplma,
metodologiji (prilazi, postupci, stavovi i metod e), einjenicama i
saznanjima, ree je 0 nauenom prilazu predvidanju. U obrnutom
slueaju, kada predvidanje nije zasnovano na podacima i infor
macijama i kada ne bazira na nauenoj organizaciji i sprovode
nju, na naucnim principima i metodologiji, u takvom slueaju
radi se 0 nenaucnom predvidanju .
Zavisno od toga da 1i se koriste ista predvidanja i ekonom
ski uslovi sa vise funkcija ili ne, predvidanje moze biti inte
gralno. Ukoliko se pri predvidanju od strane poslovnih i stab
nih funkcija koriste jedinstvena predvidanja uslova privredi
vanja, tada se primenjuje integralni prilaz predvidanja i, u
obrnutom slueaju - integralni prilaz. Nece biti koristi i pred
nosti od predvidanja ukoliko operativne funkcije u organiza
cijama udruzenog rada svoje akcije ne baziraju na istim pro
cenama uslova privredivanja.
61
GLAVA III
62
Postoje brojna i raznovrsna istrazivanja: istrazivanje trzi
sta i marketinga, istrazivanje institucionalnih uslova, socijal
nih, psiholoskih, tehnicko-tehnoloskih i druga. Svi vidovi istra
zivanja, posebno ekonomskih, treba da omoguce organizacija
rna, putem Cinjenica, dovoljno saznanja 0 pojedinim pojavama
i dogadajima, i 0 razlozima njihovog nastajanja i 0 njihovim
uzajarnnim odnosima.
Pitanje medusobnog odnosa izmedu istrazivanja i predvi
danja (da Ii istrazivanje prethodi predvidanju, da li se radi 0
dve medusobno povezane aktivnosti, gde je granica izmedu
njih i ostalih, jos uvek nisu decidno razjasnjena .
o prvom pitanju, u jugoslovenskoj literaturi srecu se dva
divergentna stajalista.
Prema predstavnicima prvog stajalista,SS oni pri defini
sanju istrazivanja trzista predvidanje ukljucuju kao aktivnost
i ono pripada istrazivackoj delatnosti i, drugo, prema mestu
organa predvidanja u organizacionoj strukturi, ono kao
podfunkcija spada u funkciju istrazivanja trzista.
Prema predstavnicima drugog stajalista,56 predvidanje
kao primenjena aktivnost razlikuje se od istrazivanja tdiSta.
Razlozi za inkorporiranje predvidanja u istrazivanje trzi
sta temelje se na sledecim cinjenicama: predvidanje predstav
Ija logican zavrsetak procesa istrazivanja, predvidanje kao de
55 A-p AJIeK'CaH)l.ap Oa3aJIa: HCTPaJlcy8afbe Ha MapKeTUHlOT, EKO
HOMCKH ¢aKVJITeT, CKorrje 1974, CTP, 21. Autor definise istrazivanje tdi
sta kao disciplinu koja naucnim metodama otkTiva, pToucava i anali
zira taktoTe koji uticu na tOTmiranje potTeba, potraznje i potTosnje da
bi se na toj osnovi mogli izvesti pTedvidanja pTodaje. IIi, istrazivanje
(dista je istrazivanje cinjenica kojima mozemo da pTedvidimo dalje
ukcije pTeduzeea. U knjizi METODE ISTRA2IVANJA TRZISTA, Infor
mator, Zagreb 1970, str. 20, autor smatra da pTedviclanje - pToTacun
pTocena buduenosti nije Tutinska tunkcija opeTative, vee spada u delo
kTUg istrazivanja, pToucavanja i Tazvoja . IIi , prema: )l.-p AVllIaH neT
lWBOKH: HCTpaJlcyealbe Ha na3apuT, VHHBep:mTeT KHPHJI H MerO)l.Hj ,
CKorrje 1977, CTp. 56 (gde u odnosu na sustinu detaljno objasnjava ka
rakteristicnija gledista i diferencijacije pri definisanju istrazivanja trz.i
sta), istrazivanjem se upoz naju, analiziraju i pTedviclaju dogaclaji na
triiStu koji su od bitnog znacaja za ekonomsko delovanje koje se odvija
na nivou pTivTedne gTupacije i pojedine pTivTedne oTganizacije .
56 0 ovom pitanju vidi: Fedor Roco - Roman Obraz: IstTazivanj€
tdista, Informator, Zagreb 1963, str. 11; Dr Momcilo Milosavljevic : Mar
keting, Savremena administracija, Beograd 1975, str. 43; Dr Radovan
Milanovic: Osnovi marketinga, IGRO Svjetlost, Sarajevo 1977, str. 177;
Dr Bogomir Dezelak: Marketing, Beograd 1973, str. 217; A-p OOllIKO
JaKOCKH: MapKeTuHz, HMO CTV)l.eHTCKH 36op, CKOl1je 1979, str. 159 i 167;
Dr Boris Tihi: lstrazivanje trziSta Svjetlost, Sarajevo 1976, str. 9-10.
63
latnost, deo je funkcija istrazivanja tdista i marketinga i
najveci broj metoda predviaanja nalazi siroku primenu u istra
zivanju trziSta.
U ovoj konstelaciji odnosa postavlja se i drugo pitanje 0
granici izmeau istrazivanja i predvidanja. Nairne, granica je
tamo gde istrazivanje trzista prikuplja podatke 0 proteklim i
sadasnjirn dogaaajima na trzistu i gde prognosticar poCinje,
pod uticajem hipoteza i vlastitih postupaka i tehnika, da for
mira kvantitativnu ocenu buduceg razvoja na trzistu. 57
Meautim, za decidnije postavljanje granica izmeau istra
zivanja i predviaanja, za pojasnjavanje odnosa, kao i za raz
graniCavanje obima i sadrzaja istrazivanja i predviaanja, bite iz
neto nekoliko dopunskih razmisljanja:
1. Istra ;:ivanje ima za predmet trziSte, faktore koji uticu
na odnose, razgranicava faktore koji sacinjavaju buduCi ambi
jent i ishod pojave u tako prognoziranom ambijentu.
2. Istrazivanje se bavi prikupljanjem, registrovanjem i
analizom cillj2nica u vezi tdista, odnosno ponude, potraznje i
potrosnje, dok se predvidanje bavi procenom intenziteta i
pravca buduceg delovanja faktora rada na ponudu, potraznju
i potrosnju.
3. Istrazivanje tdista omogucava stvaranje dijagnoze sta
nja na tdistu, a predviaanje na osnovu dijagnoze procenjuje
buduci l'az\'vj trzista. Istrazivanje je vezano za p r oslost i sa
dasnjoost, a predvidanje, pored prethodnih, i za buduCnost.
4. Istrazivanje tdista obuhvata sve cinjenice od kojih za
visi velicina koeficijenta iskoriScavanja postojeceg trZiSnog po
tencijala, a predviaanje se bavi i cinjenicama od kojih zavisi
transparentnost buducnosti.
5. Ciljevi istrazivanja trziSta su utvraivanje uslova na tdi
stu: koji proizvodi ili usluge, u kojoj kolicini, gde i pod kojim
uslovima je moguce prodavaii, a cljevi predviaanja su smanje
nje neizvesnosti ishoda nameravane odluke.
6. Predviaanje, za razliku od istrazivanja tdista , je uprav
ljacka funkcija.
RezimirajuCi do sada receno 0 medusobnom odnosu izme
au predvidanja i istrazivanja, moze se konstatovati da istrazi
vanje tdista i marketinga, kao i ostala ekonomska istrazivanja,
predstavljaju vaznu determinantu predvidanja. Istrazivacka
delatnost irna to svojstvo da usmerava predvidanje, s jedne
strane, ada, s druge, obezbeauje dovoljno informacija 0 sadas
57 Dr Bogomir Dezelak: op. c it., str. 109.
64
njem i buducem stanju pojava. Medusoban odnos pokazuje da
istrazivanjem treba utvrditi razloge nastajanja pojava i stanja,
a da se predvidanjem izmeri, kvantifikuje i odredi njihovo vre
me trajanja, do kada ce se zadrZati kauzalne promene i kakve
su ocekivane implikacije na poslovanje.
sistem
predvidanje odlucivanje
informacija
I informacije 0 proslosli i
66
Pored toga, za potrebe predvidanja sis tern informacija tre
ba da sadrZi podatke i informacij e 0 osnovnim karakteristika
rna razlicitih metoda, 0 prednostima i nedostacima metoda, 0
potrebnoj vremenskoj seriji kao osnove predvidanja, 0 naCinu
predvidanja prelomnih tacaka , 0 tacnosti koja se postize na
luatak, srednji i duzi rok, 0 dosadasnjoj tacnosti empirijskih
istrazivanja, podataka i informacija 0 kriterijumima za klasi
fikaciju metoda predvidanja, rangiranja i sliCno.
Istorijski posmatrano, poslovni sistem informacija stalno je
prilagodavan, usavrsavan saglasno porastu oQima i zadataka,
promena u organizacionoj i funkcionalnoj strukturi, slozenosti
uslova rada itd. Pretezno, prakticki i aplikativan karakter
predvidanja pckazuje povezanost i zavisnost od sistema infor
macij a . Kvalit etno i efikasno predvidanje zavisi, pre svega, od
kvaliteta i kvantiteta podataka i informacija, ali je ne manje
vazna i transformacija podataka u informacji, odnosno odluci.
avo je razlog sto ima autora koji identifikuju informaciju sa
podatkom sto je nepravilno i nije egzaktno.
Tehnologija transformacije podataka u informaciju, infor
macija u odluku, prolazi kroz cetiri faze, koje su prikazane na
slici 4.
67
biti dvostruka: kontrola infor
s vremena za odluke i
kontrola kvaliteta. odnosi
se na donosenje VUH-l'''ct, rasudivanje 0
na odluku.
kao determinanta
predvidanja i nalazi se u
zavisnosti sa kompleksnim sistemom infor-
Kompleksni sistem na ni
sistem, treba da ucesnicima
naucno formiranu osnovu za buduce raz
i inostranstvu.
i planske, koje
Tako
u
snaga, konstant
slieno. Zakonitost
te se buducnost ne
i kada proslost
predvidanja, treba
usmeren ka buducnosti.
predvidanja koristi
informativan
riran.
se nepoveza
informativan
68
sistem. U svakom podsistemu prikupljanje i obrada podataka
i informacija vrsi se nezavisno od potreba ostalih podsistema.
Dalja karakteristika neintegrisanog informativnog sistema
predvidanja je posebno postojanje banke podataka kod svakog
podsistema, sto upucuje na to da neintegrisan ~istem informa
cija nije racionalan, efikasan, ne postoji saradnja i povezanost
izmedu pojedinih podsistema.
Za razliku od neintegrisanog, integrisani sistern informaci
ja povezuje podsisteme u jedan sistem, postoji koordinacija u
prikupljanju podataka za pojedine podsisteme, postoji jedin
stvena banka podataka koja je strukturirana od pojedinh da
toteka . Integrisani inforrnativni sistem uzima u obzir medusob
nu povezanost svih poslovnih funkcija. Nezavisno da li se radi
o integrisanom informativnom sistemu planiran ja, predvidanja
i slieno, svaki informativan sistem treba pri projektovanju da
vodi ra cuna 0 potrebama pojedinih funkcija i organizacija u
celini.
Prema kriterijumu tehnicke obrade podataka i informa
cija, informativni sistemi predvidanja dele se na: sis tern sa ruc
nom obradom, kombinovane sisteme, i automatizovane sisteme.
69
Pod prostornim
faktora
velicine prostornog odnosno velici
Obuhvatnost ireba da da odgovor na pitanje 0
treba da budu odredenom pro
delovala treba da da
na 0 stupnju predvi
danju faktora na odreden
Prostorni
velicine trzista. Velicina trzista j e
Velicina prostornog horizonta,
treba da u kom obimu
kao i
Prot;torni horizont maze se nacna:
1. na autonomnom planu, putem vlastitih ili
naucnih institucija,
putem rada sredsta-
70
Vremenski horizont zavisi i nalazi se u direktno propor
cionalnom odnosu sa velicinom organizacije. Ukoliko je orga
nizacija veea , u toliko organizacija ima potrebu da pregleda kre
tanje veceg broja faktora na duzi vremenski period, i obrnuto.
Od velicine organizacije zavisi i politika koju ce voditi u pogle
du prilagodavanja, delimicnog prilagodavanja i delimicnog
stvaranja uslova prilagodavanja u odredenoj vremenskoj di
menziji.
Vremenski horizont, moze se podeliti na: kratkorocan (do
jedne godine), srednjoroean (od 1 do 5 godina) i dugorocan
(preko· 5 godina).
U zavisnosti od duzine vremenskog horizonta odreduje se
detaljnost i obuhvatnost predvidanja. Obuhvatnost i vremenski
horizont na laze se u obrnuto proporcionalnom odnosu . Ukoliko
se predvida dalja buducnost, broj faktora treba da bude manji,
i obrnuto. Takode, i detaljnost pri predvidanju nalazi se u
obrnuto prop;)rcionalnom odnosu sa vremenskim horizontom.
Detaljnost predvidanja faktora treba da bude sto veca na kraCi
rok, i obratno, manja na duzi rok.
Vremenski horizont predvidanja £aktora moze se prosiri
vati:
1. na autonomnom planu, putem istrazivackih radova,
2. na eksternom planu, putem udruzivanja u viSe oblikp.
udruzivanja.
U literaturi 0 predvidanju u socijalistickim zemljama-cla
nicama SEV-a ne obraduje se ekonomski horizont kao prosto
ran i I remenski. Pod horizontom prognoziranja podrazumeva
se samo vremenska dimenzija predvidanja i ona moze biti: du
goroen", srednjorocna i kratkorocna.
71
vredivanja i pojavi ciji se ishod prognozira, troskovi za savla
aivanje metoda predvidanja, troskovi za sprovodenje i obradu
predvidanja.
Kadrovi predstavljaju vaznu determinantu organizacije
predvidanja. Broj lica ukljucenih u predvidanje zavisi, pre
svega, od karaktera odluke, od metode, od ekonomskog hori
zonta i ostalog. Kadrovi angazovani u predvidanju mogu biti
podeljeni u dye grupe. Prvu grupu sacinjavaju kadrovi koji su
angazovani u pripremi (prikupljanju i obradi), organizaciji
predviaanja i kompjuterskoj obradi, a drugu grupu saCinjavaju
oni kadrovi koji su angazovani za predviaanje.
U poslednjoj dekadi primecuje se prelaz od takozvanog
tradicionalnog ka savremenom prilazu predviaanju, sto rezul
tira nizom unapreaenja u organizaciji predviaanja. Poseban je
doprinos primene kompjutera u predviaanju. Povecana po
moe kompjutera ogled a se u brzini predviaanja, u povecanoj
tacnosti, u fleksibilnosti vremenske serije poda taka i metoda
predviaanja i drugog. U poslednje vreme razvijeni su posebni
programi za pojedine metode predviaanja. To ukazuie da ce
primena kompjutera u predvida niu predstavljati posebno pod
rucje proucavanja i ,istrazivanja. 1z ovih razloga , kompjuter
se javlja kao determinanta sprovoctcnja predviaanja.
72
GLAVA IV
73
sirem smislu
moze se proucavati kao
u tri faze. 59 U prvoj fazi formuliSu se
u drugoj fazi formuliSu se radne
formulisu se konacne
pretpostavke za sve
u or
svega iz
i jedin
treba obez
bez
i kon
su
ekonomiji,
5') Prema dl' Radoslavu Senicu i drugima: op. cit., str, 218,
74
vano biti izvrsen odreden
program ili koji su van
kontrole planera. 60
2. i karakteristike ",,,",01-,,-,,,
75
S aspekta stupnja kontrole, njihovog menjanja, stvara
nja i eliminisanja, planske pretpostavke se klasifikuju na 61 :
a) Pretpostavke koje se ne mogu kontroIisati. To je pretez
no najveCi broj spoljnih faktora za koje se ne mogu koristiti
pojedine metode ili tehnike predvidanja (institucionalni uslovi,
politicke situacije u zemlji i drugo).
b) Pretpostavke koje se mogu kontrolisati iIi stvarati. To
je najveCi broj unutarnjih faktora.
v) Pretpostavke koje se mogu kontrolisati.
J edan od najvaznijih standarda predvidanja su pretpo
stavke koje mogu biti svrstane u tri osnovne kategorije 62 :
a) pretpostavke 0 opstim ekonomskim uslovima,
b) pretpostavke 0 trendovima u industriji,
c) pretpostavke 0 individualnim aktivnostima u preduze
eima.
Pretpostavke takode mogu biti formuIisane i svrstane u za
visnosti od strukture buduenosti63 onoga sto zelimo da se dogodi
iIi onoga sto moze da se dogodi .
Pretpostavke, kao buduCi ambijent, buduee okruzenje u
kojem ee se stvarati odluka, pored vee pomenutih obelezja svoj
stvenih predvidanju, kao sto su naucna i strucna delatnost, kon
tinuirano obavljana delatnost, misaoni proces, prva faza plani
ranja, imaju i sledeee karakteristike:
1. Pretpostavke, kao rezultat procesa predvidanja, u pro
cesu predvidanja sluze kao sredstvo smanjenja neizvesnosti.
2. Pretpostavke, kao sredstvo racionalnog i kvalitetnog pla
niranja, sadrze u sebi veei iIi manji stupanj subjektivizma pri
njihovom formulisanju.
3. Pretpostavkama se maze zameriti da se najcesee bazi
raju na proteklom iskustvu, a pri anaIizi proslosti veoma .ie
vazno otkriti dogadaje koji ee delovati u buduenosti.
4. Pretpostavke su standardi predvidanja na kraei, odnosno
duzi period vremena. Nezavisno da Ii se radi 0 unutrasnjim iIi
spoljnim faktorima rada, one mogu biti standardizovane. U
pitanju je sarno dugorocnost u upotrebi standarda. Najveei broj
spoljnih determinanti privredivanja moze biti standardizovan
61Dr lludoslav Senic i dr.: op. cit., str. 214.
62KE:ll G. Walter: The SEC's new disclosure rule on forecast, MI
CHIGAN BUSINESS REVIEW, vol. 25. No.3, 1973, p . 18.
63 Bertrand J. BeIda: Reporting on forecast oj future developments,
THE JOURNAL OF ACCOUNTANCI, december 1970, p. 55.
76
za period do 5 godina, a kod unutrasnjih taj period moze biti i
duzi od 5 godina. Pokusaj standardizovanja nekih pretpostavki
svakako da ima siroki znacaj za sve nosioce drustvene repro
dukcije. Standardizacija pretpostavki moze se uzeti za krite
rijum stabilnosti jednog privrednog sistema . Cesto menjanje
pretpostavki 0 faktorima rada ima odgovarajuCi u ticaj na tac
nost planiranja i predvidanja.
77
S obzirom na razgranatu metodologiju predvidanja absorp
cione mod trziSta (ponuda, potraznja, potrosnja, konkurencija)
i ostalih komponenata, postoji daleko manje teskoce vezanih sa
formulisanjem pretpostavki 0 tdistu.
Takode postoje manje teskoce oko formulisanja pretpo
stavki 0 razvoju nauke i tehnike.
Ostali spoljni faktori, kao sto su: prirodni uslovi, trans
portni uslovi, javno mnenje, ekonomski horizont, kreditno trii
ste, stanovnistvo kao izvor radne snage, drustvena organizacija
proizvodnje, kompleksan sistem informacija na nivou zemlje,
mogu lakse da se predvide.
U zavisnosti od velicine organizacije zavisi i mogucnost pri
lagodavanja, menjanja ili stvaranja spoljnih faktora. Naime,
manje organizacije mogu stvarati sledece spoljne faktore: jav
no mnenje, ponuda, potraznja i potrosnja. Medutim, u pogledu
ostalih spoljnih faktora one treba da vode politiku prilagoda
vanja.
b) PTetpostavke 0 unutmsnjim faktorima: Pretpostavke 0 unu
trasnjim faktorima takode su brojne i raznovrsne, kao i spolj
ni faktori. S obzirom na cinjenicu da se radi 0 faktorima koji
su prostorno loch'ani u organizaciji, olaksano je postavljanje
pretpostavki.
U pogledu mogucnosti uticaja na faktore, organizacija
treba da sprovodi politiku stvaranja i kreiranja buduceg delo
vanja faktora, iako spoljni faktori, kao, na primer, razvoj teh
nike i tehnologije, tdista i drugo, imaju direktan uticaj na ve
licinu i strukturu raspolozivog kapaciteta, strukturu proizvod
nje i slicno.
Najveci broj unutrasnjih faktora, kao, na primer, velicina
i struktura raspolozivog kapaciteta, kvalifikaciona struktura,
oblik orgnizacije organizacija, proizvodni program, imaju fik
sni karakter za duzi period i sluze kao standardi pri postavlja
nju planskih pretpostavki.
Unutrasnji faktori poslovne politike, predvidanje i plani
ranje, najlakse se mogu kontrolisati, menjati i stvarati, sto
olaksava predvidanje i planiranje.
Mogucnost menjanja i stvaranja unutrasnjih faktora pred
stavlja posebnu karakteristiku planskih pretpostavki. Ona se
sastoji u tome sto je poslovna politika predodredena njihovim
objektivnim delovanjem do momenta kada ce se one prome
niti i sto u okviru poslovne politike osnovno mesto treba da
78
zauzmu pravci, metode i sredstva za njihovu buducu pro
menu.64
U procesu planiranja, u odsustvu informacija i saznanja,
planske pretpostavke sluze kao cinjenice, iako izjava miSljenja
o unutrasnjim faktorima sadrzi elemente subjektivizma.
Kako kod spoljnih, tako i kod unutrasnjih planskih pret
postavki, treba primenjivati princip kontinuelne readaptacije,
ispitujuci postavljene pretpostavke kvalitativnog i kvantitativ
nog aspekta.
Ocene 0 ocekivanim promenama unutrasnjih faktora treba
da budu donete u skladu sa buducim delovanjem spoljnih fak
tora. Planske pretpostavke 0 unutrasnjim i spoljnim faktorima
privredivanja treba koordinirano koristiti u procesu planiranja
od strane svih funkcija , sa ciljem da se obezbedi usaglasenost
u poslovnom radu.
c) Pretp0s~avke 0 ishodu nameravanih akcija : Pretpostav
Ijanje buduceg ambijenta rada ne treba smatrati zamenom ob
racuna ishoda pojava. Formulisanje pretpostavki 0 namerava
nim akc~.lama predstavlja logican nastavak postavljanja pretpo
stavki 0 faktorima rada. Neophodno je na osnovu pretpostavki
o buducem delovanju faktora na poslovni rad formulisati ,i
pretpostavke 0 ishodu nameravanih akcija. Predvidanje poja
va predstavlja kvantitativnu konkretizaciju pretpostavki.
Postoji viSe razloga od kojih zavisi efikasnost formulisa.,.
nja pretpostavki 0 ishodu nameravanih akcija. Bez pretenzija
na sveobuhvatnost i sistematicnost, u nastavku bice prezenti
ranD nekoliko, za koje se smatra da su vaznije.
Nairne, od tacnosti i stabilnosti formulisanih pretpostavki
o determinantama poslovanja zavisi i tacnost i stabilnost plan
skih pretpostavki 0 nameravanim akcijama. Od dugorocnosti
pretpostavki 0 buducem delovanju faktora privredivanja zavisi
i kvalitetno postavljanje pretpostavki 0 ishodu nameravanih
akcija. Netacne pretpostavke 0 buducem delovanju spoljnih i
unutrasnjih faktora poslovanja imaju za rezultat greske i kod
pretpostavki ishoda nameravanih akcija. Odatle proizlazi da
postavljanje pretpostavki 0 faktorima privredivanja prethodi
postavljanju pretpostavki 0 ishodu pojava. Drugim recima, po
red informativnog karaktera pretpostavki 0 faktorima privre
divanja, one jednovremeno usmeravaju postavljanje pretpo
stavki 0 nameravanim akcijama i sarno odlucivanje 0 ciljevima,
politikama i planovima.
64 Dr Krume Mihajlov: op. cit., str. 76.
79
Od vremenske dimenzije pretpostavki 0 unutrasnjim i
spoljnim faktorima rada zavisi i vremenska dimenzija pretpo
stavki 0 ishodu akcija koje treba da budu preduzete u buduc
nosti. Naime, prema duzini vremenske dimenzije, pretpostav
ke 0 nameravanim akcijama mogu se formulisati za period do
1 godine, za period od 1 do 5 godina i za period od 5 godina, a,
prema velicini prostornog horizonta, pretpostavke 0 namera
vanim 8.kcijarna mogu se formulisati na nivou nacionalne eko
nomije, na nivou grane, odnosno grupacije, i na nivou organi
zacije udruzenog rada.
Pretpostavke 0 nameravanim akcijama treba kontinuirano
procenji'v'ati i i"eadaptirati (kvalitativDo i kvantitativDo) na na
stale kvalitativne i kvantitativne promene kod pretpostavki 0
faktorima rada. Planske pretpostavke 0 faktorima rada (spolj
nih i ullutca snjih) sacinjavaju buduce okruzenje ishoda namera
vane akcije.
80
GLAVA V
PREDVlfJANJE - PREDUSLOV ZA
DONOSENJE ODLUKA
donosenja odluka
Na danasnjem
rakterisu se visokim i
a faktori rada veoma Ovako slozenim uslovi
u izrazenom dinamizmu razvoia ne moze vise
uz metodoloski
Sve traii da svaka poslovna odluka bude reZlul
tat anticipativnog delovan;a i spolj
nih determinanti, a proces pripreme i odluka da se
izdvoji novom metodologijom koja ee
stupnju Znaci, i donosenie odluka ne
mogu biti izvrseni tradicionalnim metodama analize i intuici
a da ne bi sadrzale veCi rizika. Zato savremeni uslo
vi traie takav proces pripreme i od-
Iuka koji ce neizvesnost u buducnosti i rizik svesti na
minimum. To se maze postiei ako se u sistem donosenja odlu
ka uvede metodoloski predvidanja.
Preduslov za
i donosenju odluka
sredstvo za kvalitetno
a upravljati buducnoseu znaci donositi takve odluke koje
ce biti gradcne od Dru
6 8. Ekonomsko predvldanje
81
u strukturi svake odluke treba da je sadrzana in
se odnosi na buducnost. Na
da se sagleda ambijent u
namerom da se
luke, karakteristicno
opsti elementi,
prvi eJemenat,
rektno ukljucuju
65 Stevan C. Makridakis. Forecasting me
thods jor Wiley and Sons, New York
1980, p,3,
82
Ci elemenat prisutan u razliCitom stupnju u svim situacijama
je da se predvidanje bazira na informacijama sadrianim u
istorijskim podacima.
Pored pomenutih zajednickih kvantitativnih i kvalitativ
nih elemenata, postoje i drugi opsti, ne manje vazni za svaku
fa.zu predvidanja, a bez koiih se ne mogu sprovoditi predvida
nja. Svako predvidanje realizuje se pomocu odredenog metoda.
I u svakoj fazi predvidanja za pripremu i donosenje odluka pri
sutno je rasudiv,anje.
U procesu predvidanja, pored opstih elemenata tipicnih
za sve vrste predvidanja, postoje i posebni elementi, karakteri
sticni za svako konkretno, pripremano i sprovodeno predvi
danje.
Argumentujuci proces donosenja poslovnih odluka, pred
vidanje obiektivizira taj proces. Pomocu predvidanja, 'Proces
pripreme i donosenja poslovnih odluka postoje egzaktniji, a,
s druge strane, podize se naucni nivo donosenja odluka.
Posebnu pazniu zasluzuje upravljacki karakter predvida
nja u procesu pripreme i dondsenja poslovnih odluka. Uprav
Ijacki karakter predvidanja ima dva aspekta. Prvi: - predvi
danje ima informativan karakter, sto znaCi da predvidanie
obezbeduje podatak i informacije 0 buducem delovaniu fakto
ra kao buduceg ambiienta koji ce okruzavati odluku. Drugi
predvidanje ima usmeravacki karakter, sto implicira na ci
njenicu da citanje i saznanja do kojih se dolazi predvidanjem
usmeravaju predvidanje i donosenje poslovnih odluka. U po
gledu zastuplienosti upravljackih aspekata predvidania u pro
cesu pripreme i donosenia odluka dominira informativni as
pekt, a manje je zastupljen usmeravajuci karakter predvi
dania.
Pored metodoloskih postupaka i upravljackog karaktera.
uloga predvidania u procesu donosenja odluka ogleda se u tome
sto troskovi predvidania i netacnost imaju direktan uticai na
kvalitetno odlucivan.i e.
Nairne. osnovni cili predvidanja je da smanii neizvesnost
pri srprovodeniu i rizik ko.ii se sadrzi u odluci. S druge strane.
predvidanja, po pravilu, nisu tacna. Medutim, velicina greske
moze se smanjiti povecanjem troskova predvidanja.
Na odredenom nivou predvidanja, ukupni troskovi pred
vidanja su minima.lni.
Svaki misaoni proces karakteriSe se lo.gicnom tehnologi
jom razmisljanja . U prvoj polovini XVIII veka francuski ma
83
tematicar filozof Dekart po
stavke su sledeei:
princip sinteze princip
kontrole.
Don·')senje odluka kao dela svake delat
nosti i akcij e od kada covek. Za sve bilo
da se radi 0 individualnoi, grupnoj iIi kolektivno.i, karakteri
sticni su momenti 66 :
1. Koliko alternativno mogucih pri do
nosenju odluka.
2. Vremenska se pokriva odlukom.
3. sredstava rada koju treba uloziti za re
informativnih za sto
odluke i slieno.
i odluka.
Ekonomska efikasnost odlucivanju, moze se
izracunavati kao odnos izmedu ocekivanih efekata odluke i
ukupno sredstava i rada. U brojitelju mogu biti
prikazani efekti odluka u domenu poslovnih Tako,
na efekti odluke u vezi ekonomske iIi
efekti odluke 0 segmenta, efekti odluke 0
proizvodnog prograp1a i slieno. Kao imeniteli mogu
sredstva kao sto su troskovi za prikupljanje po
66 Prof. dr Krume Mihajlov: op cit., str. 148.
84
dataka i njihovu obradu, vezanih za ekonomsku propagandu,
troskovi vezani za rad ulozeni u proces pripreme i donosenje
odluka za prosirenje trZiSnog segmenta i slieno.
Evolutivni put poslovnog odluCivania s aspekta unapre
denja i modifikacije moze se podeliti na dva globalna perioda.
U prvom periodu dominantno mesto ima intuicija i rutina u
pripremi i donosenju odluka. Za drugi period vezana je prime
na analitickih metoda, predvidanje, sistematsiki i interdisci
plinaran prilaz pri odredivanju faza .
Potrebno je prikazati analiticki prilaz pri determinisanju
broja faza preko kojih treba sagledati ulogu upravljackog ka
raktera predvidanja u procesu pripreme i donosenja odluka.
Tai proces bi trebalo da sadrzi sledece faze 67 :
1. Sistematsko, kontinuirano prikupljanje i sredivanie
podataka i svestrano sagledavanje rada vlastitog preduzeca i
preciuzeca privrednih grana sa kojima .i e ono vezano na trZi
stu (u nabavci i prodaji), kao i sagledavanje kretanja celokup
nog privrednog i drustvenog zivota zemlje i sveta, odnosno
svih faktora privredivanja koji su delovali u ,proteklom periodu.
2. Analiziran.ie prikupljenih, sredenih i obradenih pod a
taka (cinjenica) i utvrdivanje stupnja odstupanja od planira
nih zadataka, odnosno od poslovne politike preduzeca i uzroc
nika (faktora) koji su tome doprineli.
3. Definisanje problema koji proi.zlaze iz dosadasnieg rada
preduzeca i njeg'o vog polozaja u privrednoj grani u koju spa
da, odnosno u celoj privredi, za koie treba traziti resenja po
slovnom politikom i planom preduzeca i ciliem koji se zeli po
stici resenjem problema.
4. Pokretanje inicijative za zapocinjanje procesa resavanja
problema kao procesa pripreme i donosenja odluka iz domena
poslovne politike, plana, organizaciie i slieno.
5. Predvidanje, odnosno prognoziranie, buduCih faktora
(uslova) privredivanja kao pretpostavki daljeg procesa odlu
civanja.
6. Priprema hipoteza '0 alternativnim moguCim resenji
rna za svaki pojedini problem, odnosno 0 postizaniu postavlje
nog cil.i a.
67 Prof. dr Krume Mihajlov: op. cit., str. 155, a od 149 do 152 ob
jasnjava metodoloske i terminoloske razlike pri detaljiziranju procesa
pripreme i donosenja poslovnih odluka kod pojedinih autora kapitali
stickih zemalja, kao i autora jugoslovenske skole samoupravljanja.
85
7. Provera hipoteza i razrada konacno izbalansiranih al
ter,nativa 0 mogucem resenju svakog pojedinog problema (po
stizanje cilja).
8. Donosenje odlUJke, kao akta izbora .iedne ili kombina
cije izmedu vise alternativa, 0 resenju svakog problema (od
nosno postizanje dlja).
Prethodno prikazani tok pr~preme i donosenja odluka ima
retrospektivan karakter ili ex post upotrebu predvidanja u
poslovnom odlucivanju. Ovaj nacin upotrebe predvidanja u
odlucivanju znaci da ce se dogoditi dogadaj iii pojava (dijagno
sticiranje pojave), a zatim se predvidaju buduCi uslovi privre
divanja kao pretpostavke 0 daljem procesu odluCivanja. Po
menuta uloga predvidanja u teoriji odluCivanja je poznata kao
kurativno odlucivanje. S istorijskog gledista, ova teori.i a odlu
Civanja pokazuje tendencije modifikovanja, iakoios uvek do
minira uprivrednoj praksi.
Druga upotreba polazi od ex ante koriscenja predvidanja
u poslovnom odluCivanju . Ovaj aktivistiOki stav u pogledu
predvidanja trazi da se u fazu definisanja problema, inkorpo
rira predvidanje kao podfaza. Na takav nacin modifikovana
uloga predvidanja menja sadrzinu prireme i donosenja odluka
u preventivnom odlucivanju. Preventivno odlucivanje u po
p;ledu kurcttivnog odlucivan.i a ima sledece prednosti:
1. Prva razlika proizlazi iz mesta i uloge predvidanja u
procesu pripreme i donoSenja odluka.
2. Druga razlik·a pl'oizlazi iz obezbede.nja cinjenica i sa
zncmja od ex post, odnosno ex ante upotrebe predvidanja.
3. Vl'eme potrebno za definisanje problema kod kurativ
nog pnJaze; u noslovnom odlucivanju je duze nego kod pre
'/entivncg c.dlucivanja.
4. Ck'.lpno vreme traianja dij·a gnoze kod kurativnog pri
laza odlucivania u odnosu na preventivni prilaz je duze. Ta
vremenska razlika oznacava vreme za koje se kasnilo u defi
nisar. ill problema sa svim implikacijama na rad i r:ezultate
rada.
5. Vl'eme prip r eme 1 donosenia odluka ikod preventivnog
perioda ·odlucivanja je krace u pogledu vremena potr~bnog za
pripremu i donosenje udluka kod kurativnog prilaza odluci
vanja.
6. Na ovakav oa':10 postavljeno, predvidanje u procesu
poslovnog odlucivanja ima ,direktan uticaj na ostvarenje ci
Ijeva organizacije.
86
Iz svega proizlazi da svaki put ne mora da se odlucuje
kurativnim p r ila7om, 1j . kada ce se problem pojaviti u punoj
::; vetlos l'.. Ceste ' j simptomi ukazuju na buduce postojanje pro
blema. Kao takvi, ani se koriste :z:? sprecavanie nastajanja
problema i izlazenje iz depresivnog stanja koje bi eventualno
nastalo.
Primena preventivnog prilaza u poslovnom odlucivanju
,ie 11sbvljena sa nekoliko determinanti. To su pre svega: si
stem informacija, zatim, postojanje standarda 0 tome kako bi
treba lo da se ostvaruje odluka u pojedinim fazama. Kontrola,
sa permanentnim pracenjem ostvarenja odluke, treba da bude
oi,gnaliz:Hur znacajnih devijacija u ostvarivanju odluke. Pred
l&ganiem korektivnih akcija, kontrola menja funkciju i tran
sformise se u upravljacku kontrolu (preventivnu). Podrazu
meva se da je za izvrsenie svih aktivnosti u vezi realizaci,ie
odluke potrebna sistema tska i organizovana evidencija.
87
GLAVA VI
SPROVOBENJE PREDVWANJA
se u
poslovanja u
kao i metodoloske izvrsa
vanja odredenog misaono-logicnog redosleda aktivnosti pri
kao i ad
racional
faza.
predvidanja moze se proucavati u uzem i u
sirem smislu reci. U uzem smislu
sadrZi samo predvidanje, bilo faktora
u sirem smislu reci s}'e aktiv
od predvidanja, p9.
i na zavrsava
88
Postupak sprovoaenia predviaania, u zavisnosti od pri
laza, moze biti detaliiziran iIi sintetiziran.
U ekonomskoi literaturi postoje divergentna staialiSta 0
tome sta treba da obuhvati postupak sprovoaenia predvidanja,
koie metode treba da sadrZi, logiena sukcesija faza koia treba
da bud e saeuvana, vremenski redosl ed, broi faza i slieno. Za
ilustraciju bice navedeno nekoliko vidova postupaka.
C. John Chambers, K. Mullick Satinder, Donald Smith68
predlazu se st faza kroz koie se sprovodi predviaanje, kao i
sadrzinu pitanja u svakoj pojedinoi fazi:
1. Formulisanje problema predviaanja.
2. Strukturiranje predvidanja.
3. Prikupljanje podatak a .
4 . Analiza podataka i konstruisanje modela .
5. Prace nje predvidanja .
Proces, odnosno faze kroz koje prolazi predvidanje, prema
W. Charlesu Grossu i T. Robinu Peters onu,69 prikazane su na
slici 5.
Tehnika i tehnologija industriiskih i ostalih prognoza iz
vode se po odredenom redu 70 :
1. Pripremna faza - sakuplianje, urea enje i oceniivanje
informacija 0 stanju industriie u momentu zapoCinjanja iz
rade prognoze.
2. Evidentiranje osnovnih zakonitosti na osnovu materi
j ala iz prethodne faze.
3. Odreaivanie vaznih zadataka prognoze, roka, sadrZaja
i metoda koje ce se koristiti pri razradi prognoze.
4. Utvrdivanje formi povezivanja i rasporedenja zadata
ka pri postavljanju prognoze izmedu poiedinih ueesnika od
govornih za razradu prognoze.
5. Odredivanje sredstava za koordiniranje i kontrolisan; e
izvrsenih poslova pri sastavI;anju prognoze.
R a zlikujuCi dva osnovna perioda pri stvaranju prognoze
(period pripreme i period izvrsenja), delatnost prognoziranja
ukl;u cuje sledece vazni; e aktivnosti:
68 Ch a mbers C. John, Satinder K. Mullics, Donald D. Smith, p .
2 i·o-27tl.
69 Gross W. Charles - Paterson T . Robin: Business forecasting,
Houghton Mifflin Company, Boston 1976.
70 lb . C AH.!IpeeB; op. cit., str. 70-71.
71 lb. TaH'-IeB : op. cit., str. 99-101.
89
1. Formiranje i postavljanje za,dataka prognoziranja.
2. Pojasnjavanje objekata prognoziranja.
3. Pri.k:upljanje i obrada informa~ija 0 dosadasnjem raz
voju predmeta i 0 sadasnjem stanju.
4. Sastavljanje formalizovanog opisa (modela) objekta pro
gnoziranja.
5. Izbor osnovnih i pomo6nih metoda za resavanje modela.
6. Sastavljanje alogaritma za resavanje modela.
7. Provera promenljivosti, tacnosti i verovatnosti modela,
metoda i alogaritama za resavanje modela putem podatak9. iz
proslosti.
8. Stvaranje prognoza.
I nasa literatura ne raspolaze razradenom metodologijom
sprovodenja predvidanja . Takode moze se konstatovati da ovo
prakticno i metodolosko pitanje nije razradeno u zadovoljava
.i ucoj meri.
~-----------------
i
I
I
I !
I
i
utwdtvanjc
odredivanJc pnmcna procena i p('I[rcba za
cilja
nezavis nih , revizi):.. rctJYidanje
vanjabiJi modcla
modela yarijabili
90
2. U drugoj fazi tr_eba izvrsiti procenu budueih slueajeva.
3. U treeoj fazi vrsi se uporeaenje stanja i procenjenih
rezultata.
4. Poboljsanje procesa predviaanja, na osnovu vlastitog
iskustva, tuaeg iskustva i literature.
Metodoloska procedura spflovodenja predviaanja treba da
prethodi samom predvidanju. Prema prostornom hQrizontu,
postupak sprovodenja moze da se odnosi na tri nivoa, ito:
l. postupak sprovoaenja predviaanja na nivou nacionalne
ekonomije;
2. postupak sprovoaenja predviaanja na nivou grane;
3. postupak sprovoaenja predvidanja na nivou organiz:l
cije.
U prvom i u dl"ugom slueaju sprovoaenja predviaanja pri
menjuje S8 makro prilaz, dok je u treeem slueaju ree 0 mikro
prilazu prl sprovoaenj.1d predviaanja.
Pri sprovoaenju predviaanja, u zavisnosti od nivoa, po
stoje dva postupka: deduktivan i induktivan.
Prema deduktivnom postupku, predviaanje polazi od op
steg ka po.iedinacnom. Postupak sprovoaenja poeinje predvida
njem nq nivou nacionalne ekonomije, na nivou grane i, na kra
ju, polazeh od prethodnih saznanja, predviaa se na nivou orga
nizacija.
Deduktivni postupak sproV'oaenja omog'ueava prethodno
prognoziranje buduceg ambijenta, sagledavanje budueeg de
lovanja spolinih faktora. J er, izmeau razvoja privrede i raz
voja pojave postoji meausobna zavisnost i uslovljenost. Razvoj
pojave zavisi od stanja u nacionalnoj ekonomiji.
Izmeau velieine organizacije i deduktivnog posturpka po
stoji pozitivna i visoka korelaciia. Naime, primena deduktiv
nog p0stupka pokazuje velike troskove, pa je svojstvena veCim
organizaciiama i potrebna je veea infof\IDativna baza.
Za razliku od deduktivnog, kod induktivnog postupka
predviaanje se vrsi na nivou organizacije i takva se predviaa
nja koriguju saznanjima 0 grani i 0 nacionalnoj eikonomiji.
Drugim reCima, predviaanje polazi od pojedinacnog ka opstem.
Za predvidanje ishoda nameravane akcije posto.ie, takoae,
dva postupka : nekompleksan (nemar.ketinski) i kompleksan
(marketinski) . Nekampleksan postupak prognoziranja ishod3
nameravane akcije primenjuje se kod najveeeg broja organi
zacija, sto predstavlja pogresnu orijentaciju ukoliko postoii
91
marketing koncept rada . Nekompleksnim postupkom vrSl se
prognoza prodaje na ukupnom nepoznatom trZistu organizaci
ji, dok kompleksan postupak sprovodenja prognoziranja ima
prednosti nad nekompleksnim. Te prednosti ogledaju se u sle
decem:
1. Ukupan kapacitet trzista utvrde n putem kompleksnog
postupka predstavIja osnovu za utvrdenje investicion.f i ra
zvojne politike, cime se omogucava usaglasen razvoj, bez do
sadasnjeg dupliranja kapaciteta i disproporcija u razvoju.
2. Kompleksan postupak sprovodenja prognoziranja pred
stavlja solidnu osnovu koncipiranja poslovne politike u organi
zacijama.
3. Cinjenice i saznanja dobijeni putem kompleksnog po
stupka sprovodenja i prognoziranja pojava predstavIjaju so
lidnu osnovu za samoupravno sprovodenje i drustveno do
govaranje 0 pitanjima vezanim za prosirenu reprodukciju, za
veCi ekonomski horizont, za nove izvore podataka i informa
cija i drugo .
PolazeCi od sustine, znacaja i vidova postupaka po Kojima
se sprovodi predvidanj·e, mogu se formulisati nekoliko kon
statacija:
1. Od kvaliteta kojim se sprovodi postupak zavisi efikas·
nost i racionaln ost pri predvidanju.
2. Za postupak sprovodenja predvidanja karakteristican
je misaono-logican redosl ed i povezanost faza , a manie je za
stupIjena vremenska sukcesija pri izvrsenju predvidanja.
3. Za svarki konrkretan postupak sprovodenja predvidanja
karakteristicna je sveobuhvatnost aktivnosti.
4. Respektirajuci specificnosti svakog konkretnog predvi
danja, pa odatle i broja obuhvatnosti faza, aktivnosti u svakoj
fazi, za svako predvidanje je karakteristican odreden broj f3
za. Nezavisno od broja faza, viSe iIi manje, one moraju se iz
voditi po odredenoj Iogickoj sukcesiji.
nacionalne ekonomije
92
predvidanja na nivou nacionalne ekonomije, sagleda moguce
nacine utica.ia okruzenja na poslovanje,
Postupak sprovodenja predvidanja na nivou nacionalne
ekonomi.ie, globalno, prolazi kroz dye faze:
1. analiza delovanja eksternih faktora,
2. predvidanje buduceg ambiienta rada.
U prvoi fazi, treba izvrsiti analizu dosadasnjih trendova
u razvoju eksternih faktora koji su u direktnoj iIi indirektno.i
vezi sa radom u organizaci,ii. Analiza treba da pokaze in ten
zi tet u ticaja okruzenja na organizacij u. J er, poslednjih godi
na primecuje se pojacan uticaj okruzenia na rad organizacijd
i kao rezultat toga su sve znacajniia odstupanja izmedu pro
gnoza i stvarnih podataka. Okruzenje kao sistem ima sve vecu
i znacajniju ulogu pri predvidaniu u organizaci.iama kao pod
sistemima.
Prema semntskoj prezentaciji, okruzenje moze uticati na
organizacije na dV3 nacina, i to direktno i indirektno. Okru
zenje sacinjavaju ekonomski, tehnoloski i socijalni trendovi,
a u svakoj osnovnoj grupi trendova postoji vi'se faktora koii
imaiu razliCit uticai (direktan i indirektan) na organizaciju
(slika 6).
ulicaj na
okruzenje
direklan
l rendovi u okruzenju
indireklan
konkurenl ske inslilUcije
93
Ustvari, sematsko procenjivanje odnosa predstavlja parci
jalan prilaz proucavanju ovog pitania. Ne samo sto okruzenje
kao sistem ima uticaja na organizaciju, vee i organizacija kao
podsistem ima uticaja na okruzenje. Sistemski prilaz ispitiva
nju odnosa izmedu sistema (okruzenja) i podsistema (organiza
cije) znaci kompleksnost u proucavanju sistemske povezanosti.
U drugoj fazi, na osnovu cinjenica i saznanja dobijenih
analizom, treba formulisa ti pretpostavke budueeg delovania
eksternih faktora. Pri predvidanju budueeg ambijenta postav
lja se pitanje 0 broju faktora koii treba da budu predmet
predvidanja i stUlpnja detaljiziranja prognoza za eksterne fak
tore. Pre svega, od ukupnog broja eksternih faktora, nezavi
sno od nj ihove klasifikacij e na poli tiCke, socioloske, ekonom
ske i tehnoloSke, treba predvideti delovanje eksternih faktora,
i to na trzistu, razvoj na uke i tehnike i insti tucionalnih uslo
va privredivanja. Odgovor na drugo pitanje je. u smeru pro
gnoziranja samo ocekivanih pravaca razvoja.
94
izvoda i usluga u gnllni, ponrudi proizvoda u uslovima, u konku
rentskoj situaciji u grani.
1. A,naliza potraznje proizvoda treba da obuhvati sledeca
istrazivanja: dosadasnji kapacitet trzista, mogucnost uvoza,
uticaj srodnih grana na razvoj potraznje, zivotni ciklus proiz
voda koji se trazi i drugo.
2. Analiza ponude treba da obuhvati sledece elemente:
analizu nabavke sirovina i materijala, analizu cena i ponude,
uvoz i uticaj na ponudu, uticaj srodnih grana na ponudu, zi
votni ciklus tehnologije proizvodnje, mogucnost supstituciie
sirovina i drugo.
3. Analiza konkurencije treba da obuhvati: broj konku
rentskih organizaciia, pojedinacno ucesce konkurenciie, dife
rencijalne prednosti i slabosti konkurencije, uticai strane
konkurencij e.
Druga faza sprovoaenja predviaanja na nivou grane tre
ba da obuhvati predviaanja potraznje, ponude i konkurencije.
95
U prvoi fazi vrsi se pOlasD.]avanie predmeta predvidania,
namena predvidanja, period za koji se odnosi predvidanie,
organi i Iica koia ce biti ukIjueena u predvidanie i slieno.
Tryhane G. A. L. i Richard Hare Jr.75 navode da u fazi
nazva,n~i definisanie problema treba dati odgovore na s.ledecih
sest grupa pitania:
1. Kakva je namena predvidan.ia? Za kakve cilieve bice
upotreblieno? Kakav stupani taenosti ie potreban?
2. Koie su komponente sistema na <Sijoi osnovi bice izve
deno predvidanje i koje su osnovne pretpostavke?
3. Kakva .ie taenost i kakva ce tezina biti data istoriiskim
informacijama?
4. Koliko je potrebno za predvidanie?
5. Kakav .ie odnos izmedu troskova koristi od predvi
danja?
6. Koliko iznosi raspolozivo vreme?
Druga faza koia takode ima pripremni karakter odnosi
se na potrebne podatke i informacije za sprovodenie predvida
nia, kvaliteta i kvantiteta raspolozivih informaciia za progno
ziranie ishoda nameravane akcije, vremena potrebnog za pri
kupIjanie i obradu, troskova vezanih za niihovo prikuplianje,
odredivanie internih i eksternih izvora prikupliania podataka
i informacija za prognoziranie prodaie i drugo .
Takoae treba prikupiti informaciie i 0 metodama predvi
dania, niihovoj taenosti, u za visnosti od vremenskog horizon
ta, prednosti i nedostataka, fleksibilnosti metoda i slieno.
Sredivanje prikuplienih podataka i informaciia 0 poiavi vrsi
se prema homogenosti. Grupisanie prikuplienog materiiala
treba da omoguCi efikasnije analiziranie poiave.
U trecoi fazi prvi korak predvidaea ie da ispita podatke
u vremenskoi seriii. 1z analize podataka treba da proizadu os
novna obelezja vremenske seriie: da Ii je ona pod uticajem
cikIienih, trend, sezonskih ili slueajnih uticaia. Ukoliko na
primer, vremenska serija ima sezonske varijaciie, tada je 10
,gieno da se primenjuju neki od poznatih modela za desezoni
rani e vremenske serii e iIi kauzalni metodi.
Analiza prikupljenih i sredenih poda taka i informaciia 0
pwueavanoj pojavi takode treba da pokaze kO.i i su faktori
imali presudan u ticai na dosadasnii razvo.i poiave, koji od tih
imaiu pozitivne a koji negativan uticaj na prognoziranie pro
75 Tryh a ne G. A. L.. Richard Lare Jr.: Forecasting, PUBLIC
UTILITIES FORTHNIGHTLY, vol. 90 , No. 12, 7 december 1972, p.2fl.
96
daie, ko.ie su osnovne zakonitosti i odnos i sa srodnim poiava
rna, da li se korelacija izmedu pr9menljivih i konstante pro
menila i u kom pravcu.
Analiza podataka i informaciia 0 metodama treba da da
osnovna usmerenja pri selekciji metoda predvidanja. Analiza
zavrsava formulisanjem planskih pretpostavki '0 faktorima
privredivanja.
U cetvrto.i fazi, pored poslova vezanih za odredenie kri
terijuma za procenjivanie i rangiranje metoda, selekciiu meto
da (osnovnih i pomoenih), kao i testiraniem odabrane metode,
treba izracunati i aposteriornu gresku na osnovu istorijskih
podataka da bi se videlo kakvu tacnost obezbeduje odgovara
iuea metoda.
Procenjivanie i rangiranie metoda treba da doprinese us
pesni i oi selekcij i metod e iIi grupe metoda za prognoziranie
ishoda pojave.
Izbor metode predvidanjaie dosta vazan ne sarno kao me
todolosko pitanje, vee i kao pitanie od koieg zavisi ocekivana
tacnost. Svaka metoda predvidanja bazira se na odredenim
pretpostavka:ma koie treba da budu po:zmate pre same primene
ier pod tim uslovima metod~ daie najtacnije rezultate. Svaka
metoda ima snecificna podrucja primene. Radi toga, treba
odrediti kriterijume za izbor odgovaraiuee metode predvida
nia. (tacnost ko .i u obezbedu ie metoda, stupani razumIiivosti
i iednostavnosti u primeni. stupani identifikacii e preloinnih
tacaka. troskove !?redvidania, namenu predvidania . za potrebe
odluCivania, kadrovski potencijal i dr.).
Medutim, od brojnih i raznorodnih kriteriium a presud::l.n
uticai na izbor odgovaraiuee metode ima cUi predvidania,
nriroda Dojave pre·dstavIiene putem vremenske seriie podata
ka i tacnost koia se postize primenom odgovaraiuee metode.
Za izravnan.i e stvarne vremenske seriie i prognoziranie
ishoda poiava danas postoie broini i raznorodni metodi pred
vidania. Izabrana metoda nredvidania ima direktan uticai na
algoritam resavania problema.
U netoi fazi sprovodnia predvidania moze se proucavati
s asoekta broi:=\ lica ukliucenih u prognoziranie, s aspekta te
hnicke ooremlienosti. pri prognoziraniu 'i drugo.
U zavisnosti od broia lica ukliucenih u prognoziranie.
sprovoaenie moze biti individualno iIi timski izvodeno.
S aspekta tehnicke opremlienosti rada. prognoza, kao fi
nalan 9roizvod predvidania, moze biti izvedena: rucno. ma
7 B. Suklev: E1<01101115ko pl'edvidan,i e
97
sinski i kombinovano. Masinski naein
ima niz nad rucnim i
sE! ogledaju u tacnosti se
S masinski naCin je zavisan
potencij ala, finansij skih mOg'ucnosti za nabav
slieno.
tacnosti ko
prog'noza, zelienih
p_rognoze od stvarnih kao i odredivan;e
verovatnoce nastaiania pro,gnoze.
Formulisanje problema
i eilj predvidanja
J;
Prikupljanje i obrada ~
podalaka i informacija
J;
Analiza prikupljenih
podalaka i informacija
;J
lzbor i lesliranje
meloda predvidanja
Sprovodenje predvidanja
J,
pr~dvid?nja ,~
98
Za merenje tacnosti postoje brojni kvantita tivni i grafic
ki metodi. Pozeljno je merenje tacnosti pri vrednovaniu vrsiti
kombinovan.9, tj. kvantitativnim i grafickim metodama.
U sestoj fazi treba izvrsiti procenjivanje metodologije i
rezultata dobijenih predvidanjem, ukoliko su nastala znacaina
odstupanja stvarnih podataka od predvidenih. U ovoj fazi pro
cenjuje se apriorna i aposteriorna greska, kao i vrednost na
stajanja ishoda nameravane akcije.
Osnovno pravilo koje vazi pri predvidanju je da ce pred
videni podaci odstupati od stvarnih zato 5tO se prognozira je
dna izlazna vel~cjna iz vise drugih mogucih stanja koja nisu
determinisana. Zato, kao neophodnost nalaze se permanentno
pracenje ostvarenja prognoze i uslova pod kojima su formuli-:
sane pretpostavke. tim ce biti primecene znacajne promene
u uslovima privredivanja, tr~ba readaptirati prognozu. Kriteri
jum za ocenu velicine odstupanja izmedu faktickih i progno
ziranih podataka jeste tacnost. Ukoliko tacnost opada, kao re
zultat promene u uslovima privredivanja, a manje kao rezultat
vremensko.g horizonta, tada treba pristupiti formulisanju
pretpostavki buduceg delovanja faktora na poslovanje i po
novo prognozirati ishod nameravane akcije. Na takav naCin
obezbedice se da delatnost predvidanja predstavlja celinu i
da se ciklicno izvodi. Pomocu kontrole i pracenja, predvida
n~e dobiia upravljacki karakter. Ciklus sprovoaenia predvida
nja je graficki predstavljen na slici 7.
99
GLAVA VII
pojava, danas
izbor me
a koja
primenu predvidanja.
predvidanju, za ta
100
Izbor metoda predvidanja zavisi od brojnih faktgra, pre
svega od raspolozivih kvantitativnih i kvalitativnih informaci
ja, stupnja zeljene taenosti u predvidanju, raspolozivog vre
mena za izvodenje predvidanja i predrasuda predvidaea. 76
Izbor metode zavisi od sledeeih sest faldora, koii utieu
na selekciju tehnika predvidanja. To su 77 :
1. karakter podatalka,
2. vremenski horizont,
3. vrsta modela predstavljena od tehnika predvidanja,
4. troskovi pri upotrebi metoda predvidanja,
5. sigurnost iIi predvidanju,
6. slozenost pri upotrebi od strane kori s nika.
Karakter podataka je veoma vazan faktor od kojeg zavisi
izbor metode predvidanja. Vremenska seriia podataka moze
da odrazi trend, cikliena, sezonska i slueaina kreta nia kod po
java. Podaci su potrebni za svaku metodu predvidania . Bez
Dodataka nema predvidanja. Cesto karakter podataka determi
ni se izbor metode predvidania.
Vremenski horizont, kao determinanta , odreduie koia ee
se metoda aplicirati. Neke od metoda ~u pogodne za kratko
roena, a druge za dugoroe!1a predvidania. Vremenski horizont
moze se podeliti na period od mesec dana , od 2 do 3 meseci,
od 3 meseca do 2 godine i preko 2 godine.
N aredna klasifikacija determinanti za izbor metoda pred
vidanja je predlozena od Alana H. Levinea u koju su ukljuee
ni sledeei kriterii umi 78 :
1. stupanj razumlj ivosti,
2. iednostavnost u primeni,
3. velieina greske,
4. duzina period a predvidanja,
5. obi ektivnost rezultata .
M. John ' Cummings79 putem namere predvidania, znaei
na indirektan naein, oqreduje kriterijume za izbor metoda
76 Newbold Paul: Forecasting methods, Civil Service College.
Occasi o nal paper No. 18, 1973, p.2.
77 Makridakis S. - Wheelwright S . C .: Interactive forecasting,
univariete and muUivariete methods, Holden-day, sec . ed. San Fran
cisco 1978, p. 28 Wheelwurght C. Steven - Spyros Makridakis : Foreca
sting methods for managment, John Wiley and Sons, New York
1973, p.8-9 .
78 Levine H. Alan: Forecasting techniques, MANAGMENT ACCO
UNTING, vol. XLVIII , No.5, 1967, New York, p.35.
79 Cummings M. John: Market and sales forecasting, CANADIAN
CHART ERED ACCOUNTANT, vol. 102, No.6, 1973, p.46.
101
Naime, namera predvidanja odredena
njem tacnosti i zbirom vremena i novca potreb
nih za investiranje u
Vreme predviClanja predstavlia
veoma vazan Vreue kao kriterijum cesto odreduje
kakve ce se metode primeniti. U nedostatku vremena, svakako
da ce se metode, obratno.
William Copulsky uzima sledece za
metoda predvidanjaso :
1. Metoda treba da obezbedi naucan pristup u istraziva
nju odnosa izmedu uzroka i efekata.
2. Metoda treba da u da odredi i meri uzroke
faktorsku analizu
grupe. Dva od
izboru metoda
karakteristike vezane
identifiku,iu i
tehnicka O>1J'J"LIU
od najveceg
odnosi se na karakteristike metoda
Svaki od pomenutih cetiri faktora sadrii viSe
faktor 1: tehnicka sposobnost
metode
80 William Practical sales AMERICAN
MANAGEMENT Inc. 1970,
81 C. Steven Darral G. : Corporate forecas
Ung: promise reality, HARVARD B'QSINESS REVIEW nov/dec.
1976, p.41-42.
102
vreme pripreme,
; faktor 3:
rakteristike (vremenski
nja, duzina funkcio
metoda predvidania
krite
nezavisno da
korisnika i1i od izvo
sliano. S
1 moguc:
izvodaca predvidanja,
izvedena na osnovu teh-
jumima.
1. tacnost (na kratak rok do 3 meseca: na srednji rok od 3 meseca
do 2 rok od 2 i. vise godina;
prelomnih tacaka;
3. za kakva se predvidanja primenjuju;
4. potrebni podari'
5. troskovi :
6. potrebno vreme za izvodenje predvidanja.
103
A. U grupu opstih kriterijuma za izbor metoda predvida
nja spadaju:
1. Kriterijumi koji se postavljaju od korisnika pred
vidanja
1.1. Prvi i najvaznij.i kriterijum za izbor metode pred
vidan.ia predstavlja cilj predvidanja, tj . sta zelimo postiCi i
kakva se namera pravi. Cesto izbor metode predvidania zavi
si od odluke koiu treba dQnf;ti. Ukoliko odluka ima strateski
karakter, utoliko ce biti potrebna fundamentalniia predvida
nja izvodena egzaktnijim metodama.
1.2. Drugi kriterijum su finansijska sredstva, .i er od
karakterapredvidanja - jednostavnijih ili fundamentalnijih
zaVllSl potreba za podacima i informaciiama, za koie su po
trebna veca finansijska sredstva .
1.3. TreCi kriterijum od ko]eg zavisi izbor metode pred
vidanja je kadrovski potenciial, od koieg zavisi sposobnost
primene odredene metode ili tehnike pred vidanj a.
1.4. Oprema je takode vazan kriterijum od koieg za
visi izbor metode predvidanj a.
B. Posebni kritcrijumi. U ovoi grupi postoii viSe pod
grupa krateriiuma :
1. Kriterijumi koji se traze od pripremaca
104
2.5. Specifican karakter metode predvidanja ima za
rezultat i specificno podrucie primene i resavanie problema
pri donoseniu odluka. Drugim reCima,ne postoie univerzalne
metode. Zato je potrebno poznavati karakteristike metoda, .ier
takvim nacinom odreduju se i specificna podrucia primene.
105
u
, pri
u vidu troskove
i slozenost kao veoma budueeg izbora me
toda.
i da subiektivne me
tode traze troskova i nisu tako slozene (izuzev delfi
-metode). Matematicke metode su kompleksnije u
sa i vece troskove.
106
kin s i regreSl]a, Scott J . Arms trong evaluira i rangira s aspekta
troskova za savladivan.ie metoda, stupnja iIi brzine razumlji
vosti i tacn osti pri predvidanju na kratak, odnosno qugi rok.
,,~
;:;0
::J
. . Cl E8 al
.:G I
~
.~
4>:: 'U) WJ alt;
al '"
E e ",,,,
]'."§ ~ ~ al.g '"
e'O e
al
eo", 2:l.o~
Metoda '>
0 .:£. .2.~~ rn.~ ~
Co '"
"-'e co aLE alC OC
.:G
Of" '"
e
'N
';:;2~8 ' 2~'c
cu,e, ..... E~
. ~N
~-:~ ~ ::: 2:! ~~
6
~~. ~ .~ 'g ? '0
al <.. 0>
0
...
E-<
...
p:J
::::1V
0.. ll.I)'O
~t::
I-<'~
Q) "'i::; OJ
t> o·~ (/J P. C .~
Li cni intervju 3 4 4 5 5 2
Intervju
telefonom 5 5 1 3 3 3 2
Upitnici postom 5 2 1 1 4 4 4
Delfi 4 2 3 2 4 4 4
Tradicionalni
sastanci 5 2 3 1 n ·a
Strukturirani
sastanci 2 4 2 5 1 n ·a 3
Grupni intervju 2 3 4 4 2 n ·a 2
Role-playi ng 2 3 5 3 2 n ·a 5
Tabela 5
Ta<::nost na
Metoda Troskov i Razum
kratak dugi
Ijivost
rok rok
107
Prihvatanje i upotreba alternativnih
metoda predviaanja (s aspekta pripremaca) Tabela 6
Upotreba me Koji po Koji ne
Metoda tode od onih kusavaju pokusavaju
koji je upot.
Misljenje ZlflJa izvrsitelja 89'% 89% 6%
Regresiona analiza '76'% 91'% 8%
Izravnjanje vremenske serije 75'% . 84'% 13%
Sale force composite 74'% 82% 10%
Indeksni brojevi 67% 85'% 33%
Ekonometrijski modeli 65% 88% 12%
N a mera potrosaca 57'% 78% 15%
Box-Jenkins 40% 71% 39%
108
n.ia zavisi od sledecih podkomponenata : iskustva u datoj ob
lasti i podrueju rada, intelektualnog nivoa, kreativnosti, zna
nja i sposobnosti za logieno rasudivanie (intuicije).
Cinjenice, podaci i informaciie, pripadaju proslosti, sa
dasnjosti i buducnosti.
Vremenski interval, kao komponenta,ie razlieit i moze
da se odnosi na proslost i sadasnj ost.
Metode predvidanja su sistematizovane prema klasifika
ci.iama u inostranoj i u jugoslovenskoj literaturi.
3.1. KlasifikaciJa metoda predviaan.ja u inostranoi lite
raturi: postoje brojne klasifikaciie metoda predvidania. One
se oslanjaju na karakter upotrebljenih podataka i informacija ,
na tehniku organiz0vanja predvidanja, na vremensku dimen
ziju za koju se odnosi predvidanje, na ekonomski horizont
koii se pokriva predvidanjem i drugo. Metodolosko drvo, kla
sifikacija metoda predvidanja cSotta J. Armstronga temelji se
na metodama upotrebljenim za analizu podataka. Klasifikaci
ja metoda za analizu podataka je organizovana sa tri na
stavka 89 :
William G. Sullivan i Wayne W. Glaycombe 90 klasifikuiu
metode u tri grupe, ito: kvalitativne tehnike, analiza vremen
skih seriia i proiekciia i kauzalne metode.
kauzaln e
bOOISlopi ng
--T- objeklivne
Pocni od osnove
Slika 8. Metodolo.sko drvo predviaanja
89 Isto. P 67.
90 Ibid .. str. 33-44. Potpuno identicnu klasifikaciju kao prethod
nu predlaz u: Chambers J . .John , Stainder K. Mullick. Donald D. Smith:
109
Kvalitativne tehnike. Upotrebljavaju se pre svega, u onim
situaci.iama kada su podaci retki, na primer: kada se prvi put
uvodi proizvod na tdiste. U ovu grupu spadaju delfi, trziSna
istrazivanja i istori.iska analogija.
Analiza vremenskih serija i projekcija su statisticke teh
nike koje se upotrebljavaju kada su duze vremenske serije 0
proizvodima ili proizvodnim linijama korisne i kada su odno
si i trendovi jasni i relativno stabilni. Takve metode su meto
da pokretnih proseka, metoda eksponencijalnog izravnanja,
Box-Jenkins, trend projekcije.
Kauzalne metode upotrebljavaju se kada su istoriiski po
daci korisni i dovoljni da se izvr'si analiza odnosa i meduzavi
snosti izmedu faktora koji treba da se predvida i ostalih fa
ktora. U takvom slucaju predvidac cesto konstruise kauzaLne
modele. U ovu ,grupu spadaiu sledeci modeli: model regresi-
ie, ekonometrijski modeli, namera kupaca, input-output mo
deli, vodeCi indikatori, analiza zivotnog ciklusa.
Ukoliko se metode odnose na predvidanje opstih ekonom
skih aktivnosti, upotrebljavajuci individualne varijabilne ali
kombinaci.iu njih, radi se 0 makroekonomskim metodama. Uko
liko se metode koriste za utvrdivanje interakcija izmedu in
dustrije, trzista i potrosaca, radi se 0 mikroekonomskim me
todama. 91
William Copulsky tehnike predvidanja generalno klasi
fikuie na 92 :
1. Nenumericke metode koje su zasnovane na kvantita
tivnim ocenama rasudivanja i iskustvima individual.1.ca.
2. Numeri6ke metode koje ukliucuju statistiku i mate
matiku.
An executives guide to forecasting, John Wiley and Sons, Inc., New
York 1974, koji tehnike predvidanja grupiraju u tri grupe, i to: kvali
tativna, analiza vremenskih serija i projekcija i kauzalne metode
(str. 42), a osnovne karakteristike su date na str. 43-70, i Tryhane
G. A. L. - Richard Hare Jr.: Forecasting, PUBLIC UTILITIES FORTH
NIGHTLY, vol. 90, No. 12, 1972, p.29.
91 Klasifikacija metoda na mikroekonomske i makroekonomske
je predlozena od strane Fisher 1. David-a: The corporate economist.
A researsh report the Conference Board, Inc., 1963. Opsirni,ie 0 vidovi
rna tehnika za makro i mikro ekonomsko predvidan.ie, 0 n.iihovom
rangiranju od strane 75 kompanija, 0 indikatorima upotrebl.ienim za
mikro i makro predvidanje, kao i s aspekta srednjorocnog i dugaroc
nog predvidanja, moze se videti na str. 7-12.
92 Copulsky William: Practical sales forecasting. AMERICAN
MANAGEMENT ASSOCIATION, Inc., New York 1970, p. 25-26.
110
Grupi nenumerickih metoda pripada.iu konsensus izvrSne
vlasti, procena menadzera proda.ie, istoriiska analogija, stay
industri.iskih eksperata, grupno miSl.ien.ie, ie dnostavna pro
porcionalna metoda i delfi metoda.
William K. Hall met0de deli na 93 :
Predvidanje na osnovu madela
- delfi·metoda
- analiti6ki modeli
- scenario-metoda
- simulacioni modeli Intrinsic modelj
- krivulje za izratavanje
-. vremenskc serijc
Extrinsic modell
- regionalni
- ckonometrijski
- inpUl - output
111
Metode naivne me-
pro
pro-
a) na o velicini
nih p::p':;mehr:;l:
kvantitativnih paTametara tehnickih
a kvantitativnih karakteristika
funkcionalnih karakteristika:
a podataka 0 efekLima
ocene kvaliteta funkcionalnosti tehniC··
kih sredstava:
1968, p. 43-76,
112
IT ~etode procene eksperata:
Delfi-metoda.
a) Logicki modeli :
IstorijSlka analogija,
- Metoda scenarija;
b) ~atematicki modeli:
- Staticki i probablisticki modeli,
- Ekonomsko-matematicki modeli;
v) Informativni modeli:
Na osnovu patentne diskusije,
nauke.
Matematicke metode:
a) Metode ekstrapolacije,
114
2. Metode rkonvergentnog usaglasavanja. Ove metode pro
gnozirania temelje se na sakuplianju, analiziranju i usagla
savanju odgovora na veliki broi odabranih eksperata po od
redenim pitanjima iz ob.1asti iz koie se zeli da se donese odluka.
3. Metode simulaciie. Ove metode temelie se na izradi
modela putem koieg primenom promenliivih simulise se po
nasanie sistema u celini.
MetCJde prognoziranja, mogucnosti plasmana postoieceg
proizvoda, podeliene su na!o2: metode iednofaznog prognozi
ranja, i metode dvofaznog prognoziranja mogucnosti plasma
na proizvoda.
U metode iednofaznog prognozirania mogucnosti plasma
na proizvoda ubrajaju sve one metode kod kojih se orognozi
ranje vrsi direktno za proizvode odgovarajuCig preduzeca, tj.
bez prethodnog sEgledavanja buduce ukupne potraznje od
govarajuceg proizvoda u drustvenim razmerima ... dok u
metode dvofaznog prognozirania mogucnosti za plasman pro-::
izvoda organizacije ubraiamo sve one metode kod koiih se po
stupak sastoii od dveju faza:
- u prvoj fazi naipre se prognozira ukupna drustvena
potraznja, a
- u drugoj fazi sagledava se ucesce preduzeca u zadovo
Ijavan.i'u te ukupne drustvene potraznje.
Prilozeni kriteriium, izvrsena klasifikacija i neophodna
obrazlozenja ne predstavljaju dovoljnu argumentaciju za na
vedenu klasifikaciiu metoda prognoziranja. Nairne, i pri jedno
faznom i pri dvofaznom prognoziranju mogucnosti plasmana
postojecih proizvoda koriste se iste metode. Odatle treba
praviti razliku izmedu velicine prostornog ekonornskog hori
zonta i postupka sprovodenja prognozirania, a ne i izmedu me
toda predvidania.
U literaturi nema sistematizovanije klasifikacije metoda
predvidanja, te ce ovde prezentirana sistematizacija metoda
pred vidanj a.
100 Dr RadmiJa Stojanovic: Planiranje u samoupravnom drustvu,
Savremena administracija i Institut za ekonomska istrazivanja, Beo
grad 1976. str. 115 .
10) .IJ:-p .IJ:HMHTpHja HOBa'leBcKH: HHTYUTU8HU MeTOou 3a nOOlOT8Y
BaThe Ha O.IUIYKH H nporH03Hpalbe. noceOHO 3a .ueJI(pH-npou;e.uypaTa. fo
.uHlliHHK Ha EKOHOMCKHOT ¢aKynTeT - CKonje. TOM XXI. 1978. CTp . 150.
102 Dr 2ivojin Peric: Planiranje i poslovna politika OUR-a, Sa
vremena administracija, Beograd 1977, str. 169.
S*
115
Klasifikacija metoda predvidanja, kao
nje zasnovano je na tehnici a
vidanja kao osnovnog kriterijuma, a kao
vi u kojima se primenjuju metode
sifikaci,ia metoda predvidan.ia, je
sledeca:
I Intuitivne (kvalitativne) metode. 1. Individualno
vidanje - geniie, 2. Committee (panel 3.
vodna metoda, 4. Individualno misljenje eksperata, 5.
6. Anketiran,ie, 7. Vizionarsko predvidan,ie, 8.
(synectics, toteral thinking, stratight
buz group, operational creativity, stimulating supervision),
10. Delfi: (Probes, cross-Lmpact matrix, cross-support
11. Utopiia, 12. Scenario, 13. Namera kupaca, 14. Time
contrxual mapping, 15. Analogija
istorijska analogija), 16. Morfoloska analiza:
18. Pattern 19. Drvo relevantnosti 20.
faktora za i protiv (bez teZinskih brojeva, sa tezinskim bro
21. Interakciia kroz sinopsis.
II Metode na statistici i analizi:
1. Metoda kvadrata 2. Procentne pmjekcije 3. Trend
ekstrapolacija, semi
(jednostavni zbirovi
pokretni prosek), 5.
Census Bureau
9. Leadin.~
metode: a) normativne
zaliha), b) Mate
krive rasta (1. Krive rash
3. Krive rasta
i dr. 5. Ekspo
rasta: (1. Modi
3. Com
Envelope curve,
Dvostruka eksponencijal
: (1. Stohasticko pro
3. Parabo
116
programiranje, 5. Dualni
8. Simulacio
kod metoda
statistickoj analizi se na
metode
da bi se
i kada
Kod
u tome se vrsi
retsko prikazivanje proucavanja.
Poseban statistickih od
kvantitativnih statistick a analiza
zasniva masovnih po
i da stohastlcke veze i odnose, dok kvantitativ
ne funkcionalne odnose putem postavlja
117
GLAVA VIII
118
kolektiva U13, zavisi od sledeCih preduslova: unutrasnjeg siste
ma informacija, istrazivanja, precividanja, demokraticnosti u
procesu planiranja i od procesa pripreme i donosenja odluka.
U stranoj (zapadnoj i istocnoevrapskoj) i domacoj litera
turi srecu se divergentna stajalista u pogledu razlikovanja
pojma, saddine i znacenja (sustine) kako predvidanja takode
i planiranja. Pitanje medusobnog odnosa predvidanja i plani
ranja u ekonomskoi literaturi - stranoj i domacoj - takode
niie najdecidnije objasnjeno. Radi toga stajalista 0 medusob
nom odnosu izmedu predviaanja i planiranja bice sistemati
zovana u dve grupe, kako bi bilo omoguceno sagledavanje
su'stinskih razlika izmedu pojedinih u domacoj i stranoi lite
raturi autora 0 savremenim privrednim sistemima, ito:
119
drugim stajalistima, predvidanje upravljacka,
naucna struma delatnost se od Predvi
jedan od najneophodnijih i veoma vaznih, delova
procesa Podaci i sa tdiSta gotovih
Pl'oizvoda usluga i rezultati nezavisno promenljivih
ra sluie kao a prognoze kao osnova
izradu se sa
izmedu njih treba da
tekucih aktivnosti. 9).
iliaz,
"tisle
pfoizvodni resufsi gotovl proizvodi
resursi proces proizvoda
promenljive:
nacionalni prosperitc!
planova
Slope lahi
Navescemo prema
potrebno za promena, u protivnom, ako
se promene dogode kada nisu rezultati mogu
biti kobni. Svako preduzece priprema se za promene pZanira
trazi predviaanja. Postavlianie
temelii se na predviaan.iu i odredivaniu nacina kako ce se
J05 Wood Doug Robert Fildes: Forecasting and business:
METHODS APPLICATIONS, Longman, London 1976, p, 10-11.
120
ciljevi postiCi. Ukratko, predviaanje predstavlja inteqralan
deo procesa planiranja. Ili dalje ... predvidanje je upotreblje
no na nacin koii tendira da smanji potrebu za planiranjem. 106
Neosporna je cinjenica da nema efikasnog i racionalnog
planiranja razvoja i rada bez prethodnog predviaanja . Drugim
recima, onaj koji planira mora i da predviaa planiranje. Me
autim, upotreba predviaanja kao supstituta planiraniu je po
gresna i odgovara konceptu prema kojem ;e planiranie pri
menjeno podrucje. .
o odnosu izmeau predviaanja i planiranja, ti. da li plani
ranje ima primat nad predviaanjem iIi predviaanje ima pri
mat nad planiraniem, u ekonomsko; literaturi socijalistickih
zemalja-clanica SEV-a postoje divergentna stajalista. Na os
novu visegodisniih diskusiia 0 odnosu izmeau planirania i
predviaanja, mogu se izdiferencirati tri stajali'Sta W7 :
1. da predviaanje nije samostalna aktivnost i da je sa
stavni deo planiranja;
2. da je prognoziranje vazna predplanska etapa;
3. da su predv~aanje i planiranje ravnopravne samo
stalne aktivnosti.
2. Predvidan.i e i planiranje u jugoslovenskoj literaturi
Sistem planiranja u Jugoslaviji prodire u novu, trecu po
redu razvojnu etapu, temeljiCi se pri tome na specificnim os··
novama , koje traze nov prilaz planiranju . Specificnos t osnova
ogleda se u drustvenom vlasnistvu sredstava za proizvodnju,
samoupravlianju radnika u proizvodnji i raspodeli drustve
nog proizvoda u osnovnim i ostalim organizaciiama udru ze
nog rada, kao i u drustvenoj reprodukciji u celini i na slobod
nom udruzenom radu. Meautim, njegovo funkcionisanie je
zav isno od samoupravnih sporazuma i drustvenih dogovora
kao osnovnih instrumenata za regulisanje samoupravnih od
nosa u drustvenoj reprodukciji.
Samoupravno planiranje je instrumen t udruzenog rada
sa kojim se razvijaju i realizuiu socijalisticke samoupravne
sn2ge i produkcioni odnosi. Samoupravnim planiran;em rad
nicka klasa ob ezbeauje ekQnomsku i drus tve nu kontrolu nad
celinom drustvene reprodukcije (nad uslovima, sredstvima i
106 Gross W. Cgarles - Peterson T. Robin: Business forecasting,
Hougton Mifflin Company, Boston 1976, p. 4-5.
I(JI Prema dr Radmili Stojanovic: Planiranje u samoupravnom
drustvu, Savremena administraci ja i Ins titut za ekonomska istraziva
nja . Beograd 1976, str. 99-10l.
121
ostvarenje prava za rad sredstvima za pro
radu tim od
nosno
razuma i o osnovama
Presudan uticaj na
i
osnovama plana
nova i meriJa za
stava za Hene dohotke, 0
nim i drugo.
odnosa
vrsi se
zumima ° osnovama
i osnovni instrument samoupravnog
osnovni metod zadataka na
svim nivoima udruzivanja rada i sredstava drustveno-eko
nomskih odnosa ostalih odnosa i interesa u
drustvenoj i instrument svesno,g
dru.stvenog
o osnovama
stavlja proces koji samou pravne
osnovama i
stveno-ekonomski i samoupravni proces sa
interesa naeinom
in teresa.
Postupak koalicije in teresa je otezan
sto: ucesmcl u dolaze do razlieito
sagledanih intere§a (momentanih iIi dugoroenih), 0 sporazu
mevanju razlicita (parcijalna, kom
pleksna), rezlicite argumente, razlicit informativno
vremenski determinisane slieno.
Polazeci od ovakvih odnosa u
vne su konfliktne zbog
rativ pre sa-mog sporazumeva
nja, To ce se postiCi ako se pri kreiranju razvojnih i
interesa neki razliCiti po prirodi
(interni iIi N ezavisno od karaktera, oni su sledeci:
celina treba da bude homogena
Una, da postoji politika; sistem
122
vara.luca argumentacija; vremenski jedna,ko odredeni ciljevi
i interesi; razvojna politika zemlje; istrazivanje; predvidanje;
varijantan prilaz u pripremi elemenata sporazumevanja 0 os
novama plana.
Od stupnja predvidanja zavisi i kvalitetan proces spora
zumevanja, minimiziranje konflikata, s jedne, i efikasno i
racionalno sporazumevanje, s druge.
U jugoslovel!skoj literaturi ekonomsko predvidanje s
mikro aspekta nije na zadovQljavajuci nacin teorijski i meto
doloski apsorbovano i razradeno, pa odatle i medrusobni od
nos izmedu predvidanja i planiranja. U pogledu pomenutih
odnosa, u domacoj ekonomskoi literaturi primetne su pocetne
diskusije. Na osnovu koncepcijskih prilaza. kao i rezultate do
kojih se doslo u tim istrazivanjima evolutivnim putem. te
oretskim i prakticnim eksplikacijama odnosa izmedu predvi
danja i planiranja mog'll biti sistematizovani u sledeee diver
gentne grupe: da predvidanje prethodi planiranju, i obrnuto,
da predvidanje inkorporira planiranje, da je predvidanje je
dna od faza planiranja, da se planiranie identifikuje sa pred
vidanjem, da su planiranje i predvidanje samostalne aktiv
nosti. .
Pitanje da Ii je primarno predvidanje i da iza njega sledi
planiranie prodaje, iIi najpre planiranje, a na osnovu njeg3
oredvidanie prodaje, nije uvekiasno. Prema misljeniu Draga
Kotnika, lOB ako na triistu postoji velika mogucnost ekspanzije,
tada vazi nacelo: planiran.ie prodaje prati predvidan.ie proda
je, a to odlJovara nacelu stvaran.ia trzista. Ako je trziste u od
redeno.i meri zasiceno, tada ce posto.iece stan.je verovatno
predstavl.jati izlaznu tacku planiranja.
Ovakvo staialiSte i odnos izmedu predvidanja i planira
nja, makar i prodaje, ne moze se prihvatiti. Bez obzira na ka
rakter i 8Jpsorpcionu moe tdista, trzista u ekspanziji iIi zasi
cenog tdista, prognoziranje prodaje uvek prethodi .planiranju
prodaie.
Medusobni odnos izmedu predvidanja i planirania pro
ucava se i sa sistematskog aspekta . Tako, bez razlike sta pod
razumevamo pod pojmom plan, ipak sistem proqnoziranja,
leao sastavni elemenat upravl.jan.ja,je iznad sistema planira
nja, kojije nesto stoie spolja dato i za sto se mora voditi ra
tuna 7Jri izradi plana. TOO
108 Dr Drago Kotnik: Prodajna politika, Informator. Zagreb 1971.
str. 35-56.
109 JJ:-p JJ:HMHTpHje HoSaqeSCKH: V 800 80 reopujara I-la CuCTeMU
're co oCl-loeu Ha lCu6eplierUKara OCH08U I-la npa6/leMarUlCara l-La ZO/le
123
Ili, predvidanje kao aktivnost je jedna od faza planira
nia, ti. predvidanie je predplanska aktivnost a odatle se pred
vidanie smatra pas.ivnim planiranjem.lIo
Za ilustraciju medusobnog odnosa izmedu predvidania i
planiranja, u cetvrtoj grupi bice date tri definicije. Planira
n.je, odnosno donosenje planova preduzeca, obuhvata stvari
vezane predviaanjem buducih zadataka preduzeca i predviaa
nje uslova u kojima ti zadaci treba da se izvrse. '"
Ili, pod planiraniem u najsirem smislu reci podrazumeva
se usmeravanje odreaenog sistema prema ieljenim 7'azvojnim
ciljevima. Planiranje obuhvata z bir aktivnosti i mera kojima
se defin.ise - predvida i realizuje - buduca struktura i di
namika odredenog sistema. To .ie misaoni proces proiektova
n.ia buduceg ponasanja i razvoja odreaenog, pre svega organi
zacionog sistema. Drugim reCima, planiranje .je odredena me
todika predvidanja i ostvarenja buducih razvojnih mogu
cnosti. 1I2
U najsirem smislu reCi, pod planiranjem podrazumeva
se takva misaona aktivnost coveka koja je usmerena ka pred
viaan.ju, odnosno prethodnom sagledavanju p7'edmeta, sub
iekata, sredstava, naCina, vremena, mesta i rezultata neke bu··
duce realne aktivnosti, sa ciljem njenog svesnog regulisanja
i 7'acionaliziran.ja. 1I3
Prema dr Radmili Stojanovic, ako se planiranje shvati
kao opstedrustvena delatnost i ako se kao glavni zadatak pla
na prihvati relativiziran.je lwnflikata kod razvojnih ciljeva, i
ako se plan uzima kao drustvena koalici.ia, tada se prognozi
ran.ie .iavIja, takoae, kao odreaena r elativno samostalna dru
stvena aktivnost.1I4
Na osnovu ovih definicija, koje na d.irektan ili na indi
rektan nacin obraduju medusobni odnos izmedu predvidania
MUU eU:OHOMCU:U cucT e,wu), CCMM npH EKOHOMCKHOT ¢aKynTeT BO
Clconje. 1980. CTp. 237-238.
110 Dr Radoslav Senii' i drugi : op . cit. , str. 189.
IIJ Dr Stevan Kukoleca: Osnovi ekonomik e i organizacije podu
zeca, Informator, Zagreb 1966, str. 239 .
112 Dr Vojislav Bozic: Sistem planiranja u udruzenom radu,
Savremena administracija, Beograd 1980, str. 3.
113 Dr Zivo.iin Perie: Planiranje i poslovna politika OUR-a, Sa
vremena administracija, Beograd 1980, str . 3. Pri determinisanju su
s tine, autor pravi pokusaj da razgranici kategorije planiranja , pred
vidanja (u uzem, odnosno sirem smislu reci) i prognoziranja. Medu
tim, pri determiniranju sustine predvidanja, i sam konstatuje da
ovako shvaceno predvidanje, koje se ustvari identifikuje sa planira
njem, cesto se susrece u svakidasnjoj praksi ...
lJ4 Isto: op. cit., str. 100.
124
i planiranja u savremenim ekonomskim ,s istemima, mogu se
formulisati sledeee konstatacije:
1. Iako se predvidanje i planirnje, kao naucne delatno
sti i procesi vee duze vremena primenjuju u ekonomskim
istrazivanjima i literaturi, jos uvek ni.ie definitivno rasCisee
no pitanje medusobnog odnosa pomenutih kategoriia. U pri
lC',g ovoj konstataciji govori bro.inost i raznovrsnost definiciia
koje se odnose na ra:zrrnatrano pitanie. Nesumnjivo, pomenuta
broinost i raznovrsnost definicija ukazuie na cinjenicu da se
radi 0 odrediva:nju sustine veoma slozenih i dinamicnih kate
gorija.
2. U odredenim slucajevima integracija predvidanja i
planiranja ogleda se u koordinaciji vremenske meduzavisno
s ti i uslovlienosti u fazi izrade plana i u fazi njegovog ostva
renja, sto nedvosmisl eno ukazuje na kontinuira:n karakter
naucnih i prakticnih d ~ latnosti.
3. Nezavisno s kog aspekta se prilazi medusobnom od
nosu izmeau predvidanja i planirania, u zavisnosti od duzine
vremenskog perioda za k oji se odnosi predvidanje, odnosno
planiranie, u zavisnosti od mesta [Jredvidanja u planiraniu
(izradi, donosenju i ostvarenju cil.ieva, politiika i planova), u
zavisnosti od prostorne koordinasiie, iIi u zavisnosti od obu
hvatnosti, sva staiaIista su parciialna, jer obuhvataiu sarno
odredene aspekte proucavanja kompleksa odnosa izmedu pred
vidania i planirania.
4. Pri obradi medusobnog odnosa izmedu pred':lLOania i
planiranja dominira sadrza.ian prilaz ovom pitaniu koie ob
jasnjava pitania: zasto sluzi i sta se predvida u proc~ s u pla
niranja?
5. Medusobni odnos izmedu predvidanja i planiranja
proucava se u sirem smislu, a to ?: naCi da je predvidanje vazna
etapa i predplanska aktivnost, da je predvidanje funk<;ija pla
niranja i daie predvidanie vazan planski input.
6. U .i ugoslovensk o.i Ii tera turi dominira stav prema ko
jem se planiranje identifikuie sa predvidaniem i prognozira
njem, da planiranje ima za zadatak da predvida buduee za
datke i uslove privredivania, da .ie planiranie metodiJka pred
vidanja razvoinih moguenosti, iIi da planiranje predvida me
sto neke realne aktivnosti.
7. Na osnovu do sada predstavljenih divergentnih sta
ialista i zakljucnih razmiSlianja i prilaza ovom pitanju, moze
se konstatovati da su predvidanie i planiranje samostalne
125
razlicite po svojoj sulstini (pojmu, sadrzaju i zna
prema nameni predvidanje je u funkciji
za kvalitetno i racionalno planiran;e 1 sporazu
ek
zavisnosti iz
i
i planiranja raz
i planiranje, kao procesi i kao misaone i de
upravljanje.
obavljane delatnosti, koje se
kontinuelne readaptacije prognoza,
i planova. Slicnost izmedu
i prema duzini vremenske na os
novu podele na kratkorocno dugorocno odnos
no
Pored slicnosti, izmedu
i razlike.
Predvidanje je predplanska aktivnost
konkretne zadatke i ima za rezultat
delatnosti faktora privredivanja i
ravane akcije. Planiranje postavlja
svakog nosioca planske delatnosti u
Planiranje ima za rezultat ciljeve kao
litike kao usmeravanje odluCivanja 0
nje poslovnih funkciia i kao kvantitativne i kv_aJitativ
ne dimenzije ciljeva, odnosno i kao sredstva za akci
i instrument za vrednovalJie rezultata rada.
Za razliku od
ducem ambijentu i ishodu
ciljevi, politike i
kadrovski, slieno.
Plan ne moze alternativne nacine
va i u datim uslovima
vania.
neizvesnost
to.i osnovi
u tako prognoziranom
Predvidanje otkriva
mogucnosti obrazlaze
126
bora i sluzi kao osnova usmerenja odlucivania 0 ciIievima,
politikama i planovima, dok planiranje usaglasava razvojne
moguenosti saglasno elemen~ima proizvodnje, rada, sr:edstava
rada i predmeta rada.
S druge strane, planiranje usmerava predvidanje, odre
duje sta ee se predvidati, za kohki period u buduenosti treba
oredvidati, kakva treba da bude ocekivana tacnost i potreb3.
za istrazivanjem u buduenosti i slicno.
Progno.za daje info.rmacije a do.kazivanju resenja i izbo.TU
mera upravljan.ia. Ona karakterise mo.gucno.st, na jedan ili
na drugi nacin, na razvoi u buducno.sti, a u planu .ie sadrzano.
resenje ko.je ce se od mogucih realizovati u drustvu.1l5
Analizira li se i dalje medusobni odnos predvidanja i pla
nirania, treba podvuei pravni karakter planirania kao instru
menta svesnog usmeravanja i usaglasavanja razvoja, a pre
svega njego.ve zakonske snage. Planiranje je obavezno za sve
subjekte u drustvenoj reprodukciji. Predvidanje nema takvu
snagu. S obzirom na usmeravacki karakter predvidanja u vezi
cinienice da je ~redvidanie vodic planiranja, tada to obelezie
ni.i e pravne prirode, vee ono odrazava objektivne zakonitosti
u razvoju pojava i dog~daia.
Dalje, prognoziranje ne postavlja zadatke, ono niie ogra
niceno u prostoru i vremenu, prognoza nije zamena za plap',
ona .ie osnova zapripremu plana, ona jeiedna od moguCih
variianti ishoda pojave.
Od duzine vremenSikog perioda za koji se predvida i pla
nira, zavisi tacnost pri predvidanju i moguenost uspesnijeg
uspostavljanja skladnih proporcija u materijalnoi proizvod
nji. Odnos izmedu vremena za koje se predvida i planira i
tacnosti kao funkcije vremena nalazi se u proporcionalnom
odnosu . Ukoliko period za koji se predvida .ie kraei, prognoza
se karakterfse relativno visokom tacnoseu i verovatnoscu na
staianja, utoliko ce i planiranje biti efikasniie i realnije, i
obratno.
127
bude ponudena ~ brojnim metodama predvidanja. Zato ana
liticar treba da ~na koj~ metode postoje, koj e su osnovne ka
rakteristike metoda, kriterijume za izbor najadekvatniie me
tode, kakvu tacnost obezbeduje svaka metoda, raspolozivo
vreme za sprovodenje predvidanja, troskove savladivanja i
primene metoda i slicno. S drug:e strane, predvidanie ima za
cili da planiranie ucini infor misanim (da obezbedi anticipa
tivne podatke i informacije), racionalnim i egzaktnim.
Nece biti prejako ako se kaze da se citava korist od pro
ce ne spoljnih i unutarnjih faktora privredivanja moze obe
zbediti sarno ako se predvidanje integrise sa planiraniem, ti.
da predvidanje predstavlja podfunkciju planirania. Predvida
nje u f\.mkciji planiranja moze biti povezano putem vremen
ske i prostorne integracije.
Vremenska integracija izmedu predvidanja i planirania
treba da postoji u obuhvatnosti uslova privredivania i plani
ranja aktivnosti organizacije na odredenom prostoru.
Predvidanje je kljuc uspesno.g planiranja, Predvidac ima
ulogu arhitek'7cl. u planiraniu. Pre:ividanje je osnovno sred
stvo planirania. Za argumentaciju vaznosti koju ima predvi
danje u procesu planiranja posluzice nam sledeCi rezultati
dobiieni istrazivanjima sprovedenim u industriji Velike Bri
tanije.
128
treba navesti cinjenicu da ni jedna kompanija u urpitniku nije
odgovorila da pred vidanje uopste nije vazno pri planiranju
aktivnosti u kompaniji.
Od onih kompanija koje su se izjasnile za relativno vi
soku vaznost predvidanja u procesu planiranja, 9% smatra
da je najvazniji elemenat, 54% smatra da je predvidanie dosta
vazan elemenat u procesu planiranja i 27% smatra da je
predvidanje jedan od brojnih podjednaJko vaznih elemenata
(Primus inter pares) .
U prvu
korelacija i
metoda,
ziri-rukovodilaca, metoda
laca prodaje i
metoda pokretnih pro
metoda
ciklusa pro
analiza, delfi
model rasta.
130
METODOLOSKI ASPEKTI
PREDVIDANJA
9*
GLAVA IX
DELFI-METODA
133
teoretske osnove, a sredinom XX veka su metodolosko-orga
nizaciono oformljene.
Opste poznata je konstatacija prema kojoj se kvalitativne
metode predvidanja primenjuju u onim sluCajevima kada se
ne mogu primenjivati statistieke i matematieke metode pred
vidanja. Konkretnije, u slucajevima kada se ne raspolaze do
voljnim einjenicama (podacima) za primenu statistiekih i mate
matiekih metoda. Dalje, kada postoje podaci, pa ipak se ne
mogu primeniti statistieke i matematieke metode zbog karak
tera pojave, pojave na energetskim izvorima i slieno. Intuitivne
metode predvidanja, takode, koriste se kada treba utvrditi suk
cesivne razvoje u odredenoj oblasti ill grani (razvoj automa
tizacije), implikacije takvog razvoja (nuklearno zraeenje), trans
fer tehnologije, supstituciju proizvoda, usluga, proizvodnih li
nija i slieno.
Osnovni nedostatak ove grupe metoda predvidanja je pre
teino subjektivnog karaktera kao rezultat liene informativne
baze. Nije iskljuceno da kao pomocne metode predvidanja budu
ukljucene neke od statistickih metoda prikupljanja, srediva
nja i obrade, radi olaksavanja raeuna i objektiviziranja re
zultata.
Tradicionalna, mnogo primenjivana i najjednostavnija me
toda za postizanje konsensusa izmedu eksperata, je diskusija na
okruglom stolu. Medutim, ovaj postupak podleze kritici, ima
juCi u vidu einjenicu da je rezultat sklon da bude kompromis
izmedu divergentnih videnja pod uticajem psiholSkih faktora.
NajveCi uticaj ima pretpostavljeni autoritet, dominantna indi
vidua, nespremnost za napustanje polaznih pozicija, grupni pri
tisak za konsE'nsus i, na kraju mogucnost da irelevantni fak
tori zasene relevantne.
Najsofisticiranija intuitivna metoda je delfi-metoda, koja
je razvijena radi eliminisanja face to face konfrontacije putem
individualnih ispitivanja eksperata upitnicima. Ta ispitivanja
ukljucuju i feed back informacije i misljenja izmedu ekspera
tao Na takav naein, klasicni metodoloski pristup predvidanja
buducnosti zamenjen je grupnim ekspertnim misljenjem.
134
na pitanje: Kakvi bi bili efekti eventualnog nukleamog napa
da na glavne gradove u SAD? Danas polje primene prosiruje
se i na ekonomska istrazivanja. Delfi-metoda je primenjena za
predvidanje naucnog i tehnoloskog razvoja u biologiji i fizici,
za predvidanje prodaje elektronskih proizvoda, za procenjiva
nje trendova u ekonomiji, za razvoj medicine, za procenjiva
nje drushrenih promena, za efekte zaposljavanja, razvoj obra
zovanja, razvoj regulatornih procesa, faktora koji uticu na
okolinu, u bibliotekarstvu, razvoj tehnike robota i drugo.
U svim domenima primene, putem predvidanja buducih
dogadaja, delfi-metoda je upotrebljena za unapredenje postup
ka pri formulisanju i proceni altemativnih strategija razvoja.
Pitanje 0 pionirima, osnivaCima delfi-metode, nije do kra
ja reseno. Prema jednoj grupi autora, teorijske osnove date su
od Olafa Helmera, i Normana Dalkeya. Prema drugoj grupi
autora, najodgovomiji za razvoj delfi-metode su Olaf Helmer i
Theodor J. Gordon. Medutim, imajuci u vidu neposredne kon
takte sa delfi-metodom, moze se konstatovati da je pionir u
primeni delfi-metode Olaf Helmer, dok Theodor J. Gordon ima
zasluge u njenom sirenju i modifikovanju.
Delfi-metoda je jedan od nacina sistematskog sakupljanja
i kombinovanja individualnih oeena 0 ishodu pojava u ekonom
skom horizontu do postizanja prihvatljivog konsensusa. Motiv
za pojavu delfi-metode je potreba za prevazilazenjem slabosti
licem u lice konfrontacija izmedu Clanova panela, a sacuvanje
postulata grupnog ekspertnog predvidanja. Delli-metoda jeste
set postupaka sistematskog trazenja ishoda pojave bez nepo
sredne grupne diskusije. Ovo se potize upitnicima kojima se
anketiraju i rafiniraju miSljenja grupe eksperata upotrebom
anonimnosti, iterativnosti u odgovorima putem serija upitnika
dopunjenih informaeijama i povratnim misljenjima do posti
zanja konsensusa.
3. Karakteristike delfi-metode
135
2.
ek
procesa.
da tehnika ima tri karakteri
ima vise od runde i obez
nim
em Clana
tativno sadrzano u odgovoru.
Pored osnovnih karakteristika od
sustine i ove mogu se navesti ;:'H;Ut,.. ",
L delfi-metoda se
nju ishodn
2.
delii-metode
postupka kroz
misljenja;
interdisciplinaran predvida
4. Problemi u
136
pravilne identifikacije i resavanja problema zavisi tacnost pri
predvidanju. Problemi, po svojoj prirodi, imaju organizaciono
-metodoloski karakter. Tako, na primer, problemi se javljaju
u vezi sa pitanjem 0 ekspertima, anketnim upitnicima, brojem
rundi, kao i grupom za sprovodenje delfi-metode.
Najvaznija pitanja vezana za eksperte jesu broj, struktu
ra i kriterijumi selekcije respondenata . Neka stroga pravila za
odredivanje broja i strukture eksperata koji hi trebalo da uzmu
ucesea 1l delii proceduri ne postoje. Njihov broj i struktura za
vise od predmeta predvidanja, vremenskog horizonta, kao i na
mene predviaanja, za donosenje taktickih ili strateskih odluka.
U razlicitim studijama 0 predvidanju delfi-metodama predlo··
zeni su razliciti kriterijumi koji su po svojoj prirodi viSe kvali
tativni, a manje kvantitativni. Pri izboru eksperata treba uzeti
u obzir sledeee kriterijume: iskustvo u datoj oblasti, stupanj
obrazovanja, odgovornost, autoritet, znanje i druge. l22
Drugi organizaciono-metodoloski problem je vezan za an
ketni list. Pitanja treba da budu jasna i nedvosmislena. Pozelj
no je da se pri sprovodenju ankete da uputstvo, obrazlozenje
o nacinu popunjavanja upitnika. Pri anketiranju miSljenja eks
perata treba dati i moguenosti za varijantne odgovore, sa ciljem
da se poboljsa efikasnost pri predvidanju ishoda pojave. Pri
tome moguei su optimisticki i pesimisticki varijantni odgovori
za nastajanje prognoze.
Pitanje 0 broju rundi vee predstavlja ozbiljan metodoloski
problem. Broj rundi zavisi od misljenja eksperata, s jedne stra
ne, i od zeljenog konsensusa , s druge strane. Vreme trajanja
rundi, a narocito ukupno vreme od pocetka do zavrsetka pro
cedure, treba da bude sto kraee, jer mogu nastati promene u
uslovima pod kojima rade eksperti.
137
-metode treba da odrazava specificnosti konkretnih primera.
Pa ipak, moze se identifikovati opsti postupak primene delfi
-metode ilustrovan primerom unapredenja urbane sredine.J23
138
ordinira rad, preduzima konkretne akcije za organizovanje,
sprovodenje, obradu i analizu rezultata anketiranja eksperata.
Donosioci odluke treba da donesu zakljucke 0 studiji. Oni
treba da imaju aktivnu ulogu u procesu obezbedenja komplet
nog razumevanja slucajeva koji vode na konsensusu. Clanovi
staba pripremaju, salju i obraduju upitnike i vrse preliminar
nu analizu rezultata.
Saglasno postavljenom cilju predvidanja, prikupljaju se
informacije 0 potencijalnim ekspertima koji bi trebalo da uce
stvuju u panelu. Na toj osnovi formira se lista potencijalnih
eksperata. Izbor eksperata vrsi donosilac odluke. Preporucljivo
je da pre pocetka delfi-procedure eksperti budu upoznati sa ci
ljem predvidanja i zatraziti njihovu saglasnost za ucesce u
predvidanju.
Metodoloski postupak primene delfi-metode naJcesce za
vrSava u tri runde, a za svaku rundu je svojstveno formulisa
nje upitnika, anketiranje individualnog miSljenja eksperata 0
ishodu pojave i statisticka obrada i analiza rezultata.
U prvoj rundi treba formulisati pitanja. Ona treba da bu
du jasno formulisana sa ciljem da se dobiju nedvosmisleni od
govori. Istovremeno, priprema se uputstvo respondentima. An
ketni upitnik kroz iterativni postupak menja oblik i sadrzinu.
Da bi se omogucila komparacija odgovora, usmeravanje odgo
vora na eksperte i prosirenje informativne baze, pozeljno je da
budu prilozeni podaci i informacije 0 dosadasnjem razvoju
pojave - u zemlji i u inostranstvu . Tako koncipiran anketni
upitnik dostavlja se ekspertima.
Kada se budu prikupili upitnici, zapocinje statisticka obra
da materijala od strane nosioca istrazivanja. U toku obrade
moze se ocekivati da vremenski rasp on nastajanja prognoze
nakon prve runde bude veCi. Vremenski raspon deli se na dva
jednaka dela. Ekstremni delovi sacinjavaju donji i gonji kvar
til (-25% i +25%) i interkvartilno podrucje (50%), koje pred
stavlja meru centralne tendencije.
U drugoj rundi, pri koncipiranju anketnog upitnika, res
pondentima se prezentira srednja vrednost i donji i gornji
kvartil. Ukoliko se neki od eksperata nalaze van medukvartil
ne zone, od njih se trazi da dadu naknadne argumente kao ob
razlozenje svog misljenja koje odstupa od misljenja u konsen
susu eksperata. Eksperti vracaju upitnike nosiocu projekta sa
kritickorn ocenom razloga i argumenata koji su neprihvatljivi
za eksperte.
139
Prispeli IApitniei statisticki se obraduju i komponuje se
nov, treei po redu upitnik, na kojem treba da budu prikazane
promene nastale u toku postizanja konsensusa izmedu prve i
druge runde. Takode, sistema tizovani argumenti druge runde
distribuiraju se respondentima za restepenovanje uzroka i od
govora za vreme nastajanja prognoze. Namera povratne spre
ge podataka i informacija u treeoj rundi je da se rafiniraju mi
sljenja eksperata, sto ee rezultirati konvergencijom, smanje
njem raspona proeena, kao i dobijanjem sto tacnijih prognoza.
Postignuti konsensus ustvari predstavlja miSljenje najveeeg
broja eksperata 0 srednjoj veliCini. Srednja velicina predstavlja
zajednicko miSljenje, najrealnije ocekivano vreme nastajanja
ishoda pojave.
Nakon zuvI'setka procedure, nosilae projekta treba da su
mira konacne empirijske rezultate studije.
140
Treci naCin statisticke obrade podataka je analogan dru
gom, s tom f<.lzlikom sto se ovde odgovori daju alternativno. Pri
tome treba odrediti jednu od alternativnih procena. U ovom
slucaju visina stuba zavisi od broja (u procentima) eksperata
koji su se opredelili za dato alternativno resenje. Najverovat
nija je ona alternativa za koju se izjasnio najveci broj ekspe
rata.
Obrada statistickog materijala moze se izvrSiti i prema
formuli obracunavanja ocekivanog vremena prema metodi
PERT. Individualno ocekivano vreme izracunava se:
a + 4m + b
(2)
6
b-a
O'i = (______ )2 (3)
6
gde je:
Ei = ocekivano vreme za svakog eksperta
O'i = disperzija
Za svakog eksperta izracunava se individualno ocekivano
vreme i disperzija.
Opsto ocekivano vreme, kao zbir individualnih vremena,
izracunava se kao aritmeticka srednja ocena eksperata prema
formuli:
n
1: Ei
j=l
(4)
n
1: Ni
i=1
i=l
2
O'i = - - - - - - - = [(EJ - Ei)2 - (E2 - EY
n
1: Ni
j=l
141
Disperzija koja ce se dobiti odreduje donju gornju gra
nicu, a iznalazi se iz ocekivanog vremena.
7. lvlodifikacija delfi-metode
7.1. Probes
142
bili su pitani 0 vaznim tehnickim dogadajima pO kategorijama,
zajedno sa sledeeim trirna procenama:
1. pozeljno (krajnje pozeljno, pozeljno, nepozeljno ali mo
guee);
2. izvodljivo (veoma izvodljivo, verovatno, neverovatno ali
moguce);
3. vreme nastajanja (godina u kojoj verovatnost nastaja
nja iznosi 20%,50% i 90%).
U drugoj rundi svaki panelist je snabdeven kompletnom
listom koja sadrii predvidene dogadaje u njegovoj kategoriji,
kao i one iz drugih srodnih kategorija. Panel-ucesnici svoju
paznju bi trebalo da usmere na to da svoja predvidanja u<::ine
konzistentnim u odnosu na vreme nastajanja srodnih dogadaja
po kategorijama.
U treeoj rundi razlike i nekonzistentnosti trebalo bi da
budu resene na individualnoj osnovi.
U Probe II bila je kompletirana lista od 2.100 dogadaja,
ali eliminisanjem nevazeeih i onih koji su se ponavljali, doga
daji su redukovani na 1.186.
Za obezbedenje efikasnosti planiranja, panel-Ideri su upo
trebili logicno mrezno planiranje tehnoloskih razvoja. Ovaj
mrezni dijagram je nazvan SOON (Sequence of oppotunities
and negatives).
143
lada verovatnost
/I.[{O se ovaj
dogodi E, El E, E,
!
E, ... .. t
E, . , . . . . . t t
!
EJ •••• , > •••
IIII -
E. " . .... .
IIII
Slika 11, I1ustracija matrice ukrstenih uticaja izmedu 4 dogadaja
8. Prednosti i nedostaci
kvalitetne i racionalne
144
delfi-metode predvidanja ishoda pojava. Prednosti metode su
sledece:
1. Osnovna i najvaznija prednost koja proizlazi iz same teh
nike je da su ucesnici u prognoziranju anonimni, sto omogucava
da se dobiju objektivni odgovori.
2. Delfi-metoda, kao intuitivan nacin miSljenja, stvara os
novu za racionalno i kvalitetno odluCivanje (grupno koncipira
nje osnove odlucivanja).
3. Iterativni karakter metode, putem razmene informacija
i podataka, omogucava korigovanje pocetnih stavova i misljenja.
4. Kombinovanjem intuitivnih grupnih misljenja kroz run
de poboljsava se tacnost predvidanja.
5. Kroz sukcesivnost rundi dolazi do izraza kreativnost ek
spera ta za iznalazenj e argumena ta za i protiv predloga ostalih
ucesnika u delfi-panelu.
6. U postupku primene delfi-metode koristi se interdiscipli
naran pristup u prognoziranju ishoda pojava, sto doprinosi po
vecanju efikasnosti predvidanja.
Pored pomenutih pozitivnih strana, delfi-metoda ima i ne
dostatke:
1. Osnovna slabost delfi-metode je subjektivni karakter
prognoza.
2. Od pocetka do kraja procedure prolazi duzi vremeski in
terval, u kome mogu nastati promene u faktorima privredivanja.
3. Nedostatak delfi-metode predstavlja subjektivni karakter
odredivanja stupnja znanja eksperata, s obzirom na Cinjenicu da
eksperti imaju razlicite nivoe znanja i informisanosti.
4. Postojanje parcijalne popustljivosti kod eksperata.
5. Kao nedostatak delfi-metode navodi se i oblik anketnih
pitanja. Nacin na koji se formulisu pitanja moze imati veliki uti
caj na odgovore.
6. Posebno vaZan nedostatak delfi-metode jeste nestabilnost
panel-Clanova. Nestabilnost panel-cIanova javlja se na dva ni
voa: na pocetku i u toku procedure. Za argumentaciju prvog vi
da nestabilnosti mogu nam posluziti empirijski rezultati dobi
jeni primenom delfi-metode u studiji 0 bibliotekarstvu. Prema
ovim rezultatima, od ukupno 47 izabranih eksperata saglasnost
je dalo 31.126
Nestabilnost panel-clanova u toku postupka primene je po
sledica, pre svega, produzenog vremena trajanja procedure. Za
argumentaciju i ilustraciju ovog vida nestabilnosti posluzice
126 Kemmington Don, p . 75.
---------
82 eksperata je
IS6 ucesnika u I rundi napustilo I[ rundu
74 uc esnika u [[ rundi
1 14 eksperata
je napustilo (.
,
II! rundu
,
60 ucesnika u [J[ rundi
146
GLAVA X
MULTIVARIJACIONA ANALIZA
147
tistieke metode primenJuJu se u slueajevima kada su podaci
dovoljni da bi se prikazale opste tendencije u razvoju prouea
vane pojave iIi izvrsila analiza odnosa i meduzavisnosti izme
du zavisno i nezavisno - promenljivih varijabli. K()d statistie
kih metoda predvidanja dominiraju einjenice u odnosu na ra
sudivanje, a istrazuju se varijable masovnih pojava za koje su
svojstvene stohastieke veze i odnosi.
Procenjivanja i rangiranja statistickih metoda predvida
nja, vrsena prema razlieitim kriterijumima, prema, taenosti i
duzini ekionomskog horizonta, troskovima menjanja odnosa
nezavisno promenljivih parametara u regresi()nom modelu,
razumljivosti i drugim, pokazuju da se ovi metodi pretezno
koriste za kratkorocna , a manje za dugoroenija predvidanja
(izuzev multivarijacione analize), verovatn()st nastajanja prog
noziranog ishoda je veca na kraCi nego na dub rok, lako su
razumljiva i slieno. Osnovna slabost statistickih metoda pred
vidanja ogleda se u tome sto je njihova primena zasnovana na
naivn()m postulatu 0 logienom kontinuitetu izmedu proslosti,
sadasnjosti i buducnosti, a ove metode su izuzetno soficistirane.
Drugi nedostatak je nemogucnost da se na zadovoljavajuci na
<':in predvide prelomne taeke u ekonomskim procesima. Metode
koje se zasnivaju na statistici i statistick()j analizi daju najbolje
rezultate kod pojava koje imaju evolutivan razvoj.
Razvoj masovnih pojava je determinisan vecinom faktora
koji imaju razlicite implikacije i pravac uticaja. Zato je najb()
lje da se varijacije pojava istrazuju i analiziraju u odnosu na
jednovremeni uticaj viSe faktora (nezavisno promenljive ve
lieine) sa namerom da se otkrije ukupan uticaj faktora na raz
voj pr()ucavane pojave (zavisno promenljiva velieina). Veze
izmedu masovnih pojava, koje mogu biti funkcionalne i sto
hastieke, najbolje je proueavati pomocu multivarijacione ana
lize, kao nedeterminirajuce statisticke metode analize vremen
skih serija, koja daje korisne podatke i informacije 0 kretanju
pojave, a koje mogu posluziti kao s()lidna osnova za srednjoroc
no i dugorocno planiranje razvoja i rada u preduzecima.
148
statistickih metoda predvidanja. Alogaritam primene multivari
jacione analize u praksi predvidanja ima sledeCi tok:
1. Definisanje problema. U prvoj fazi treba definisati pro
blem i dati odgovor na pitanje sta se zeli postici predvidanjem?
Drugim reCima, treba odrediti namenu predvidanja, tj. kakve
poslovne odluke treba doneti na osnovu predvidanja, koje su
osnovne pretpostavke, duzina ekonomskog horizonta predvida
nja, stupanj tacnosti i efikasnosti i drugo. Takode treba odre
diti moguce nezavisno promenljive parametre za koje se ve
ruje da su glavne determinante kretanja zavisno promenljive
velicine. Na kraju ove faze treba prikupiti istorijske podatke 0
zavisno i nezavisno promenljivim velicinama.
2. Izbor nezavisno promenljivih parametara regresionog
modela. Nakon formulisanja problema iz lepeze mogucih neza
visno promenljivih parametara, treba odabrati one faktore koji
su u neposrednoj vezi sa zavisno promenljivom velicinom, ko
ji neposredno determinisu evolutivni razvoj pojave u vremenu.
Izabrani nezavisno promenljivi parametri saCinjavaju jednaCi
nu modela regresije.
3. Testiranje regresionog modela. Odabrani faktori omo
gucavaju matematicku formulaciju regresionog modela i regre
sionih jednaCina koje na najbolji moguCi nacin odrazavaju kri
vu. Vremenske serije koje se odnose na kauzalne faktore tre
ba da budu testirane na dijagramu rasipanja sa ciljem da se
utvrdi pravac i karakter nezavisno promenljivih veliCina. Na
kon toga, treba primeniti regresioni model istorijskih podataka
i uporediti teorijske i empirijske podatke zavisno promenljive
veliCine, sa namerom da se utvrdi stupanj poklapanja i odstu
panja.
4. Izracunavanje koeficijenta visestruke korelacije. U ovoj
fazi treba utvrditi korelacionu vezu izmedu nezavisno i zavi
sno promenljivih parametara i izvrsiti kvantifikaciju stepena
njihove prilagodljivosti. Veca vrednost koeficijenta viSestruke
korelacije oznaeava vece kvantitativno prilagodavanje pojave.
Takode treba utvrditi do kog stupnja odabrani model regre
sije objasnjava kvantitativno prilagodavanje varijacija zavi
sno promenljivih velicina. U tu svrhu izracunava se standardna
devijacija regresije kao mere odstupanja regresionog modela
od empirijske linije.
5. Prognoziranje ishoda nezavisno promenljivih parame
tara. Prognoziranje ishoda zavisno promenljive veliCine po
mocu multivarijacione analize uslovljeno je prethodnom pro
149
gnozom ishoda nezavisno promenljivih velicina. Ishod nezavi
sno promenljivih faktora moze se dobiti brojnim metodama
predvidanja.
6. Prognoziranje ishoda zavisno promenljivih velicina. Ka
da bude utvrden stupanj kvantitativne prilagodljivosti modela
regresije i prognozirani ishod nezavisno promenljivih parame
tara, pristupa se prognoziranju ishoda zavisno promenljivih
veli<'~'ina u zavisnosti od duzine vremenskog horizonta.
150
LXJX2 = aLX2 + b2LXi + b 3LX2X3 + b4LX2X4 +
+ bs LX2XS (8)
151
kao metoda se na dva
lata :
(utvrdivanje meduzavisnih
17.507.110
- - ---- - - - - - (12)
N N 10
== 1.750.711
zavisno velicine izracunava se for
roulom:
(13)
N
dok
(14)
N
zamenom
5.645.199.388
G2j -------- = 564.519.938,8
10
802.150
Xl = ---- 80.215
10
~1
1.750.711
1
564.519.938,8
152
Dobijen koeficijent visestruke korelacije pokazuje da po
stoji veoma jaka korelacija, tj. zavisnost potrosnje detergenata od
nezavisno promenljivih velieina.
Prognoze l28 nezavisno promenlji vih velieina date su u ta
beli 9.
153
vane apriorne efikasnosti pri predvidanju u periodu 1978-1982.
godine;
2. U pogledu izracunavanja aposteriorne greske i tacnosti
na osnovu stvarnih podataka 0 kretanju zavisno promenljive
vdicine u periodu 1978 - 1982. godine.
Prosecna aposteriorna apsolutna greska u periodu 1968
- 1977. godine iznosi 901,3 tona, a obracun je izvrSen na osno
vu podataka iz tabele 10.
Individualni procenat apsolutne greske izracunat je prema
formuli:
Pl i = 100. (15)
154
Izracunavanje aposteriorne greske u periodu
1978-1982. godine za zavisno promenljivu velicinu
Tabela 11
Procenat
Stvarni Greska Apso- apso-
Prognoza
Godina podaci P-A lutna lutne
P greska
A greske
155
promenljivim
modelu
Tabela 12
Godina xl Xl X4 Xs
prosecan
podataka
potrosnje sredstava za
u visini od 18,75%, zatim kod prognozirane
sapuna, u iznosu od 10,78, i nacionalnog dohotka per capita
9,33%, dok neznatna kod prognoza ukupnog
stanovnistva u Jugoslaviji.
156
Rezultati primene multivarijacione analize konkretnog pri
mera predvidanja potrosnje detergenata na jugoslovenskom tdi
stu sarno potvrduju poznate konstatacije 0 njenoj efikasnosti na
srednji, odnosno dugi rok.
Konkretno, u posmatranom periodu 1978 - 1982. go dine
multivarijaciona analiza ima relativno malu gresku i relativno
visoku tacnost prognoze za period od pet godina.
Anticipativni podaci i informacije dobijene primenom mul
tivarijacione analize mogu posluziti kao solidna polazna osnova
za usmeravanje i usaglasavanje ekonomskog razvoja i rada pre
duzeca a i sire.
Medutim, u primeni muliivarijacione analize srecu se dva
osnovna potencijalna problema, koji istovremeno predstavlja
JU i slabosti pomenute metode. Prvi problem je poznat kao mul
tikolinearnost, koja oznacava postojanje visoke korelacije iz
medu nezavisno promenljivih velicina. Drugi potencijalan pro
blem je vezan sa promenama u odnosima izmedu nezavisno
promenljivih parametara, koje promene indirektno uticu na tac
nost, gresku i verovatnost nastajanja ishoda zavisno promenljive
velicine.
157
GLAVA XI
1. metode proseka
stvarne
se dobiti
razlicitih faktora.
158
U toku primene metode pokretnih proseka javlja se neko
liko metodoloskih problema koji imaju razlicit impakt na pred
vidanje, na odstupanje stvarnih od prognoziranih podataka i
na velieinu greske i taenosti. Dva su osnovna metodoloska pro
blema:
- odredivanje broja Clanova u pokretnom totalu;
- postavljanje dobijenog pokretnog proseka za Cije se re
senje u literaturi predlazu razliCite solucije sa razliCitom efi
kasnoscu u predvidanju pojava.
U vezi prvog metodoloskog problema, od velieine i (bro
ja perioda za izracunavanje pokretnog proseka) zavisi velicina
greske i taenost pri predvidanju. Ako se opredeli da n bude
veti (broj Clanova od kojih se trazi da pokretni prosek bude 5,
7 ili 9), pokretni prosek je manje osetljiv na promene, i obrat
no. Ako se izabere manje, n tada pokretni prosek bice osetlji
viJi na promene.
Odredivanje broja elanova zavisi od vise faktora. Pre sve
ga, izbor zavisi od prirode pojave predstavljene putem vre
menske serije podataka. Ukoliko vremenska serija ima manje
nepravilnosti, tada se uzima manja vrednost n, i obratno. Uko
liko se izmedu podataka u vremenskoj seriji primecuju vece
nepravilnosti, tada treba ukljuciti vise perioda od kojih se iz
raeunava pokretni prosek.
Drugi naein ukljueivanja broja Clanova u pokretni total je
putem simulacija, tj. da priredivac obraeunava pokretne pro
seke razlieitog broja elanova (3, 4, 5 iIi 7) sve dok se ne mini
mizira greska i da se na taj naein odredi optimalan broj Cla
nova od kojih ce se obraeunavati pokretljiv prosek.
Pri izboru broja Clanova od kojih ce se obraeunava ti po
kretni prosek postavljaju se dva pitanja, i to :130
1. Ocekujemo Ii da triiSte ostane stabilno ili ce se drama
tieno menjati?
2. Kakva je veliCina slucajnih fluktuacija triista?
Ako se triiste karakterise malim slueajnim fluktuacijama,
a oeekuju se rapidne promene u potraznji, manji broj Clanova
treba da se ukljuCi u pokretni total. Kada postoje iIi se oee
ku.iu velike fluktuacije, tada treba ukljuciti veci broj perioda.
Lokacija dobijenog pokretnog proseka u vremenskoj seriii
predstavlja drugi znacajan metodoloski problem, koji ima di
rektan uticaj na tacnost pri predvidanju i odstupanju izmedu
lJO Techniques for forecasting product, American Institute of Cer
tified Public Accountants, Inc., New York 1968, p. 6.
159
U zavisno
metodoloSka
1. medijalan
2. medijalan trenda diferenci
3. ekstremni
od parnog
slabosti.
160
2. Jednostav ni pokretni proseci
Najjednostavniji model kratkoroenog predvidanja je upo
treba jednostavnih pokre tnih proseka. Model jednostavnih po
kretnih proseka upotrebljava se za predvidanje pojava koj e,
predstavljene putem tipa podataka, imaju horizontalan razvoj.
J ednostavni pokretni proseci predstavljaju model vremenske
se rije.
Formula za obraeunavanje pokretnog proseka ima sledeCi
oblik :
Xl + Xl-I + Xt-2 + XI-3 + . .... + XI-n+1
Mt ---------------------- (17)
n
pri eemu
M t = pokretni prosek za period t,
Xt = stvarna velie ina vremenske serije u periodu t,
n = broj elanova ukljueenih u total.
Model jednostavnih pokretnih proseka bice upotrebljen za
predvidanje proizvodnje detergenata trog.odisnjim i petogo
disnj im pokretnim prosecima.
Predvidanje proizvodnje detergenata upotrebom
.i ednostavnih pokretnih proseka Tabela 14
Proizvodnja Predvidanje sa
Godina Broj de tergenata
peri oda u tonama n=5
n=3
1 2 3 4 5
1969. 1 13.462
1970. 2 15.291
1971. 3 12.576 13.776
1972. 4 11.343 13.070
1973. 5 12.161 12.027 12.966
1974. 6 14 .678 12.727 13.409
1975. 7 12.300 13.046 12.612
1976. 8 9.289 12.089 11.954
1977 . 9 10.672 10.754 11.820
1978. 10 10.034 9.998 11.394
1979. 11 15.422 12.043 11.543
1980. 12 16.095 14.184 12.302
Izvor: CTanl cTM llKM r o p,MWfbaK Ha CP MaKep,oHMja 3a 1981. rop,u
H 3, P e ny6ml4KH 3 aBO,!l 3 a CTaTJofCTHKa, CKonj e 1982, CTp . 193.
15 OCO
gOOO
13000
12000
11000
10 (XX)
9000
r, , •
1969 1970. 1971. 1972. 197:l. 1974. 1975. 1976.1977 19-78 1979. 19BO.
Grafikon l. Predvidanje trogodisnjim i petogodiSnjim pokretnim
prosecima
162
i petogodisnjim pokretnim prosecima pokazuju da se trogodis
njim pokretnim prosecima dobija manja prosecna apsolutna gre
i;ka od 1.385,6 u odnQsu na petogodisnje pokretne proseke cija
9.psolutna greska iznosi 1.904 (vidi Tabelu 15). To znaCi da tro
godisnji pokretni proseci daju bolja predvidanja nego petogo
disnji pokretni proseci.
Model jednostavnih pokretnih proseka ne moze se prime
njivati na pojave koje imaju ciklican, sezonski iIi trend-razvoj.
U tu svrhu postoje visi oblici izravnanja stvarne vremenske se
rije.
3. Dvostruk~ pokretni proseci
Model jednostavnih pokretnih proseka ne moze se prime
njivati kod pojava koje imaju Iinearan iIi kvadratan trend raz
voja. Za takve pojave razvijen je visi oblik izravnanja vremen
ske serije pomocu dvosirukih pokretnih proseka.
Metodoloski postupak izracuna vanja dvostrukih pokretnih
proseka je sledeci: prvo, od stvarnih podataka izracunavaju se
jednostavni pokretni proseci, prema prethodno prilozenoj for
muli; drugo, od vesta cke vremenske serije stvorene pomocu jed
nostavnih PQkretnih proseka ponovo se izracunavaju pokretni
proseci, pri cemu se stvara nova vestacka vremenska serija;
trece, na osnovu izracunatih dvostrukih pokretnih proseka iz
vo di se predvidanje.
Opsti uzorak za obracunavanje dvostrukih pokretnih pro
seka je sledeCi:
TrogodiSnji i petogodisnji pokretni proseci
Tab ela 15
Proiz Predvidanje proizv.
Broj Apsolutna greska
vodnja detergenata
Godina peri
deter.
ada u tonama
_. n=3 n=5 n=3 n=5
1969. 1 13.462
1970. 2 15.291
1971. 3 12.576 13.776 1.200
1972. 4 11.343 13.070 1.627
1973. 5 12.161 12.027 12.966 134 805
1974. 6 14.678 12.727 13.409 1.951 1.269
1975. 7 12.300 13.046 12.612 746 312
1976. 8 9.289 12.089 11.954 2.800 2.665
1977. 9 10.672 10.754 11.820 82 1.148
1978. 10 10.034 9.998 11.394 36 1.360
1979. 11 15.922 12.043 11.543 3.379 3.879
1980. 12 16.095 14.184 12.302 1.911 3.793
Ukupno: 13.866 15.231
Prosecna apsolutna greska: 1.386,6 1.904
11' 163
M, + M'_I + M'-2 + M'- J + ..... + M,_I
M,2 = -------------------, (18)
n
(19)
a, = 2 . M, - M\ (20)
2
b, = (----) . (M,- M,2). (21)
n-l
164
2
( - - - - ) . (38.296 - 29.389) 4.454
5-1
Potros
nja de Vrednost
Broj terge Predvi
Godina peri nata - - - - - - - danje
oda u to n=5 n=5 a b
nama
1960. 1 11.907
1961. 2 16.720
1962. 3 20 .532
1963. 4 24.960
1964. 5 29.261 20.676
1965. 6 32.932 24.891
1966. 7 39 .367 29.420
1967. 8 41.730 33.660
1968. 9 48.138 38.296 29.389 47.203 4.454 51.657
1969. 10 53.705 43.184 33.890 52 .478 4.647 57.125
1970. 11 57.389 48.066 38.525 57 .607 4 .770 62.377
1971. 12 67.112 53.615 43.364 63.866 5.125 68.991
1972. 13 75.982 60.465 48.725 72.205 5.870 78.075
1973. 14 82.696 67.377 54.541 80 .213 6.418 86 .631
1974 . 15 87.857 74.207 60.746 87.668 6.730 74.398
1975. 16 93.675 81.464 67.426 95 .502 7.019 102.521
1976. 17 109.669 89.976 74.698 105.254 7.639 112.893
1977. 18 125.927 99.965 82.598 117.332 8.683 126.015
1978. 19 143.515 112.129 91.548 132.710 10.290 143.000
1979. 20 156.799 125.917 101.890 149.944 12.013 161.957
165
za 4 tj. u 1983. godini,
pokretnih prose
ka proseka)
166
160000
150000
11,0 000
130(0)
120 ()OO proseci
110 (0) proseci
100000
90000
OOOOl
7000l
6~000
:iJ0'Xl
40000
30000
WOOl
1000l
167
GLAVA XII
168
Eksponencijalno izravnanje, kao metoda dekompozicije
vremenskih serija, spada u grupu metoda neposredne ekstra
polacije, zajedno sa trendom, metodom pokretnih zbirova i
proseka i drugim. Pri apliciranju metoda eksponencijalnog iz
ravnanja srecu se brojni i raznovrsni modeli sa razlicitim me
todoloskim resenjima. Metodoloska razilazenja u primeni me
tode eksponencijalnog izravnanja javljaju se pri odrediva
nju eksponencijalnog faktora izravnanja, pri odredivanju po
cetne velicine vestacke vremenske serije i pri izboru ekspo
nencijalnog modela predvidanja.
169
tora,13l jer veca iIi manja aHa ima odgovarajuci uticaj na tezi
nu minulih ili sadasnjih podataka, pa odatle i na prognozirani
ishod pojave.
Pitanje izbora eksponencijalnog faktora izravnanja ima
dva aspekta, ito:
1. odredivanje velieine faktora izravnanja vesta eke vre
menske serije (kvantitativni prilaz);
2. odredivanje kriterijuma za izbor faktora izravnanja
(kvalitativan priIaz).
o kvantitativnom prilazu pri selekciji eksponencijalnog
faktora izrazavanja vremenske serije, odredivanju faktora iz
ravnanja i prirodi vremenske serije, opet postoje dva diver
gentna stajalista, pa odatle aHa kao konstanta i tezinski fak
tor ima razlieitu vrednost i znaeaj . Prema prvom stajalistu,132
velicina faktora izravnanja moze da iznosi od 0 do 1. Prema
drugom stajalistu, III velieina konstante moze da iznosi od 0,01
do 0,3.
Brownov koncept determinisanja velieine eksponencijal
nog faktora izravnanja karakteriSe se objektivnoscu, za razli
ku od prvog koncepcijskog prilaza koji ima pretezno subjek
tivan karakter i koji prilaz trazi da se izbor optimaine alfe si
mulira sa viSe velieina. Za objektiviziranje izbora i odredivanje
velieine alfe, G. Robert Brown prediaze sledecu formulu 134 :
2
a. = - - - - (22)
n-1
170
zavisi od broja perioda predvidanja, a izracunavanje se vrSi
po formuli:
d = 4 vh, (23)
pri cemu simboli imaju sledeca znacenja:
d = broj perioda ukljucenih u model,
h = periodi predvidanja.
o kvalitativnom prilazu pri izboru faktora izravanja ta
kode postoje divergentna stajalista.
Prema S. Makridakis - S. Wheelwrighty,l)6 podacima sa
c;elikim varijacijama odgovara mala alfa. Prema predlozenom
empirijskom pravilu, mala vrednost al£e izravnava podatke
mn-ogo viSe nego veca vrednost alfe. Tako, na primer, ako po
daci imaju izrazene varijacije ili slucajna kretanja ,treba upo
trebiti malu vrednost alfe. S druge strane, podaci sa malim ne
pravilnostima ili sa jasnim sablonima izravnace se sa vecom
vreJnoscu alEe.
lli, ako se serija prodaje menja sporo, onda vrednost te
iinskog faktora izravnanja treba da bude mala, tako da se za
drze efekti ranijih podataka. Ako se serija menja brzo, vred
nost tezinskog faktora izravnanja treba da bude veca, tako da
predvidanje moze da odgovara takvim promenama i da se na
slanja manje na ranije podatke.1l7
Ako potraznja u vremenskoj seriji ima jasnu konstant
nost, a karakterise se malim nepravilnostima, tada vrednost
alje treba da bude mala. Aka se potraznja menja rapid no pod
uticajem trenda, a nepravilnosti su male, tada se uzima veca
alfa. U8
Prema J. Scott Armstrongu,Oq pri izboru alfe treba imati
u vidu sledece stvari:
1. Ako je proces nestabilan, treba upotrebiti veliku alfu
tako da ce se izravnanje brzo prilagoditi novoj situaciji.
171
2. Ako je greska visoka, ireba upotrebiti malu alfu do po
rasta tacnosti, tako da se priguse efekti kratkotrajnih ili neuo
bicajenih (slucajnih) fluktuacija .
3. Ako se vreme nalazi u korelaciji sa bilo kojom veliCi
nom, tada upotrebi malu alfu. Pri tome pravil{) je da za me
secne podatke treba odrediti manju allu nego za kvartalne, a
nedeljni podaci traze veeu alfu nego mesecni podaci.
N. L. Erick smatra da ako je potrainja predstavljena pu
tem podataka koji pokazuju trend rasta ili opadanja, izravnji
vacki .faktor tendirace da bude visok i da se krece izmeau
0,5-0,9, ali ako se primecuje nivo konstantnosti, tad a ce iz
ravnjivacki .faktor tendirati da bude izmeau 0,1 ili 0,2. 140
H . Alan Levine 141 smatra da izbor konstante eksponenci
jalnog izravnanja je kombinacija izmedu balansiranja zelja za
3tabilnoscu u sistemu i brzog reagiranja na promenljivost.
Pri selekciji eksponencijalnog fakwra izravnanja vremen
ske serije mogu pomoCi sledeea opsta uputstva. Za istorijske
podatke koji su stabilni al.fa sa vrednoscu 0,1 i smatra se opti
malnom. Za nove proizvode al.fa Sa vrednoscu od 0,3 je dobra
za sestomesecno predviaanje. Odatle eksponencijalni .faktor
moze biti 0,3 ili oko 0,2 a eventualno moze da dostigne i 0,ly2
lz do sad a recen{)g 0 kriterijumima za izbor faktora izrav
nanja mogu se formulisati sledeee konstatacije:
1. lake se metoda eksponencijalnog izravnanja vee dugo
primenjuje u ekonomskim istrazivanjima, jos uvek nije defi
nitivno rasciseen{) pitanje 0 veliCini i kriterijumima za izbor
faktora izravnanja. U pril{)g ovoj konstataciji govori razno
vrsnost kriterijuma i njihov divergentan odnos.
2. Odredivanje velicine konstante izravnanja zavisi od ne
koliko faktora, pre svega: od prirode pojave predstavljene pu
tern vremenske serije podataka, od veliCine greske, od tacno
sii, {)d toga da li se radi 0 novom ili 0 pozna tom proizvodu i
drugo .
3. Na osnovu testiranja vremenske serije podataka sa raz
licitom velicinom alfe, moze se izvuei zakljueak da poveeanje
140 Erick N. L.: Market and sales forecasting: AN QUANTITATIVE
APPROACH, Chandler publishing Co. , San Francisco 1969, p. 12.
141 Levine H. Alan: Forecasting tehniques, MANAGEMENT
ACCOUNTING, vol. XLVIII, No.5, 1967, p. 36.
142 Eby H. Frank, Jr. - William J. O'Neill: The management of
sales forecasting, Lexington Books, Toronto, 1977, p. 233.
172
vrednosti faktora izravnanja smanJuJe gresku. Velicina greske
nalazi se u obrnu tom proporcionalnom odnosu sa velicinom
eksponencijalnog faktora izravnanja vremenske serije ukoliko
se poveeava vrednost konstante, utoliko se smanjuje veliCina,
i obrnuto.
4. Kao posebno pravilo koje treba imati u vidu pri izbol"u
optimalne alfe za izravnanje fakticke vremenske serije je upo
treba simulacija .
30
20
10
DB 1.0
(24)
1,3
Drugi nacm odredivanja pocetne velicine vestacke vre
menske serije je : poslednja fakticka velicina koja nije uklju
cena u vremensku seriju koja se posmatra predstavlja prvu
velicinu ve stacke vremenske serije.
Trece resenje predstavlja aritmeticki prosek, izracunat od
poslednjih nekoliko faktickih velicina. Tako izracunat prosek
predstavlja prvu velicinu ves1acke vremenske serije.
Cetvrto resenje dobija se setom jednacina koje je predlozio
Robert Brown Goodel. l l1
174
Predvidanje prodaje masina za pranje rublja u SRM
sa .jednostavnim eksponencijalnim izravnanjem
Tabela 17
Prodaja
maSina Predvidanje kada vrednost
za pranje eksponencijalnog faktora
Godina iznosi
rublja u
uSRM
komada a=0,2 a=0,5 a=0,8
1970. 16.282
1971. 18.212 16.282 16.282 16.282
1972. 19.198 16.668 17.247 17.826
1973. 21.449 17.174 18 .223 18.924
1974. 23.844 18.029 19.836 20.944
1975. 15.540 19.192 21.840 23.264
1976. 16.116 18.462 18.690 17.085
1977. 14.494 17.993 17.403 16.310
1978. 17.319 17.293 15 .949 14.857
1979. 17.920 19.298 16.634 16.820
1980. 17.481 17.422 17.277 17.701
1981. 17.434 17 .379 17.525
24 stvarnl ~daci
23<XXl ~---- alta -- 0.2
22(0) - .... .. .. ... ... alta
= o.S
2100>
-.-.- alfa = 0.8
20(0)
19aD
18
17 I .... ~·'
"'i
\i
175
Graficko predstavljanje stvarnih i predvidenih podataka
pokazuje da veea vrednost eksponencijalnog faktora, (0,8), ten
dira da stvori bolje predvidanje n'c;go manja vrednost alfe, pri
mer, (0,2),
1970. 16.282
1971. 18.212 16.282 16,282 16.282 1.930 1.930 l.930
1972. 19.198 16.668 17.247 17.826 2.530 1.951 1.372
197.3. 21.449 17.174 18.223 18.924 4.275 3.226 2.523
1974. 23.844 18,029 19.836 20.944 5.815 4.008 2,900
1975. 15,540 19.192 21.840 23.264 3.652 6,300 7.724
1976. 16.116 18.462 17.690 17.085 2.:346 2.574 969
1977. 14.494 17.99;j 17.403 16.:310 3.499 2.909 1.816
1978. 17,:319 17.39:3 15.949 14.837 539 1.370 2.462
1979. 17.920 17.298 16.634 16.827 170 1.286 1,093
1980. 17.482 17,122 17.277 17.701 303 204 220
1981. 17.434 17.379 17.525
Ukllpno: 25.059 25.758 23.011
Prosecna apsollltna greska: 25.059
2.506 2.576 2.301
Prosecna procentna greska: 13,80% 14,18% 12,67%
176
Za prevazilazenje ovih nedostataka razvijeni su modeli adapti
ranja alfe ka vremenskoj seriji. Poznati su modeli Roberta
Brown Godella,145 W. D. Trigga i A. G. Leacha. l46
Sustina modela adaptivnog eksponencijalnog izravnanja je
u tome sto alia moze da varira od jednog do drugog perioda, a
indikator promene velicine alfe je velicina signala pracenja. Na
mera Trigga i Leacha je predlaganje metode sa takvom stopom
koja ce odgovarati vrednosti signala pracenja, a koji se izracu
nava prema sledecoj formuli:
nova
izravnana
apsolutna
greska = (I-a) - stara izrav. apsol. gres. + (J. . apsol. gres.
a greska se izracunava kao razlika izmedu X t - Ft.
Signal pracenja je odnos izmedu dva kvantiteta, izravnane
greske izravnane apsolutne greske. Velicina signala pracenja
moze da se krece izmedu - 1. UkoIiko greska raste u pravcu
- 1, to znaci da je predvidanje ispod (R manje od A) stvarnog
kretanja pojave i u takvom slucaju pristupa se selekciji nove
vrednosti alie, a sve je to na stetu racionalnosti. Ako je pojava
koja se predvida pod kontrolom, onda je vrednost signala van
kontrole, onda ce vrednost signala pracenja tendirati ka plusu
ili minusu jedan.
Postupak prirnene modela eksponencijalnog izravnanja sto
porn prilagodavanja ima sledeCi alogaritam:
145 Ibid., glava II.
146Trigg W. D. - G. Leach: Exponentional smoothing with an adap
tive response rate, OPERATIONAL RESEARCH QUATERLY, vol. 18.
NO.1, 1967, p. 53-59; Trigg W. D.: Monitoring a forecasting system
OPERATIONAL RESEARCH QUATERLY, vol. 15, No.2, 1964, p. 271-274.
i z ra~unavanjc nove
izravn anc apsolutne gre~k e
-V
izrJtunavanje no ve
izra vnane grc .~ke
'"
1
odrcd ivanje nove vrednosti alfe
~
ako je signal pracenja ± 1
1972. 9.174
1973. 10.932 9.l74 1.758 1.406 1.406 1
1975. 10.427 12.695 -2.268 2.401 - 774 -0,32
1976. 8.398 11.107 -1.709 2.617 -2 .129 -0,81
1977. 9.963 9.211 752 1.312 - 112 -0,08
1978. 9.977 9.737 240 562 134 0,24
1979. 14.987 9.905 5.082 3.726 3.598 0,96
1980. 15.294 14.479 815 1.106 1.093 0,98
1982. 14.359
178
Model eksponencijalnog izravnanja stopom prilagodavanja
bice primenjen na prakticnom primeru predvidanja prodaje de
tergenata u OHIS-u Skopje. Pomenuti model je primenjen na
istom primeru na kojem je primenjen i model jednostavnog ek
sponencijalnog izravnanja sa namerom da se ispitaju prednosti
i nedostaci jednog, odnosno drugog modela .
Nova izravnana apsolutna greska 1973. = (1-0,8). + 0,8 . 1.758
Nova izravnana apsolutna greska 1973. = 1.406
Nova izravnana greska 1973. = (1-0,8). 0 + 0,8 . 1,758
Nova izravnana greska 1973. = 1.406
1.406
Signal pracenja 1973. = - - -
1.406
Signal pracenja 1973. = 1
stvarni podaci
- - - - pradvideni podaci
15000
14000
r
I
I
",,
I
12 (XX) I
I
11000
10000
"\ I
_..1
I
\
............
900>
8 .00)
179
S obzirom na cinjenicu da signal pracenja u 1973. godini
iznosi plus jedan, onda se odreduje nova vrednost alfe.
Dobijeni rezultati predvidanja prodaj e detergenata pomocu
eksponencijalnog izravnanja prilagodljivom stopom bice i gra
Iicki predstavljeni zbog vece preglednosti.
Model jednostavnog eksponencijalnog izravnanja i model
eksponencijalnog izravnanja stopom prilagodavanja bice prime
njeni na primeru predvidanja prodaje detergenata sa namerom
cia se ispita tacnost pri predvidanju koja se postize ovim mo
delima.
1972. 9.174
1973. 10.932 9.174 9.174 1.758 1.758
1974 . 13.676 10.580 10.405 3.096 3. 271
197~. 10.427 13.057 12 .695 2.630 2. 268
1976. 8.398 10.953 11.107 2.555 2.709
1977. 9.963 8.909 9.211 1.054 752
1978. 9.977 9.752 9.737 255 240
1979. 14.987 9.905 9.905 5.055 5.082
1980. 15.294 13.976 14.479 1.318 815
1981. 14.172 15.030 14.561 858 389
1982 . 14.344
180
pom prilag<Joavanja je neracionalnost u pogledu vremena izvo
denja predvidanja u odnosu na model jednostavnog eksponen
cijalnog izravnanja koji je racionalniji.
Rezultati komparativne analize izmedu stvarnih podataka
i predvidenih sa dva modela eksponencijalnog izravnanja bice
graficki predstavljeni.
- - - stvami podaci
••••••• podoci dobiil!li primen.om ek.sponencijalnog izravnania
sa ~ropom .. p-llaQOllavooJo.
16 aX) - - - - - podaci .doblJenl prlmenom Jedrostovnoq eksponencijalnog
15000 . IzravnanJa ' ....
1L,00J
...........
.,
nero
12mo
llCXXJ
l00CXJ
gcm
sma
19 2. 1973. 1971;. 1975. 1976. 1977. 1978. 1979. 19BO.1981. 1982.
Grafikon 5. Uporedivanje stvarnih sa predvidenim podacima do
bijenim primenom jednostrukog eksponencijalnog izravnanja i ekspo
nencijalnog izravnanja sa stopom prilagodavanja
181
za obracunavanje dvostrukog eksponencijalnog izravnanja, gde
simboli imaju sledeca znacenja:
S, jednostruko izravnana vrednost perioda peri.oda t,
a alfa, velicina eksponencijalnog faktora,
X, stvarna velicina ispitivane pojave u perioou t,
~ beta, razIika izmedu 1 i alfe,
S'_I = jednostrurko izravna'na vrednost u prethodnom pe
riodu
t = vremenska jedinica u seriji,
S2'_1 dvostruko izravnana vrednost u periodu t (citaj C dva,
a ne C na rkvadrat),
S2'_1 dvostruko izravnana vrednost u prethodnom periodu.
F,+m = a, + b, . m, (29)
gde je
F predvidena vrednost,
m broj perioda predvidanja
a poravnana vrednos~
b procena trenda,
~=1-a (32)
SI970 = 17.810
182
Vrednost dvostrukog e~sponenciialnog izravnanja za 1970.
godinu je dobijena na sledeCi naCin:
S2 1970 = 0,3 . 17.810 + 0,7 . 17,831
S2 1970 = 17.825
al978 = 24.314
-<::1'"'
~bD
0,3
0,7
FJ979 = 25.016
183
Dvostruko ek!:lponencijalno izravnam,ie obezbeduje vecu
taenost predvidanja, s obzirom na Cinjenicu da su stvarni pa
daci bliski prognoziranim. Prosecna aps-olutna greska za vre
menSiku seriju 1969-1978. godinu iznosi 950, a procentna
greska iznosi 4,25%.
Koncepcijski, Brownov model dvostrukog eksponencijal
nog izravnanja ne razlikuje se od HoltoVoog modela. Kod oba
modela radi se 0 izraeunavanju linearnog eksponencijalnog iz
ravnanja sa ukljuCivanjem trend kretanja. Holtov model'4R dvo
strukog eksponencijalnog izravnanja ima sledeCi oblik:
(34)
pri eemu
T procena trenda
T t- t procena trenda u prethodnom periodu
184
Model dovstrukog eksponencijalnog izravnan.ia Holta bice
primen.ien na predvidan.ie potrasnje sredstava za zastitu bilja
u SFRJ, radi komparativne analize dobijenih rezultata sa
Brownovim modelom.
Tabela 22
Potrosnja
sredstava za
zastitu bi Ocekivana Apsolutna
Godina Trend Predvidanje greska
l;aka u vrednost
SFRJ u
tonama
Ukupno: 10.186
Prosecna apsolutna greska: l.018
Prosecna procentna greska: 4,65'%
135
za 1981. godinu'dobice se na s1edeci naCin:
26000
- - - - stvarni podeci
25 000 - - - - - predvidanj! Brown-ovim
rnocI1:lom
24000 predvidanje Holt.ovim
mod!!lom
23000
22000
21000
20000
19a:o
18000
17000
modela dvostru
sred
za zastitu obez
relativno za
isti period iznosi 4,65%
Komparativna analiza Brownovog i modela dvo
strukog predvidanja, apso
lutne i da Brownov model obez
beduie vecu tacnost kao rezultat apsolutne od
950 u poredeniu sa 1.018 Holtovog mode
1a i manjom procentnom od 4,25% u poredenju sa
dobiienom Holtovog modela.
3.4. Linearno i sezonsko elcsponenci,iaLno izravnanje. Na raz
uticu razliCiti faktori sa razlicitim
na razvoj pojave, intenziteta i
186
smera uticaja mogu se utvrditi mesecrum ili kvartalnim poda
cima. Godisnji podaci pokrivaju dejstvo sezonskih faktora na
razvoj pojava. Sezonski faktori su redovni i oeekivani po svo
joj prirodi, sto znaei da u toku godine deluj1u u isto vreme.
Postoje brojne i raznovrsne pojave koje su pod uticajem se
zonskih faldora. Na primer uticaj sezonskih faktora: na broi
turista, na broj nezaposlenih, na iskoriscavanje hotelskih ka
paciteta i bro.i nocenja, na razlieite vi dove tekstilnih Qroizvo
da (teska konfekciia, kupaci kostimi), na razlieita sredstva za
suneanie, na niz poljoprivrednih proizvoda, na voce, na razna
dubriva, na sredstva za zastitu biliaka (pesticidi) i slieno. Za
otkrivanje i odstranjivanje sez·onskih faktora na razvoi pojave
Dostoji nekoliko metoda. ' Po svojoj sofisticarnosti istiee se
Wintersov model eksponenciialnog izravnanja.
Izmedu razvoja poiave i sezonskog uticaja na fakotre po
stoji proporcionalan odnos. Pri vecem uticaju sezonskog fak
tora veci je odraz na kretanie pojave, i obratno.
U stvari, Wintersov m_odel predstavlja nastavak Holtovog
model a dvostrukog eksponencijalnog izravnanja. Dodatak je
sarno formula za izr?eunavanje sezonskih uticaja. Za izravna
nie pojava koje ukliueuju trend, sll1ea.i ne i sezonske uticaje
Drimeniuje se setiednaeina, i to:
Xt
S, = a . --- + (1 - a) . St-I + At-I (36)
I t- L
pri eemu
S, iednostruko izravnana sadasnja vrednost
X, stvarna velieina
I, izravnana vrednost sezonskog koeficijenta
A, izravnana vrednost trenda
a velieina eksponencijalnog fakto.ra (aHa) izravnanja slu
eainih variiacija
t vremenska iedinica serije
L broj meseci iIi kvartala u godini
Za obraeunavanie sezonskih uticaja formula ima sledeCi
oblik:
X,
I, o--
+ (1 - 0) . I,- L' (37)
S,
149 Winters R. Peter: Foreca$ting sales by exponentnally weighted
moving avarages, MANAGEMENT SCIENCE, vol. 6, No.3, 1960,
p . 335-338.
187
cemu je
sezonskih varijacija.
velieina faktora
trenda
Kod Wintersovog
vremenske
i gama.
beta
gama se
laze oko
Model
.ie sliean modelu zato
!ito i kod oba modela vrsi se izravnanje i trend uti-
Wintersov model ima tu da ukljueuje
a to su sezonske varijacije.
vrednosti stvarnih podataka (X,)
one sa namerom da se eliminiSu sezonske
fluktuacije od stvarnih podataka. Ako su stvarni
ljeni sezonskim indeksom vecirm od 1,00, tada se dobija veca
vrednost od stvarnih za koji odrazava os
lablieno delovanie sezonskih faktora.
indeksa stvarni po
ocekivana vrednost
sadrie
sa 13, dok 5e
188
Mesecni pod,aci 0 broju turista u SRM Tabela 23
Godina Mesec Period Broj turista u SR M
1979 januar 1 38.799
februar 2 39.292
mart 3 49.162
april 4 58 .222
maj 5 86 .640
juni 6 90 .948
juli 7 141.883
avgust 8 141.590
septembar 9 80.947
oktobar 10 67 .403
novembar 11 46 .182
decembar 12 43.767
1980 januar 13 36.200
februar 14 55.000
mart 15 50 .521
april 16 60.285
maj 17 83.916
juni 18 93.270
juli 19 161.360
avgust 20 154.611
septembar 21 92.391
oktobar 22 80 .322
novembar 23 53 .565
decembar 24 48.945
Izvor : MeCel.feH crarl1Crl1'lKI1 113BewTaj 3a CPM - 1981 rO)1~lIIa .
Perr y 6JI~KH 3aBO.L\ 3a CTanrCTH!Ka, CKorrje, 1981 rO.L\H.Ha.
48.945
0,6177
8 Z4 = 86.421
189
Trend u mesecu decembru 1980. dobijen na sle
deci nacin:
AZ4 0,2 (S24 - + 0,8
0,2 (86.421 + 0,8 2.464
= 1.848
Sezonski za mesec decembar 1980. do
je na sledeci nacin:
48.945
= 0,1 --- + 0,9
86.421
b = 0,6125
Predviaan,je turista u SRM pomocu modela
linearnog i eksponencijalnog
Tabela 24
Broj Izravnana Izravnana Izravnana Predvidanje
Period turista vrednost sezonski vrednost F, 1
S, I. A,
1 38.779 0,5474
2, 39.292 0,5546
3. 49,162 0,6939
4. 58.222 0,8218
5. 86,640 1,2230
6, 90.948 1,2837
7. 141.883 2,0027
8. 141.590 1,9985
9. 80,947 1,1426
10, 67.403 0,9514
11. 46,182 0,6518
12, 43,767 0,6177
13. 36.200 43,767 0,5798 595
14, 55,000 60,804 0,5896 3,083 24.603
15. 50,521 67.123 0,6998 4,370 44,886
16, 60.285 72.052 0,8233 4,482 58.753
17, 83,916 74.158 1,2139 4,007 93,601
18. 93.270 76.513 1,2772 3,677 100.262
19. 161.360 80.304 2,0033 3.700 160.597
20. 154,611 82.012 1,9872 3.302 167.882
21. 92.391 83.978 1,1.383 3,035 97,480
22. 80.322 86.237 0,9494 2.880 82.784
23. 53,565 87.036 0,6481 2.464 58,086
24. 48.945 86,421 0,6125 1.848 55,284
51.178
190
Predvidanja za period januar - decembar 1981. godine
dobijena su upotrebom sezonskih koeficijenata iz 1980. godine,
sledeCim postupkom:
F24 = (86.421 - l.848 1) . 0,5798
21800
20900
predvideni podaci
19000
17600
s tvarni podaci n
16200
14800
!\
I I
13400
12 (XX)
)
,
I
I
\,
10600
( \
I
\
12000
I
\
I
\
7800
) \
6400
/
--.....1
/
'
191
fakticke vremenske
razlicitih
koristi se set jednacina.
ocekivane vrednosti jednostavnim
se sledeca
+ (1 IX) (40)
ocekivane
IX . St + (1 IX)'
az sluzi za trend a,
a jzracunava se prema sledecem uzorku'
IX
----[(6-5 .
2 .
- 2 . (5 4 . a) 8 2, + (4 - 3 . a)
a3 sluzi za trenda,
a nalazi se prema j ednacini:
al
(46)
192
Model trostrukog eksponencijalnog izravnanja i predvi
danja je komplikovan u poredenj.u sa modelima jednostavnog
i dvostrukog eksponencijalnog izravnanja. Dalje, za izravna
nje vremenske serije i predvidanja analiticar trosi vise vre
mena oko izracunavanja koeficijenta predvidanja. I kod mo
dela trostrukog ek6ponencijalnog izravnanja srece se problem
o'ptimalnog izbora eksponencijalnog faktora , iako se primenju
je pravilo da veca vrednost alfe bolje izravnava vremensku
seriju. Eksponencijalan model kvadratnog izravnania i pred
vidanja, kao sintetioki model, bolje predvida prelomne tacke
u poredenju sa drugim modelimaizravnan,ia i predvidanja.
Model trostrukog eksponencijalnog izravnanja, izracuna
vanje ocekivanih vrednosti, izracunavanje koeficijenata pred
vidanja i sarno izvodenje predvidanja bice primenjen na pred
vidanju potrosnje detergenata u SFRJ u periodu 1968-1979.
godine.
Ocekivane vrednosti jednostavnog, dvostrukog i trostru
kog eksponencijalnog izravnanja, na primer za 1970. godinu,
obracunate su na sledeci nacin:
Si970 = 0,3 . 57,389 + 49.801
S i970 = 52.082
0,3
a 2 1970 - - . (6 5 . 0,3) , 52.082
2(0,7)2
- (10 8 . 0,3) . 48.703
a 2 1970 = 5.459
Ukupno: 51.864
Apso1utna greska: 4.715
Procentna greska:
· (52.082 - 2 . 49.672 + 48.703)
a 2 1970 265
FJ970 = 61.525
1
F1979+3 = a l 1979 + a 21979 . 3 +- . a 3 1979 . 32
2
13' 195
metoda eksponencijalnog izravnanja je lako razumljiva, dosta
poznata i modifikovana. Za savladivanje i primenu metode
potrebni su mali troskovi.
Metoda se siroko koristi u predvidanju pojava koje imaju
stabilan i dinamican porast, kao i pojave koje su pod uticajem
sezonskih faktora.
Osnovni aksiom na kome se bazira predvidanje pomoeu
eksponencijalnog izravnanja je da izmedu proslosti i sada
sn;osti postoji kontinuitet i da ee se taj kontinuitet zadrzati i
u buduenosti.
Pored prethodnih, vaznij e prednosti metoda eksponenci
;alnog izra vnan; a, su :
1. Izbor modela vremenske serije moze da se bazira na
objektivnim istorijskim podacima ili subjektivnim razmisl;a
njima 0 buduenosti. Dovoljan je mali broj istorijskih poda
taka za odredivanje pocetnih vremenskih parametara.
2. Odredivanje pocetnih vrednosti parametara u modelu
je obicno lako.
3. Parametri u modelu cesto imaju intuitivan znacaj za
predvidaca.
4. Potrebno je sarno malo podataka.
5. Isti model moze da se upotrebi za veliki bro.; vremen
skih serija.
6. Periodicna revizija parametara u modelu lako se po
stize jednostavnim algebarskim jednacinaana.
7. Odnos izmedu stabilnosti i odgovornosti u postupku
predvidanja moze biti lako prilagoden menjanjem stopom iz
ravnanja.
8. Test signala praeenja kod predvidanja kontrolom je
lako primenljiv, sa korektivnom akcijom, bilo u programu ili
spoljnom intervencijom.
9. Troskovi razvijanja modela i primena su manji nego
kod sofisticirani;ih metoda vremenske serij e i kauzalnih mo
dela, dok je dobijena tacnost cesto slicna.
N eposredan nacin ekstrapolacije eksponencijalnim mo
delima nosi vee opste poznate nedostatke, a medu njima sva
kako j e i nemogucnost da se na zadovoljavajuei nacin pred
vide prelomne taoke u razvoju pojave.
Drugi nedostatak metode eksponencijalnog izravnanja i
predvidanja ogleda se u tome sto analiticar, simulirajuci raz
196
lieite velicine alfe, gubi dosta vrmena oko njene optimalizaci
je. Kod sofisticiranijih modela eksponencijalnog izravnanja
otezano je optimaliziranje alfe i bete, odnosno alfe, bete
game.
Kao nedostatak metode eksponencijalnog izravnanja i
predvidanja moze se smatrati i naCin odredivanja pocetne ve
lieine vestacke serije, iako postoji niz metodoloskih objektivi
ziranih resenja.
197
GLAVA XIII
KRIV..4
Kvantitativne metode
matematickim terminima.
su i raznovrsne,
kvantitat,ivne metode predv,idanja,
se razlikuju prema stopi brzini
prognoze, troskovima savladivanji-l, i izvodenju pro
gnoze, efikasnosti i te mogu biti
t1 nekoliko homogenih grupa.
198
Method), Cost-benefit analysis, Relevance Tree, PATTERN
(Planning Assistance Trought Technical Evaluation of Rele
vance Numbers), PPBS (Planning-Programilng - Budgeting
-System), QUEST (Quantitative Utiliti Estimates for Science
and Technology), CPE (Centre de Prospective et d,Evaluation),
sistemska analiza, studija uticaja i druge. Najcesce, kod norma
tivnih metoda .radi se 0 naCinu ostvarenja postavljenog cilja.
Drugu grypu saCinjavaju metode matematickog programi
ranja ukojoj spadaju sledece: strukturni modeli, input-output
tabele, linearno i bilinearno programiranje, teorija verovatno
ee, teorija igara, Markovljevi lanci i druge. Za ovu grupu kvan
iitativnih metoda predvidanja karakteristicno je predstavlja
nje ekonomske teorije setom jednacina.
Trecu grupu sacinjavaju funkcije iIi krive rasta iIi opa
danja. Kvantitativne metode rasta mogu biti klasifikovane na:
asimptotske i neasimptotske krive rasta. U grupu asimptotskih
knivih rasta spadaju: modifikovana eksponencijalna kriva,
Gompertzova kriva, Pearl curve, »S« kriva, supstitutivne krive,
c1vostruka eksponencijalna kriva, spora eksponencijalna kriva
i druge. U grupi neasimptotskih krivih rasta spadaju: kriva
rasta prvog, drugog, treceg, cetvrtog stupnja, eksponencijalan
model rasta i druge.
Na6in organizovanja i sprovodenja predvidanja kvantita·
tivnim metodama bazira se na matematickom formulisanju
problema kada je on funkcija cilja i jednovremeno zbir ogra
nicenja i pretpostavki. Kod kvantitativnih metoda predvidanja
dominiraju Cinjenice u poredenju sa rasudivanjem i pri tome
vl"si se teorijsko razmatranje pojave koja je predmet predvi
danja. Kvantitativne metode izrazavaju funkcionalne odnose
putem serije jednacina.
Procenjivanja i rangiranja kvantitativnih metoda predvi
danja na osnovu razl'i citih kriterijuma pokazuju da su one
kompleksnije, da su za njihovu primenu potrebni veci troskovi
za savladivanje i primenu, da su objektivnije, da su e£ikasnije,
(veca tacnost a manja greska), na kratak, a narocito na dugi
rok u poredenju sa intuitivnim metodama predvidanja .
Kvantitativne metode predvidanja omogucavaju da se imi
1;iraju realni privredni procesi, a da se uzajamne veze kvanti
tativno odrede za red ekonomskih faktora. Medutim, u primeni
kvantitativnih metoda predvidania neki faktori ne mogu 0e
kvantitativno izraziti, izmeriti i ukljuciti u model, pri cemu se
vrsi njegovo osiromasenje, a 5tO predstavlja slabost ove grupe
metoda.
199
2. Karakteristike logisticke krive
U Iiteraturi najcesce se susrecu termini: lo.gisticka funk
cija, »S« kriva, saturaciona kriva, kompleksna funkcija krive
Pearl- R€ada, kriva Pearla.1Sl
Logisticka funkoija, kao jedan od najfundamentalnijih fe·
nomena predvidanja, najbolje aproksimira ekonomske zakone
u razvoju pojava. Kretanje logisticke krive ima oblik slova "S«.
Za ovaj obIik kretanja tipicne su dve brzine. U prvom delu
razvoj pojave ima manju brz~nu, koja ima proporcionalni tok.
U drugom delu razvoj pojave ima vecu brzinu, da bi na kraju
bio stabilan. Tacka prelaza s jednog u drugi oblik naziva se
infle:Ksna tacka ili, drugim reCima, to je tacka od koje kriva
prelazi iz udubljenja ka ispupcenosti Koordinate infleksne
K Ina
tacke su: y = - - i X = - - .
2 b
Pored infleksne tacke, svaka logisticka kriva ima jednu iIi dve
asimptote. Najopstiji oblik logistic.ke krive je predstavljen na
grafdkonu 9.
K _______________ ~simprota
K..
l
K
1+ 0
Ln Q
b
GI'afikon 9. OpStt oblik logisticke krive
200
Razvoj pojave se uvek odvija pod ogramcenjem razlicitog
karaktera. Asimptotski razvoj ekonomskih aktivnosti usIovljen
je ekonomskim, tehnickim, tdisnim, organizacionim, finansij
skim i neekonomskim faldorima. Na duzi vremenski period
asimptotski faktoni pomeraju gornju i donju granicu, a op§ti
oblik Iogisticke krive transformise se u dvostruki iIi trostruki
oblik slova »S «.
Postoje razlicite krive: kriva rasta, modiEikovana kriva
rasta, Iogisticka kriva, Gompertzova kriva , regresione krive i
drugi trend jednacina. m Razlika izmedu prvih tniju objasnje
nja je na sledeci nacin :154 Krive rasta iIi opadanja upotreblja
vaju se za prikazivanje sigurnih situacija u koj,ima vrednosti
funkcije rasta mogu rasti bez granica (iIi opadati do nuIe).
Modifikovane krive rasta mogu se ubotrebljavati ako rast (iIi
opadanje) nakon brzog starta pocinje da pokazuje konstant
nost, dostizu6i maksimalnu vrednost. Kriva koja opisuje takvu
situaciju u kojoj je stopa rasta spora na pocetku, rastuCi do
maksimalnog stepena, i na kraju belezi konstantnost i opa
danje zove se Iogisticka kriva ili saturaciona kriva.
201
K 2 -K,
y ------- (49)
1 +
ae mx
zatim linearna logisticka funkcija :156
K
yx=------ (50)
. 1 ea + bx + '
202
te model koji su predloZili Mizrahi - Sullivan l80
C
f (x) = ------ . (56)
1 +ae-bx
y = Ka bl , (57)
203
m vrsi se prema uzorku:
log b b
m=--- (62)
e
4. logistickom krivom
ekonom
rast sta
novniStva (Pearl, i Cowden and 1967 16.:!),
u auto - automobila i kamiona (Neiswanger, 1946 163 )
brodom (Mills, 1955 1(4 ). U po
kriva.
rast
zeca, novih i novih
poliakrilnitril (malon) v lakno moze se reci da relativno
prvi put u Jugoslaviji 1965.
daei 0 proizvodnji (malon) vlakana
skim razmerama veoma brz rast. U 1960.
Ibid.
161
Croxton E.
16.:! Frederick. Cowden J. Dudley, Klein Sidney:
general statistics, Prentice-Hall, Inc. Englewood Clifis, New
statistics, Prentice-Hall, Inc. Englewood Cliffs, New
p. 274-282.
A. William. Elementary statistical methods. As ap
plied to business and economic data. The Macumulan company, New
York 535-538.
C. Frederick: Statistical methods, Henry Holt and Com
pany, New York 1955, p. 759-76:1.
204
izvodnja u svetu iznosi 109.000 tona, a u 1972. godini 1.355.000
tona. Progresivne tendencije u proizvodnji sintetickih vlakana
zabelezene su u Jugoslaviji.
Potrosnja malon vIakana zavrisi, pre svega, ad sledecih
faktora:
1. ad situacije na trzistu prirodnih vIakana;
2. ad prosirenja podrucja primene sin tetickih vIakana;
3. ad povecanja stanovnistva i ukupne potrosnje tekstil
nih vIa kana po stanovniku;
4. ad porasta zivotnog slandarda;
5. ad ekonomske sposobnosti s·i ntetickih vIakana da za
mene prirodna vlakna (veca ekonomicnost) ;
6. ad raznih vidova tehnickog progresa u tekstilnoj i srod
nim industrijama, koji se manifestuje prosirenjem, rekonstruk
cijom i modernizaoijom, zamenom i izgradnjom novih objekata.
VeliCina prodaje u prakticnom primeru (primer obuhvata
period 1969-1978. godine) ima u pocetnim godinama slabiji
rast, u narednim godinama PAN rima bdi razvoj , a s obzirom
da se dostize gornja granica kapaciteta, trebalo bi da zabelezi
stabilnost. U posmatranom periodu (K 1) donja i (K 1 ) gornja
asimptota oznacavaju kapaoitet koji iznosi 4.500 i 17.000 tona
respektivno.
Tabela izracunavan.i a a, b, i m parametara logistic/-ce krive
Tabela 26
Godina Prodaja Y-K, log B X 10gB
X
u tonama B X'
~05
log a = 1,05474 log b = -0,28316
log b -0,28316
m = ---- = ----- = -0,65199
log e 0,4342945
Odreaujuci parametar a u logaritamskim tablicama, dobija
se vrednost:
a = 11,88 .
Tako, zamenom izracunatih vrednosti, dobi.iamo:
17.000 - 4.500
Y = 4.500 + ------- - .
1 +
11,88 e-D·65J99x
Na osnovu izracunatih parametara, moze se izvrsiti pred
v,iaanje.
Tako, na primer, predviaan.ie za 1981. godinu dobice se
na sledeci naCin :
17.000 - 4.500
Yl9BI = 4.500 + ---------- ,
1 + 11,88 . 0,00040
Y19Bl = 116.94l.
206
Vizuelno predstavljanje empirijskih teor:ijskih podataka
prodaje malon vlakna je na grafikonu 10.
- - - - empirijska linija
- - -- teorijska linija
5cm
0) to
f.D
0
I:'
r;:. N
I:'
('I")
I:'
~
I:'
tJ)
I:' I:'
I:'
I:'
0
eo
~
eo ,co
('J ('I"')
cO
0) 0) 0) 0) 0) 0) '0) 0) 0) 0) CJ) 0) 0)
.- ~ r .-'
Grafikon 10, Kretanje e'mpirijske i teorijske linije
prodaje maZon vZakna
207
i informa
208
GLAVA XIV
210
polacija, a trecem principu korespondira kauzalna ekstrapo
lacija.
Jednostavna ekstrapolacija predstavlja logican nastavak
proslosti i sadasnjosti. Prognosticar formulise planske pretpo
stavke prema kojima uslovi privredivanja u buducnosti delo
vace jednako kao sto su delovali u proslosti i kao sto deluju
u sadasnjosti, da bi na toj osnovi prognozirao ishod pojave.
J e dnostavna ekstrapolacija ima mehanicki i rutinski karakter.
Analogna ekstrapolacija predstavlja prethodno utvrdiva
nje slicnosti delovanja uslova privredivanja na razvoj pojave
koja se prognozira sa nekom pojavom koja joj prethodi. Nai
rne, pretpostavlja se da faktori privredivanja pod cijim se de
lovanjem razvijala pojava koja prethodipojavi koja se prog
nozira ostati isti i da ce delova ti i u buducnosti pri prognozi
ranju ishoda pojave koja se prati. Analogna ekstrapolacija ima
pretezno logican, analitican i subjektivan karakter.
Kauzalna ekstrapolacija polazi od utvrdivanja faktora za
koje se sma tra da najdirektnije determinisu razvoj pojave
koja se prognozira, da bi se na toj osnovi predvidelo buduce
delovanje kauzalnih faktora . PolazeCi od prognoza kauzalnih
fo.ktora, prognozira se ishod pojave i na kraju utvrduje se stu
panj njihovog kvantitativnog prilagodavanja. Ovaj vid ekstra
polacije ima kreativno-analiticki karakter.
J ednostavna, analogna i kauzalna ekstrapolacija sprovodc
se razlicitim metodama predvidanja. Na primer, jednostavna
ekstrapolacija realizuje se trend- metodom, metodom pokret
nih proseka, nekim modelima eksponencijalnog izravnanja i
drugim. Analogna ekstrapolacija sprovodi se metodom kauzal
ne analogije i analogije slicnih proizvoda, dok se kauzalna
ekstrapolacija sprovodi dobro poznatim kauzalnim metodama
j ednostavne korelacije i regresije i, visestruke korelacije i
regresije.
Ekstrapolacija kao najjednostavniji prilaz predvidanja,
koji se cesto praktikuje u ekonomskim istrazivanjima, upo
treblja va se u sledeCim slucajevima:
- kada se sa sigurnoscu zna da pojava u svom razvoju
belezi konstantnost i stabilnost;
- kada pojava belezi evolutivan razvoj;
- kada kauzalni odnosi izmedu pojava na duzi rok ne
rnaj u izrazene promene.
S obzirom na njenu razumljivost i potrebnu malu anali
ticku vestinu, ekstrapolacija nalazi siroku primenu u ekonom
skoj praksi. Metode predvidanja, kojima se sprovodi postupak
ekstrapolacije, karakterisu se relativno visokom efikasnoscu
211
na kratak rok. Poveeanjem duzine vremenskog horizonta, efi
kasnost pri predvidanju opada. Takode metode predvidanja
kojima se sprovodi ekstrapolacija karakteriSu se nemoguenos
eu da na zadovoljavajuCi naein predvide prelomne taeke.
Za analiziranje podataka koji po svojoj prirodi mogu biti
istorijski, analogni, simulacioni i dobijeni putem istrazivanja,
koriste se razlieite metode ekstrapolacije. Za prognoziranje
ishoda pojava koje duzi period vremena imaju konstantnost, i
raspolaze se istorijskim podacima 0 njihovom razvoju, pored
ostalih (a neke od njih su vee razradene) preporueuje se i eks
ponencijalan model rasta kao metode sprovoaenja jednostavne
ekstrapolacije.
2. Karakteristike eksponencijalnog modela rasta
Eksponencijalni model rasta, koji matematicki specificira
odnose izmeau zavisnih varijabli i vremena, u najopstijem ob
liku moze se predstaviti:
f (X) = aX, (63)
gde a > 0 Hi a ~ l.
U osnovi postoje dva vida eksponencijalnih '66 funkcija u
zavisnosti od tendencije koju izrazavaju.
Prvi vid eksponencijalne funkcije (grafikon 11) je tipican
uzorak za sve eksponencijalne modele eija je baza (a) veea od
1 i takvi su modeli pozitivni ili rastuei. Eksponencijalni model
predstavljen na grafikonu eesto se upotrebljava za opisivanje
kretanja rasta stanovniStva, slozenog interesa na in teres, dru
stvenog proizvoda i njegovih komponenata i slieno. Takva
funkcija predstavlja se kao kriva rasta.
Gr afikon 11.
212
Drugi vid eksponencijalnih funkcija, gde je 0 < a < I ,
su one Cija je baza manja od 1. Takve funkcije su pozitivne,
ali opadaju i nazvane su krivama opadanja (grafikon 12).
213
sintetizovan nacin odnosi
U
ekonomske
model ra-
Yt = en +
cemu simboli imaju sledeca znacenja:
y! = velicina pojave u vremenu X
t vreme
e = sa vrednoscu 828
iIi rasta
Buduci da eksponencijalni model rasta po
trebno da se pretvori u linearan oblik na
(a + bt) . (e), (65)
(e) 1, (66)
pri tome se dobija
a + bt. (67)
u linearnom obliku
(68)
model rasta za
ima
F (t + m) e B + bt, (69)
a novi elemenat u formuli ima sledece
m =
Parametri a b rormule modela rasta iz
racunavaju se prema sledeCim uzorcima:
b (70)
NEt" (Lt)2
Eyl, Et
a b ----- (71)
N N
Tehnika a I b
nog modela rasta u tabeli
214
Izracunavanje parametara a i b Tabela 28
Drustve
ni proiz
vod SFRJ
u milioni-
y' , Vreme t y', . t t'
Godina madin.,
(stalne
cene 1972.
godine)
215
b = 0,063094
1652 496
a = ------ - 0,063094 -----
31 31
a 11,060341
Zamenom izracunatih parametara u formuli predviaanja,
dubijamo:
F 28 = 2,7182811,060341 +0,063094 (28)
= 372.117
U predvidanje drustvenog proizvoda
ocekivane efikasnosti ishoda
Stvarni i kao i
dati su u
Izracunavanje nr,p"u'o predvidanju drustvenog proizvoda
Tabela 29
Predvi-
Stvarni deni
0 Apso-
Godina drust- lutna
nom pro- venom greska
izvodu proiz
vodu
1952. 59.743 67.739 8.026 13,4
Hi53. 69.235 72.151 2.916 4,21
1954. 71.424 76.850 5.426 7,59
1955. 81.087 81.855 768 0,94
1956. 76.996 87.186 10.190 13,23
1957. 92.781 92.864 83 0,08
1958. 94.527 98.912 4.385 4,64
1959. 109.909 105.354 4.555 4,14
1960. 118.283 112.216 6.067 5,13
1961. 125.086 119.524 5.562 4,45
1962. 129.383 127.308 2.075 1,60
1963. 145.026 135.599 9.427 6,50
1964. 161.607 144.430 17.177 10,63
1965. 164.658 153.837 10.821 6,57
1966. 177.511 163.856 13.655 7.69
1967. 181.520 174.527 6.993 3,85
1968. 188.173 185.894 2.279 1,21
1969. 206.339 198.000 8.339 4,04
1970. 217.947 210.895 7.052 3,2:1
1971. 235.540 224.630 10.910 463
1972. 245.567 239.260 6.307 2;56
216
1073. 257.684 254.842 2.842 1,10
1974. 279.685 271.439 8.246 2,94
1975. 239.893 289.117 776 0,27
1976. 301.191 307.947 6.756 2,24
1977. 325.933 328 .002 2.069 0,63
1978. 347.799 349.364 1.565 0,44
1979. 372.317 372.117 200 0,05
1080. 380.864 396.352 15.488 4,06
1981. 386.371 422.165 35.794 9,26
1932. 389.471 449.660 60.189 15,45
1983. 478.945
510.137
Prosecna godisnja
procentna greska: 4,73%
1,35000
1.10000
38SOOO
360000
335(0)
310(0)
2ffi!XX)
260000
235CXX>
210000
185 000
160 (XX)
1:!5000 .- - - predvideni podaci,
110000 - - - stvarni podaci.
1,5000
60000
217
Podaci 0 efikasnosti
u periodu 1952-1982.
panja stvarnib od
caju; od ±5% do ±lO%
Pored ovoga, moze se konstatovati da
prognoze su iznad stvarnih
stvarni su veCi od
218
CLAVA XV
219
Zivotni ciklus kao funkcije vremena
kroz sledecih pet faza: faza uvoCienja, faza faza
faza saturacije, faza
Ukupna duzina
vreme trajanja svake
razvoj nauke i
nuvike potrosaca,
nalne mere,
uticu na opste
ciklusa
faza.
koleina
satura
el)O
opadanJe
uvode
II v
vreme
Slika 15. Zivotni ciklus proizvoda
220
U okviru zivotnog ciklusa proizvoda razlikuju se tri efek
ta, i to: efekat penetracije proizvoda, participacija i opadanje.
Efekat penetracije vremenski pokriva fazu uvodenja pro
izvoda ideo faze rasta, a ostvaruje se kao rezultat lansiranja
proizvoda na trziSte. Efekat penetracije ostvaruje se do praga
rentabilnosti.
Drugi efekat, prema duzini vremenskog intervala, najduze
traje i pokriva deo faze rasta, fazu zrelosti ideo faze za
sicenosti, a ostvaruje se kao rezultat uvecanog individualnog
ucesca u ukupnoj ponudi i potraznji. Donja granica efekta par
ticipacije predstavlja prag rentabilnosti, a gornja vremenski
period iIi aritmeticki prosek ukupnog stanja za duzi interval.
Efekat opadanja pokriva deo faze saturacije i faze opada
nja, a ostvaruje se kao rezultat povlacenja proizvoda proizvod
nog programa, sto ustvari predstavlja gornju granicu. Donja
granica efekta opadanja istovremeno predstavlja gornju gra
nicu efekta participacije.
Zivotni ciklus proizvoda predstavlja vaznu analiticku me
todu od koje zavisi vid, karakter i kombinacija marketing
-miksa koji treba da budu preduzeti u koncipiranju konzistentne
strategije.
Faza uvodenja proizvoda je najteza faza. Proizvod je pri
hvacen od ogranicenog broja potroSaca, promocija je intenziv
na, cena po pravilu nije visoka, a efekat uvodenja proizvoda je
negativan poslovni rezultat, jer je nizak stupanj zaposlenosti
kapaciteta, relativno su visoki fiksni troskovi, malo zahvacen
je segment trzista i slieno.
U fazi rasta prodaja raste sa visokom stopom, proizvod je
prihvacen od ogranieenog broja potrosaea, promocija je inten
zivna, cene su relativno vise. Krajem druge faze javlja se kon
kurencija , a poslovni rezultati su pozitivni.
Prodaja raste, ali stopa rasta opada u fazi zrelosti. Uticaj
konkurencije povecava se, efekat trece faze je pozitivan kao
rezultat efekata ulaganja u drugoj fazi.
U eetvrtoj fazi prodaja belezi saturacioni nivo, uticaj kon
kurencije je veoma izrazen.
U petoj fazi prodaja opada, stopa dohotka opada, sto je
najbolji znak da je proizvod zasao u poslednju fazu svog zivot
nog ciklusa.
221
N
N
N
223
GLAVA XVI
224
ni pokazatelji za izrazavanje tacnosti i kada osnovna namera
predvidania nije da tacno precizira ishod nameravane akcije,
vee da samo odredi pravce razvoja ili ocekivane promene, u
takvom slucaju predvidanje moze da posluzi kao sredstvo upra
vljanja.
Postupak procenjivanja treba da prolazi kroz trifuze u
toku zivotnog ciklusa predvidanja, ito:
1. Apriorno procenjivanje predvidanja: Za ovu fazu ka
rakteristicno je procenjivanje apriornog kvaliteta predvidanja,
tj. sa kakvom tacnoseu se ocekuje da se ostvari prognoza, kakva
ce biti odstupan.ia (pozitivna ili negativna), kolika ee biti veli
Cina greske, verovatnost i nastajanje prognoze, kao i procenji
vanje rizika . koji treba da sadrzi odluka. Ovaj vid procenjiva
nja sprovodi se od kada je predvidanje izvrseno.
2. Kontinuirano procenjivanje predvidanja: Ova faza obu
hvata vremenski interval od izvrsenja prognoze do isteka peri
oda za koji se ona odnosi. Procenjivanje predvidanja u ovoj
fazi treba da pokaze kakve su devijacije u ostvarenju prognoze
i odraz na dalje ostvarenje odluke, da li je potrebna readapta
cija prognoza na izmenjeno delovanje faktora privredivanja i
slicno. Velicina odstupanja je indikator za reviziju prognoza.
3. Aposteriorno procenjivanje predvidanja : Ova faza po
kriva period nakon isteka intervala za koji se odnosi prognoza,
tj . od kada se dogodio ili nije dogadaj koji je predviden. Ana
liza ostvarenja predvidanja treba da pokaze stvarnu velicinu
greske, odstupanja i tacnost predvidanja.
Tacnost predvidanja moze se istrazivati s razlicitih aspe
kata, kao sto su: s aspekta vremenske dimenzije predvidanja,
s aspekta verovatnosti nastajanja prognoze, s aspekta odstupa
nja stvarnih od predvidenih podataka, s aspekta troskova pred
vidanja, s aspekta metode predvidanja i dr.
Procena tacnosti kao funkcije vremena nalazi se u pravoj
proporciji sa vremenskim horizon tom predvidanja. Naime, uko
liko se predvidanje odnosi na duzi rok, ukoliko se verovatnost
nastajanja prognoze smanjuje, i obratno. Moguenost za rela
tivno tacno predvidanje smatra se merom egzaktnosti jedne
nauke.
izrazena putem od
zivotni ciklus
zavisi tacnost ne
povecanje. na primer, troskovi
su faktori od ih zavisi
e mogu da
1.1 proizvoda,
1.2. zivotni ciklus
Efikasnost
proizvodi
226
tacnosti, kao sto su klasicni proizvodi iIi proizvodi siroke po
trosnje, od proizvoda koji su stilski i modno orijentisani i koji
se karakterisu manjom tacnoscu predviC1anja.
Nezavisno od broja faza i vremena trajanja svake pojedine
faze zivotnog ciklusa proizvoda, u raznim fazama iivotnog ci
klusa postoje razliciti nivoi tacnostJi. Tacnost predvidanja je veea
u fazama zrelosti i saturaciji nego u fazi uvodenja.
N T
Slika 17. StTUktuTa buducnosti
15' 227
3. Faktori eksternog karaktera
J. Osiguranje 5,4'%
2. Maloprodaja - prodaja na veliko 6,2'%
3. Transport 6,2%
4. Bankarstvo 6,4'%
5. Proizvodnja 7,5%
228
Osiguravajuce kompanije izvestavaju da imaju manju gre
sku pri predvidanju u poredenju sa kompanijama koje se bave
proizvodnjom, koje imaju vecu gresku, pa odatle i manju tac
nost.
4.3. Treci faktor od kojeg zavisi tacnost predviaanja je
starost organizacije iii iivotnog ciklusa organizacije: Izmedu
tacnosti i faze z·lvotnog ciklusa organizaeije postoji korelacija.
Naime, organizacije sa duzim vekom imaju vece iskustvo u
predvidanju u poredenju sa mladim organizaeijama.
4.4. Cetvrti faktor od kojeg zavisi taenost predviaanja je
broj lica ukljucenih u pripremu i izvoaenje predvicianja: Izme
du broja liea i t.acnosti predvidanja postoji uzajamna poveza
nost. Naime, veCi broj liea ukljucenih u predvidanje ima za
rezultat manju gresku, i obratno.
4.5 . Peti faktor je upotreba kompjutera i konsultanata: U
pomenutoj studiji sarno 15 preduzeca izvestava da su uvek u
predvidanju ukljucivali konsultante i ta preduzeca imaju ma
nju gresku u poredenju sa preduzecima koja ne koriste usluge
konsultanata. U odnosu na koriScenje kompjutera u predvida
nju, 1/3 preduzeca obavestava da ne koriste kompjuter i pri
tome imaju 7,6% gresku u predvidanju u poredenju sa 6,5%
prosecne greske kod preduzeca koja koriste kompjutere (Ta
bela 31).
229
5. Faktori koji se odnose na metode predvidanja
5.1. da ima metoda ima
i obratno: 1z
1
2. (objekuivno-naivne),
3. (subjektivno-ka uzalne),
4. (objektivno-ka uzaIne)
cetiri se adnose na tacnost
= objektivne metode obezbedice vecu tacnost
trziSnom metode;
da budu relativno tac
po
,
= kauzalne metode vecu tacnost
trziSnom naivne metode;
H4= da budu relativno
230
Rezultati pokazuju da su greske kod predvidanja izvrsene
ekonometrijskim metodama bile manje nego kod predvidanja
modelima ekstrapolacije, koji imaju manju gresku nego modeli
koji se baziraju na rasudivanju eksperata.
5.2. Drugi jaktor u ovoj grupi koji ima izveden karakter
u udnosu na prethodni sacinjavaju promenljive vari.fabile uklju
cene u metodu predvidanja: Kao faktor, one imaju uticaja na
tacnost na nacin sto sada utvrdeni OdDosi izmedu promeljivih i
nepromenljivih mogu ubuduce da se menjaju u razlicitom prav
cu, u pravcu pr;blizavanja iIi smanjenja zavisnosti.
5.3. Troskovi predvidanja uti.cu na tacnust predvidanja: Na
osnovu istrazivanja 0 odnosu troskova predvidanja i tacnosti
koja se postize predvidanjem, na Slici 18 je predstavljen opsti
model. Povecanje troskova predvidanja ima za rezultat pove
canje tacnosti. Naime, pl'imena egzaktnij'ih metoda predvidanja
ima za rezultat povecanje troskova i tacnosti predvidanja, i
obrnuto. Primena jednostavnijih metoda predvidanja ima za
rezultat smanjenje troskova predvidanja, a uporedo s tim i
porast netacnosti predvidanja. Optimalni region je podrucje
gde su ukupni troskovi predvidanja (troskovi za savladivanje i
primenu metode) i troskovi predvidanja najmanji.
231
menski neke pretpostavke 0 spoljnim faktorima
vredivanja i slieno.
Na kraju, u vezi sa faktorima, moze se reci da najvazniji
faktori na tacnost pretpostavke
o faktorima metoda predvidanja, troskovi
karakter proizvoda) i
3. Metode za
Greska pri predvidanju, kao odnos izmedu
stvarnih podataka, moze biti brojcano merena iIi
Kvantitativno vrsi se
dok se vrSi na grafikon-dijagramu.
moze biti individualno (za svaku
celu vremensku Za
efikasnosti
Oplimalni region
koji ukljucuju 5ptcijalne informllcije.
Regresija
i drugi kauzalni mkode[j
SofiSiicirani sla!isri¢ki model;
232
Kvantitativno merenje greske ima prednosti nad grafickim
predstavljanjem greske. Naime, kvantitativno izrazavanje gre
ske omogucava kompariranje razliCitih prognoza, dok kod gra
fickog predstavljanja greske otezano je kompariranje gresaka
kod razliCitih predviaanja. Dalje, graficko predstavljanje gre
ske ne daje zbirnu (kvantitativnu) meru 0 tacnosti u poredenju
sa kvantitativnim merenjem greske.
U grupu statisticko-matematickih metoda izracunavanja
greske spadaju sledeee metode: metoda individualne greske,
metoda apsolutne greske, procenat apsolutne greske, apsolutna
greska na kvadrat, Theilova metoda, metoda relativne disper
zije, Makridakis-Wheelwright modeli i druge.
Prva i najjednostavnija metoda izracunavanja greske je
metoda individualne greske, kod koje se najpre izracunavaju
individualna odstupanja prema uzroku (P - A), a zatim izra
cunava se greska za celu vremensku seriju. Greska za celu vre
mensku seriju izracunava se na taj nacin sto se pojedinacno sa
biru negativna a pojedinacno pozitivna odstupanja. Razlika se
deli sa ukupnim brojem velicina i dobija se veliCina greske.
Druga metoda je metoda apsolutne greske. Kod ove meto
de greska je presek sviju gresaka nezavisno od vida ~ funkcije
matematickog znaka - plus iIi minus, a prema uzorku:
1
MAE = - ~ (P, - A,) . (72)
T ,~~
2:
1=1
% ae = - - - - - - - - . (74)
n
1= 1
233
Cetvrta metoda merenja odsLupanja izmedu stvarn ih i
predvidenih podataka je metoda apsolutne greske na kvadrat.
Postupak izracunavanja ima sledeci tok: najpre se nalazi raz
lika izmedu stvarnih i predvidenih podataka. Tako izracunate
individualne greske dizu se na kvadrat. Kvadrati individualnih
podataka se zbrajaju, a zbir se deli sa brojem clanova vre
menske serije. Formula izracunavanja apsolutne greske na kva
dra t ima sledeCi oblik:
1
n
MSE = - 1: (P, - A,?, (75)
T '=1
P-A
% e = - - - - - · 100 . (76)
A
(77)
234
Greska u prelomnim tatkama (.P - A)
A-
P
Negalivna
Pozitivna
potcenjivanja promena potcenjivanja promena
Negalivna Pozitivna
precenjivanja promena procenjivanja promena
237
ECONOMIC FORECASTING
Summary
239
next,
The choice of the which is a
methodological
ces, charactei'
analysis of certain
as well their
the to
sses. All is of
In Chapter VIII
and Yugoslav
according to
products, logistic
model of growth.
Also in this to of methodological
nature in them, determining the
field of mathematical formulation of methods, researching
possibilities of in development and planning
economy, as wel! as to advantages and in
of the methods. The methods are applied to phenomena
are under influence of seasonal facotrs.
In the last XVI is researched estimation as an integral
of without which prevision has only
that purpose efficiency of prevision in the
should be evaluated a counti
factors on which accuracy of
and it is pointed to possibility of impro
preVlSlOn as a measure of exactness of every science.
is examination of error as difference between the
and the realized data, which can be measured mathe
and statistical methods and on line
diagram and diagram of
Translated by
Nada Vulic
240
LES PREVISIONS ECONOMIQUES
RESUME
242
I' exactitude de chaque csenece. Enfen, l' erreur a ete examme.e en tant
que difference entre les valeurs prevues et les valeurs reeUes, laquelle
erreub peut etre mesuree par des methodes mathematiques et statistiques
et represen tee graphiquement sur un dagramme Iineaire et sur un di
agramme prevision-realisation.
Traduit par
Dragan Paunovi('
243
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
LITERATURA
AAIA, Aca, Rosier K. J.: Sales forecasting, THE ACCOUNTANT, vol.
175, 010. 5318, London, 1976.
Armstrong J. Scott-Michael C. Grohmaa: A comparative study oj
methods for lon-range market forecasting, MANAGEMENT SCI
ENCE vol. 19. No.2, 1972.
Armstrong John Scott: Long-range forecasting. From crystal ball to
computer, John Wiley and Sons, Inc., New York, 1978.
Amara Roy: Some methods of future research, Institute of the future,
Menlo Park - California, december 1975.
AH,!\peeB CT. Jby60~Ulp: OpraHl13alll1Sl 11 TeXflOnOrl1R Ha nporH0311palleTo j;
npOMI1WneHOCTa, TeXHI1Ka, COcj:lHja 1974.
Argenti John: Commonsence of forecasting, ACCOUNTTANCY vol. 88,
No. 1004, 1977.
Ascher William: Forecasting. An appraisal Jor poLicy-makcres and plan
ners, The Johns Hopkins Press, London, 1978.
Atanaskovic Srboljub: Predvidanje prodaje p:mocu kompleksnih funk
cija, MARKETING, 4/71.
Ayres U. Robert: Technological forecasting and long-range planning,
McGraw - Hill Book Company, New York, 1969.
AYI'es U. Robert: Uncertain futures. ChaUenges for decisionmarkers,
John Wiley and Sons, New York, 1979.
Bacon Jeremy: Planning and forecasting in the smaUercompany, A re
port from the Conference Board, No. 24, 1971.
Ap AJleKcaH.!\ap Ba3aJla: l1CTpa)f(I1Bafbe Ha MapKe'fl1HrOT, EKOHOMCKI1 ¢a·
KYJlTeT - CKorrje, 1973.
Bertrand J. BeIda: Reporting on forecasts of future developments, THE
JOURNAL OF ACCOUNTANCY, december, 1970.
Blohm Hans - Karl Steinbuch: Technological forecasting in practice,
Saxon house and Lexington Books, Massachusetts, 1973.
Prof. dr Vojislav Bozic: Sistem planiranja u udruienom radu, Savreme
na adminis~racija, Beograd, 1980.
Bratt C. Elmer: Business forecasting, McGraw-hilI Book Company. Inc.,
New York, 1958.
/"
245
for an old responsi"
No, 4, 197:t
of discrete
Jerey, 1963,
inventoT1/ control, Mc
1959,
Butler F, William - Hobert A. Kavesh: Now business economists fore
cast, Prentice-Hall, Inc" Englewood Cliffs, New Jersey, 1966,
Prenticc-
1978.
246
Crohton E. Frederick, Cowden J. Dudley, Bolch W. Ben: Practical busi
ness statistics, Prentice-Hall, Inc., Englewood Cliffs, New Jersey,
1969.
Cummings M. John: Market and sales .forecasting, Canadian CHARTE
RED ACCOUNTANT, vol. 102, No.6, 1973.
na,q5IaH B.: 3KOHOMI1l!eC1(0-MaTeMaTJ;[l!eCKa5I MO,1leJlh KaK Y1HCTpYMeHT ,110]]1'0
CpOl!HOrO I1pOrH03HpOBaHVI!5I pa3BYlTI1i5! HapO,1lHOrO X035IHCTBa, BOIlPO
ChI3KOHOMHKH, 12/71., MocKBa.
Norman C. Dall,ey, Rourke L. D., Lewis R., Snyder D.: Studies in the
quality of life. Delphi, and decision-making, Lexington Books, Mas
sachusetts, 1972.
Dalrymple J. Douglas: Sales forecasting methods and accuraxy, BUSI
NESS HORIZONS, 6/75.
Dauten A. Carl - Lloyd M. Valentine: Business cycles and forecasting,
South-western publishing company, Cincinnati, 1968.
n06pOB r. M.: IlPOJ'I-I03HpOBar!l1e HayKYI H TeXW'IKYI, HaYKa, MocKIla, 1969.
n06pOB r. M. H ,1IpyrHe: 3KcllepTHbi Ol.{eHKYI B HaY'lHO-TeXI-IYI'leCKOM llpOffW
3HpoBaHI1I1, HaYKoBa nYMKa, KHeB, 1974.
247
Gerstenfeld Arthur: Technological forecasting, THE: JOURNAL OF BU
SINESS, No.1, 1971.
Dr Geurts D. Michael: Documented sales data forecasting,
JOURNAL OF SYSTEMES MANAGEMENT, No.8, 1973.
Gilchrist Warren: Statistical forecasting, John Wiley and Sons, London
1976.
Gordon J. Bolt: Market and sales forecasting-a total appoacll, Kogan
Page, London, 1971.
Gordon T.j., Olaf Helmer: Report on a study. The
Rand Corporation, Santa Monica,
Gordon J. Theodore - Rober H. Amet· Forecasts techn;logicai
and scientific developments and their consequences, The
Institute for the future, Middletown, Connecticut report-6, 1959.
C. W. J.: Statistical economics series, AREWIEV
TECHNIQUES, No. of SUl'rey. Guildford.
Surrey.
II Elisha: A decision-maker looks at forecastmg. BUSINESS TO
vol. 14, No.3, 1966.
Gross W. Charless; Peterson T. Robin: Business forecasting, Houghton
Mifflin Company, BOfiton, 1976.
Grupa autora: samoupravno9 preduzeca,
Naucna knjiga, 2.
Hahn A. Walter - Kennet F. Gordon: the futu,e and
IJlanning, Gordon and Breach New York,
Hall K. William: Forecasting use in the corporate 1)/an
ning process, MANAGERIAL vol. 2t, No.3, 1972.
:Hall W. Lincioln: An to definite forecasting, University of Pen
nsylvania Press, 1929.
Haney H. Lewis' Business forecasting, G inn and Company, New YOl'k.
1939.
Haunnden Spencer: Now is using technological foreca8ting,
MANAGEMENT REVIEW, No. 1970.
Helmer OlaI Institute o(
the future, Menlo
Holt, Muth and Simon'
force, Prentice-Hall,
1960.
Jain C. Subhash Surendra S. Singha vi: Environmental
and organizations,
NING,
5IaKOBJleB A., 0 CMCTeMe H ynpaBJiCHM.!l II£!
rpacjJ.I1KOB, nlJaHOBOe v~~mixr"on
248
Jones Harry - BI'ain C. Twiss: Porecasting technology fo" planning
decision, A. Petrocelli books, Inc., New York, 1978.
Karchere J. Alvin: Economic forecasting in international business, CO
LUMBIA JOURNAL OF WOHLD BUSINESS, vol. 11, No.4, 1976.
Keay J:<'rederick: Marketing and snles forecasting, Pergamon, Oxford,
1972.
Kell G. Walter: The SEC's new disclosure rule on forecastc. MICHIGAN
BUSINESS REVIEW, vol. 25, NO.3. 1973.
Kennington Don : Long-range planning 1'01' public liberaries- A Delph!
study, LONG-RANGE PLANNING. vol. 10, No.2, 1977.
Kirby M. Robert: A comparison oj sh -Jrt and medium range statistic'Ll
forecasting methods. MANAGEMENT SCIENCE. vol. 13 , No.4 ,
Series B, 1966.
Knowlidge and concepts in futures studies, edited by Stephen Schwarz.
Westiview Press, Boulder, Colorado. 1976.
Koxtler Philip: Marketing management, 2nd ed .. Englewood Cliffs, New
Koltler Philip: Mal'keting management , 2nd ed., Englewood Cliffs. New
Jersey, Prentice-Hall, 1972.
Kovac F. J. , M . F. Dauge: Forecasting by product life cycle analysis,
RESEARCH MANAGEMENT. vol. XV. No.4, 1972.
Lanford H. W.: Technological forecasting methodologies: A. Synthesis,
AMERICAN MANAGEMENT ASSOCIATION, Inc., 1972.
Levine H. Alan: Forecasting techniques , MANAGEMENT ACCOUNT
ING , vol. XLVIII, No.5, 1967.
Lippitt G. Veron: Statistical sales forecasting, Financial execu t~ves re
search foundation, New York, 1969.
flJHHYKl1H B. A.' TeopMSl M npJKTHKJ npOfHOCTMld1, HaY,"J, MOCK!!:!, 1972
Little Blair - Roger A. More: Sales forecas t errors For new pl'oducf
projects, INDUSTRIAL MARKETING MANAGE~ENT. vol. 7.
No.1, 1978.
Luchisi nger P. Vincent - V. Thomas Dock: The systems approach: A
primer Kendall-Hunt publishing company, Dubuge. Iowa, 1975.
Markidakis G. Spyros - Wheelweinght Steven C.: Fgorecasting methods
for management, John Wiley and Sons, New York. 1973.
Makridakis S. - Wheelwright S. C. : Forecasting, Nort-l-JoJ " nd publish
ing company, Amsterdam , 1979 .
Makridakis Spyros - Steven C. Wheelwringht: Integrating forecasting and
planning, LONG-RANGE PLANNING, vol. 6, No.3 , t973.
Markidakis Spyros - Stev en C. Whe elwright: Forecasting: issuses and
applications, John Wiley and Sons, Santa Barbara, 1978 .
Makridakis S. - Wheelwringht S. C.: Interactive forecasting, univariete
and muUivariete method, Holden-day, sec. ed., San Francisko, 1978.
Makridakis Spyrof; - Steven Wheelwright: F orecasting : issuses and
shallenges for marketing management, JOURNAL OF MARKE
TING, No.4, 1977.
Makridakis Spyros, Anr..e H odgso n, Steven C. Wheelwright: An inter
active forecasting system, THE AMERICAN STATISTICIAN. vol.
28. No.4, 1974.
249
Malcon E. Robert: forecast effectiveness, ;:I.,[ANAGERIAL
PLANNING, vol. 1970.
:Marcus H. Burton Edward M. Tauber: Marketing and deci
sion making, Little Brown and Company, Boston,
Martino P. : An introducti::m to technological forecasting.
Gordon Breach, Science publishers, Inc .. New York, 19'12.
dr Vlastimir: pomocu deUi-meiodc kriticka ana-
ORGANIZACIJA 7/78.
L. tech
for No.6,
American
McNees K. forecasts. New E~G-
LAND
MANAGEMENT AC-
applied approach, John Wiley and Sons, lnc., New York 1976.
250
Newbury D. Frank: Business foreca sting. Principles and practice, Mc
Graw-Hill Book Company, Inc., New York 1952.
Newbold Paul: Forecasting methods, Civil Service College, OCCASIO
NAL PAPER, No. 18, 1973.
Noerh Q. Harpel' - Donald L. Puke: "P robes« of the technological fu
ture. HARVARD BUSINESS REVIEW, maj-june 1969.
HOBa'l:eBCIUI ,n:p ,Il)i,vIHTpl1ja: If,iTyuTu6Hu MeToou 3a nooZOT6Y6a1-be Ha
OOIlYICU U npoZH03Upat-be - noce6Ho 3a oellqm npmleoypaTa. ro
,Il)1lliHHK Ha EKOHOMCKI10T ¢aKymeT, CKonje, TOM XXI, 1978.
Novacevski dr Dimitrija: Metode izbora strateskih odluka, Savremena
administracija, Beograd 1979.
Obraz Rozman - Fedol' Roko: [strazivanje trziSta (marekting), Infol'!TIa
tor, Zagreb 1963.
Paker G. C. George - Edilberto L. Segura: How t ') get a betfer forerast,
HARVARD BUSINESS REVIEW, march-april, 1971.
Partee J . Charles: The state of economic forecasting, BUSINESS HORI
ZONS, vol. 19, No.5, 1976.
Pa n Judy, Donald R. O. Maurice Joy: Sales foreca sting practies of large
U. S. industrial firms, FINANCIAL MANAGEMENT, vol. 6, No.3,
1977.
Pearce Colin: Prediction techniques for marketing planners, Associated
Business Programmers, London 1971.
P erl Raymond: The biology of population growth, Alfred A. Konopf,
Inc, New York 1925.
Perci val Wh ite : F01'ecasting, planning and budgeting in business mana
gement, McGraw-Hili Book Compan y, Inc., New York 1926.
Dr 2ivojin Pe,iC: Planiranje i poslovna politika OUR, Savremena admi
nistracija, Beograd 1980.
'[(p ,[(YllJaH n eTKoBcKH : VICTpa)KYBane Ha n03apoT, YHl1Bep31HeT KI1P ~lJl M
MeTo,[(Hj, Cl<ooje 1977.
Ilpocp. ,[(p ,[(YllJaH neTKoBcKM: MeTOJI.OJlofl1ja Ha I1CTpa)l(YBal-beTO Ha na Ja ·
pOT, 3aBo,[( 3a yHaope,[(yBalbe Ha CTooa:1(;TBOTO Ha CPM, Cl<onje 1978.
Planning and social processes, Czechos lo \'ak academy of science, Praha
1978.
Kempner J. Stanlej - Earl L. Bailey: Sales forecasting practices. An ap
praisal (a survey) , EXPERIENCES IN MARKETING MANAGE
MENT No. 25, The Conference Board, New Yorl, 1970.
Predvidanje prodaje, FEB, Sarajevo,
Predviaanje prodaje, dokumentacijski elaborat, I i II dio, Zavod za pro
duktivnost, Zagreb 1968.
Predvidanje buducnosti, Zbornik trece medunarodne konferencije Na
uka i dru s lvo, Herceg Novi 1969, Naucno delo, Beograd, 1971.
Quade E. S.: Analysis for public policy decisions, The Rand Corporation,
Santa Monica, California, P-4863, july, 1972 .
Rippe D. Richard: The integrathn of corporate forecastinq and planning,
COLUMBIA JOURNAL OF WORLD BUSINESS, vol. 11, No. 4.,
1976.
251
Robinson Colin: Business, economic Thomoas
Nelson and Sons Ltd ..
Journal of INDU-
Ha UOfiU1-laTa, <I:>H
1/81.
MerOJloJ/oWKI1 npOOJlc.l/H
CKcnOHeH4MjaJlHO 1f3paBHYB8fbe
CKonje 1981.
8uklev Bobek: Predvidanje eksponencijalnog poravnanja, OR
GANIZACIJA RADA,
252
WYKJlen 006eK: np04eHYBa~bt Ha tKOHOMCKOTO npeIlBI111 Y R<2I-be, rOAM
WHf.1K, EKOHO~ICKH cpaKYJlTeT, Cl< onje 1983.
lllYKJles E06eK: I1HTepIll1C411nJlMHI1paHOCT, Opl'<2HM3a"l1;a 11 CI1CT e MCKI1 npH
Oil KOH eKOHOMCKOTO npeI1Bl1llya<l.tbe, fOAf.1WHf.1K, EKOHOMCKI1 cpa
KYJITeT, CKonje 1984.
Suklev Bobek: Predvidanje potrosnje sredstava za zastitu bilja d :10
strukim eksponencijalnim poravnajem, EKONOMIKA UDRUZE
NOG RADA, 7-8/82.
Techniques for forecasting product demand, American Institute of Carti
fied Public Accoutants, Inc. , New York 1968.
Technological forecasting for industy and goverment - Methods and
applications, Prentice-Hall, Inc. , Englewood CHffs, New Jersey
1968.
Ter~ine J. Richard - Walter E. Riggs: The Delphi technique: A 10ng
-range planning tool, BUSINESS HORIZONS, vol. 19, No.5, 1976.
Dr Tersine J. Richard: Time series analysis, JOURNAL OF SYSTEMS
MANAGEMENT, vol. 25, No.7, 1974.
Tersine J. Richard: Forecasting: Prelude to managerial planning. MA
NAGERIAL PLANNING, vol. 24, No. 1, 1975.
Tehnoloska predvidanja. Institut za naucno-tehnicku d kumentaciju i
informaciju, Beograd, 1971.
The art 01 anticipation. Values and methods in Iorecastinq, edited by
Solomon Encel, Pauline K. Marstand and William P:lge, Martin Ro
b~rtson, London 1975.
The place of forecasting in basic planning f er :;lnaU business. Univer
sity of Minnesota , 1961.
The study of the future, An introduction to the art and science o f unde:
standing and shaping tomorrow's world . World futurE society, Wa
shington 1977.
Theil Henri: Economic iorecast and p " licy. North-HolJand publishing
company, Amsterdam 1965.
Theil Henri: Applied economic fOl·ecasting. Rand McNally and Co, Chi
cago 1966.
TaH4en lby6eH: np06J1eMI1 Ha npofHo3HpaHCTo B HP5, TeX1Hll(3, Cocpl1ja
1974.
Trigg W. D. - A. G. Lech: Exponent i al smoothing with an adapUve re
sponse rate,OPERATIONAL RESEARCH QUATERLY. vol. 18.
No.1, 1967.
Dr Boris Tihi: Ist1'aiivanje trzista, Svjetlost, Sarajevo 1976.
Trigg W. D.: M o nitoring a forecasting system, OPERATIONAL RE
SEARCH QUATERLY, vol. 15, No.2. 1964.
Tryhane G. A. L. - Richard Hare, Jl.' Forecasting. PUBLIC UTILI
TIES FORTHNIGHTLY, vol. 90 , No. 12, 1972.
Turner C. Robert: Should you take business forecastinq serionulsly'
BUSINESS HORIZONS, vol. 21. No.2, 1978.
Turner J.: Forecasting practices in British industry, SUITey, London
1974.
Pro£. dr Ivan Turk: Izgradnja sis/.ema poslovnih inf. nnacija, Informa
tor, Zagreb 1974.
:2 53
Van Dam Andre. The business :forecasting, BUSINESS
HORIZIONS, vol.
BenHl.!KOBa
254
INDEX
Am ara R. 136
Chambers J. E. 85
210, 211
Claucombe W. W. 21, 110
36, 65
Curley L. M . 21
170
D
Dada.ian V. 40
B
Dalkey N. 135
Bai1 2Y E. L. 43
Dalrymple D. J. 228
banka podataka 69
datoteka 69
Berger G. 41
47, 48, 49
168
definisanj e problema 20, 22,
177
88, 95, 139, 149
Burton M . H. 60
dekompoz,l cija 158, 168, 169
centralizovano predvidanie
139, 144-146, 223
47, 48
probes 142
255
cross-su pport
174, 187,
cros-matrix
Descartes R. 84
elementi privrediva
Dobrov G. M. 112
drustveni
48,49
217
53,
Erick
54
extrinsic modeli 111
dvostruki prosek
196, 209, 210, 211
166
F
H. 50
Edman M. 40
Fildes Robert 21, 22
226
Fischer D. J, 22
ekonometrisko-intuitivni mo
forcus group studies 60
51,
G
eksponencijalan faktor 169,
"YY'I,nc)''''
Gordon T. J. 1 143
metode 236
1 lOB,
diiagram
1 176, 177
232
1 184
aposteriorna 150.
Browonovo
153, 154, 225
1 ] 18G
apriorna 99, 1 225
1 181, 1
kontinuirana 225
177.
174
Grohman M. 111, 230
jednostruko 174, 1
Gross S. J. 53
181
Gross W. Ch. 89
256
H
K
Hall W. K. 111, 135
kadrovi 71, 72, 104
Hare R. 22, 96
kauzalna ekstropolaciia 112,
Helmer O. 135
210, 211
heuristic ideation 60
kauzalne metode 96, 110, 114
horizont
80
Klein S . 204
I 210, 211
induktivan 90
kontinuirano predvidanie 73,
induktivne metode
125, 148
113, 120
kratkorocno predvidanie 41
in terdisci plinarnost
134, 171
outputna 44, 58
116, 170, 198, 199, 224
64, 110
logicki modeli 113
ieclinstvena regresiia 54
228
232
Peterson T. R. 89
Krume 25
Petkovski Dusan 114
Momcilo 25, 90
petogodisnii pokretni procesi
Milne E. Thomas 20
59, 1 120
morfoloske metode 37
108, 120, 134
Mullick S. K. 89
ciklicni 96, 115-163
multivarijaciona analiza
ni 96, 105
148, 156
trend 96, 163
236, 237
164
odluke 82,
neizvesnost 81,
85, 118
83, 227
pokretni prosek 110, 130, 147,
149
pos]ovno 31
normativni metodi 1
198
North H. Q. 142
172
Novacevsski D. 114
deterdzenata 150,
PPBS 199
o
230
46,
230
59 64,
1
G{),
114
lOt 102, 118, 119, 120. 12l.
204.211. 226
139
221
258
probaIisticka izjava 94 41, 42, 81
nepoznate variiabile 27 ekstrapolacija 210, 211
prelomne tacke 97, 129, 166 retrospektivan 30, 31 ,
presuda eksperata 230 41, 42, 65, 86
planske pretpostavke 73, 74, genetican 40
75 nesofisticiran 40, 41
unutrasnje 75, 78, 79 normativan 40
spoliasnje 75, 77, 79, sofisticiran 40, 41, 102,
228 104, 134, 148
ishoda nameravane ak planiranje 30, 36, 43, 44, 45,
cije 79 73, 74, 77, 78, 118, 119,
planovi 120, 121 122, 124, 125, 126,
dugorocni 75 127
srednj orocni 75 problem detaction studies 69
kratkorocni 75 problem inventory analysis
,promenliivi 75, 231 60
kontrolisani 75, 76, 78 procenat apsolutne greske
nepromenljive 75 233, 234
nekontrolisani 76 proceniivanie 105, 148, 153,
delimicno kontrolisani 224
75 procenjivanje metoda 102,
p redskazivanje 23, 24 104
prilazi kompleksnost 106
interdisciplinatnost 35, razumljivost 104
39, 44, 45 jednostavnost 104, 105
savremeni 39. 42, 72 fleksibilnost 104
tradicionalan 39, 42, 72, prodaja masina za pranie ru
134 blja 174, 175
sistemski 39, 52, 55, 59, prodaino predvidanje 31, 52.
94 95, 97, 123, 128
upravliacki 39, 44, 51, prognostika 23
52, 55, 59, 68, 83 prognoza 23, 36, 54, 58, 59,
organizaciiski 39 89, 90, 97, 99, 120, 127,
funkcionalan 39, 49, 50, 218
52 aktivna 40
mikro 39-45, 61, 90, pasivna 40
129, 213 prognozer 56
makro 39, 43, 61, 90, prognoziranje 22, 23, 24, 25 .
129 27, 37, 68, 88, 112,115, 129,
naucan 30, 32 3:t 31. 147, 152
35, 88 programatika 46, 199
nenaucan 35, 37, 42, 6: proizvodnie deterdzenata 155 ,
prospektivan 31, 39, 40. 161, 162
17' 259
Q Sullivan G. William 21. 1 :0.
quest 199 203
krive 13;) lfHl
R
T
105, 128
sistem
trogodlsnji
162, 163
troskovi 71, 72, 104
troskovi primene 72
56, 57 troskovi savladivaniJ. 107
S-kriva 201 G. A. L. 22, 96
Smith D. 89 228, 23i
53,
54 U
stohasticnost 55
K. J. 43
statistika 40, 109, 116,
147
Stick S. Leonard 21
Radmila 40, 114.
124
231
metod
230
v
meto'l vestacka vremenska
260
vestina prevoden;a 33-34
organizaci;e 228, 229
149, 152
Z
171
Z X
261
Bobek Suklev
EKONOMSKO PREDVIDANJE
Prvo izdanje, 1987.
Tiraz : 2.000 primeraka
Prevod
Mihail Janusev
Lektura i korektura
Tanja Blecic
Tehniccki urednik
Dragoslav Kubat
Naslovna strana .
Dragana A tanasovic
Crtezi i dijagrami
Bojana Savanovic i
Milica Damnjanovie
Sekretar redakcije
Katica Pandurov ic
Izdavac
IRO EKONOMIKA, jugoslovenski centar za izdavanje strucnih
casopisa i publikacija, Novi Beograd, Bulevar Lenjina 125
Za izdavaca
Ljubisa Abadie, direktor
Stampa
»SAVA MIHIC«, Zemun, Marsala Tita 46-48
YU ISBN-86-7113-018-5