Recenzenti :

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:;

KATAJIOfJ!l3AL(vljA Y nYEJIJ!lKAL(J!ljJ!l (eIP)

338.27

WYKJIEB. EoBeK

Ekonomsko predvidanje I Bobek Suklev; [prevod Mihail Januse\'].

- [l.i.zd,)], - Beog~'ad: Ekonomika, 1987. - 261 erp. rpacj:J fil:11­
Ka311; 21 eM
Litemtura: erp. 245-254.
ISBN 86-7113-018-5
nK: a. npl1BpeAHI1 pa3Boj - n peABl1l)alnE
B. Y[]paBJbaHoe

06paljeHo y HapopHoj 6116!1110TeI.j11 Cp6l1je, Eeorpap

 PREDGOVOR

Brzi razvoj proizvodnih snaga, kao rezultat naucno-tehno­

loske revolucije i tehnickog progresa, u osnovi ogleda se u sve
vecoj i ubrzanijoj mehanizaciji i automatizaciji proizvodnih i
radnih procesa. Ova dva elementa razvoja omoguCila i prouz­
rokovala su ubrzane integracione procese u nacionalnim i me­
dunarodnim okvirima i stvaranje velikih i slozenih tehnolo~:­
kih sistema, razvijenu podelu rada, usku specijalizaciju u pro­
izvodnji, promene u privrednoj i kvalifikacionoj strukturi,
brzo zastarevan.je tehnike i tehnologije. Ovi p1"Ocesi stvorili su
probleme u planiranju, organizaciji i kontToli (upravljanju), in­
formisanju, istrazivanju, donosenju odluka i drugo.
Brze promene u uslovima privredivanja prouzrokovale su
da proces planiranja ciljeva, politike i planova bude mnoqo
odgovornija i sudbonosnija operacija u upravl.'lanju organizaci­
.'lama nego sto je to ranije bio slucaj. U takvim uslovima napo­
ri su usmereni ka zameni intuicije i rutine pri planiranju pri­
menom, pored ostalog, i ekonomskog predviaan.ja. Danas je
sagledana potreba za sto egzaktnijim predviaanjem buduceq
ambijenta rada i ishoda pojava u prognoziranom okruzenju.
Izmeau tempa promena uslova privreaivanja i potreba pri­
vrede u takvim uslovima postoji visoka korelacija. Naime,
predviaanje je utoliko potrebnije ukoliko su faktori rada ne­
stabilniji i dinamicni.ji.
Ovim radom, koji razmatra prilaz i metode predviaanja,
kao nijihovu karakternu primenu na privrednu praksu, zeli
se pokTiii jedno do sada nedovoljno istrazeno i izdiferencirano
podrucje ekonomije, a tako vazno za planiranje u samouprav­
nim organizacijama udruzenog rada u preduzeCima.

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.

Skopje , apriZa 1985. god.

Aut 0 r

7
 SADRZAJ

Predgovor (5)
Dvod (13)

PRVI DEO - TEORIJSKI ASPEKTI PREDVIDtlNJA

Clava I. Predvidanje u ekonomskoj literaturi (19)

1. Definisanje predviaanj'a u inostranoj literaturi (20)
2. Def.inisa,nj e predVliaanja u jugoslovenskoj litera turi (24)
3. Sadriaj predviaanja (28)
4. Drustvenl znacaj i ciljevi predVri aan.la (29)
5. Predvidarnje k'ao nauika (32)
Clava II. Prilazi ekonomskom predvidanju
1. Vlidovl prilarza ekonomskom predvidanju (39)
2. Retro-spektivan i prospektiJvan prilaz ekcnomskom
pred viaanju (39)
3. Tradi60nalarn i savremen prilaz ekonomskom
predviaanju (42)
4. Interdisciplinarnost eko'l1romskog predvi(1 a nja (44)
5. Organizacija pred v,iaanja (47)
6. Funrk ci,onalan prrillaz ekonomskom predvidanju (49)
7. Prilaz predviaanju u zarvisnosti od vremen&kog
hod,;;::onta (52)
8. Sist~mski prilaz ekonomskom predvidanj u (5;;)
9. Osta.li prilazi ekonomskom predviaanju (59)

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

Glava VI. Sprovodenje predvidanja

1. Sust1na i vidOlVi po se sprovodi

2.

3. na niv·au grane (94)

4. Sprovoaenje na nivou organizacije (95)
Glava VII. procenjivanje i rangiranjc i
metoda predvidanja
1.
2.
3. metoda
Glava VIII. Ekonomsko predvidanje
1. e i u (119)
2. Predvidanje i u

Ii teraturi (121)

3. (127)
4. u (129)

DRUGI DEO METODOLOSKI ASPEKTI PREDVIDANJA

Glava IX. DeW-metoda
1. Intuitivne metode predvidanja (133)
2. Primena i sus tina delH-metode (134)
3. Karakteristike deW-lmetode (135)

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

multivarij'acionom analizom (153)

5. Predno&ti i nedostaci multivarijacione analize (156)

Glava XI. Metoda pokretnih proseka
1. MetodJOloski problemi u primeni metode

p()lki'eiJnih proseka (158)

2. J ednostavrui p(jkretnii proseci (161)

3. DV()6tru1ci poki'ebni pwseci (163)
4. P'I"ednosbi,i nedostaci metoda pokretni

pros€Jka (166)

Glava XII. Metoda eksponencijalnog poravllanja

1. Znacaj i iZibor eksponenci}alnog faktora

poravnanja -(169)

2. Odredivanj·e pocetne veiiCine vestacke

vremenslke seruje (173)

3. Modeli eksponenoi.jalnog poravnanja (174)

4. Prednosti i nedostaci metode eksponencijalnog
poravnanja (195)
Gla v,a XIII. Logisticka kriva
1. Kvantitativne metode precividanja (198)
2. Karakteris1Jitke l<ogi sticke 'k,rive (200)
3. Matemaiticke prezentaoije log~sticke knive (201)
4. Predvidanje logisticke hive (204)
Glava XIV. Eksponencijalan model rasta
1. Neophodnast, principi i v,ici-ovi ekstrapolacije (209)
2. Karakteristike eksponencijalnog modela rasta (212)
3. Predvidanje eksponencijalnog madela rasia (213)

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

PREDMETNI I IMENSKI REGISTAH (255)

12
 UVOD

Ekonomsko predvidanje, svojom slozenoseu, kompleksnos­

eu i dinamicnoseu, predstavlja podrucje posebnog interesa u
ekonomskim istrazivanjima poslednjih nekoliko decenija. U sa­
vremenom svetu predvidanju se iz dana u dan pridaje sve veCi
znacaj, i kao rezultat toga je stvorena i siroka razradena meto­
dolog,ija mikro i makro predvidanja. Ekonomsko predvidanje
predstavlja veoma vaznu determinantu pri projektovanju budu­
eeg dugorocnog privrednog razvoja zemlje, kao i u pripremi pla­
nova i programa za usaglasavanje i usmeravanje razvoja i po­
slovanja preduzeea i samoupravnih organizacija .
Trend razvoja ekonomskog predvidanja u svetu ima uzla­
zan, progresivan smer kretanja , ali je ekonomsko predvidanje
nedovoljno teorijski i metodoloski apsorbovano od strane jug­
slovenske mikroekonomske teorije i prakse.
Poveeano interesovanje za proucavanje ekonomskog pred­
vidanja nedvosmisleno ukazuje na cinjenicu da se radi 0 perma­
nentno aktuelnoj i izvanredno znacajnoj oblasti u ekonomiji, po­
sebno vaznoj za srednjerocno i kratkorocno planiranje u predu­
zeCima i samoupravnim organizacijama, za upravljanje bu­
duenoseu, za preventivno odlucivanje, anticipativno informisa­
nje, otkrivanje marketing oportuniteta i trasiranje budueih
pravaca razvoja pojava i privrede u zemlji.
Naucna disciplina , ciji se predmet razraduje u ovom radu,
relativno je mlada i nalazi se u fazi konstituisanja, a jugoslo­
venska teorija je deficitarna literaturom iz ovog podrucja.
U tom kontekstu, ucinjen je pokuSaj, prvi put u jugoslo­
venskoj literaturi, da se publikuje rad koji predstavlja integra­
ciju teorijskog i aplikativnog interdisciplinarnog pristupa pred­
vidanju koje je neophodno za pripremu strateskih i taktickih

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

EKON ~ , r ' :(,JlTET

III E ._ . 0"1 .:. \{ A

5 P LIT

2 B. Sukl ev: Ekonomsko predvi<1anje

 GLAVA 1

PREDVlfJANJE U EKONOMSKOJ LITERATURI

Predvidanje ekonomskog razvoja u funkciji vremena, zbog

njegovih dalekoseznih posledica, svojom slozenoscu, kompliko­
vanoscu i dinamienoscu, predstavlja podrueje posebnog interesa
u ekonomskim istraZivanjima. Taj interes potiee iz sledeCih raz­
loga: rizik donosenja odluka, otezano planiranje razvoja i rada
i informisanje zasnovano na podacima i informacijama 0 pros­
losti i buducnosti.
Medutim, razlieito odredena sad dina (predmet predvidanja)
doprinosi razilazenju autora pri definisanju predvidanja. Tae­
no odreder, sadriaj predvidanja, povezivanje buduceg ambijenta
rada sa uticajem na nameravani tok akcija u tako predvidenom
buducem ambijentu ima za rezultat kompleksnije i sadrzajnije
predvidanje. Sarno se takvim naeinom moze obezbediti da pred­
vidanje predstavlja preduslov planiranja i nacin otkrivanja raz­
vojnih oportuniteta, i napustanje informativnog karaktera pred­
vidanja i tretmana predvidanja kao mehanickog prenosenja
proslosti i sadasnjosti u buducnost.
Opsti utisak da, zbog razlieitog znaeaja, uloge i sa drzaja
predvidanja, u literaturi nedostaje siroko prihvacena definicija
predvidanja.
Zbog toga, treba ukazati na saddajna i metodoloska pod­
rueja razilazenja pri definisanju predvidanja kod pojedinih
autor<:' kao osnove za dalju s ustinsku razradu elemenata predvi­
danja i nacina priblizavanja razlieitih stajalista i prilaza ovom
osnovnom pitanju iz oblasti predvidanja. U tom cilju, definicije
ce biti sistematizovane u dye g rupe, kako bi se omoguCilo sagle­

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.

1. Definisanje predvicianja u inostranoj literaturi

U ekonomskoj literaturi na Zapadu susrecu se brojne i raz­

novrsne definicije, odnosno tumacenja, toga sta predstavlja
predviaanje. Bice predstavljene neke, za koje se smatra da su
karak teristicnij e.
Za oznacavanje predvidanja , prema znacaju i intenzitetu
upotrebe, u anglosaksonskoj literaturi koriste se dve reci - pre­
diction i forecasting, pri ceI:t1u se susrecu razlicita pojmovna
obrazlozenja i razgranicenja, pa ipak u osnovi mogu se iskrista­
lisati dva prilaza ovom pitanju l .
Definicija koja objasnjava potrebu predviaanja, a ne obra­
duje sustinske, sadriajne i metodoloske aspekte predvidanja
(svojstva, obelezja, ciljeve), predlozena je od Thomasa E. Mil­
nea 2, koji, predvidanje definise kao servis Cija je namera da po-
I Prvi - da su ove reci sinonimi, sa podjednakim pojmovnim zna­
cajem (Henri Theli: Economic forecast and policy, N ort-Holland publi­
shing company, Amsterdam 1965, p. 1) iii ni Webster ni ja ne vidimo
neku razliku da bi pravili bilo kakvu raztiku (Armstrong Jon Scotl:
Long-range forecasting: EROM CRYSTAL BALL TO COMPUTER John
Wiley and Sons, Inc. New York 1973, p . 5) Drugi - da izmedu prediction
i forecasting postoji sustinska razlika, kako u znacaju ta·k o i u metodo­
loskom nacinu upotrebe prj' predvidanju. Naime, forecasting je upotreb­
Ijeno u smislu kreiranja (crtanja) mogucih buducnosti I~ao razlikovanje
od prediction jednostavne buducnosti (Gordon T . J. - Olaf Helmer :
Report on a long-rande foreca sting study, The Rand Corporation , Santa
Monica, California , IX 1964, p. 1) iIi forecast je upotrebljeno sa znaca­
jem projektiranja proslosti u buducnost. Literarno rec znaci »baciti na­
pred« , da se nastavi ono sto se dogadalo. Prediction i]j kazivanje una­
pred bice rezervisano za upravljacko anticipiranje promena i kako ce se
novi faktori efektuirati na potraznju (Brown Goodel Robert: Statistical
forecasting for inventori Control, McGraw-Hill Book Company, Inc. New
York 1959, p. 3) iii prediction oznacava procenu sadasnjih vrednosti pro­
menljivih, dok forecasting oznacava procenu buduCih vrednosti pro­
menljivih (Wolter B. Wentz - Gelald J. Eyrich: Marketing. THEORY
AND APPLICATION Harcourt Brace and World , Inc.
2 Thomas E . Milne: Business Forecasting; A MANAGERIAL AP­
PROACH LONGMAN, London 1975, p . 2.

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

cemu odluke mogu biti donete

Wood i Robert ,s sistema

predvidan,ie kao pokusaj za stvaranje mosta
podataka koje sada imamo sa podacima koje bi hteli imati, ali
ne mozemo ih dobiti direktno.
U studiji Davida J. Fishera l2 0
katora u predvidanju, ekonomskom ili
predvidanje analiza razliCito postavljenih - glavno
ekonomskih po prirodi, ali takode ukljucuje politicke i drustvene
informacije - sa namerom da se pro.lektiraju ekonomski
trendovi koji su sada vazni. Na kraju, rezultati ove analize
mazu upravi da rizike pripremi ""',0.,."+""1_
nih i strateskih odluka.
se moze definisati kao
da se zadrze ubuduce.

zasnovan na stvarnom znanju 0

na utvrdenim meduodnosima izmedu

tor a u proslosti i sadasnjosti i na pretpostavkama da se ovi
uslovi i meduodnosi zadrzati duze u buducnosti Hi ce se menjati
u pravilne i predvidZjive sabZone. Idealno, treba da
bude jedan tacan izvestaj 0 buduCim "'0",",",,,,,,
vidanje je samo najbolja presuda za
izvedena raspolozivim

10 Richad Hare Jr.: Forecasting, PUBLIC UTI­

LITIES vol. 90, No. 12, 1972, P
Ibid
It
Davi'd
12 Fisher: economist. A RESEARCH RE­
PORT FROM THE No. 655, 1975, p. 6.
14 i rauada
NAUCNE OS­
str. 90-107.

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

2. Definisanje u jugoslovenskoj literaturi

Etimolo8ki, termin potice od grcke reci (pro)

pre i (gnosis) sa znacenjem: dobiti
stavu 0 onome 8to se eventualno dogodilo. Analogno ovome,
u jugoslovenskoj literaturi prihvacena ree predvidanje W sa
najadekvatnijim pojmovnim
U literaturi susrece
o tome sta predstavlja predviaanje. Na
medu ne postoje razlike
predvidanje. Meautim,
taj prividan biCe osporen.
prezentirane grupisane su u sledece tri grupe.
Prva grupa obuhvata koje koriste sistemski
definiranju se u
sma tra sistemom,
sistema.
za odredivanje "?i"71It""n
egzistira.2!
18 HHKonai:'1 HsaHOSH:<I: C;PU"lOCO{pCKO-Me,'oiJo;10lU'1eCKUe
npOO/leil1.bl npouw3upo8aHuR, YHlffiepCl-ITeT.
1980, CTp. 18.
19 Igor Bestuzhev
ments of social
Czechoslovak
U

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

Iz iznetih definicija predvidanja proizlazi da se predmet

predvidanja moze razmatrati u uzem i u sirem smislu reCi. U
uzem smislu, predmet predvidanja su faktori rada, sto znaci da
svi pomenuti aulori imaju konvergentna stajalista u odnosu na
parcijalni predmet. Medutim, predmet predvidanja prosiruje se
ne samo na faktore rada, vee i na predvidanje ishoda namera­
vane akcije.
Rad i postizanje odgovarajueih poslovnih rezultata zavise
od mnogobrojnih faktora od kojih zavisi privredivanje. Ti fak­
tori imaju presudan uticaj na kako sadasnje takode i na buduee
ekonomsko stanje. Bas za to od in teresa za preduzeee je da sa­
gleda njihovo buduee delovanje, da ih menja ili da im se pri­
Jagodava, sa ciljem da se smanji negativno a uveea pozitivno
delovanje. Faktori su po svojoj prirodi razli citi i imaju jace ili
slabije izrazen uticaj na duzi, odnosno kraei rok. U literaturi
se sreeu brojne kvalifikacije faktora privredivanja koji su pred­
met predvidanja, sa napomenom da su to istovremeno i determi­
nante poslovne politike.29
Prema kriterijumu prostorne lokacije, spoljnim faktorima
smatraju se oni faktori (dogadaji, stanja i usiovi) koji deluju
van preduzeca, pri cemu preduzece nije u stanju da ih hitno
menja, eliminise iIi stvara. Spoljni faktori cine okruzenje, bu­
dud ambijent u kojem ce preduzece raditi i poslovati. Neki od
faktora na du zi rok imaju varijabilan karakter i moguce je
njihovo menjanje. Mali je broj spoljnih faktora koje stvara sa­
ma organizacija i mo ze uticati na njihovo menj anje. U grupu
spoljnih faktora spadaju prirodni usiovi, razvoj nauke, tehnolo­
gija, trZiste, stanovnistvo, transportni usiovi i institucionaini
29 Faktori se dele na objektivne i subjektivne, dok se objektivni
faktori dele na pretezno unutrasnje i pretezno spoljne (Drago Gorupic:
Poslovna politika, Centar za obrazovanje rukovodecih kadrova u pri­
vredi i Ekonomski institut - Zagreb, 1963, str. 18). Prema l(riteriju­
mima sagJedavanja i kontroJisanja faktora, oni su dela eksternih i in­
ternih (Dr lVIomcilo lVIilisavljevic: Planiranje i poslovna politika pre­
duzeca, Ideo, USSEF, Beograd 1965, str. 45-46). Prema kriterijumu pro­
storne lokacije faktora u odnosu prema OUR-u, tj. da Ii se nalaze unutar
ili van OUR-a, oni se dele na unutrasnje iii spoJjne (Dr Krume lVIihajl'ov:
op. cit., str. 49, pri cemu je razradio ovu problematiku i daje sadrzajnu
kriticku analizu postojeCih klasifikacija i prilaza kod pojedinih autora).
Ekonomske aktivnosti su determinisane od strane dveju kategorija uti­
caja. Jedna kategorija obuhvata tzv. egzogene faktore, a druga tzv. endo­
gene faktore (Turner C. Robert: Should you take business forecasting
seriosly? BUSINESS HORIZONS, vol. 21, No.2, 1978, p. 65).

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.

4. Drustveni znacaj i ciljevi predvidanja

Predvidanje ekonomskog razvoja kao nauene discipline, u
funkciji vremena, poslednjih nekoliko decenija pobuduje po­
sebno interesovanje u ekonomskim istrazivanjima. Okolnosti
koje determinisu poveean interes za proueavanje ekonomskog
predvidanja od strane subjekata drustvene reprodukcije su mno­
gobrojne. Presudnu ulogu koju ima predvidanje u procesu
upravljanja i njegova ekspanzija u skoro svim oblastima eko­
nomije stvorili su uslove za proueavanje drustvenog znacaja
prognoziranja. Takav karakter predvidanja iscrpljuje se kroz
anticipativno informisanje, preventivno odluCivanje, efikasnije
i kvalitetnije planiranje razvoja i rada, istrazivanje trZista i
marketinB3, otkrivanje marketing-oportuniteta i trasiranje bu­
ducih pravaca razvoja pojava i privrede.
U pogledu prave aktuelnosti i potrebe predvidanja moze se
reci do. s.:: sistem informacije, unutrasnji i spoljni, predvidanje
izvrSavano u organizacijama udruzenog rada, odnosno u dru­
stveno-politiekim zajednicama, nalaze u neposrednoj vezi i za­
visnosti. S jedne strane, sistem informacija je preduslov pred­
vidanja, a, s druge, predvidanje ima za rezultat podatke i infor­
macije koji sluze za racionalno i efikasno planiranje. Predvida­
nje predstavlja most izmedu sadasnjnih i buducih podataka i
informacij.:i koje bi hteli imati. Predvidanje je primaran izvor
anticipativnih podataka i informacija.

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

da unapredi i podigne naucni ni­

odlucivanja, Pomocu

prelomnih

5. Predvidanje leaa nauka

se

veka u

tada pa do danas
kao i
ekonomskih

Iaka se kao proces i dela tnost

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.

3 B . Suklev: 8konom sko predv iCl a njc

33
NajveCi broj tehnika bazira se na
naucnim odnosima. Vestina uci se viSe iskustvom
nego akademskim studiranjem.
Predstavnici
nauku. Procene 0
predvidanje. 35 U odbrani stava da predvidanje
uku 0 neverovatnom, autor predlaze tri principa Hi
Prvi zakon je da su sva pod uticajem onoga sto se
dogodilo juce. prikazan kao
predvidanja sa tacnosti. " u
1. obrazovanja, 2. licnog interesa
ducnost, 4. konstantni Iaktor varira izmedu Po­
menuti zakon moze biti izrazen 37

(E + X) .R
y (1)
K

TreCi zakon svako ekonomsko duze od

deset godina vise nego otkrivanje i u svakom
mora biti inovirano nakon pet godina.
Hi, ekonomsko predvidanje je nauka predvidanja ekonom­
skih promena. To zato sto se promene dogadaju, a potreba
za predvidanjem i za stabilnu ekonomiju gde buduc­
nost samo sadasnjosti, nije potrebno 38

Primed be 0 karakteru predvidanja

stine i odnose se: na input
tode,

34 Sullivan G. William Wayne W. Claycombe: Fundamentals oj

forecasting, Reston Publishing Company, Inc., Reston, Virginia 1977,
p.1-2.
35 Levine H. Alan: Forecasting techniques, MAN AG EMENT
vol. XLVIII, No.5, 1967, p. 31.
Gcezil . Artheemus; Forecasting science the improbable, BUSI­
NESS ECONOMICS, vol. 14, No.1, 1979, p. 47-5l.
37 Detaljnije 0 obracunima i objasnjenjima elemenata ove i drugih
formula vidi na str. 48-50.
33 Spancer H. Milton: Managerial economics Text, problemes and
short cases, Richard n Irwin, Inc., Homewood, Illinois 1970, p. 68, ili
Spencer H. Milton, Colin G. Clark, Peter W. Business and eco­
nomic AN ECONOMETRIC Richard D. Irwin,
Inc., 1961, p. 4.

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

39 Dr Gl'igorije Zajecaranovic: Osnovi metodologije nauke, Naucna

knjiga, Beograd 1977, str. 209-213.

38
 GLAVA II

PRlLAZI EKONOMSKOM PREDVIDANJU

1. Vidovi prilaza ekonomskom predvidanju

Pri sprovodenju predvidanja potrebno je odrediti ciljeve,

predmet i nacin kojim se pristupa ekonomskom predvidanju .
Prema nacinu kojim se prilazi ekonomskom predvidanju, u li­
teraturi jedino su razradeni retrospektivan i prospektivan pri­
stup. Medutim, mogu se izdiferencirati i sledeci prilazi : Tradi­
cionalan i savremen, Interdisciplinaran, Sistemski, Upravljacki,
Prilaz predvidanju kao otkrivanju razvojnih oportuniteta, Pri­
laz s aspekta organizacije, Funkcionalni prilaz, Prilaz predvi­
danju u zavisnosti od vremenskog horizonta, Makro i mikro,
Naucni i nenaucni, Integralni i neintegralni.
Brojni i raznovrsni prilazi mogu biti sistematizovani u dve
grupe, ito: (1) prilazi koji obraduju metodolosku stranu pred­
vidanja; i (2) prilazi koji proizilaze iz evolucije predvidanja.
U grupu metodoloskih prilaza spadaju : retrospektivan i
prospektivan i makro i mikro-prilaz.
U grupi prilaza koji su se pojavili kao rezultat razvoja spa­
daju svi ostali prilazi.

2. Retrospektivan i prospektivan prilaz

ekonomskom predvidanju

Ponasanje ljudi i organizacija razlicito je determinisano u

zavisnosti od koriscenja proslos ti, sadasnjosti i buducnosti u ak­
cijarna koje treba da budu preduzete. Akcije mogu zasnivati

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

42 HaY'U-lbl e OCH08bl 3IWHOMU'1eCIWZO npOlH03a. MI1CITh. MocKBa

1971, c. 112-114.
43 Martin Edman: There is no naive way of making forecast, Know­
ledge and concepts in futures studies edited by Stephan Schwarz, West­
view Press Boulder, Colorado 1976, p. 2.
4l Peuzeto od: A . Moles: Aksiomatika i metodologija buducnosti u
Predvidanju budu cnosti: ZBORNIK TRECE MEDUNARODNE KON­
FERENCIJE NAUKA I DRUSTVO, Nau cno deJo, Beograd 1971, str. 30.

41
 Primena
!:lto nije u skladu sa
tivan karakteriSe se nedastataka:
evalucija, veci rizik ad
odlucivanje

3. Tradicionalan i savremen ekonomskom

U se kodstilo za vojne ci­
a prema saddinii znacaju odgovarao je termin

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

nije ukljuceno kao preduslov za

da se svaka odluka odnosi na

u izvodenju predvidanja,

alternativnim pret­

broja promenljivih, uk­

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

Za organizaciju predvidanja izuzetno je znacaJan nivo

na kojem se vrsi predvidanje, ko organizuje predvidanje i, od­
nos izmedu organizacije i predvidanja.
Organizacijom treba doprineti uspesnijem ostvarenju cilje­
va p.ostavljenih predvidanjem. U nacionalnim okvinima, mogu
se izdiferencirati sledeCi nacini organizacije predvidanja: orga­
nizacija predvidanja na nivou grane, organizacija predvidanja
na nivou preduzeea.
Preduzeea, razlikuju se prema nacinu na koji je organizova­
na funkcija predvidanja: Razlike odrazavaju potrebe preduze­
ea za predvidanjem i njegovo mesto i ulogu ne sarno u planiranju
razvoja i rada, vee i sire.
U preduzeeu, predvidanje moze biti: centralizovano, decen­
tralizovano i kombinovano.
Centralizovan nacin organizovanja predvidanja postoji ta­
mo gde su poslovi vezani sa predv1idanjem budueeg delovanja
faktora privredivanja i ishod pojava u ekonomskom horizontu
izvdavaju od strane jedne organizacione jedinice.
Decentralizovan nacin organizovanja predvidanja postoji
u organizacijama u kojima su aktivnosti vezane za predvidanje,
faktore rada i ishod u ekonomskom horizontu izvrsavaju od
strane viSe organizacionih jedinica.
Kombinovan nacin organizovanja predvidanja postoji tamo
gde se poslovi predvtidanja izvrsavaju istovremeno od strane
jednog centralizovanog organa i vise decentralizovanih jedinica.
Centralizovan nacin organizovanja predvidanja ima sledeee
prednosti i nedostatke: ovaj nacin organizovanja je racionalniji
i efikasniji, jer sprecava dupliranje istih predvidanja od stra­
ne pojedinih organizacionih jedinica; olaksana je saradnja iz­

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).

Organizacija predvidanja u i spitivanim kompanijama

U rniIionirna USA $
Tabela 1

Organizacija
preko 20 20-99,9 100-499,9 preko 500
predvidanja

Cen tra1'izovano 70,5 58,6 51,3 48,8

Decentralizova no 23,0 41,4 37,8 39,5
Drugo 6,5 0,0 10,8 11,6

Dobijeni rezultati u rnalirn preduzeCirna sa vise od 20 rnilio­

na dolara finansijskog potencijala pokazuju da najveci broj od
njih iIi 70,5(!'u prirnenjuju centralizovanu organizaciju, 23 %
prirnenjuju decentraIizovanu organizaciju, a sarno 6,5% prirne­
njuju drugi nacin organizovanja predvidanja. Medu preduze­
brna sa vise od 500 rniliona dolara finansijskog potencijala sta­
nje je drugacije. Centralizovanu organizaciju predvidanja pri­
rnenjuje 48,8%, decentralizovanu organizaciju prirnenjuje
39,5%, a sarno 11,6 % neki drugi oblik organizacije predvi­
danja.

46 Wheelwright C. Steven - Darral G. Clarke : Corporate forecasting:

promise and reality. HARVARD BUSINESS REVIEW , nov ./dec. 1976, p .
41. Empirijska istra ziva nja sproveclena su u 127 lwmpanija za ispitivanje
odnosa predvidanja izmedu onih koji izvrsavaju (sprovocle) i korisnika
rezultata 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.

Organizacija predvidanja i veliCina kompanije 47

Tabela 2
Velicina angazovanog kapitala
Opis
organiza- Ukoupno
cije preko 100 od 50-100 od 25-50 manje od 25
mil. funti mil. funti mil. funti mil. funti

Stabna 66 21 91 16 80 17 61 12 14

Linijska 32 2 9 4 20 11 39 15 56

Ukupno 98 23 100 20 100 28 100 27 100

Dobijni rezultati pokazuju da od ukupno 23 najvecih kom­

panija 91 % u predvidanju primenjuje stabnu organizaciju spe­
cijalista, a sarno 9 % praktikuje linijsku organizaciju izvrSioca.
Za razliku od njih, od ukupno istrazivanih 44% praktikuje stab­
nu organizaciju predvidanja, dok 56% primenjuje linijsku 01'­
ganizaciju predvidanja.
Za ostvarenje ciljeva postavljenJh predvidanjem potrebna
je adekvatna organizacija koja, sa svoje strane, uslovljava nacin
realizacije predvidanja. Medutim, i od sprovodenja predvidanja
zavisi kakva ce se organizacija praktikovati.

6. FunkcionaZan priZaz ekonomskom predvidanju

Funkcionalan prilaz organizovanju predvidanja obuhvata

pitanja mesta organa predvidanja u organizacionoj strukturi
preduzeca, odnosno organizaciji, i povezanog organa predvida­
nja sa ostalim funkcijama, i kriterijume od kojrih zavisi nacin
organizovanja predvidanja i slicno.
Cinjenica je da predvidanje kao upravljacka funkcija nije
podjednako potrebna u svim organizacijama. Postoje, na pri­
mer, male organizacije koje nemaju potrebu za predvidanjem
47 J . Turner: Forecasting practices in British industry, Surey, Lon­
don 1974, p. 72-73.

4 B. Suklev: Ekonoll1 skO predvidanj e

49
 01'­

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

nisu dale neki

razlicitu
maze biti

deo neke druge

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

istrativanja iSI rativanja

proizvodnja proizvodnja
predvida nje

nabavka nabavka

investicije investicije

finansije finansije

kadrovi kadrovi

Slika 1. Neintegralan i integralano-funkcionalan prilaz predvidanju

48 Dr Nelson III G. Wi IIIam : The use of the economic forecasting

staff. FINANCIAL EXECUTIVE, vol. XLIV, No. D, 1976, p. 19.

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.

7. Prilaz predvidanju u zavisnosti od vremenskog horizonta

Za razliku od do sada pomenutih prilaza, ukljucujuCi i si­
stemski pnilaz, u literaturi dominira prilaz predvidanju u zavi­
snosti od duzine vremenskog horizonta. Vremenski prilaz pred­
49 Ibid., p . 2l.

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.

50 Na primer: John Cummuings M. : Mal'ket and sales forecasting,

CANADIAN CHARTERD ACCOUNTANT, vol. 102, No.6, 1973, p. 46.
Predvidanje kJasifikuje u dYe kategorije: kratkorocno i dugorocno. Krat­
korocno predvidanje pokriva period do 18 meseci, dok dugorocno pred­
vidanje pokriva period od 5 do 10 godina. Izmedu perioda od 18 meseci
do 5 godina ostaje vremenski period nepokriven kratkorocnim i dugo­
rocnim predvidanjem , !ito dozvoJjava da se konstatira da treba da po­
stoji i srednjerocno predvidanje. II i, Peter Dohrn: Forecasting in the
short term, ACCOUNTANCY, vaL 83, No. 959, 1973, p. 15. Predvidanje
kJasifikuje, takode, kao kratkorocno i dugorocno. Kratkoroeno predvi­
danje pravi se iz taktickih razloga i obicno pokriva period manji od jed­
ne godine. Predvidanja koja se pl'ave preko jedne godine bice tretil'ana
ka{) dugorocna predvidanja . William Sullivan G. - Wayne W. Claycom­
be: cit. delo, r. 3, predvidanje klasifikuje na kratkorocno predvidanje
(do 3 meseca) srednjerocno (od 3 meseca do 2 godine) i dugorocno pred­
vidanje (preko 2 godine) E dward Chambers J.: Economic Fluctuations
and forecasting, Prentice-Hall, Inc. Englewood Cliffs , New Jersey 1961,
p. 333-336, predvidanje klasifikuje u tri kategorije. Kratkoroen o predvi­
danja pokriva period do 2 godine, srednjorocno predvidanje poluiva pe­
riod od 3 do 5 godina, a dugol'ocno predvidanje pokriva period preko 5
godina. Igor Bestuzhev - Lada: Social forecasting as an of the basic
elements of social planning: PLANNING AND FORECASTING PRO­
CECSES, Czeckoslovak accademy of science, Praha 1978, p. 167.
51 Gross S. James: The forecasting gap, THE CONFERENCE
BOARD, Record, vol. 5, No.6, 1963, p. 3l.

53
 2. Za kratkorocna i
licite tehnike i razlicite
.:>. "'~
Kratkorocno

54
8. Sistemski prilaz ekonomskom predvidanju

Pojam sistem u poslednjim dvema decenijama pocm]e in­

tenzivnije da se upotrebljava u skoro sv.im naucnim discipli­
nama, a 0 tome sta predstavIja u ekonomskoj Iiteraturi sreee
se vise od 300 definicij a, sto najbolje govori 0 slozenosti pojma
koji se definise. Medutim, u literaturi jos uvek nije primeeena
znacajnija primena sistematskog prilaza u ekonomskom pred­
vidanju. Razlozi za takvo stanje su sledeci:
1. poslovno predvidanje nije na zadovoljavajuei nacin te­
orijski i metodoloski apsorbovano od teorije i prakse;
2. odsustvo interdisciplinarnih znanja iz teorije sistema i
poslovnog predvidanja.
U tim okvirima, nase istrazivanje je usmereno ka odredi­
vanju svojstava, definisanju, kao i odredivanju, strukture si­
stema predVlidanja.
Dejinisanje predvicianja kao sistema. Da bi se predvidanje
definisalo kao sistem, neophodno je odrediti njegova svojstva .
Za predvidanje su tipicna sledeea svojstva: stohasticnost, otvo­
renot, integrisanost, smanjenje neizvesnosti, dinamicnosti, anti­
cipativnost i realnost.
J edno od osnovnih svojstava sistema predvidanja je nje­
gova stohasticnost. To znaCi da sistem predvidanja vrsi tran­
sformaciju pojava s jedne poznate u vise drugih moguCih iz­
Iaznih stanja, a ne u jedinstven ishod. Sis tern predvidanja ima
stohasticki karakter, sto znaci da ishod ne moze tacno da se
predvidi, vee sarno da se proceni jedna izIazna velicina, a pri
tome broj buducih izIaznih stanja nije limitiran.
Sistem predvidanja karakteriSe se otvorenoscu, sto znaCi
da vrsi razmenu podataka i informacija okruzenjem. Sistem
predvidanja ima informativno-upra vIjacki karakter otvoreno­
sti. Predvidanje kao sistem izIaznih poda taka i informacija
utice na okruzenje, a putem izIaznih podataka i informacija u
sistemu predvidanja okruzenje utice na njegovo ponasanje.
Predvidanje kao sis tern integrisano je sa planiranjem kao
viSim upravIjackim sistemom. Ustvari, sistem predvidanja
predstavIja sarno deo v,iseg upravIjackog sistema planiranja.
Ostvarivanjem upravIjackih ciIjeva sistema predvidanja do­
prinosi se ostvarenju upravIjackih ciIjeva sistema planiranja.
Sistem predvidanja smanjuje neizvesnost i rizik pr,i pri­
premi i donosenju upravIjackih odluka. Putem prognoziranja
budueeg delovanja faktora privredivanja treba sagledati uslove
u kojima ce se ostvarivati odluka. Svaka odluka implicitno iIi

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

nja rada i ishod u tako organizovanom ambi­

jentu privredivanja.
Struktura sistema strukture sistema
obuhvata '-'H::UC\_<=

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

Slika 2. Struktura sistema predvidanja

Na ponasanje sistema predvidanja uticu brojni i razno­

vrsni faktori kao ulazne veliCine. Ulazne velie-ine mogu biti
sistematizovane u tri grupe. Prvu grupu saCinjavaju podaci i
informacije 0 spoljnim faktorima i njihovim delovanjem u
proslosti, sadasnjosti i njihovim izlaznim stanjima. Kao ulazne
velicine pri prognoz'i ranju ishoda pojave mogu se pojaviti sle­
deci spoljni faktori: nauka, tehnika i tehnologija, tdiSte, in­
stitucionalni i transportni uslovi, stanovnistvo, javno mnenje,
tdiste kapitala i drugo.
Drugu grupu sacinjavaju podaci i informacije 0 unutras­
njim faktorima privredivanja i njihovom delovanju u proslosti,
sadasnjosti, kao i njihova izlazna stanja. Na primer, kao unu­
tarnji faktori i prognoziranja ishoda pojave mogu se uzeti: in­

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

sve one sto

medusobna i
viseg sistema pla­
predvidanja uticu na buduce
na planiranje, a indirektno na
ulaznih veliCina sistema planira­
sistema predvidanja.
doprinosi se ostvarenju viSih si­
biti prejako ako se kaze da se celovita
faktora rada moze obezbediti sarno ako
da to

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.

53 The study of the future: AN INTRODUCTION TO THE ART

AND SCIENCE OF UNDERSTANDING AND CHAFING TOMORROW'S
WORLD. World future society, Washington 1977, p. 94.
54 Marcus H. Burion - Edward M. Tauber: Marketing analysis and
decision making, Little Brown and So., Boston 1979, p. 211. Opsirnije
o tehnikama stvaranja marketing oportunitela vidi glavu 10, p. 211-240.

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

DETERMINANTE EKONOMSKOG PREDVIDANJA

Efikasno i kvalitetno predvidanje ima izvanredan znacaj

za proces planiranja razvoja i rada i za ekonomsko stanje or­
ganizacije. Medutim, efikasno, racionalno i uspesno predvida­
nje zavisi od niza determinanti. Tako, sistem informacija je
preduslov i detenninanta kvalitetnog predvidanja faktora po­
slovnog rada i ishoda pojave. Va znost sistema informacija za
predvidanje ogleda se u cinjenici da bez podataka i informacija
nema predvidanja. Ili, kvalifikaciona struktura ili raspoloziva
finansijska sredstva su determinante koje uticu na efekte
predvidanja, bez kojih se ne moze realizovati predvidanje.
Svi ovi i os tali elementi koji ce biti pomenuti preds tavlja­
ju determinante koje presudno uticu na efikasnost predvida­
nja, na razvoj i na ekonomsko stanje organizacije. Zato, orga­
nizacija treba da posveti posebnu paznju determinantama koje
uticu na predvidanje kao plansku aktivnost. Takode treba
napomenuti da determinante predvidanja u literaturi nisu odre­
dene po vidovima i saddaju, nisu klasifikovane i nije ispita­
no njihovo delovanje na predvidanje.
Predmet dalje razrade bice sledece determinante: istrazi­
vanje, sistem informacija i ekonomski horizont.
1. Istrai ivanje kao determinanta predvidanja
Jedan od primarnih preduslova od kojih zavisi kvalitetno
i racionalno predvidan j e, dobijanje kvalitetnih podataka i in­
formacija, kao osnove za odlucivanje, je istrazivacka delatnost.
Istovremeno, istrazivacka delatnost javlja se kao determinanta
poslovne politike i predvidanja.

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.

2. Sistem informacija kao determinanta predviaanja

J edan od najvaznijih preduslova za racionalno i kvalitetno

predvidanje, svakako, su podaci i informacije. Bez podataka i
informacija nema predvidanja. Od kvantiteta i kvaliteta infor­
mativne baze u mnogome zavisi formulisanje pretpostavki 0
faktorima rada i prognoziranja ishoda pojave.
Sistem informacija i predvidanje nalaze se u neposrednoj
povezanosii i za visnosti. S jedne strane, sistem informacija je
determinanta predvidanja, a, s druge, predvidanje ima za re­
zultat podatke i informacije koje predstavljaju primaran izvor
za racionalno i kvalitetno upravljanje. Za planske odluke 0
ciljevima, politikama i planovima potrebni su podaci i infor­
macije 0 buducnosti. Zato, potrebno je prilagodavanje sistema
informacija sa ciljem da se zadovolje potrebe predvidanja, od­
nosno planiranja.
Medusobni odnos izmedu sistema informacija, predvidanja
i planiranja prolazi kroz dve faze evolutivnog razvoja. U prvoj
fazi radi se 0 dvodimenzionalnom modelu, tj. odnosu izmedu
sistema informacija (koji prema usmerenosti podataka 0 infor­
macijama ima karakteristike obicnog sistema informacija) i
planiranja baziranog na retrospektivnom metodoloskom po­
stupku. Sistem informacija u osnovi se sastoji iz dve vrste po­
dataka i informacija: obicnih i upravljackih. Po obimu i usme­
renosti, dominiraju podaci i informacije 0 proslosti, a manje su
zastupljeni podaci i informacije 0 buducnosti.
U drugoj fazi , pod uticajem nauke 0 upravljanju i potreba
organizacija za sagledavanjem buducnosti, i izdvajanjem pred­
vidanja iz planiranja, formira se trodimenzionalni model po­
vezanosti.
Informativni sistem je sastavljen od dva podsistema ­
obicnog i upravljackog. Medutim, prema zastupljenosti i usme­
renosti podataka i informacija, dominira upravljacki sistem.
Sistem informacija ima dvostruku ulogu u odnosu na predvi­
danje Siedlle strane, omogucava da se predvidanje izvede, a,
s druge, predvidanje predstavlja prima ran izvor anticipativnih
informacija.

5 B. Sukl ev : E l<o n o m s lw pred vi d anj e

65
 j informacije 0 buducnosti :

sistem
predvidanje odlucivanje
informacija

I informacije 0 proslosli i

Slika 3. Meausobni odnos i uticaj sistema informacija, predvidanja

i odtuCivanja

Planiranje ima dvostruku vezu sa sistemom informacija

i predvidanjem. Planiranje dobija podatke i informacje infor­
mativnog sistema 0 izvrsavanju planskih zadataka u proteklom
periodu, ali planiranje predstavlja i izvor planskih podataka:
informacija koje docnije sluze kao standardi za kontrolu. Dvo­
struka povezanost planiranja i predvidanja ogleda se u slede­
cern: pM postavljanju planskih ciljeva, politika i planova, pred­
vidanje prognozira buduCi ambijent u kojem ce se ostvarivati
odredene odluke.
S obzirom na cinjenicu da sistem informacija predstavlja
determinantu predvidanja, postavlja se pitanje: Kakav treba da
bude informativni sistem da bi odgovorio potrebama za kvali­
tetnim i racionalnim predvidanjem?
Za predvidanje sa relativno visokim stupnjem tacnosti,
potrebni su podaci i informacije 0 faktorima privredivanja, 0
njihovom dosadasnjem razvoju, intenzitetu menjanja, 0 klasi­
fikaciji spoljnih i unutrasnjih faktora, 0 grupisanju faktora
na one koji imaju presudan uticaj na pojavu, a to su trziSte,
institucionalni uslovi i tehnicko-tehnoloski razvoj. Takode tre­
ba da raspolaze i vremenskom serijom podataka 0 kretanju po­
jedinih pojava na zavisno promenljive, 0 kretanju pojava kod
konkurencije i slicno.

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.

Slika 4. Proces transformacije podataka u informaciju, odnosno odZuku

Prva faza odnosi se na sakupljanje podataka iz razlicitih

izvora - eksternih i internih. Druga faza odnosi se na obradu
prikupljenih podataka koja ukljucuje sredivanje, grupisanje,
s elekciju u zavisnosti od korisnosti (semantika) i sinteze. Treea
faza odnosi S2 na dobijanje informacija, a vrsi se putem ocene
nevrednovanih poruka, tj. tumacenja date pojave. Dobijene
informacije dalje se razmatraju s aspekta njihove vrednosti za
preduzimanje odgovarajuCih mera (pragmatika) u odnosu na
informacije do bijene od drugih izvora. Pragmatika ima ulogu

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

informativnog sistema za nr.l-rtc.h<:> predvi­

okrenutost ka informa­
opstanka organizacije. krite­
iruormativan sistem za predvidanja
deli se na obican i upravljacki.
Obican predvidanja us­
meren ka poslove koji se spo­
u uslovima mono-

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.

3. Ekonomski horizont i odraz na predvidanje

Ekonomski horizont 5S predstavlja vaznu deterrninantu eko­

nomskog predvidanja. Pod ekonomskim horizon tom podrazume­
va se mogucnost saznavanja uticaja faktora na poslovanje. Od
mogucnosti saznavanja uticaja faktora zavisi politika koja bi
eventualno bila preduzeta, kao, na primer, politika prilagoda­
vanja na delovanje faktora, politika stvaranja i delimienog pri­
lagodavanja delovanja faktora i politika stvaranja i kreiranja
delovanj:1 faktora rada. Selektivna politika, pre svega, zavisi od
velieine prvrednog subjekta. Nairne, ukoliko je organizacija
veca, utoliko ce ona biti u stanju da preciznije oceni delovanje
faktora na odreden prostor i vreme, i obratno.
U literaturi, bez izuzetka, svi autori su jedinstveni u inter­
prdiranju sustine ekonomskog horizonta i njegove po dele. Eko­
nomski horizont, kao mogucnost saznavanja delovanja faktora,
deli se na prostorni horizont i vremenski horizont.

58 Ekonomski hOl'izont, kao determinanta poslovne politike, prvi put

u jugos]ovenskoj literatul'i razraden je od strane Draga Gorupica: Po­
slovna politika preduzeca , Ce ntar za obrazovanje rukovodecih kadrova
u privredi i Ekonomski ins titut, Zagreb 1963, s tr. 70-73. Ovde se eko­
nCl11ski horizont razraduje s as pe kta predvidanja .

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-

Pod vremenskim horizon tom podrazumeva se za

da sazna faktora na poslovni
horizonta se vreme za koje Sf:
iaktora.
Vremenski horizont moze se
vremenske

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.

4. Ostale determinante predvidanja

U grupu alternativnih determinanti predvidanja spadaju

raspoloziva finansijska sredstva, kadrovska struktura organi­
zacije i sprovodenja predvidanja i kompjuter kao sredstvo za
obradu prognoza.
Svako predvidanje angazuje odredena finansijska sred­
stva vezanih za organizaciju i sprovodenje predvidanja. Veli­
Cina finansijskh sredstava namenjenh za predvidanje zavisi
od karaktera odluke, (strateska ili takticka), ekonomskog hori­
zonta, od metoda predvidanja i ostalog. Troskovi, prema svojoj
prirodi, mogu biti troskovi za organizacju predvidanja, tros­
kovi za prikupljanje podataka i infonnacija 0 faktorima pri­

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

PRETPOSTAVKE - REZULTAT PREDVIDANJA

1. Sus tina i pojmovno odrediv anje pretpostavki

Planiranje kao nacin uspostavijanja skiadnih proporcija u

materijainoj proizvodnji, proces ciji su rezultati planske odlu­
ke 0 ciljevima, politikama i planovima, i metoda usmeravanja
razvoja, bazira na pretpostavkama 0 buducnosti. Uspostavijeni
skiadni odnosi u drustvenoj reprodukciji vaze sve dok egzisti­
raju usiovi pod kojima su formulisane pretpostavke. eim se
promene usiovi, potrebno je menjanje pretpostavki, a indirekt­
no i planiranje. Oda tIe proiziazi da:
1. Pretpostavke u procesu planiranja imaj u karakter stan­
dal'da, na kraCi ili duzi vremenski period u buducnosti.
2. Izmedu planiranja i pretpostavki postoji medusobna za­
visnost i povezanost. Od kvaliteta pretpostavki zavisi i kvalitet,
racionainost planiranja, razvoja i rada u organizacijama.
3. Zanemarivanje pretpostavki ima presudan uticaj na efi­
kasnost i devijacije u procesu planiranja.
4. Menjanjc usiova pod kojima su formulisane pretpostav­
ke neminovno nalaze primenu principa kontinueine readapta­
cije kako na pretpostavkama tako i na planovima. Kontinuel­
nost pri formulisanju pretpostavki ima dva aspekta: kvanti­
tativan i kvalitativan. Kvalitativan aspekt oznaeava preispiti­
vanje aktuelnosti i adekvatnosti formulisanih pretpostavki na
mcmentaine uslove privredivanja. Kvantitativan aspekt oz­

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

utice na uspesan rad, a druga

intenzitet uticaja. Odatle logicna

pretpostavke za sve

za one koji na po­

u or­

svega iz­

i jedin­

treba obez­

bez

i kon­

su

ekonomiji,

stresovi u ekonomiji, promene odnosa iz­

meau nezavisnopromenljivih komponenti u metoda­

intenziteta u stvaranju buducno­

bi bile od stra­

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-,,-,,,

Prema duzini vremenske

biti sistematizovane na:
karakter i odnose se za
stavke 0
1 do 5

Na kraci sve fiksni karak­

tel', a na duzi rok sve su
Dr P.adoslav Senic i dr.. op. cit. str. 213.

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.

3. O~novne p"etpostavke na kojima se bazira planiranje

Procesu donosenja planskih odluka 0 ciljevima, politikama

i planovima prethodi aktivnost oko postavljanja pretpostavki
kao buduceg okruzenja odluke, kojima se smanjuje rizik od
lose pripremljene odluke. Ukohko odluka ima strateski karak­
tel' i sa njom se nesto bitno menja u organizaciji, tada je oprav­
dano postavljanje pretpostavki 0 faktorima rada. Logican je
zkljucak da pretpostavke treba formulisati za sve one odluke
koje imaju sLrateski karakter i za one odluke koje se visestruko
ponavljaju u radu. Sadrzaj predvidanja upucuje na to za koje
faktore poslovnog rada treba postavljati pretpostavke, a to su
sledece,:
a) Pretpostavke 0 spoljnim faktorima: Formulisanje pretpo­
stavki 0 spoljnim faktorima moze se proucavati sa aspekta :
brojnosti i heterogenosti postavljanja pretpostavki, mogucnosLi
prilagodavanja, menjanja i stvaranja spoljnih faktora i drugih.
Spoljni faktori, koji su mnogobrojni i heterogeni, imaju
presudan uticaj na poslovanje u organizacijama. Od spoljnih
faktora, pretpostavke treba formulisati za sledece tri najvaz­
nije determinante a to su: institucionalni uslovi, trziste i raz­
voj na uke i tehnike.
Od pomenuta tri spoljna faktora , saglasicemo se sa kon­
statacijom da se najteze pretpostavlja ishod institucionalnih
uslova kao zbira pravnih propisa kojima se regulise razvojna
politika zemlje, izrada i donosenje srednjorocnih planova raz­
voja, a sve to, kao izraz interesa organizacija i ostalih subje­
kata u planiranju, su preduslovi za nadilazenje poteskoca oko
p·ostavljanja planskih pretpostavki 0 investicionim uslovima.
Razvojna koncepcija zemlje prati ekonomsku politiku kojom
se formulisu mere i instrumenti, preko kojih mehanizama stva­
raju se uslovi za ostvarenje planova koji stvaraju i krei'ra­
ju razvojni ambijent i pri tome dobijaju se neophodni po­
daci i informacije 0 formulisanim pretpostavkama u organiza­
cijama.

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

1. predvidanja u procesu pripreme

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

implicitno ili eksplicitno, bazira se na, i

sadrzi Zato uloga predvidaca da stvori
kor~snu osnovu za onoga da donese

Poslovne odluke koje

na primer, marketing,
kadrovska i finansij,ska
za brz i usaglasen razvoj i rad u
rada.
Kakvu marketing-miks obezbediti u budu­
cern u? Kakva ce biti ? Kako
ce se odraziti promene cena na ce biti

Kakav proizvodni program obezbediti na odnosno

rok?
Kakvi ce biti uslovi za nabavku
stati materi;ali? Kakvi su
hvacenom proizvodnom programu, a
Mogucnosti za uvoz ala?
Vidovi investicija prema elementima tehnicke strukture,
odnosno prema nameni? Velicina ?
Mogucnosti za adekvatne kadrovske struktu­
re u skladu sa buduCim zadacima?
Kakvih i koliko sredstava Izvori
i naCin obezbedenja sredstava?
Odgovor na postavljena od predvi­
danja.
Za

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

5. Dimenzija mogu nastati uko­

liko se da
6. Proces i metodologija

odluke i slieno.

Proces odluka moze se

u uzem, odnosno sirem smislu reCi. U sirem smislu reci ozna­
cava zbir aktivnosti u procesu se ocinose na
predvidanje, formulisanje alternativ­
sa namerom da se donese odluka. U uzem smislu
sarno donosenje odluka.
odluka
donosenja odluka.

Osnovni ekonomski princip rada ostvarenje maksimal­

nih efekat.a sa minimalnim moze se sa uspehom

ocenjivanje ekonomske efikasnosti u procesu

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

1. Sustina vidovi postupaka po kojima

se predvidan.ie

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

Slika 5. Proces predvidanja

Prema dr MomCilu Milisavljevicu, postupak sprovodenja

predvidanja prolazi kroz cetiri faze 72 :
1. U prvoj fazi postavlja se osnova predvidanja.
72 Dr Momcilo Milisavljevic: op. ci,t., str. 47-48.

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.

2. Sprovoaenje predviaanja na nivou

nacionalne ekonomije

Organizacija, kao privredni subjekat, deluje u odredenim

institucionalnim okvirima jednog drustveno-ekonomskog siste­
ma. Odatle, od interesa je da organizacija, putem sprovodenia

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

clanov; pOSlOlec; indireklan

neprofilne novi
i potencijalni
ciljevi
organizacije

indireklan
konkurenl ske inslilUcije

Slika 6. Uticaj okmzenja na organizaciju i3

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.

3. Sprovodenje predvidanja na nivou grane

Sprovodenje predvidanja na nivou grane takode treba da

prode kroz dve faze:
1. Analiza razvoja grane.
2. Predvidanj e razvoj a grane.
Analiza dosildasnjeg razvoja grane i grupacije treba da
otkrijc osnovne karakteristike da Ii se radi 0 grani koja ima
stabilan, dinamican ili nestapilan razvoj. Dalje, treba analizi­
rati povezanost i uticaj srodnih grana na grani - predmetu
analiziranja.
U okviru ponasanja grane, treba analizirati sledeee tri
grupe faktora, odnosno predvideti promene na74 potraznji pro­
73 Jain C. Subhash - Surendra S. Singhavi: Environmental for­
ecasting and non-profit professional organizations, LONG-RANGE
PLANNING, vol. 10, No.3, 1977. p. 50. Nezavisno od naslova, kao sto
napominju autori, ovaj prilaz moze se primenjivati u svim organizaci­
jama: malim iii velikim, profitno iii neprofitno orijentisanim, starim
iii novim. Od str. 51-55 dati su faktori koji saCinjavaju osnovne grure
trendova, dol-; od str. 55-58 dat je odraz faktora i njihov uticaj na
organizaciju.
74 Radoslav Senic: op. cit., str. 225.

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.

4. Sprovoaenje predviaanja na nivou organizacije

Osnovna namena predviaania opstih tokova u nacional­

noj ekonomiji i u grani je da se odredi mesto organizacije u
grani, uticaj okruzenja na poslovni rad, kao i prognoziranie
prodaje proizvoda organizaciii.
Postupak sprovoaenia predviaanja izmeau organizaciia
moze se razlikovati bilo zbog prirode proizvoda, trzista bilo
zbog metoda realizovanj a predviaanj a. I pored specificnosti
koje se srecu kod svakog konkretnog postupka, u toku tehnike
i tehnologije predviaanja mogu se identifikovati odreaene za­
jednicke faze.
Postupak sP!"ovoaenja moze biti sinteticki predstavlien
putem dveju faza: faza prilpreme i faza izvrsenja. Mea u t im,
u nastavku bice prezentiran analiticki postupak sprovoaeni1
nredviaanja, sa sledecim fazama:
1. Formulisanie problema i cilia predviaanja.
2. Prikupljanje i obrada podataka i informaciia.
3. Analiza prikupljenih podataka i informacija.
4. Izbor i testiranje metoda predviaanja.
5. Sprovoaenje predviaanja.
6. Procenjivanje i revizija predviaanja.

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 ,~

SUb 7, Ciklus sprovodenja predvidanja

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

IZBOR, PROCENJIVANJE I RANGIRANJE I

KLASIFIKACIJA METODA PREDVIDANJA

1. Kriterijumi za izbor metoda predvidanja

pojava, danas

izbor me­

a koja

primenu predvidanja.

Odatle proizlazi da prognoza ne zavisi samo metode, vee

i od kriterijuma za izbor od pra­

vilnog izbora metode predvidanja zavisi egzaktnosti

predvidanju, za ta­

verovatnost nasta.i prognoze i slieno. Ovo ukazuie

na ozbiljnost i paznju koia treba da bude kriteri­
iumima za izbor metoda
predvidanja.
Procesu odlucivania 0
mogueih alternativnih resenia,
za izbor metoda. za izbor
metoda predvidania predstavlia slozeno metodolosko
proizlazi iz cinienice da
(taenost,
karakter metode, karakter odluke,
Od izbora kriterijuma
zav1si i usmerava se buduca

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

efekte medusobnih odnosa.

3. Metoda treba nameni

4. Metoda treba da se na upotrebi

5. Ona ne treba da bude u odnosu na vreme i rad­

nu snagu, u odnosu na tacnost i vrednost
i radno u snazi ne treba da predstavlja teskocu u upotrebi. '
6. Na da bude

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

nalnih menadzmenta i odnosi iz­

medu karakteristike meto­

de

metoda predvidania
krite­

nezavisno da
korisnika i1i od izvo­

sliano. S
1 moguc:­
izvodaca predvidanja,
izvedena na osnovu teh-

Chambers C. John, Stainder M. Mullick, Donald D. Smith: Now

to shoose the right forecasting techniques, Harvard business review
july-august p. 45, a od p. 54-65 autori procenjuju osnovne teh­
nike (A. Kvalitativne: trzisna
konsensus, vizionersko
projekcija vremenskih
ravnanje, X-I trend

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

1.1. Stu-panj razumljivosti.

2. Kriterijumi koii se traze od metoda

2.1. Jednostavnost u primeni. Predstavlia naiVaZntll

kriterijum od kojih zavisi brzina sprovodenja predvidania.
2.2. Tacnost predvidanja : Takode predstavlia dosta
vazan kriterijum koji se trazi od metoda. Iako odredivanjem
cilja predvidanja indirektnim na6inom .i e odredena i tacnost
osnove istrazivanja, pokazuie se da metode koje imaiu vecu
tacnost u poredeniu sa ostalim metodama su: regresigna ana­
liza, analiza zivotnog ciklusa i s1.
2.3. Fleksibilnost kao k r iteri.iumie vazna u uslovim1.
primene principa kontinuiranosti u predvidanju.
2.4. Apliciranje odredene metode ili tehnike cesto za­
visi od stupnja razumliivosti. Postoje metode koie su sofisti­
cirane i teze za razumevanie i manje sofisticirane, i lakse za
razumevanie.

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.

3. Kriterijumi koji se odnose na vreme

3.1. Vremenski horizont predvidanja u vise slucajeva

determinise izbor metode predvidaniQ. Ukoliko se predvida na
duzi rok, u tom slucaju primenjuiu se kvantitativne metod_e,
: obrnuto, na kraci rok.
3.2. Kao kriterijum u vezi sa vremenom je i potrebno
vreme za sprovodenje i organizovanje predvidanja. Iako u
datom momentu postoji dobar metod , ipak odlucicemo se za
neki jednostavniji metod koji trazi manje vremena.
3.3. U ovu grupu kriteriiuma spada i potrebno vreme
za savladivan;e metode.

4. Kriterijumi koji se odnose na troskove

4.1. Troskovi savladivanja metode.
4.2. Troskovi za izvodenje metoda.

5. Kriterijumi koji se odnose na pojavu kojaje predmet

predvidan.ia

5.1. Karakter pojave, kao kriterijuma, odredu;e izbor

metode predvidanja. Od karaktera pojave - stabilne iIi di­
namicne - zavisi izbor metoda predvidanja.
5.2. Karakter podataka determinise izbor metoda pred­
vidanja. P.odaci po svojoj pril'odi mogu odrazavati trend, ci­
klicne, sezonske i sluca;ne uticaje.
5.3. Zivotni ciklus proizvoda je, takode, vazan krite­
rijum za izbor metoda predvidanja. U razliCitim fazama zivot­
nog ciklusa proizvoda primenjuju se razlicite metode pred­
vidanja.

2. Procenjivanje rangiranje metoda predvidanja

Za procen;ivan.ie metoda predvidania i na osnovu toga
ran,giranje prema jednom iIi kombinovanjem viSe kriteriiu­
rna. posto;e razliciti prilazi - od jednostavni;ih do k9mplek­

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.

Troskovi i :slozenost ml2toda predvidan1a

Tabela 3
Metode Troskovi KompJeksnost
Subjektivne 4 1
Izravnanje 1 5
Pokretan prosek 2 4
Trend kriva 3 3
Graficke metode 5 2
Box-Jenkins 6 9
J ednostavne jednacine 7 8
Panel misljenje 8 7
Potrosacki ­ ponudivacki 9 6
Vise ekonometrijskih 10 10
------

Scott J. Armstrong&5 i neke od tradi­

su bj ektivnih metoda prema kriterijumima:
brzina
vezana sa vee pomenutim meto-

Metode za analizu poda taka iz vremenske kao 8to

su: izravnanje, pokretljivi procesi, Box-Jen­
Jedno
1!3
sest
Steven
AMERICAN
G. William Wayne W.
13 metoda i iste
prelomnih tacaka,
za primenu i To'izv,~dlH"
Fildes Robert, Doud Wood: Forecasting in condi­
tion o.f uncertaity, PLANNING, voL 11, No.4,
1978, 33,
Ibid" p, 122.

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.

Izbor metode predviaanja baziranog na rasuaivanju

Tabela 4
(1 = nepogodne; 5 = pogodne; n a = neprimerne
~ ~ .
0'"
_ 0 I
., c: 0 al &,

,,~
;:;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

Ranqiranje metoda za analizu pod at aka vremenske serije86

Tabela 5
Ta<::nost na
Metoda Troskov i Razum­
kratak dugi
Ijivost
rok rok

Eksponencijalno izravnanje 1 2,5 2,5 1,5

Pokretni proseci 2 1 2,5 1,5
Box-Jenkins 4 4 2,5 4
Regresija 3 2,5 2,5 3
-- _._'- _ .
Steven C. Wheelwright, Darral G. ClarkeS7 u studiii 0 is­
trazivanju predvidanja s aspekta korisnika i pripremaca, spro­
veden oj u 127 kompanija, metode predvidanja rangiraiu:
S6 Ibid., p. 161.

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%

1z podataka moze se uociti da vIse od polovine od ukupno

127 kompanija upotrebljava sedam do osam izlozenih metoda
u tabeli. Pregled takode ukazu,ie na cinjenicu da kompanija
koja je jednom upotrebila specificnu metodu nastavlja da je
upotrebljava i nadalie. Procenat ponavljania svake metode od
strane upotrebljaca iznosi vise od 70% u svim slucajevima.

3. Klasifikacija metoda predviaanja

lVletodoloska aparatura predvidanja predstavlia na,ivazm­
je sredstvo prognoziranja buduceg ambijenta i ishoda namera­
vanog toka akcija u tako predvidenom ambiientu. Osnovne
komponente u svim metodama predvidanja su: rasudivanje.
cinjenice (podaci i informacije) i vremenski interval.
1ntenzitet rasudivanja i cinjenica je razlicit. Kod intuitiv­
nih (kvalitativnih) metoda preovladava rasudivanje, a manie
su zastupljene cinjenice, dok kod statistickih i matematickih
metoda predvidanja odnos izmedu komponenata je suprotan
po intenzitetu. Nairne, vise ,su zastupljene Cinjenice, a manje
r3!;udivanie.
Rasudivanje kao k omponenta postoji kod svih metoda, faza
i podfaza u procesu predvidanja i sve moderne tehnike stvore­
'/I.e su sa cil.iem da se ogranice podrucja u koiima rasudivanie
mora da egzistira ili da se unapredi kvalitet rasudivanja ­
pojacavajuci ga Cinjenicama88 Vrednost i sposobnost rasudiva­
'0/ Wheelwright C. Steven - Darral G. Clark e: Corporate forecas­
ting: promise and reality, HARVARD BUSINESS REVIEW, nov/dec ..
1976, p. 41.
88 Forecasting sales , BUSINESS POLICY STUDY No. 106. National
Industrial Conference Board, Inc. 1963, p.4 .

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

- rasudivanje eKsperata Model; koji objalnjavaju Sratistitki modelj

- delfi·metoda
- analiti6ki modeli
- scenario-metoda
- simulacioni modeli Intrinsic modelj

- krivulje za izratavanje
-. vremenskc serijc

Extrinsic modell

- regionalni

- ckonometrijski

- inpUl - output

Poseban interes za prikazanom semom privlaci suboprede­

l.ienje statistickih modela intrinsica, kada se samo istorijske
vrednosti varijabli upotrebliavaju za dobijanje predvidanja,
a kada se egzogene informacije upotrebljava.iu za predvida­
nie, tadaie model nazvan extrinsic.
Scott J. Armstrong i Michael Grohman predlazu sledece
teori.iske vidove metoda predvidan.ia 94 :
ckstrapolacija ekonometrijske
objektivne

subjekti vne predvidanje presuda

pocetnika eksperata
naivne kauzalne

93 Hall K. William: Forecasting technique tor use in the corporate

planning process, MANAGERIAL PLANNING, vol. 21, No.3, 1972,
p.5-6.
94 Armstrong J. Scott - Michael C. Grohman: A comparative study
ot methods tor long-range market forecasting, MANAGEMENT SCIEN­
CE, vol. 18, No.2, 1972, p. 212-213.

111
 Metode naivne me-

Ii tera turi srecu

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:

c) karakteristika sistema i strukture:

karakteristika elemenata strukture si­
sterna,
sistema,
95Spencer H. Mclton. Colin C. Clark. Peter W, Business
and economic . AN ECONOMETRIC Richard
D. Irwin, Inc.. Illinois 1961, p. 3-22, Identicna klasifikaciia

susrece i kod Spencer H, Milton-a: Manageria~ economics. Text,

problems and short cases, Richard D, Irwin, Inc.. Homewood.

1968, p. 43-76,

% Isto. str 10 i 188-189,

112
 IT ~etode procene eksperata:

a) Individualna procena eksperata (morfoloska metoda):

Procena na osnovu intervjua,

- Analitifke procene strucnjaka;

b) Kolektivna procena eks-perata:

~etoda komisije,

~etoda odvojenih procena,

Delfi-metoda.

III ~etode mcdeliranja:

a) Logicki modeli :
IstorijSlka analogija,

- Metoda scenarija;

b) ~atematicki modeli:
- Staticki i probablisticki modeli,

- Ekonomsko-matematicki modeli;

v) Informativni modeli:
Na osnovu patentne diskusije,

Informativni modeli sa uzajamnim delovanjem

nauke.

Razrada prognoza za narodnu privredu pretpostavlja isko­

riscavanje razliCitih konkretnih metoda koje mogu biti po­
deljene na 97 :
Metoda ekspertne ocene;

~etoda logicnog modeliranja;

Matematicke metode:

a) Metode ekstrapolacije,

b) Metode ekonomsko-matemati6kog modeliranja;

Normativne metode.
97 HaYLIHble OCH08bl 3KOHOMU'1eCKOlO npOlH03a, MHCJlh, MocKBa
1971. c. 115.

6. B. Suklev: Ekonomsko predvidanje 113

 Metode predvidanja mogu se razvI'stati i na sledeCi na­
cin 98 :
1. Intuitivno-logicne metode a) tradicionalne: analize, sin­
t('za, hiJpoteza, indukcija, dedukcija, analogija, anketiranje i
druge. b) Nove: konferenciia ideja, scenario metoda, delfi, mor­
foloska metoda, drvo ciljeva i druge.)
2. Matematicke metode: primena ekstrapolacija, prouca­
vanje putem matrica ukrstenih uticaja).
3. Logicko-matematicka metoda: programsko-ciljeva me­
toda .)
3.2. Klasi.fikacija metoda predvidanja u jugoslovenskoj lite­
raturi. U jugoslovensko.i literaturi srecu se brojne i razno­
vrsne, ali pretezno jednostavne kl.asifikaciie metoda predvida­
nja i pri tome primenjuju se raz}iciti kriterijumi takvog gru­
pirania .
U naso] literaturi srece se podela izvrsena prema nameni re­
zultata predvidanja. Na metode ekonomsko-trZisnog predvi­
danja, i na metode tehnoloskog predvidanja.
PolazeCi od prirode pOQa taka koji se koriste za predvida­
nje prodaje, kao i naCina na koji se one sakupliaiu, prema dr
Dusanu Petkovskom metode predvidanja diferenciraju se na 99 :
1. kvalitativne metode,
2. kvantitativne metode.

Kvantitativne metode obicno se diferenciraju na:

a) metode koje se zasnivaju na analizi vremenskih serija,
b) meto~:Ie koje se zasniva.iu na konstruiranju kauzalnih
modela.
Metode predvidanja, prema dr Radmili Stojanovic, grupi­
sane su u sledece grupe 1OO : 1. ekonometrijske, 2. operacione
3. intuitivne, 4. kombinovane: a) ekonometrijsko-intuitivne i
b)operaciono-intuitivne.
Metode koje prognoziraju buduce stanje sistema, prema
dr Dimitriju Novacevskom, ge1e se u tri grupe lOl :
1. Metode ekstrapolacije trendova. Ove metode koriste se
za prognoziranje buduceg stanja nekog sistema na bazi ek­
strarpolacije trend ova razvitka sistema u proslosti.
98 llIo6eH TOH'-leB : np061leMU Ha npOZH03upaHeTO 8 HPE, TexmlKa,
CoqnHI 1974, CTp. 110-161.
99 Isto, str. 160.

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

EKONOMSKO PREDVIDANJE I PLANIRANJE

Predvidanje kao misaoni proces pro,g nozirania buduceg

ambijenta i is hod a nameravane akcije ima veoma vazno mesto
pri usmeravanju i usaglasavanju privrednog razvoja za nosi­
oce drustvene reprodukcije, a posebno u procesu upravliania
buducnoscu .
Planiranje kao proces trazenja i izbora zelienih i ostvar­
ljivih cilieva, formulisanje politike kao usmeravanje odluci­
vania 0 planu i radu poslovnih funkcija i izrada plana, b.o
kvantifikacije ciljeva i politike, ne moze se zamisliti bez pred­
vidanja. Bez predvidanja nosioci funkcije planiran,!a su izlo­
zeni riziku, a poslovanje temelie na retrospektivnim podacim:l
i i-nfor:maciiama, rutini, intuiciji i nerzvesnosti.
Planiranje kao integralan proces poslovnog odluCivania
siroko se primenjuje u savremenim ekonomskim sistemima
- kapitalizmu , direktivno, odnosno samoupravnom sociializ­
mu , i koji se temelje na specificnim dn}stveno-ekonomskim
osnovama - i obraduje se u ekonomskoj literaturi, ali razli­
Citim metodoloskim prilazima i opredeljenjima sustine (poima.
sadrzaia i znacenja).
Definisuci planiranie kao kontinuiranu samoupravnu de­
latnost u preduzecu, usmerenu ka pripremi i donosen,ju po­
slovnih odluka za utvrdivanje poslovne politike, samostalni
plan i ostali ekonomski odnosi u radnoj orqanizaciji, zasnova­
ni na egzaktno izvedenom procesu poslovnoq odlucivanja, u
kojem na odgovara.iuci naCin ucestvu.iu svi clanovi radnoq

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:

1. Predvidanje i planiranje u inostranoj literaturi

Prilazi pitanju medusobnog odnosa izmeau predvidanja

i planiranja u zapadnoj literaturi mogu opet biti grutpisani u
dve g'rLllpe, zavisno od toga i to: da 1i se predvidanju i plani­
ranju prilozi kao komplementarnim delatnostima, Hi da 1i
predvidanju prilazi kao integralnom delu planiranja.
Prema predstavnicima prvog stajalista, izmedu predvida­
nia i planiranja postoji meauzavisnost. Plan zavisi od predvi­
danja na nekoliko nacina. Prvo, od makroekonomskog pred­
vidanja koje obezbeduje procenu svih uslova koji su deo
okruzen.ia. Drugo, od predvidan.i a ko.ie se odnosi na ekonom­
ske uslove u industri.ii, sto predstavl.ia okruzenje van organi­
;..acije . Trece, od predvidanja prodaje u organizaciii. U isto
vreme predvidan.ie zavisi od plana. Plan odredu.je sta treba
predvidati lO4 •
Pored ovog vida zavisnosti i uslovljenosti ko.ia se srece
i.l fazi izrade, plana, postoji i takozvana vremenska meduza­
visnost, koia treba da bude koordinirana. Ukoliko se ne obez­
bed i pomenuta integracija, predvidanje i planiranje bice manie
konzistentni, a svaka akcija realizovace se manje efikasno
nego stoie moguce.
103 Dr Krume Mihajlov; op. cit., str. 180-190, detaljno objesnjava
diferencijacije pri definisa nju planiranja u kapitalisti~kim i socijali­
stickim zemljama, konkretnije sa mikro ' i makroekonomskog aspekta
i razli citih prilaza i stajalista kod pojedinih domacih autora .
104 Rippe D. Richa.rd: The internation of corporate forecasting and
planning, COLUMBIA JOURNAL OF WORLD BUSINESS, vol. 11,
No. 4, 1976, p . 58.

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:

oplti preg!ed pflvredivanja oporedivanje

nacionalni prosperitc!
planova

Slope lahi

Slika 9. Predvidanje i p!aniranjel05

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

odnosno tih planova i

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

latnosti Zlasnovane na nauci, odnose s.e na buducnost sa name­

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.

3. Uloga predvidania u planiranju

Planiranie razvoja i rada u organizaciiama temel ii se na

proceni ocekivanih promena kod faktora privredivanja u od­
redenom ekonomskom hOTizontu . Ta procena moze;edino da
115 HaY'IeHble OCHOBbl 3KOHOMI1.'1eCKOfO npOfH03a, MI1CJlb, MocKBa
1971, c. 33.

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.

Rangiranje vaznosti prodajnog

predviaanja u planiranju IJ 6
Tabela 7
Stupanj vaznosti prodajnog Broj
predviaanja u planiranju kompanija
1. Najva zn i,ii (najvitalniji) elemenat 9
2, Vazan elemenat 54
3, Jedan od brojnih podjednako vaznih elemenata 27
4, Nije mnogo vazan elemenat 9
5. Uopste nije vazan o
6, Nije navedeno 1
Ukupno 100

Iz tabele proizlazi opsta konstatacija da oko 90% od

ukupno anketiranih kompanija pridaje neku relativno visoku
vaznost predvidanju planiranja, dok sarno 9% smatra da niie
mnogo vazan el emenat. Kao dopunu interpretacije rezultata
116 Turner J, : op , cit. , p, 73-75 ,

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) .

4. Primena metoda predvidan.ia u planiranju

Metodoloska aparatura predvidanja predstavlja na.ivazru­

ji instrumentariium prognozira,nja buduceg ambijenta i isho­
da nameravane akcije. Za predvidanje danas se smatra da PQ­
stoji vise od 150 raznovrsnih, jednostavnijih i kompleksIJijih
metoda, tehnika i modela, ciji se broj stalno povecava.
Metode predvidanja razlikuju se prema sposobnosti pro­
gnoziranja prelomnih tacaka ekonomskih procesa, podruciu
primene, tacnosti, troskovima, egzaktnosti, kompleksnosti,
razumljivosti, sposobnosti prognoziranja is hod a pojava koje
su pod uticajem ciklicnih, sezonskih, trend i slucainih uticaja,
privrednog sistema u kojem se primenjuiu islicno. Metode
predvidanja koje se primenjuju u SSSR-u i u drugim soci­
ialistickim zemljama-clanicama SEB-a kara,kterisu se makro­
ekonomskim rprilazom. Predvidanje koje se sprovodi na ni­
vou narodne privrede doprinosi stvaranju naucne osnove za
rukovodenie drzavnim i partijskim organima. kao i podizaniu
naucnog nivoa upravlianja i planiranja. Prognoziranie .i e
tako organizaciono postavlieno da se izvrsava od strane cen­
tralnih ddavnih organa i specijalizovanih institucija, 9ri cemu
postoji hijerarhiia organa u predvidaniu. Metode koie se pri­
meniuju u Jugoslaviji i zemljama Zapadne Evrope karakteri­
su se istovremenim miuuo i makro prilazom.
Brojne i raznovrsne su metode predvidanja koje se pri­
menjuiu za potrebe maikro i mikro planirania. Medutim, pre­
ma kriterijumu masovnosti, za potrebe mikro planiranja upo­
trebljava se petnaest3k. Neke od niih su intuitivn~. druge su
statisticke, a trece kvcmtitativne.
Metode predvidanja koje se primeniuju u planiraniu
mogu biti sistematizovane u dve grupe: (a) Metode predvi­
dania koje su poznate jugoslovenskoj teoriii i praksi i pri­
9 B. Suklev: Ekonomsko predvidanj e 129
 razvoja i rada u (b) Me­
nisu dovoljno poznateiugoslovenskoi
praksi, a se u plan i-

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

1. Intuitivne metode predvidanja

Intuitivne metode predvidanja pocele su se razvijati pede­

setih godina XX veka, u pocetku sa skromnim rezultatima, og­
ranicenim podrucjima primene i visokim troskovima. Posled­
njih godina ove metode beleze ekspanzivan razvoj kako po
broju tako i po sirenju na podrucju primene. Razlog za pojavu
kvaIitativnih metoda predvidanja je u ogranicenoj primeni sta­
tistickih i kvantitativnih metoda. Postoje pojave koje ne mogu
biti predvidene statistickim iIi matematickim metodama, kao,
na primer: kakav se razvoj ocekuje u datoj oblasti, kakve se in­
vencije i inovacije ocekuju, kakvi se novi proizvodi ocekuju,
kada ce otpoceti masovna primena i slicno. U takvim situaci­
jama predvidanja angazuju se eksperti, rukovodioci sektora,
kupci, da bi pr~~deli ishod nameravanog toka akcija.
Osnovne komponente, kako kod statistickih i matematickih
metoda tako i kod intuitivnih, su rasudivanje i Cinjenice. Odnos
izmedu rasudivanja i cinjenica kod intuitivnh metoda je u ko­
rst rasudivanja. Kvalitet rasudivanja zavisi od vise kompo­
nenata, medu kojima kao vaznije su sledece: iskustvo u datoj
oblasti, intelektualno nivo, kreativnost za logicno rezonovanje.
Osnovna namera intuitivnih metoda predvidanja je da se
dode do konsensusa 0 ishodu nameravane akcije, nezavisno od
naCina kojim ce se isti postiCi - neposredno iIi posredno.
Intuitivne metode predvidanjna, sa evolutivnog aspekta,
najduze se primenjuju u pocetnim stadijumima bez neke rigidne

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.

2. Primena i sustina delfi-metode

Delfi-metoda lJ7 je menjala podrueje primene. U pocetku raz­

vijena u SAD, bila je koriScena za vojne ciljeve, za odgovor
117 Delfi, poznato mesto u anti~koj Grckoj, u poonozju Parnasa na
planini Fokida. U njemu je bio Apolonov hram, u kojem je svestenica

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

U literaturi susrecu se varijacije miSljenja 0 tome koje

su (,snovne karakteristike delfi-metode. Prema Williamy K.
Hallu !lS, delfi postupak karakterisu sledeca tri principa:
1. anonimnost izmedu predvidaca,
Pitija predskazivala buducnost. Medutim, ostaje enigma zasto je najso­
fisticiranija metoda predvidanja, koja daje tacne prognoze, dobila ime
po poznatom prorocistu Delfiju.
lIS Hall K. William, p . 5.

135
 2.

ek­
procesa.
da tehnika ima tri karakteri­
ima vise od runde i obez­

karakteristike 12!: anonim­

spregom, statisticki
izvedena upotrebom upitnika
malizovanim kanalima komuniciranja, nacin
sledica uticaja dominantne individue. Kontrola povratnom
spregom je cin razlika u 0 ishodu name­
ravane akcije. Upotreba statistickog

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

U toku delfi-metode za predvidanje buduce delat­

nosti faktora rada i za ishoda nameravane poja­
ve srece se nekoliko adekvatna Od
119 Roa Amara: Some methods of future research, Institute for fu­
ture, Menlo Park, California, 23, dec. 1975, p. 6.
120 J. Scott: p.
Norman and others: Studies life,
Delphi and Lexington Books,

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.

5. Postupak predviaanja delfi-metodom

Metodoloski pos tupak predvidanja delfi-metodom prolazi

kroz nekoliko logicno povezanih faza. Postupak primene delfi­
122 Panel selekcije 23 indi v idue, ucesnika u primeni delfi-metode u
Americ"m Hots and Derrick (proi zvodac opreme za gradev inarstvo) bila
je zasnovana na sledecim kriterijumima: 1. !ica kOja su vrsila intuitivna
predvidanj a ; 2. lica koja su bila oclgovorna za upotrebu predvidanja
p rodaje; 3. lica cije s u aktivnosti bile pod uticajem ovih predvidanja;
4. li ca koja su imala dovoljno znanja za triis te i proclaju korporacije.
Shannkar Basu-Roger G. Shroeder : Incorporating judgements in sales
forecast: Aplikati on of the Delphi method at American Hoist and Der­
rick, INTERFACES, vol. 7, NO.3 1977, p . 19.

137
-metode treba da odrazava specificnosti konkretnih primera.
Pa ipak, moze se identifikovati opsti postupak primene delfi­
-metode ilustrovan primerom unapredenja urbane sredine.J23

AKTlVNOSTI PLANOVA U DELFI - PA NE LU AKTlVNOSTI ISTRAZrVAC'/\

obja~njcnJc delrl i lra2.cnJ C' uzroka Z<I nCl.a dovoljs{vo

na osno\"u vll2.no~IJ 1 7animlji\"OSli

Slika 10. Procedura upotrebe delfi-metode

U organizaciono-pripremnoj fazi treba uciniti nekoliko po­

cetnih koraka; definisanje problema, formiranje grupi, prikup­
Ijanje informacija 0 ekspertima, formiranje liste potencijalnih
ekspera ta i izbor eksperata.
Sprovodenje delfi-metode je vezano formiranjem dveju
grupa. Prvu grupu formiraju eksperti, a druga je sastavljena od
donosioca odluke i stabnih clanova. Zadaci druge grupe su: da
formuliSe predmet predvidanja, da prikuplja podatke 0 eksperti­
rna, da formira listu eksperata i vrsi izbor, da formulise upitnike
i tabele, da izraduje uputstvo za upitnike. Takode, grupa ko­
I2J Molnar Daniel - Marshall Kammerud: Developing priorities
for improving the urban social environment: A USE OF DELPHI, SO­
CIO-ECONOMIC PLANNING SCIENCES, vol. 99, No.1, February 1975,
p. 27.

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.

6. Statisticka obrada podataka

U zavisnosti od toga kako se formuliSe pitanje 0 kojem

treba dati odgovor, odreduje se i konkretna sta tisticka obrada
materijala. U praksi se sreee nekoliko nacina obrade podataka
i informacija anketiranja misljenja eksperata, a u zavisnosti od
tip a pitanja. Ona su sledeea:
1. oeena vremena nastajanja pojedinog dogadaja;
2. oeena proeentualnog ucesea razlicitih vidova resenja;
3. prisajedinjavanje jednom od alternativnih miSljenja '24 ;
4. ocekinno vreme po metodi PERT.
Prema ovom nacinu statisticke obrade podataka, eelishodno
je obracunavanje donjeg i gornjeg kvartila i medijalno raspo­
redena oeena. Donji kvartil predstavlja najranije nasta­
janje prognoze za koju se izjasnilo 25 % od ukupnog broja eks­
perata. Medijalna zona predstavlja realno ocekivano vreme na­
stajanja prognoze i za koju se izjasnilo 50% od ukupnog broja
eksperata. Gornji kvartil oznacava najkasnije nastajanje ishoda
pojave za koju se izjasnilo 25 % od ukupnog broja eksperata.
Drugi naCin statisticke obrade podataka sastoji se u tome
sto se oeene raspodeljuju proeentnom skalom od 0 do 100%. Ska­
la se deli na pet jednakih delova. Visina stuba histograma pred­
stavlj.l proeenLualno ucesee broja oeena unutar odredenog in­
tervala u ukupnom broju oeena.
r.
124 M . AOOPOB H Jl.pyrHe: 3ICcnepTHue OLleHlCU B HaY'tHO-TeX HU­
'1eCICOM npOZH03upOBaHUU, HaYKOBa AYMKa, KHeB 1974, c. 95-98.

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

a formula za izracunavanje odstupanja ad aritmeticke srednje

ocene ima sledeci oblik:

i=l
2
O'i = - - - - - - - = [(EJ - Ei)2 - (E2 - EY ­
n
1: Ni

j=l

- (E3 - Ei)2 - (E4 - Ei)2 - (En - EYl (5)

141
 Disperzija koja ce se dobiti odreduje donju gornju gra­
nicu, a iznalazi se iz ocekivanog vremena.

7. lvlodifikacija delfi-metode

Delfi-metoda kao nacin prikupljanja grupnog ekspel tnog

miSljenja u svom originalnom obliku vise se ne primenjuje. U
literaturi zabelezene su modifikacije radi poboljSanja meto­
doloskog postupka, radi obezbedenja adekvatnije organizacije
i radi uvecanja efikasnosti predvidanja. Usavrsavanja metode
usmerena su ka: organizaciono-metodoloskim poboljsanjima i
varijantnim modifikacijama.
Organizaciono-metodoloska poboljsanja originalnog obI i­
ka delfi-metode usmerena su ka odredivanju potrebne struc­
nosti i izbora tima eksperata, vremena trajanja procedure (po­
zeljno je da se postupak zavrSi u tri runde), parcijalna po­
pustljivost eksperata, slozenos t postupka i drugo.

7.1. Probes

Pored organizacionih i metodoloskih modifikacija u pri­

meni delfi-tehnike, susrecu se i modifikovane verzije pomenu­
tog metoda. Jedna od njih je Probes, razvijena od Donalda
Harpera Q. Northa l25 za internu upotrebu Thomson - Ramo ­
Wold ridge Corporation (TRW).
Ovaj metod izbegava neke slabosti tipicne sesije konferencije
id eja, a uzima prednosti predvidanja komitetom. Svaki Clan
tima za predvidanje prognozira dogadaje individualno i zajed­
no. U Probe I i II svaki panelist bio je pitan da proceni teh­
nicke dogadaje njegove kategorije koji bi imali znacajne uti­
caje na kompaniju.
U Probe I, 27 iskusnih tehnickih eksperata iz razlicitih de­
lova i odeljenja, izabrani anonimno, trebalo je da anticipiraju
glavne tehnicke dogadaje koji ce imati, uglavnom, potencija­
Ian uticaj na kompaniju i kada se ocekuje da se dogode u pe­
riodu 1966 - 1985. godine. Nakon istrazivanja, bila je komple­
tirana lista od 401 dogadaja.
U Probe II ucestvovala su 140 respondenata, izabranih iz
svake od 15 operativnih grupa. U prvu rundu panel-clanovi
125 Harper Q. North - Donald L. Puke : "Probes " of the technolo­
gical future, HARVARD BUSINESS REVIEW, maj - june 1972, p. 72.

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).

7.2. eros-matrix analysis

Matrica ukrstenih uticaja je razvijena od Theodora J. Gor­

dona, kao pomoeno i produbljeno proucavanje koristi rezultata
delfi-tehnike. Matrica ukrstenih uticaja predstavlja pomoenu
delfi-metodu. Matrica ukrstenih uticaja dozvoljava da se vrse
ispitivanja na efektima potencijalnih interakcija medu uzroc­
nicima. ana je metodologija 0 potencijalnom impaktu jednog
dogadaja na druge dogadaje.
Ako se dogodi dogadaj E 2, tada implikacije ovog dogadaja
na dogadaje El i E4 su sa veeom verovatnoseu nastajanja. Vero­
vatnost nastajanja kreee se od 0 do -1, pri cemu moze biti +,
- i nula. Konkretnije, ako nastane dogadaj E\, tada impakt na
drugom slucaju E2 moze biti osetljiv, u pravcu povecanja oset­
Ijivosti nastajanja iIi smanjenja osetljivosti nastajanja.

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

Ako +, tada ima

Ako tada ima impakta.

Ak{) El 0, tada ima

cDok se kod delfi-tehnike radi 0 tome da kazu vero­

vatnocu u buducnosti i
tivno da odrede period, k{)d matrice ukrstenih
da i ocene faktore ~a verovatnoscu
Naziv matrica ukrstenih
toga sio su uticaji na u
vidu matrice. Pored veze i odnosi mogu
biti i graficki iIi u vidu drveta.

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.

10 B. Suklev: Ekonom sko predvid an je

145
 nam sledeea statistika sprovodenja delfi-metode 0 ocenjivanju
razvoja u tehnologiji poslova i vestacke inteligencije. 127
Na osnovu prezentiranih empirijskih rezultata moze se
konstatovati da je od ukupno 386 eksperata u prvoj rundi u
treeoj ostalo sarno 60 eksperata. U toku procedure otkazalo
je 326 eksperata.
7. Kao nedostatak moze se navesti i skupa primena delfi­
-metoda u pripremi strateskih odluka, s obzirom na vreme tra­
janja procedure i napora za prikupljanjne miSljenja eksperata
L> ishodu pojave u buducem vremenskom horizontu.
. . . .. __ ._---- - - - - - - - - - . . . . ,
I
386 230 eksperata nemaju interesa

---------­
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

izdato I vraceno izdato vraceno izdato I vraceno

runda I runda [I runda II!

Slika 12. Progres u ucescu panel-eksperata

127 Hennings U., R. O . Huber, F. Stanke: Delphi interrogation con­

cerning future possibilities of the employment of robots, to Tecnological
forecasting in practice, edited by Hans Blohm - Karl Steinbuch , Saxon
bouse and Lexington Books, Massachusets 1973, p. 27.

146
 GLAVA X

MULTIVARIJACIONA ANALIZA

1. Statisticke metode predvidanja

Danas su poznate brojne, jednostavne i kompleksne me­

tode predvidanja koje se temelje na statistici i statistickoj ana­
lizi i sa uspehom se primenjuju za kratkorocno, srednjorocno
i dugorocno prognoziranje. Raznovrsne statisticke metode
predvidanja mogu biti grupisane u dve grupe.
Prvu grupu sacinjavaju metode neposredne ekstrapola­
cije: pravolinijski, parabolici i eksponencijalni trend, metoda
trajanja trenda, metoda pokretnih zbirova, modeli jednostav­
nih i dvostrukih pokretnih proseka, X-ll, sezonski modeli, pro­
centne projekcije i druge. Ove metode primenjuju se za prog­
noziranje ishoda pojava na bazi ekstrapolacije trenda. U su­
stini metoda neposredno ekstrapolacije leZi postulat prema
kojem buducnost predstavlja logican nastavak proslosti i sa­
dasnjosti. J ednostavna ekstrapolacija primenjuje se nakon ot­
krivanja zakonitosti u razvoju pojave (interpolacija).
Drugu grupu sacinjavaju metode posredne ekstrapolacije:
jednostavna korelacija i regresija, visestruka korelacija i re­
gresija i druge. Ove metode koriste se za prognoziranje ishoda
zavisno promenljive, nakon prethodnog prognoziranja ishoda
jedne ili vise nezavisno promenljivih varijabli. U sustini me­
toda posredne ekstrapolacije lezi saznanje da je razvoj masov­
nih pojava pod uticajem viSe faktora.
Predvidanje metodama koje se baziraju na statistici i sta­
tistickoj analizi zasniva se na statistickoj seriji podataka. Sta­

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.

2. Postupak primene multivarijacione analize

Multivarijaciona analiza, kao nedeterminirajuca metoda
analize vremenskih serija, gde su hronoloski naredne velieine
u funkciji vremena, predstavlja jednu od najsofisticiranijih

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.

7. procenjivanje ocekivane efikasnosti predvidanja multi­

varijacionom analizom. Prognoziranje ishoda pojave - pred­
meta istrazivanja - zavrSava procenjivanjem ocekivane efi­
kasnosti predvidanja. Procenjivanje efikasnosti obuhva ta iz­
racunavanje apriorne, kontinuirane i aposteriorne greske i ve­
rovatnoce nastajanja prognoziranog ishoda zavisno promenlji­
ve velicine. Pri tome treba odrediti interval ocekivane tacno­
sti i izvrsiti kvantifkaciju greske predvidanja .

3. Predvidanje putem multivarijacione analize

Predvidanje potrosnje detergenata na jugoslovenskom tr­

zistu, veze i odnosi bice ispitivani visendimenzionalnim mode­
lorn regresija na primeru u kojem su ukljucene sledece neza­
visno promenljive velicine:
Xl = potrosnja sapuna u tonama,
X3 = ukupno stanovnistvo Jugoslavije,
X 4 = nacionalni dohodak per capita stalne cene 1972.
godine,
X5 = liena potrosnja sredstava namenjenih za higijenu i
zdravlje po stanovniku, stalne cene 1972. godine, dok je zavisno
promenljiva velicina:
Xl = potrosnja detergenata u tonama.

J ednacina visedimenzionalnog modela regresije ima sledeCi

oblik:
X<; 1·2345 = al.2345 + b 12 •345 Xl + b J3 •l45X3 + b I4.23S X4 +
+ b15.234 Xs (6)

dok su pet normalnih jednacina sledece :

LXI = Na + blLl + b 3LXJ - b 4 LX4 + b 5LXs (7)

150
 LXJX2 = aLX2 + b2LXi + b 3LX2X3 + b4LX2X4 +
+ bs LX2XS (8)

LXIX3 = aLx3 + b2LX2X3 + b 3LXl + b4LX3X4 +

+ bsLX3XS (9)

LXIX4 = aLX4 + b2LX2X4 + b 3LX3X4 + b4LX42 +

+ bsLX4XS (10)

LXIXs = aLxs + b2LX2XS + bLX3XS + b4LX4XS +

+ b sLXs2 (11)
Pocetni podaci izracunavanja elemenata u jednacinama
pravolinijskoj regresiji dati su u tabeli 8.

Stvarni podaci 0 zavisno i nezavisno - promenljivim velicinama

Tabela 8
Licna
potr.
Potros­ Stanov­ sredstv.
Potros­
nja de­ nistvo Nacio­
nja sa­ namenje­
Godina terge­ Jugosla­ nalni
puna nih za hi­
nata vije dohodak higijenu i
tona (000)
zdr.
(tona)

1968. 48.138 28.751 20.154 8.434 112

1969. 53.705 28.369 20.351 9.160 140
1970. 57.389 27.653 20.371 9.648 168
1971. 67.112 28.687 20.572 10.315 216
1972. 75.982 28.684 20.775 10.645 268
1973. 82.696 28.112 20.963 1l.066 318
1974. 87.857 23.313 21.164 1l.878 429
1975. 93.657 20.229 21.365 12.194 538
1976. 109.669 23.546 21.573 12.543 630
1977. 125.927 21.892 21.775 13.438 726
[zvor: Statisticki godisnjak JugosZavije 1978., SZS Beograd, str. 106, 150,
151, 163 j 335.

Resavanje jednacina izvrSeno je metodom postepenog svo­

denja jednacina na jednu jednacinu sa jednom nepoznatom.
Zamenom izracunatih vrednosti, jednacina visestruke regresije
ima sledeCi oblik:
XCl·2345 = -- 198 . 339,13 . a + 2,07159073 . b 2 +
7,158271 . b 3 + 3,74207659 . b 4 + 96,729053. b s.

151
 kao metoda se na dva
lata :
(utvrdivanje meduzavisnih

Za izracunavanje koeficij enta potrebno

cunati ill linije u odnosu na
podatke i zavisno promenljive veliicne. Standardna
na izracunava se formulom:

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

viSestruke dobice se po uzorku:

~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.

Prognozirane vrednosti nezavisno promenljivih velicina

Tabela 9
Godina x2 xJ x4 Xs
1978. 20.956 21.968 14.278 833
1979. 20.051 22.107 15.277 960
1980. 19.147 22.299 16.346 1.104
1981. 18.243 22.491 17.653 1.270
1982. 17.340 22.679 19.066 1.460
1983. 16.436 22.868 20.591 1.679
1984. 15.532 23.052 22.238 1.930
1985. 14.629 23.236 24.017 2.220

Na osnovu prognoza nezavisno promenljivih velieina, prog­

nozirani ishod potrosnje detergenata po godinama iznosi:
1978. = 136.524 1981. = 189.352 1984. = 268.752
1979. = 151.474 1982. = 212.494 1985. = 302 .908
1980. = 168.904 1983. = 238.830

4. Procenjivanje efikasnosti pri predviaanju

multivarijacionom analizom

Procenjivanje predvidanja (utvrdivanje greske, taenosti i

verovatnosti nastajanja prognoze) predstavlja osnovnu polugu i
sastavni deo upravljaekog predvidanja, s jedne strane, i mera
egzaktnosti svake nauke, s druge strane.
Greska, kao razlika izmedu prognoziranih i stvarnih poda­
taka bice ispitana na zavisno promenljivoj velicini, s jedne stra­
ne, i na nezavisno promenljivim veliCinama, s druge strane.
Greska i taenostJ2<i kod zavisno promenljive velieine bice
ispitana:
1. U pogledu izraeunavanja aposteriorne greske i taenosti u
periodu 1968-1977. godine, kao osnove za procenjivanje oceki­
128 Predvidanje parametara visestrukog model a regresije (zavisno i
nezavisno promenljivih velicina) izvrseno je u toku 1978. godine.
129 Procenjivanje efikasnosti pri predvidanju potrosnje detergenata
na jugoslovenskom tdistu sa primenom multivarijacione analize izvrseno
je u toku 1983. godine.

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)

Izracunavanje aposteriorne greske

zavisno promenljive velicine
Tabela 10
Stvar- Apso- Procenat
Prog- Greska lutna apsolutne
Godina ni po­ R-A
noza P daci A greska greske
------------------
1968. 47.883 48.138 -255 244 0.5297
1969. 53.927 53.705 222 222 0,4133
1970. 57.122 57.389 -267 267 0,4652
1971. 67.842 67.112 730 730 1,0877
1972. 75.553 75.982 -429 429 0,5646
1973. 82.147 82.696 -549 549 0,6639
1974. 87.399 87.857 -458 458 0,5213
1975. 94.175 93.675 500 500 0,5337
1976. 112.740 109.669 3.071 3.071 2,8002
1977. 123.395 125.927 -2.532 2.532 2,0107
'"""""""""""~"""'---

Ukupno: 802.150 9.013 9,5903

Prosecna greska: 901,3 0,9590

Prosecni procenai apsolutne greske vremenske serije izra­

cunat je prema formuli:
n
L (pei)
i=1
(16)
n
U periodu 1968 - 1977. godine prosecna procentna greska
iznosi 0,9590%, dok aposteriorna greska u periodu 1978 - 1982.
godine iznosi 10,9%, a izracunate su na osnovu faktickih poda­
taka 0 potrosnji u tabeli 11.

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

1978. 136.524 143.515 -6 .991 6.991 4,8

1979. 151.474 157.016 -5.542 5.542 3,5
1980. 168.904 172.841 -3.937 3.937 2,2
1981. 189.352 162.596 26.756 26.756 16,0
1982. 212.494 164.958 47.536 47.536 28,0

Ukupno: 90.762 54 ,50

Prosecna greska: 18.152 10,90

Aposteriorna greska u periodu 1978 - 1982. godine iznosi 10,9%

u odnosu na apriornu za isti period u iznosu od 0,9590%. Veca
aposteriorna greska i mala tacnost je rezultat pozna tog ekonom­
skog preloma u ekonomskoj politici 1981. godine (izvozna ori­
jentacija). Procentualna greska u narednih tri godine opada, dok
u narednih dye godine raste, sto je rezultat promena u uslovima
privredivanja. Time se moze potvrditi poznata konstatacija pre­
rna kojoj efikasno predvidanje, a indirektno i efikasno planira­
nje razvoja i rada u preduzecu, je u funkciji institucionalnih
uslova privredivanja i krajnje nestabilnih uslova rada uopste.
Za argumentaciju prethodno iznetih konstatacija posluzi­
cemo se naknadnom analizom podataka 0 ukupnoj proizvodnji
detergenata, koja je iznosila 187.000, 192.000, 238.000, 252.000 i
240.000 tona u 1978, 1979, 1980, 1981. i 1982. godini respektivno.
Komparativna analiza podataka 0 proizvodnji detergenata
u petogodisnjem periodu 1978 - 1982. godine i podataka 0
stvarnoj potrosnji detergenata u istom periodu ukazuje na saz­
nanje da je ukupna ponuda bila veca od potraznje. Medutim, si­
tuacija na trzistu detergen8ta u 1981. i 1982. godini to opo­
vrgava.
Takode efikasnost predvidanja bice ispitana i u pogledu
velicine aposteriorne greske 0 prognoziranom ishodu nezavisno
pr·omenljivih veliCina u periodu 1978 -- 1982. godine. Fakticki
podaci 0 nezavisno promenljivim parametrima prezentirani su
u sledecoj tabeli.

155
 promenljivim
modelu
Tabela 12
Godina xl Xl X4 Xs

1978. 24.003 21.994 14.198 855

1979. 22.276 22.167 15.077 1.061
1980. 17.826 22.304 15.316 1.379
1981. 16.458 22.471 15.425 1.836
1982. 15.349 22.646 15.427 2.058

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.

5. Prednosti i nedostaci multivarijacione analize

Multivarijaciona analiza, kao metoda analize
vremenske nalazi siroku u
vidanju i proizvoda siroke

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

METODA POKRETNIH PROSEKA

Za
jednostavnoscu u
Za kratkorocno
kada pojava ima
mQdel dvostrukih Y"\A"'~"'h"
Metoda pokretnih vestacka vremenska
konstruisana pomocu stvarne vremenske Metodom po­
kretnih proseka zeli se stvQriti izravnana vremenska serija u
kojoj nisu sadriani uticaji a dobijena vrednost
stavlja izravnan aritmeticki stvarnih podataka.
pokretnih kao vremenskih se­
rija (odstranjivanje tekuCih u mnogim
i lako sa ciljem da 82
Termin pokretni zbir
se za svako novo pojave
cemu se novi podatak dodaje ukupnom
oduzima se prva ulazna velicina. Ukupni
clanova kojim izracunat ukupan total.
se do ili
u

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.

Metoda pokretnih proseka, kao vestacka vremenska seri­

ja konstruisana stvarne vremenske se u
dva osnovna
1. kao jednostavni
2. kao dvostruki

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.

Na primer, pokretni prosek za 1971. godinu izracunava se

na sledeCi naein :
13.452 + 15.291 + 12.576
M 197 1. = - - - - - - - - - - - - - - = 13.776.

11 B . S ukl ev : Ekon oms k o p re d v i da n j e

161
 U koloni 4 tabele 14 trogodiSnji pokretni prosek u iznosu
od 14.184 je izra cunat iz pokretnog totala 42.551 dobijenog zbra­
janjem podataka 10.034, 15.422 i 16.095. Ovaj trogodisnji po­
kretni prosek predstavlja predvidanje za naredne godine 1981,
1982. i 1983.
Izra cunati trogodisnji i petogodisnji pokretni proseci za pro­
izvodnju detergenata predstavljeni su na grafikonu l.
stvarni podaci
------ trogodi~nji pokretni iJ'osEk
17 pe togodisnji pokrelni ~sek
16

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

Osnovna karakteristika grafickog predstavljanja podataka

izracunatih modelom jednostavnih pokretnih proseka je da veCi
broj clanova ukljucenih u pokretni total cini pokretni prosek
manje osetljivim na promene, i obratno. Tako, na primer, am­
plituda izmedu najmanjeg trogodisnjeg pokretnog proseka ad
9.998 i najveceg od 14.184 iznosi 4.182, dok razlika izmedu naj­
manj eg petogodisnjeg pokretnog proseka od 11.394 i najveceg u
iznosu od 13.409 iznosi 2.015.
Model jednostavnih pokretnih proseka naj cesce se upotreb­
ljava za predvidanje proizvodnje prodaje i zaliha na kratak rok .
Uporedni podaci 0 velicini prosecne apsolutne greske izra­
cunate pri predvidanju proizvodnje detergenata trogodiSnjim

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

gde novi simbol ima sledece znacenje:

M,2 = dvostruki pokretni prosek (Citaj M dva, a ne M na

kvadrat).

Predvidanje se izvodi na osnovu sledece formule:

(19)

Parametar a izracunava se prema formuli :

a, = 2 . M, - M\ (20)

dok se parametar b izracunava prema sledecoj formuli:

2
b, = (----) . (M,- M,2). (21)
n-l

Model dvostrukih pokretnih proseka bice upotrebljen za

predvidanje p<:>trosnje detergenata u periodu 1960 - 1979. go­
dine.
Jednostavni pokretni proseci u Tabeli 16 kolona 4 izracu­
nati su na ranije opisan nacin. Podaci u isboj tabeli kolona 5
izracunati su na sledeCi naCin:

20.676+ 24.891 + 29.420+ 33.660+ 38.396

= 29.389
5

24.891 + 29.420 + 33.660+ 38.296 +43.184

33 .890
5

Rezultati u koloni 6 izracunati su na sledeCi naCin :

aJ968. = 2 · 39 .296 - 29.389 = 47.203.

Podaci u koloni 7 dobijeni su na sledeCi nacin:

164
 2
( - - - - ) . (38.296 - 29.389) 4.454
5-1

Predvidanje u koloni 8 izracunava se prema sledecem

uzorku:

FI968 = 47.203 + 4.454 (1) = 51.657

Predvidanje potrosnje detergenata dvostrukim pokretnim
prosecima
Tabela 16

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

Podaci u tabeli 16 mogu biti upotrebljeni za predvidanje bu­

duce potrosnje detergenata. Tako, na primer, ako zelimo da

165
 za 4 tj. u 1983. godini,

149.944 + 12.013 197.966.

pokretnih prose­
ka proseka)

kao sto je istaknuto, mogu se

na pojavama koje imaju linearan ill
model dvostrukih pokretnih
naCin da predvidi prelomne tacke
ukoliko pojava pada i raste. Radi
izravnavanja stvarnih vremenskih

4. Prednosti i nedostaci metode pokretnih proseka

metode pokretnih proseka putem

postupka, matematicke formulacije,
mena za pripremu, te·orijskih objasnjenja, kao i
ticnih saznanja na konkretnim primerm1a, omogucavaju bu­
du sistematizovane osnovne prednosti i nedostaci ove metode.
Prednosti metode pokretnih proseka se u tome 5to
laka za razumevanje, poLrebna je mala vremenska po­
a racun se moze kompJuterizovati. Takode
mala analiticka vestina, pripreme nisu
tivna i ima relativno visoku tacnost na kratak rok.
liko su potrebne simulacije, jednacine se brzo
veCih komplikacija. Metoda daje dobre rezultate kod
koje imaju relativno stabilan rast linearan iIi
kvadratan trend, nije pre svega, za
kratkorocna, a rede za
Osnovna slabost metode
jednostavna tehnika
tivno visoku meduzavisnost
Razvojni podaci i
proseka ne mogu se
tuniteta. Takode,

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

1%0 .1961. 1962.1963196f,.1965.1%6.196119ffll969.1970.1971.19721973 1971,. 19751976.19711976. 1979

Grafikon 2. Predvidanje potrosnje stvarnim, jednostrukim,
dvostrukim pokretnim prosecima

167
 GLAVA XII

METODA EKSPONENCIJALNOG IZRAVNANJA

Od brojnih i raznovrsnih metoda predvidanja koje se srecu

u literaturi, koje nisu dovoljno poznate jugoslovenskoj teoriji
i praksi, a primenjuju se u planiranju razvoja i rada u predu­
zeCima, su sledece: metoda eksponencijalnog izravnanja, X-Il,
Box-Jenkinsova metoda, analiza zivotnog ciklusa proizvoda,
supstitutivne krive i druge. Predmet dalje teorijsko-metodolos­
ke razrade bice metoda eksponencijalnog izravnanja *.
Eksponencijalno izravnanje kao metoda razvijeno je pede­
setih godina XX veka. Matematicku teoriju je razvio Robert
Goodell Brown. Eksponencijalno izravnanje je popularna, si­
roko upotrebljavana i dosta modi£ikovana metoda predvida­
nja ishoda brojnih ekonomskih pojava.
Metoda eksponencijalnog izravnanja, kao visi oblik de­
kompenzacije vremenskih serija, razvijena je sa namerom da
se odstrani osnovni nedostatak izravnanja i predvidanja me­
todom pokretnih proseka. Nairne, kod metode pokretnih pro­
seka pretpostavlja se da svi podaci u vremenskoj seriji ima]u
podjednaki znacaj u pogledu procene vrednosti nekog buduceg
perioda. Za razliku od metode pokretnih proseka, metodi eks­
ponencijalnog izravnanja podacima u vremenskoj seriji pridaje
se razlicita tezina putem faktora izravnanja.

• Motivi istrazivanja pomenute meiode su sledeci: pr'vo, metodn

izravnanja je nedovoljno teorijski i metodoloski apsorbirana, od strane
jugos]ovenske teorije i prakse; drugo, metoda se karakterise relativno
visokom tipicnoscu pri prognoziranju; trece, metoda nalazi siroku pri­
menu u prognoziranju ishoda pojava koje imaju pretezno stabilan iIi
dinamican rast, kao i za pojave koje su pod uticajem sezonskih faktora,

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.

1. Znacaj i iz bor eksponencijalnog j'aktora izravnanja

Izhor eksponencijalnog £aktora izravnanja (alfa, konstanta

ili tezinski faktor) predstavlja najvaznije metodolosko pitanje
u prakticnoj primeni metode eksponencijalnog izravnanja.
Vrednost eksponencijalnog faktora izravnanja (dekompozicije)
vremenske serije i predvidanja .ie tezina dodeljena sadasnjim
i proteklim velicinama razv,oja pojave. Veca vrednost ekspo­
nencijalnog faktora izravnanja znaCi vecu tezinu dodeljenu
sadasn.iim velicinama, a manj u proteklim velicinama, i obrnu­
to, manja vrednost konstante znaci i manju vrednost sadas­
njih velicina, a vecu vrednost proLeklih velicina. Manja vred­
nost eksponencijalnog faktora izravnanja dodeljena sadasnjim
veliCinama smanjuje e£ekte poslednjih kretanja pojave pri od­
redivanju buducih velicina , dok su efekti iz proteklih perioda
veCi, i obratno. Ako £aktor izravnanja iznosi 0,0 - to znaci da
najveCi broj sadasnjih podataka nece imati efekat na predvi­
danje ishoda pojave. Ukoliko alfa iznosi 1,0, onda poslednje
velicine imaj u naj veCi e£eka t na pred vidanje, i ako alfa iznosi
0,5 , onda podjednak znacaj daje se proteklim i sadasnjim ve­
liCinama.
Kons tanta, po prirodi veca ili manja , odreduje kolika ce
biti tezina poslednjih podataka u odnosu na kasnije i uticaj
koji imaju pri predvidanju. Ukoliko konstanta iznosi 0,3, to
znaci da 30% novog pokretnog proseka je rezultat poslednjih
opservacija, a ostalih 70% odnosi se na protekle velicine.
Od pravilnog izbora alEe pre svega za visi velicina greske i
tacnost pri predvidanju, i ne moze se prihvatiti s tajaliSte da
tacnost predvidanja nije osetljiva na izbor optimalnog fak­

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

pri eemu simboli imaju sledece znaeenje:

a. = aHa,

n = broj opservacija u vremenskoj seriji.

U kvantitativan prilaz spada i pitanje velieine vremenske

serije. Prema J. Scott Armstrongu,115 veliCina vremenske serije
131 Armstrong J . Scott : Long-range forecasting : FROM CRYSTAL
BALL TO COMPUTER. John Wiley and Sons, Inc., New York 1978,
p . 15l.
132 Ovaj koncepcijski prilaz je zastupljen od Makridakis Spyros ­
C. Sleven Wheelwright, Armstrong J. Scott, Clark J. John, Erick N. L.
l33 Predstavnici drugog perioda su: Brown G. Robert i Sullivan G.
William - Wayne W. Claycombe.
134 Brown G. Robert: Smoothing, forecasting and prediction of dis­
crete time series, Prentice-Hall, Inc., Englewood Cliffs, New Jersey 1963,
p. 108.

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.

1.l5 Ibid ., p. 15l.

1)6 Makrldakis S. - S. Wheelwright: Interactive fore cas ting. Uni­
v ariete and multivariete methods, Holden-day, sec. ed. San Francisco
J 978, p. 60.
l.17 Clark J. John-editor: The management of forecasting, St'Johns's
University Press, New York 1969, p. 257. Clark T. Charles - Schkade L .
Lawrence : Statistical m ethods for business decisions, South-western
publishing Co. Cincinnati 1969, p. 705.
138 Techniques for fore casting product demand, American Institute
of Certnfied Public Accountants , Inc., New York 1968, p. 14.

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 .

Greska pri predvidanju

izrazena u apsolutnim
,o~-
veliCinama
40

30

20
10

DB 1.0

Vel icina faktora

izravnanja

Slika 13. Testiranje veliCine alfe i veliCine greske

2. Odreaivanje pocetne velicine vestacke vremenske serije

Drugi metodoloski problem odnosi se na naCin odrediva­

nja pocetne veliCine vremenske serije. Za resenje ovog proble­
ma postoji nekoliko solucija.
Prvo i najjednostavnije resenje sastoji se u tome da prva
fakticka veliCina jednovremeno predstavlja i, prvu velicinu
vestacke serije, prema jednacini :

(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

3. Modeli eksponencijaZnog poravnanja

U zapadnoj ekonomskoj literatu1'i srecu se brojni i 1'az­

novrsni modeli p1'edvidanja ishoda pojava koje imaju stabilan
iIi dinamican 1'azvoj iIi su pod uticajem niza sezonskih fakto­
ra. Prema p1'i1'odi pojave koje su predmet p1'edvidanja, ekspo­
nencijalni modeli mogu biti sistematizovani l44 : J ednostavno
eksponencijalno iz1'avnanje Brownov model), Adaptivno ekspo­
nencijalno iz1'avnanje (Trigg-Leachov model, Brownov model),
Dvostruko eksponencijalno izravnanje (Brownov model, Holtov
model) , Linearno i sezonsko eksponencijalno izravnanje (Win­
tersov model) , Trostruko eksponencijalno izravnanje (Brownov
model), Harmonijsko eksponencijalno izravnanje (Harrisonov
model).
3.1 . Jednostavno eksponencijalno iZTavnanje. Primena me­
tode eksponencijalnog izravnanja u predvidanju znaCi da je
prognoziranje zapravo izracunavanje pokretnog proseka iz p1'o­
slosti, utemeljenog na tezinskom £aktoru, konstantnog iIi pro­
menljivog za celu vremensku seriju , i pri tome analiticar gubi
mnogo vremena oko izbora optimalne alfe.
Formula jednostavnog eksponencijalnog iz1'avnanja ima
sledeci oblik:
S'+I = ct· Xl + (1 - ct) . S, (25)

dok vrednost alfe moze da iznosi od 0,01 do 0,3.

Model jednostavnog eksponencijalnog izravn a nja bice pri­
menjen na prakticnom primeru predvidanja prodaje masina za
pranje rublja u SR Makedoniji za utvrdivanje uticaja alfe na
gresku i tacnost pri predvidanju, predvidanja biCe izvrsena
sledecim trima vrednostima alfe: 0,2, 0,5 i 0,8.
143 Opsirnije 0 ovom pitanju vidi na str. 127-144 .
144 Makridakis S., S. C. Wheelwright: Interactive .. . p . 66.

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

Izvor: CTanlCTU'1.l(U ZOOUUi.HUl( Ha CP MalC e OoHuja, Peny6JIH'lKH 3aBO,ll

3a CTaTHCTHKa, CI(Qrrje 1975 H 1981 rO,llHHa.

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

Grafikon 3. Uporedivanje stvarnih sa predvidenim podacima jednostav­

nim eksponencijalnim izravnanjem kada vrednost alfe i znosi
0,2; 0,5 ; 0,8

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),

Uporedivanje greske pri predvidanju jeclnostrukim

eksponencijalnim izravnanjem kada je alia = 0,2; 0,5 i 0,8
Tabela 18
Prodaja Predvidallje kada aHa Apsolutna greska kada alfa
masina iznosi iznosi
za pranje
Godina fllblja u
uSRM­ 0,2 0,5 0,8 0,2 0,5 0,8
komada

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%

U prilog prethodnoj konstataciji govore cinjenice dobijene

iz komparativne analize stvarnih podataka, i predvidanja sa tri
ra;dicite vrednosti alEe i apsolutne i procentne greske, pri pred­
vidanju. Uporedenja apsolutne i proventne greske, kada vred­
nost eksponencijalnog £aktora iznosi 0,2, 0,5 iIi 0,8, pokazuju da
je najmanja apsolutna greska od 2301 i najmanja proc2ntna
greska od 12,67 0/0 dobijena kada vrednost alfe iznosi 0,8, a naj­
veca kada vrednost, alfe iznosi 0,5.
3.2. Aclaptivno eksponencijalno izravnanje: Osnovna sla­
bost koncepta jednostavnog eksponencijalnog izravnanja lezi u
izboru Qptimalne aUe i pri tome potrebno je vise vremena oko
testiranja i izbora optimalnog tezinskog £aktora. Drugi nedosta­
tak modela je sto je aHa konstantna za celu vremensku seriju.

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:

izra vnana greska

Signal pracenja ------------- (26)
izravnana apsolutna greska

Odatle nova izravnana greska izracunava se prema slede­

cern uzorku:
nova izravnana
greska = (I-a) . stara izrav. gres. + a . apsol. greska
dok se izravnana apsolutna greska obracunava prema sledecem
uzorku:

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.

12 B Suklev: Ekonomsko predvidanje

177
 prcdvidanje ~

izrat un ava nje gre~a ka

i z ra~unavanjc nove
izravn anc apsolutne gre~k e

-V

izrJtunavanje no ve
izra vnane grc .~ke

'"

izrat unJ vanj c sign ala pracenja

1
odrcd ivanje nove vrednosti alfe
~
ako je signal pracenja ± 1

Slika 14. AlogarHam primene modela adaptivnog eksponencijalnog

poravnanja

Predvidanje prodaje detergenata pomocu

eksponencijalnog izravnanja stopom prilagodavanja
Tabela 19
Izrav-
Prodaja Pred­ nanje Izrav- Sngnai
Godina detergen. vidanje Greska apso­ nanje pra­
u tonarna prodaje Jut. greske cenja
greske

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)

1972.1973.1974. 1975.1976. 1977. 1978.1979. 1980. 1~1. 1982

Grafikon 4. Uporeclivanje stvarnih sa predvidenim podacima pomocu

eksponencijalnog izravnanja sa stopom prilagoclavanja

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.

Uporeaivanje gre saka pri predviaanju jednostrukim

eksponencijalnim izravnanjem i eksponencijalnim
izravnanjem sa stepenom priwgoaavanja
Tabela 20
Predvidanje prodaje Apsolutna greska
Prodaja jednostru­ eks ponen. eksponen .
deterge­ kim eks­ izravna­ jednost. izravn .
Godina nata u ponencij. njem sa eksponen. sa stup­
tonama izrav­ stupnjem izravn. njem pri­
nanjem prilagod. lagod.

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

Ukupno: 18.549 17.284

Prosecna apsolutna greska: 2.061 1.920

Dobijeni rezultati pokazuju da model eksponencijalnog iz­

ravnanja stopom prilagodavanja ima manju apsolutnu gresku
1920,0 u poredenju sa apsolutnom greskom dobijenom prime­
nom modela jednostavnog eksponencijalnog izravnanja 2061,0.
S druge strane, slabost modela eksponencijalnog izravnanja sto­

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

3.3. Dvostruko eksponencijalno izravnanje: Dvostruko ekspo­

nencijalno izravnanje iIi lineaI1no i trendno eksponencijalno
izravnanje kao model primenjuju se u onim slucajevima kada
se primeeuje konstantan most iIi olPadanje neke pojave. Os­
novna razHka izmedu jednostavnog i dvostrukog eksponenci­
jalnog izravnanja je u ukljucivanju nove formule za ocenjiva­
nje trenda, pri cemu su ostala izracunavanja identicna kao i
kod modela jednostavnog eksponencijalnog izravnjanja. Po­
znatiji su modeli Browna i Holta.
Za izracunavanje dvostrukog eksponencijalnog izravnanja
Brown predlaze sistem jednacina, i to 147 :
St = (1. . X t + 0 . St-[ (27)

za obracunavanje jednostavnog eksponencijalnog izravnanja i

S,2 = (1. • S, + (1 - (1.6) • S2'_1 (28)

147 Ibid., p . 128-132.

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.

Formula predvidanja ima sledeCi oblik:

F,+m = a, + b, . m, (29)

gde je

F predvidena vrednost,
m broj perioda predvidanja
a poravnana vrednos~
b procena trenda,

pri cemu se procena trenda izracunava prema formuli:

a
b, =- . (S, - S2,) (30)
o
a, = 2 . S, - S,2 (31)

~=1-a (32)

Model dvostrukog eksponencijalnog izravnanja, prema

Brownu, bice primenjen na primeru predvidanja potrosnje
~redstava za zastitu biljaka u Jugoslaviji.

Vrednost jednostavnog eksponencijalnog izravnanjaie do­

bij en3 na sledeci nacin:

SI970 = 0,3 . 17.762 + 0,7 . 17,831

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

Predvidanje za 1979. godinu dobice se na sledeci nacin:

al978 = 2 . 22.675 -- 21.036

al978 = 24.314

Predvidanje potrosnje sredstava za zastitu biljaka u SFRJ

sa dvostrukim eksponenci.jalnim izravnanjem
Tabela 21
C1l C1l
~l;7J ctlt;
~)(/).~
~
'"
..
c: c: ...: c:: c:: I

> .;;: <Ii C1l

Godina (/) ctl:::: c:: Q 0
C:PC1l
~o>
a b "O.~
I
cct..>:
"ON.DO '" 0. C1l c: I../J C >f.')
<Ii ~c Vl I-< 2 en s.... tJ Q Q)
... C1l::1
rJ)N......,:::l
<Ii~
"0
0
<Ii 0.
....
Q .a;
0.' 0
0.
... C1l
~"O
oW

-<::1'"'
~bD

1969 17.831 17.831 17.831 17.831

1970 17.762 17.810 17.825 17.795 6 17.831 69
1971 19.489 18.314 17 .972 18.656 147 17.789 1.700
1972 19.287 18.605 18.162 19.048 190 18.803 484
1973 21.023 19.331 18.512 20.150 351 19.238 1.785
1974 20 .112 19.566 18.828 20.304 316 20.501 389
1975 21.355 20.103 19.211 20.995 382 20.620 735
1976 21.398 20.491 19.595 21.387 384 21.377 21
1977 25.699 22054 20.333 23 .775 738 21. 771 3.928
1978 24.124 22.675 21.036 24.314 702 24.513 389

Ukupno: 9.500 25.016

Prosecna apsolutna greska: 950
Prosecna procentna greska: 4,25'%
----------------------------------- --
Jzvor: Statisticki godiSnjak Jugoslavije SZS, Beograd 1977. i 1981.
godina.

0,3

bI978 = ---- . (22.675 -- 21.036)

0,7

b l97 & = 702

FI979 = al978 + bI978 . m

FI979 = 24.314 + 702 1

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:

St = Go. • Xt + (1 -a) . (St-l + T t- 1) (33)

Predlozena f'o rmula za izraeunavanje oeekivanih vredr\O­

sti dovstrukim eksponencijalnim izravnanjem razlikuje se ad
formule za obraeunavanje oeekivanih vrednosti jednostavnag
eksponenciialnog izravnanja, jer je ukljucen parametar T t - 1,
koji oznaeava trend. Trend u dvostrukom eksponencijalnom
izravnanju izraeunava se prema sledecem unotku:

(34)

pri eemu
T procena trenda
T t- t procena trenda u prethodnom periodu

Formula za predvidanie dvostrukog eksponencijalnog iz­

ravnanja ima sledeci oblik:
F t + m = St +T t • m (35)

Pri obraeunavanju dvostrukog eksponencijalnog izravna­

nja Holtov-og modela ukljueene su dye vrednosti alfe i bete ,
Funkcija bete je sliena kao i funkcija alfe, s tom razHkom sto
beta sluzi za izravnanje trenda kretanja pojave. Postojanje
dye vrednosti, alfa i beta, predstavlja nedostatak ovog mode­
la, zato sto se prime nom simulacije gubi dosta vremena ·oko
njihove optimalizacije.
Holt, Modigliani, Muth and Simon : Planning, production, inven­
148
tories work force, Prentice-Hall, Inc., Englewood Cliffs, New
and
Jersey 1960. p . 262-263 iii Holt C. C.: Forecasting seasonal and trend
by exponentionally weighted moving avarages, Carnegie Institute of
technology, Pittsburgh 1957.

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.

Predviaan.je potrosn.ie sredstava za zaStitu

bil.iaka u SFRJ pomocu Holtovog modela
dvostrukog eksponencijalnog izravnanja

Tabela 22

Potrosnja
sredstava za
zastitu bi­ Ocekivana Apsolutna
Godina Trend Predvidanje greska
l;aka u vrednost
SFRJ u
tonama

1969 17.831 17.831 1.658

1970 17.762 1B.971 798 19.489 l.727
1971 19.489 19.685 500 19.769 280
1972 19.287 19.916 161 20.185 898
1973 2l.023 20.361 312 20.077 946
1974 20 .112 20.505 100 20.673 561
1975 2l.355 20.831 227 20.605 750
1976 21.398 21.160 230 21.058 340
1977 25.691 22.683 l.066 21.390 4.309
1978 24.124 23.861 825 23.749 375
1979 24.686

Ukupno: 10.186
Prosecna apsolutna greska: l.018
Prosecna procentna greska: 4,65'%

SI977 = 0,3 . 25.699 + 0,7 . (21.160 + 230)

SI977 = 22.683
TI977 = 0,3 . (25.699 - 22.683) + 0,7 . 230
TI977 = 1.066

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

Grafikon 6, Predvidanje 'Y\()l"I""<"",o biljaka pomocu dvostru­

kog eKl,'J)one1"Ct:Ja izravnanja

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

~ velicina faktora (beta)

sezonskih varijacija.

Za formula ima sledeci oblik'

y (S, (1- (38)

velieina faktora
trenda

Za koristi se formula U obliku:

F, +m = + At . m) . I, - L m. (39)

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

se izracunava na osnovu izravnanih vrednosti ko­

rigovanih sa trendom u prethodnoj
Model eksponencijalnog
bice primenjen na predvidanja
rhsta u SR od 1979. do 1981.

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.

Vrednosti parametra predvidanja su sledece: alfa .= 0,3,

beta = 0,2 i gama = O,l.
Predvidanje za mesec decem bar 1980. godine je dobijeno
na sledeci naCin:
F 23 +1 = (823 + An . 1) . F23-lz' l
F 24 ' = (87.036 + 2464) . 0,6177
F 24 = 55 .284
Rezultati u Tabeli 24 primenom modela linearnog i sezon­
skog eks'p onencijalnog izravnanja dobijeni su na sledeci
nacin:
X24
8 24 = 0,3 - - + (8 n + A 23 ) . 0,7
liZ

48.945

824 = 0,3 - - - + (87.036 + 2.464) . 0,7

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:

124 0,1 + 0,9 112

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

Fzs = 51.178 F29 = 117.223 F33 = 117.305

F 26 = 53 .133 F 30 = 124.538 F34 = 99 .593
Fn = 64.357 F 31 = 199.042 F35 = 69.184
F28 = 77.236 FJ2 = 20l.115 F J6 = 66.515

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

/
'­

1979 19BO 19'01

Grafikon 7. Predvidanje broja turista u SRM linearnim i sezonskim
eksponencijalnim izravnanjem

3.5. Trostruko eksponencijalno izravnanje: Trostruko l50 ekspo­

nencijalno izravnanje primenjuje se za predvidanje ishoda
pojava ko.i e imaju dinamican porast. U literaturi ovaj model se
naziva tmstrukim ili kvadratnim eksponencijalnim izrav­
150 Brown Goodell Robert: p. 132-142.

191
 fakticke vremenske
razlicitih
koristi se set jednacina.
ocekivane vrednosti jednostavnim
se sledeca
+ (1 IX) (40)

ocekivane

IX . St + (1 IX)'

vrednosti trostrukim ekspo­

se sledeca jednacina:
= IX S2, + (1­
Formula ocekivane vrednosti ima sledeci
oblik:
1
= aj + a2 . m + - . a3 (43)
2

Pojedini formule predviaanja ocekivane vred­

nosti prema sledecim
at sIuzi za izracunava se
prema formuli:
at = 3 . 8,-3 (44)

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

S2 1970 = 0,3 . 52.082 + 0,7 . 48 .639

S21970 = 49.672

S3 1970 = 0,3 . 49.672 + 0,7 . 48.288

S3 1970 = 48.703

Za ' predvidanje u 1970. godini potrebne su vrednosti ko­

eficijenata. Pojedini parametri al, a2 i a3 formule predvidanja
ocekivanih vrednosti u 1970. godini izracunavaju se na sle­
deb nacin:

a l 1970 = 3 . 52.082 - 3 . 49.672 + 48.703

a l 1970 = 55 .933

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

l3 B, Suklev: Ekonomsko predvidanje 193

>-'
~ Predvidanje pomoCu trostrukog
*'" Tabela 25
(I)
:;! ~ (I.l
<1l ::J ••,...., '2 <1)
°
.;,: .9:!,
C <1)
E bai~ .. '~ ::l '<1) '0 ...,c
(f)
C C bee:: a, 8j .:;: "::<1)
G dina ,vi.;g 00;:, b§c a,
",0::- 0';':
o e~ ° C 0.<1) "'0.;> 'g ""Vl
o~...., §;gE OJ) qtI 0.(1)
'U '" N
Q) .!<i " ..... , ­ H
1l<'U::l '"? Q).- j:::i'\1L;:: E-< a:J .:::.: Il< <~

1968 48.138 48.138 48.138 38.138 48.138 9 0,1837

1969 53.705 49.808 48.639 48.288 51.795 1.277 150 48.138 5.567
1970 57.389 52.082 49.672 48.703 55.933 5.459 265 53.147 4.242
1971 67.112 56.591 51.748 49.617 64.146 4.647 498 61.525 5.587
1972 75.982 62.408 54.946 51.216 73.602 6.737 686 69.042 6.940
1973 82.969 68.494 59.010 53.554 82.006 7.884 749 80.682 2.014
1974 87.857 74.303 63.598 56.567 88.682 8.071 675 90.260 2.403
1975 93.675 80.U5 68.553 60.163 94.849 8.268 583 97.091 3.416
1976 106.669 88,981 74,681 64.518 107.418 10.050 760 103.409 6.260
1977 125.927 100.065 82.296 69.851 123.158 12.663 928 117.848 8.079
1978 143.515 113.100 91.537 76.357 141.046 15.293 1.173 136.285 7.230
1979 156.799 126,210 101.939 84.032 156.845 16.435 1.169 156.925 126
173.864

Ukupno: 51.864
Apso1utna greska: 4.715
Procentna greska:
 · (52.082 - 2 . 49.672 + 48.703)

a 2 1970 265
FJ970 = 61.525

Predvidanje za 1982: godinu je izvrseno na sledeci nacin :

1
F1979+3 = a l 1979 + a 21979 . 3 +- . a 3 1979 . 32
2

156.845 + 16.435 3 + 0,5 . 1169 . 32

211.410

Dobijeni rezultati primenom trostrukog eksponencijalnog

izravnanja na primeru predvidanja potrosnje detergenata biCe
graficki predstavljeni za vizuelno kompariranje izravnanja
stvarne vremenske serije i teoriiske linije.
Uporedenia stvarnih i predvidenih podataka pokazuju da
apsolutna greska u periodu 1969-1979. godine iznosi 4.175 , a
procentna greSka za isti period iznosi prosecno 4,92%.

4. Prednosti i nedostaci metode eksponenci.jalnog

izravnanja

Opis eksponencijalnog m e toda izravnanja i predvidanja

putem istoriiskog razvoja, znacaja, veliCine i kriterijuma iz­
bora .'lIfe, odredivanja pocetne veliCine, vestacke vremenske
seriie, velikog broja modaliteta, njihove matematicke fOl'mu­
lacije, sir·okog podrucja primene i velikog broja empirijskih
istrazivanja, omogucuju da se sistematiziraju prednosti i sla­
bos Li pomenute metode.
Metoda eksponencijalnog izravnanja l51 je jednastavna za
primenu, i potrebna je mala analitioka vestina i intuicija. Ta­
kode. metodu eksponencijalnog izravnanja karakterise, dosta
visoka tacnost i verovatnoca nastajanja prognoziranih doga­
daja pri kratkorocnom i srednjorocnom predvidanju. Dalje,
151 Johnson A. Lynwood - Montgomery C. Douglas: Forecasting
with ex ponentional smoothing and Telated methods, FORECASTING
edited by Markidakis S. - Wheelwright S. C., North-Holland publishing
company, Amsterdam 1979, p . 42-43.

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

1. Kvantitativne metode predvidanja

Savremenom privredivanju ne moze vise

mena samo klasicnih intuitivnih metoda i metoda koje se te­
melje na statistici i analizi pripremi i
odluka za kraci duzi U takvoj
usmerene su ka zameni nedovoljno
novim kvantitativnim
nose taktickih i stratesk,ih od­
luka na i rutine. Zato ekonomska nauka
metoda koji
sViih zakonitosti i koji
analiziranje uslova
za buduci

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.

Prvu grupu metode: PERT

gram Evalution and CPM (Critical

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

151 Pearl Raymond: The biology of population growth, Alfred A.

Konopf, Inc., New York 1925.

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.

3. Matematicko predstavljanje logisticke krive

Od vremena formulisanja Pearlovog zakona po anaIogiji,

i njegove matematicke formulacije, do danas su se razvili
razliCiti oblid Iogisticke krive. U nastavku bice predsatavIjen
katalog modifikaoija osnovnog matematickog oblika.
Najopstiji oblik Iogisticke krive je
K
yx = ------- , (47)
1 f
+ ae (x)
a moguCi su i sledeci oblici :155
1
y =------, (48)
K+abx
ijJ Za ka talog trend jednacina, nj ihovo graficko prezen tiranje vidi:
Ya-lun: Shou: Statistical analysis with business and economic applica­
tions, Holt Rinehart and Wincton. Inc., New York 1696, p. 552.
154 Mizrahi - Sullivan: Matematics tor business and social scien­
ces : An applied approach, John Wiley and Sons, Inc ., New York 1976.
p. 326-328.
155 Dr Radoslav Senic i drugi: Planiranje i razvojna politika samo­
upravnog pl'eduz eca, Naucna knjiga, Beograd 1977, str. 227.

201
 K 2 -K,
y ------- (49)
1 +
ae­ mx
zatim linearna logisticka funkcija :156
K
yx=------ (50)
. 1 ea + bx + '

kvadratna logisticka funkcija

K
yx=------, (51)
1 e,·bx+cx' +
eksponenoijalna logisticka funkcija
K
yx = ------ 2 , (52)
1 + be"x
dalje, modeJl57
K2-Kl
yx = KI + ------, (53)
1 + ae-rnx
modeJl58
b
Xt=e a +--, (54)
t
model 'S9
1
- - = K +ab', (55)
y
15A Hl1rpeTa BenH'lKOB a: J1cnon3BaHC Ha nOfMCUillHaTa KpMBa rrpl'i
M3Jice.qaaHC Ha 3a BMCH MOCfMTC MeIKl(Y l(OXOl( M rro'fpC6n cHHe .. Cocj:H1.51. CTa­
THcTHKa, 1 /72, CTp. 5.
157 Mr Srboljub Atan3skovic: Predvidanje prodaje pomcu kom­
pleksnih funk cija, MARKETING, 4/71, str. 10.
15S Robinson Colin: Business fore casting: An economic approach,
Thomas Nelson and Sons Ltd, London J971 , p. 103.
159 Makridak is S. - Wheelwright S. C.: Interactive forecasting,
inivariete and multivariete, H olden -day, sec. ed. San Francisco 1978,
p. 169.

202
te model koji su predloZili Mizrahi - Sullivan l80

C
f (x) = ------ . (56)
1 +ae-bx

Specijalan oblik logisticke krive je Gompertzova kriva

ciji je najelementarniji oblik :

y = Ka bl , (57)

a izrazena u logaritamskom obliku

log Y = log K (log a) b . (58)

Predmet primene bice logisticka kriva koja ima sledeCi

oblik :
Kl-KI
yx = KJ + ------- , (59)
1 + ae- mx

pri cemu simboli ima.iu sledece znacenje:

y = obim prodaje
Kl velicina kapaciteta kod donje asimptote
Kl veliCina kapaciteta kod gornje asimptote
a parametar
e prirodan broj 2,7182818
m = parametar
x = godina za koju se prognozira prodaja
Parametar a iz prethodne formule izracunava se na sle­
deci nacin:
Ey Ex 2 - Exy . Ex
a = --------- . (60)
n Ex2 - (EX)2

Parametar b izracunava se po formuli :

N Exy-Ex · Ey
b = ---------- . (61)
N Ex 2 - (EX)2

160 Ibid.: p. 328.

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'

1969 5.621 1.121 10,15 1,00217 0,00000

1970
1971
°2 5.676
8.198
1.176
3.698
9,63
2,38
0,98363
0,37658
°41 0,98363
0,78316
1972 3 9.206 4.706 1,66 0,22011 9 0,66033
1973 4 12.500 8.000 0,562 -0,25189 16 - 1,00724
1974 5 13.004 8.504 0,470 -0,32790 25 - 1,63950
1975 6 13.124 8.624 0,450 -0,34679 36 - 2,08074
1976 7 15.620 11.120 0,120 -0,92082 49 - 6,44574
1977 8 15.880 11.380 0,098 -1 ,00877 64 - 8,07016
1978 9 16.767 12.267 O,OH) -1 ,72125 81 -15,491 23
10 45 -1,99485 285 -32 ,33751

(K2 - K\ - (Y - K\) (17.000 - 4.500) - 1.121

B 69 = ---------- = ----------­
Y - K\ 1.121
B 69 = 10,15

~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.

Tehnika predviaanja logistickom krivom prikazana je na

tabeli 27.

Predvidanje logistickom krivom

Tabela 27
ro
ro .~ E <I>
.: X
ro ro
Mx (mx) log e enl 'l. e- mx 1 + ae- m 1'2
­
;0 '0': '>\
'Oro
0
.... 0
...., <1>'0
0
0
p.::l
.....
P-.>
1969 0 5.621 0,65199 0,00000 1,00 1,00000 12,8800 5.470
19'(0 1 5.676 1,30398 0,2tl:H6 1,92 0,52110 7,1910 6.238
1971 2 8.198 1,95597 0,56631 3,68 0.27140 4,2250 7.453
1972 3 9.206 2,60795 0,84946 7,07 0,14140 2,61J00 9.164
1973 4 12.500 3,25995 1,13262 13,57 0,07370 1,8750 11.167
1974 5 13.004 3,91194 1,41578 26 ,05 0,03840 1,4560 13.085
1975 6 13.124 4,56393 1,6989:3 50,00 0,02000 1,2380 14.597
1976 7 15.620 5,21592 1,98209 95,96 0,01040 1,1240 15.621
1977 8 15.880 5,86791 2,26525 184,20 0,005 '10 1,06 30 16.237
1978 9 16.767 6,51990 2,54840 353,50 0,00280 1.0330 16.601
1979 10 7,17189 2,83150 678,50 0,00150 1,0178 16.782
1980 11 7,82388 3,11471 1.802.00 0,00077 1,0092 16.886
1981 12 8,47587 3,39786 2.500 :00 0,00040 1,0047 16.941

206
 Vizuelno predstavljanje empirijskih teor:ijskih podataka
prodaje malon vlakna je na grafikonu 10.

- - - - empirijska linija
- - -- teorijska linija

17ero -- ----------- - - - - - -:.::::--=-=-~ -­

155m
lL.CDO
12!m
110c0
95CJJ
8CDJ
6~

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

Teorijske vrednosti prodaje dobijene primenom logisticke

krive su veoma bliske empirijskim vrednostima prodaje. Neza­
visno od ovog zakljucka, potrebno je li zracunati tacnost pri
predviaanju kao funkcije vremena i indikatora kvaliteta pred­
viaanja. Greska predviaanja izoosi 4,8%, sto govori 0 rela­
tivno visokoj tacnosti predviaanja, i da predvidanje moze da
predstavlja objektivnu osnovu za upravljanje buducnoscu. Po­
laze6i od nasih saznanja, moze se konstatovaLi da logisticka
kriva najbolje aproksimira razvoj ekonomskih pojava gde je
predvidanje prodaje u funkciji instaliranog kapaciteta, odno­
sno ostalih asimptotskih faktora razvoja.

207
 i informa­

208
 GLAVA XIV

EKSPONENCIJALNI MODEL RASTA

1. Neophodnost, principi i vidovi ekstrapolacije

Svi oblici predvidanja (ekonomsko-tehnicko-tehnolosko,

demografsko, sociolosko), kao i predvidanja u zavisnosti od
duzine vremenskog horizonta, sprovedena razlicitim metoda­
rna, viSe ili manje baziraju se na ekstrapolaciji. Ekstrapolacija
kao prilaz predvidanju, a ne kao metoda predvidanja, oznaca­
va prenosenje proslosti u buducnost. Postupak ekstrapolacije,
koriscenje minulih i sadasnjih podataka predvidanja buduceg
ishoda pojave, upotrebljava se kada je buducnost u funkciji
proslosti i sadas njosti ili kada postoje odnosi uzajamnosti i po­
vezanosti izmedu proslosti, sadasnjosti i buducnosti.
U osnovi najveceg broja predvidanja lezi ekstrapolacija.
Nazalost, jos uvek je ekstrapolacija najbolji vodic ka buduc­
nosti, sto je na prvi pogled u suprotnosti sa dijalektikom. 0
odnosu izmedu dijalektike i ekstrapolacije u predvidanju ili,
drugim recima, 0 neophodnosti ekstrapolacije u savremenim,
veoma dinamicnim, uslovima privredivanja bice receno sle­
dece: Sa velikim respektom, ali buduCi trendovi krecu se slic­
no kao u pro slosti. To je dobra stvar, jer bez nekih elemenata
kontinuiranosti izmedu proslosti, sadasnjosti i buducnost'i ima­
cemo male mogucnosti za uspesno predvidanje. Ali istarija ne
z eli da se ponavlja i zato tesko mozemo ocekivati da ce eko­
nomski uslovi u narednoj godini, ili u narednih deset godina,
izgledati kao u prethodnim. Pa ipak protekli sabloni cesto pre­
14 B. Suklev: E k onomsko .predvidanj e
209
 ovladavaju da bi se opravdala upotreba proslosti kao baze za
predviaanje buducnosti.1 65
Neophodnost ekstrapolacije proizlazi zbog cinjenice sto:
(I), izmedu proslosti, sadasnjosti i buducnosti postoji kon­
tinu itet i sve sto je preduzeto u proslosti ili se preduzima u
sadasnjosti ostvarivace se u buducnosti. Buducnost buducnosti
lezi u sa dasnjosti. Odlukama koje su preduzete ili se preduzi­
maju kreira se buduce delovanje faktora rada , a efekti odluka
ostvarivace se u buducnosti; (2), buducnost predstavlja nasta­
yak proslosti i sadasnjosti sa takvim kvantitativnim i kvalita­
tivnim promenama (dijalektika) u intenzitetu delovanja fak­
tora privredivanja kakve su se dogadale u proslosti; (3), naj­
veCi broj ekonomskih pojava ima evolutivan razvoj , (4), buduc­
nost ne moze da se dogodi sasvim neocekivano, bez nekih
simptoma u sadasnjosti.
U vezi ekstrapolacije treba dati odgovor na sledeca pi­
tanja: koji su osnovni principi na kojima bazira primena ekstra­
polacije, koji su osnovni vidovi ekstrapolacije, kada se upo­
trebljava ekstrapolacija i kojim se metodama sprovodi?
Ekstrapolacija kao prilaz predvidanju buducnosti zasni­
va se na nekoliko principa. Prvi princip na kojem se temelji pri­
mena ekstrapolacije je kontinuitet. Ovaj postulat znaei da in­
tenzitet pod kojim su se menjali uslovi privredivanja u pro­
;losti nastavice da deluje i u buducnosti. Na toj osnovi pojava
ce nastaviti da se razvija i u buducnosti kao u proslosti.
Drugi princip primene ekstrapolacije je kontinuitet po
analogiji. Analogija predstavlja poznavanje kauzalnih faktol'a
razvoja pojava u proslosti i njhovo delovanje u buducnosti. U
tom kontekstu, pojava koja se posmatra (na primer, kolor te­
levizor) razvijace se kao neka sliena u proslosti (televizor u
crno-beloj tehnici) i da se nova pojava dogodila zatim, sliena
njoj.
Treci princip ekstrapolacije je kauzalan kontinuitet. Zna­
nje 0 proslosti dobijeno putem istorijskih podataka treba da
bude modifikovano id e jama 0 buducnosti. Drugim recima , kre­
ativnost predstavlja mikser za obradu istorijskih podataka.
Svakom od ovih principa korespondira odgovarajuCi vid
ekstrapolacije. Tako, prvom principu kontinuiteta odgovara
jednostavna ekstrapolacija, drugom odgovara analogna ekstra­
165 Adams F. Gerald - Peter E. de Janosi: Statistics and econo­
metries of forecasting to : HOW BUSINESS ECONOMICS FORECAST,
edited by WiHiam F . Butler, Robert A. Kavesn, Prentice-Hall, Inc. ,
Englewood Cli'ffs, New Jersey 1966, p. 3.

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.

Grafikon 11. Ekspanencijalna funkcija Ciji je ekspanent veCi ad 1

166 Ra zlog za ime koje nasi model proizlazi iz nezavisne varijable

(x) predstavljene kao eksponent.

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).

Graiikon 12. Eksponencijalna funkcija cija je osnova manja od 1

Eksponencijalni model rasta, kao metoda, pre svega upo­

trebljava se za dugorocna predvidanja gde je stupanj rasta za
ceo protekli period priblizno isti. Najbolje rezultate model daje
na dugi rok pri predvidanjnu drustvenog proizvoda, nacional­
nog dohotka, stanovniStva, kao kategorije koja belezi konstan­
tan rast. Cesto eksponencijalni model rasta upotrebljava se i
za mikro predvidanja, bilo za prodaju bilo za proizvodnju poje­
dinih proizvoda. Osnovni postulat primene eksponencijalnog
modela rasta je konstantnost u razvoju pojave. Ovaj postu­
lat je predmet mnogih akademskih diskusija koje se odnose na
buduca ispitivanja hrane, sirovina iii drugih resursa. Prema
jednoj grupi autora, postoje ogranicenja u rastu, jer j e ekspo­
nencijalni rast ogranicen ogranicenim prostorom iii resursima.
Prema drugoj grupi autora, drustvo koje se stabiIizovalo, zajed­
no sa trziSnim mehanizmima, prouzrokovace opadanje ili za­
stoj u eksponencijalnom rastu bez granica.
Nezavisno od polaznih pozicija eksponencijalni model ra­
sta moze sa uspehom da se primenjuje za proucavanje pome­
nutih pojava. Koristeci istorijske podatke, iz 1952. pa sve do
1982. godine, eksponencijalni model rasta bice primenjen za
predvidanje drustvenog proizvoda u SFRJ, po stalnim cenama
iz 1972. go dine.

3. Predviaanje eksponencijalnim modelima rasta

Drustveni proizvod moze se predvidati na dva naCina. Prvi
je analiticki nacin i odnosi se na predvidanje pojedinih kompo­

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)

1952. 59.74 3 10,9978 1 10,9978 1

1!J5 3. 69.235 11,1453 2 22,2906 4
1954. 71.424 11,1764 3 33,5292 9
1955. 81.087 11,3033 4 45 ,2132 16
1956. 76 .996 11,2515 5 56 ,2575 25
1957. 92.781 11,4380 6 68,6280 36
i958. 94.527 11,4566 7 80,1962 49
1059 . 109.909 11,6074 8 92,8592 64
1960. 118.283 11 ,6808 9 105,1272 81
l!i61. 125.086 11,7367 10 117,3670 100
1962. 129.383 11,7705 11 129,4 755 121
1963. 145.026 11,8847 12 142,6164 144
1964. 161.607 11,9930 13 155,9090 169
1965. 164.658 12,0116 14 168,1624 196
1966. 177.511 12,0868 15 181,3020 225
1967. 181.520 12,1091 16 193,7456 256
1968. 188.173 12,1451 17 206,4667 289
1969. 206.339 12,2373 18 220,2714 324
1970. 217.947 12,2920 19 233,5480 361
Ul71 . 235 .540 12,3696 20 247,3920 400
1972. 245 .567 12,4113 21 260,6373 441
1973. 257 .684 12,4595 22 274,1090 484
19'/4. 279.685 12,5414 23 288 ,4522 529
19'75. 289.893 12,5773 24 301,8552 576
1976. 301.191 12,6155 25 315,3875 625
1977. 325 .933 12,6926 26 330,0078 676
Hl78. 347.799 12,7594 27 344,5038 729
1979. 372.317 12,8275 28 359.1700 784
1980. 380.864 12,8502 29 372,6558 841
1981. 386.371 12,8645 30 385,9350 900
1982. 389.471 12,8725 31 399,0475 961

N = 31 374,1652 496 6.143,1160 10.416

Izvor : Statisticki bilten, broj 909, SZS, Beograd 1975. Statisticki bil­
ti!n. broj 1073, SZS, Beograd 1977, Statisticki godis njak Jugo slavije, SZS
Beograd 1983.
Zamenom u prethodnoj formuli, dobijamo vrednost za:
32 . 6.143,1160 - 496 . 374,1652
b = - - - - - - -- - - - - -- - - - - ­
31 10.416 - (496)2

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%

Stvarni i prognozirani podaci 0 kretanju drustvenog proiz­

voda u periodu 1952-1982. godine su predstavljeni na grafi­
konu 13.

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

Grafikon 13. Teorijska i empirijska linija kretanja druHvenog proizvoda

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

ANALIZA ZIVOTNOG CIKLUSA PROIZVODA

1. Faze u iivotnom ciklusu proizvoda

U ekonomskoj Iiteraturi, a posebno u literaturi koja obra­

uuje marketing, nasiroko se tretira zivotni cikius proizvoda kao
uslov za uspesnije sprovodenje marketing-miksa. Zivotni ci­
klus proizvoda nije jednak za iste ili slicne proizvode, a ukup­
na duzina zivotnog cikiusa i duzina pojedinih faza u tom cik­
Iusu varira od jednog do drugog proizvoda.
Razliciti autori razlicito definisu pojedine faze, odreduju
broj faza i njihov saddaj. U zavisnosti od metodoloskog pri­
Iaza, stajalista su sistematizovana u tri grupe. Prvu grupu sa­
cmjavaju onin autori koji smatraju da zivotni cikius prizvoda
prolazi kroz tri faze. 167 Drugu grupu sacinjavaju oni autori
koji smatraju da zivotni ciklus proizvoda sacinjavaju pet fa­
za. 168 Trecu grupu sacinjavaju oni autori koji smatraju da je
i ivotni cikius proizvoda sastavijen od sest faza. 169
167 Cantor Jerry: (Pragmatic foreca sting, American Management
Association) , 1971, p. 4) predlaze tri faze u okviru zivotnog ciklusa pro­
izvoda: 1. period rasta, 2. period niveliranja i 3. period opadanja.
168 Burton H. Marcus - Edward M. Tauber: Marketing analysis
and decision marking, Little, Brown and Co., Boston 1979, glava VI)
smatraju da zivotni ciklus proizvoda ima sledecih pet faza: 1. uvod, 2.
rast, 3. ranu zrelost, 4. kasnu zrelost i 5. opadanje. Ili: Wood Doug ­
Robert Fildes: Forecasting for business: METHODS AND APPLICA­
TIONS, Longman, London 1976, p. 197) predlazu pet faza u okviru zi­
votnog ciklusa proizvoda, a one su: 1. uvod, 2. rast, 3. zrelost, 4. zasi­
cenje i 5. opadanje. Hi Kovac F. J. - M. E. Daque Forecasting by pro­

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

U razlicitim fazama zivotnog ciklusa proizvoda ostvaruju

se razliCiti koji, teorijski, imaju i gornju grarucu.
RESEARCH MANAGEMENT,
u zivotnom ciklusu
3.
169 and
approach Kogan
je
4. 7.relost,

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.

2. Zivotni ciklus proizvoda i predvidanje

Poznavanje zivotnog ciklusa proizvoda ima veliki :maeaj

za uspesno kombinovanje marketing-aktivnosti i predvidanja.

221
N
N
N

uvodenje zasicenje opadanje

marketing­ promocija orijentad ja

odluke -strategija cene
promocija novih proizvodima
proizv.
politika
cena
analogni istorijski - istorijski istorijski i·storijski
marketing­ marketing­ analogni analogni
-test -test
simulacije
metoda trostruko analiza linearni regresiona
metoda eksponenc. vremensk ." mocleli anallza
analogije Izravnan}e serije kauzalni kvadratna
kvadratna multivari]. pksnlorativ funkcija
funkcija anaiiza
kupaca linearni analiza
jednostavno modeli zivotnog
eksponenc. regresija dvostruko ciklusa
izravnanje cksponenc. ekonomctris.
izravnanje modeli
analiza
vremcnskih
serija

Slika 16. Zivotni ciklus proizvoda, karakter podataka metoda

predvidanja
 S obzirom na to da svaka faza ima posebnu specificnost u ci­
klusu, preduzimanje marketing-aktivnosti, donosenje odgova­
rajuCih odluka, zivotni ciklus bite analiziran s aspekta potreb­
nih podataka i informacija i predlaganja najadekvatnijih me­
toda predvidanja u svakoj [azi.
U korelaciji sa fazama zivotnog ciklusa proizvoda je i pred­
vidanjne. U razlicitim fazama zivotnog ciklusa proizvoda do­
ose se razliCite odluke za koje su potrebne razliCite informa­
cije. Ove informacije mogu se obezbediti razliCitim tehnikama
predvidanja. U prvim dv ema Jazama koje se karakterisu stup­
njem rasta, analiticar moze da razmislja da ukljuci eksponen­
cijalnu i kvadratnu Junkciju . Kada se proizvod nalazi u jazi
opadanja, takoae se moze upotrebiti kvadratna junkcija, a dok
se nalazi u jazi zrelosti i zasicenja, potrebno je da se prime­
njuje linearna junkcija. 170
Kada se proizvod nalazi u predJazi, (razvoj proizvoda , lan­
siranje i eksperime ntisanje) a sa ciljem da se razvije odredena
poslovna strategija i proceni prodaja pre uvodenja proizvoda,
mogu se koristiti analogni podaci, podaci dobijeni marketing­
-testom i istrazivanjem iIi podacima dobijenim simulacijama.
Kao najpogodnje metode predvidanja pre uvodenja proizvoda,
na ·trziste a u saglasnosti sa karakterom podataka, su delfi-me­
toda, metoda istorijske analogije, metoda simulacija i slicno.

J70 Doug Wood - Robert Fildes: p . 197.

223

 GLAVA XVI

PROCENJIVANJE EKONOMSKOG PREDVIDANJA

1. Ciljevi i postupak procenjivanja predvidanja

Proces predvidanja prolazi kroz sest faza , a poslednja je

faza procenjivanja predVlidenog ishoda narneravane akcije u
buducern arnbijentu privredivanja. Procenjivanje predstavlja
integralni deo pJ'edvidanja zato sto uvek postoje devijacije iz­
rnedu predvidenih i stvarnih podataka . Ukoliko procenjivanje
sugerise preduzirnanje korektivne akcije, u takvorn slucaju
rnoze se srnatrati osnovnorn karikorn upravljackog predvidanja.
Bez te funkcije procenjivanja, predvidanje irna sarno inforrnati­
van karakter.
Osnovni ciljevi procenjivanja kao faze predvidanja su sle­
deci:
1. da kvantifikuju ve1icinu greske - apsolutne i relativne;
2. da kvantifikuju tacnost;
3. kvantitativno da izraze verovatnost nastajanja prognoze ;
4. kvantitativno da izrnere rizik koji treba da saddi odlu­
ka i ocena posledica takvih odstupanja na ostvarenje odluke;
5. ocena rnogucnosti realizacije odluka.

Procenjivanje predvidanja, rnerenje tacnosti greske i flZl­

ka, predstavlja kontroverzno pitanje. Nairne, u pojedinirn slu­
cajevirna tacnost sluzi kao argurnenat kojirn se osporava naucni
i upravljacki karakter predvidanja i uopste potreba za predvicta­
njern .U ostalim slcajevima, kada se ne prirnenjuju kvantitativ­

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.

2. Fa7ctori od kojih zavisi tacnost pri predvidanju

Na ishod nameravane akcij e, a indirektno i na tacnost

predvidanja uticu brojni spoljni i unutrasnji faktori privredi­

15 D. Sukl ev: Elwnomsko predvidanje

225
 Pored in tenzi teta determinan ti predvi­
za visii od niza drugih faktora po pl'i­
rodL Da navedemo neke grupe koje se su­
literaturL
171

izrazena putem od
zivotni ciklus
zavisi tacnost ne
povecanje. na primer, troskovi
su faktori od ih zavisi
e mogu da

i raznorodni faktori od kojih zaVlSl tacnost

sistematizovani u sledeCih sest grupa:

1. Faktori koji se odnose na

Ovu grupu dva faktora i to.

1.1 proizvoda,
1.2. zivotni ciklus

Efikasnost

proizvodi

171 Partee J. Charles. The BUSINESS

voL 19, No. 1976,
172 Dr D. : sales data
casting, JOURNAL OF SYSTEMS MANAGEMENT, voL 24,
Eby H. Frank, Jr William J. O'Neill: The management of sales
forecasting, Lexington Books, Toronto 1977, p. 39-40.

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.

2. Faldori h;oji se odnose na vreme

U osnovi, buducnost je sastavljena od dveju komponenti:

neizvesnosti i izvesnosti. Neizvesnost kao funkci.ia vremena
moze se strukturirati na ocekivanu neizvesnost, neizvesnost ko­
.ia moze nastati, ali ne mora, i na neocekivanu neizvesnost. Iz­
medu polja izvesnosti i neizvesnosti postoji proporcionalan od­
nos. IduCi od »n« ka »t«, jedna sigurna prognoza na pocetku
sa velikim stupnjem verovatnosti nastojanja postoje nesigurna
toliko koliko se priblizava »T« (Slika 17).

Polje Neocekivana neizvesnost

izvesnosti

Potje Neizve~no st koja moze nastati. ali ne mora

neiz­
vesnosti Ocekivana n eizvesnost

N T
Slika 17. StTUktuTa buducnosti

U blizoj buducnosti kvalitet je na strani izvesnosti, a u da­

Ijoj buducnosti - na strani neizvesnosti . Odatle, tacnost pred­
v idanja opada iz godine u godinu. Sigurno je da kod kratko­
rocnog, pa i srednjorocnog predviC1anja, tacnost je veca u upo­
redenju sa tacnoscu kod dugorocnog predvidanja. Moze se za­
kljuciti da se vremenski horizont javlja kao faktor koji zna­
cajno utice na tacnost predvidanja.
U okviru ove grupe kao faktora od kojih zavisi tacnost
predviOanja su jos i raspolozivo vreme za savladivanje metode
i raspolozivo vreme za izvodenje predvidanja.

15' 227
 3. Faktori eksternog karaktera

U ovu grupu spadaju sled€Ci faktori:

3.1. VeliCina marketing podrucja: Organizacija koja radi
na manjem podrucju, lokalnom ili regionalnom , ima vece mar­
keting podrucje, kao, na primer, u nacionalnim iIi medunarod­
nim tdiStima.
3.2. Priroda trziSta: Na trziStu koje je pod intenzivnim
fluktuacijama od jednog do drugog perioda jasno je da treba
ocekivati manju tacnost, tj. vecu prosecnu gresku nego na trzi­
stu gde su primetne manje fluktuacije.
3.3. TreCi eksterni faktor od kojeg zavisi tacnost pri pred­
?;iaanju su pretpostavke 0 spoljnim jaktorima privredivanja.

4. Faktori internog karaktera

4.1. Tacnost pri predviaanju zavisi od karaktera organiza­

cije preduzeca: Preduzeca koja su orijentisana na proizvodnju
roba za siroku potrosnju imaju malu gresku u predvidanju
(6,7%), u poredenju sa preduzecima koja su orijentisana na
proizvodnju industrijskih roba i greska kod njih iznosi 7,6%.174
4.2. Na velicinu greske takode moze da utice i kara1cter po­
sla: lma slueajeva kada neki predmet posla obezbeduje vecu tac­
nost u poredenju sa drugim, kao rezultat manjeg uticaja na
faktor€ privredivanja. U prilog recenom biCe iskoriscena empi­
rijska saznanja do kojih je dosao Douglas J. Dalrymple.

Kara1cter posla i veliCina gres1ce

pr£ predvidanju l75
Tabela 30

Karakter posla Greska pri predvidanju

J. Osiguranje 5,4'%
2. Maloprodaja - prodaja na veliko 6,2'%
3. Transport 6,2%
4. Bankarstvo 6,4'%
5. Proizvodnja 7,5%

174 Douglas J. Dalrymple: Sales forecasting methods and accuracy,

BUSINESS HORIZONS, No . 6, 1975, p. 72.
175 Ibid., p . 72.

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).

Greska predvicianja 176 (u procentima)

Tabela 31
Uvek Cesto Retko Nlkada

Konsultanti 5,4% 5,8'% 7,71% 6,9'0/0

Kompjuteri 6,g% 6,J% 6,3'% 7,6%

Istrazivanja veliCIDe greske i koriscenje kopsultanata i

Kompjutera u predvidanju pokazuju da izmedu njih postoji
pozitivna korelaeija.
4.6. Sesti faktor odnosi se na obuhvatnost predvicianja: Na­
ime, ukoliko se predvidanja odnose samo na jedan proizvod,
utoliko je tacnost manja, i obratno. Ukoliko se predvidaju po­
jave za celu privredu ili granu, utoliko je tacnost veca.
176 Ibid. , p . 73.

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

Tacnost razlicitih metoda predvidanja

na trzistu u SAD-u u vremenu
do 1968. za sve domace prevoznike
Tabela 32
Apsolutna greska u procentima
razlici -
predv. ekspertno
ekonometrijski
rasud.
1
2 6.8
3 7,8
4 9.8
5 6.2
6 0.7
21

U skoro svim s!ucajevima predvidanja su bila niza od stvarnih velicina.

Michael C. Grohman' study
market forecasting. 'Q1\."'G'l"rp SCI-

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.

6. Faktori koji imaju subjektivan karakter

U ovoj grupi postoji vise subjektivnih faktora, (ukljuciva­

nje rutine, samozadovoljavajuce predvidanje, predvidac pri
predvidanju je pod uticajem politike vlade i proslosti i drugo).
I2 do sada iznetog moze se zakljuciti da postoje brojni i
raznovrsni faktori od kojih zavisi tacnost predvidania. Na neke
faktore moze se vise uticati, na druge manje u naporima da se
poveca tacnost i efikasnost predvidanja.
U prvu grupu spadaju sledeci: metoda predvidanja (pro­
menljivi i troskovi), broj lica ukljucenih u predvidanje, upo­
treba kompjutera i konsultanata, neke pretpostavke 0 unutras­
njim faktorima rada i drugo.
Drugu grupu faktora sacinjavaju oni na koje se ne moze
delovati za poboljsanje efikasnosti predvidanja; zivotni ciklus
proizvoda i organizacije, karakter posla, karakter trzista, vre-
ENCE, vol. 19, No.2, 1972, p. 213. Ove hipoteze bile 5U primenjene u
studiji 0 avio-prevozu na triistu u SAD-u, pri cemu su bile primenjene
sledece tri metode: ekstrapoincija, ekspertno rasudivanje i ekonometrij­
ski model. Predvidnja svakog modela bila su komparirana stvarnim
podacima, a gresk'l. je obracunata prem<l uzorku.

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

Kauzalni i ekonomel riJski model;

Oplimalni region
koji ukljucuju 5ptcijalne informllcije.

Regresija
i drugi kauzalni mkode[j
SofiSiicirani sla!isri¢ki model;

Slika 18, Troskovi predvidanja U odnosu na troskove netacnosti srednjo­

rocnog predviaanja kada se raspolaze datim podacima 178

178 Sullivan G. William - W, Claycombe: p. 32.

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 ,~~

Treca, jednostavna statisticko-matematicka metoda izracu­

navanja greske, je metoda procenta apsolutne greske. Individu­
alni procenat apsolutne greske obracunava se prema sledecoj
formuli:
P-A
'% ae = - - - - . 100. (73)
A
Pored navedene formule pojedinacnog obracunavanja gre­
ske, potrebno je obracunah i prosecan procenat apsolutne gre­
~ke za celu vremensku seriju prema formuli:

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

Peta metoda merenja devijacija izmedu stvarni h i predvi­

denih podataka .ie metoda procentne greske. Za razliku od me­
tode procenta apsolutne greske, kod ave metode znaci zadrza­
vaju svoju funkciju . Za pojedinacna procentna odstupanja, for­
mula ima sledeCi oblik:

P-A
% e = - - - - - · 100 . (76)
A

Procenat greske za celu vremensku seriju izracunava se

prema sledecem postupku: najpre se zbrajaju pozitivne inclivi­
dualne greske izrazene u procentll, zatim se zbrajaju negativne
individualne procentne greske. Tako agregirane velicine odu­
zimajll se, a dobi.ien ostatak deli se sa brojem god-ina ukljuce­
nih II vremensku seriju.
Sesta metoda izracunavanja greske pri predvidanju jeste
korenovanje apsolutne greske dignute na kvadrat prema fo1'­
muli:

(77)

Pored do sada pomenutih metoda merenja greske, od kojih

kao na.isintetizovanija se smatraju procentna greska i koren
apsolutn e greske dignute na kvadrat, posebnu paznju zasluzllje
formula Henri Theila.

234
 Greska u prelomnim tatkama (.P - A)
A-
P

Negalivna
Pozitivna
potcenjivanja promena potcenjivanja promena

VI Linija perfeklnog predvidanja

Negalivna Pozitivna
precenjivanja promena procenjivanja promena

P- Greska u prelomnim tatkama (- P + A) A,

Slika 11. Dijagram predvidanja - ostva1' enja181

taka serije, i obrnuto, tacke ispod horizontalne linije oznaca­

vaju podcenjivanje podataka vremenske serije. Svaka tacka
horizontalne linije predvidanja u sektorima IV, V i VI odrazava
stvarne promene koje su vece od predvidanja.
Dijagram predvidanja-ostvarenja daje vise korisnih infor­
macija u poredenju sa obicnim grafikonom. Medutim, niti jedna
od dvaju (niti obicni niti dijagram predvidanja-ostvarenja ­
prim. B. S.) ne predstavljaju pogodno sredstvo za dobijanje ko­
risne kvantitativne mere tacnosti predvidanja ... One ne daju
nikakvu zbirnu meru tacnosti koja treba da omoguci znacajnije
kompariranje gresaka dobijenih upotrebom alternativnih po­
stupaka predvidanja. 182

181 Henri Theil: p. 24.

182 Robert B. Platt: Statistical measures of forecast accuracy, M eth­
ods and techniques of business forecasting, edited by William F. Butler,
Robert A. Kavesh and Robert B . Platt, Prentice-Hall, Inc., Englewood
Cliffs, New Jersey 1974, p. 604.

237
 ECONOMIC FORECASTING

Summary

The contents of the book is systematized into two parts: the­

oretical one and methodological-applied one.
The first , theoretical part treats more or less all the relevant
questions which enable management prevision to be more efficient
and of higher quality, and indirectly development and management
",ldnning in enterprises.
Chapter I is dedicated to theoretical explication of prevision
defining, contents, determining social significance and objectives of
prevision, and in addition determining etymological origine of pre­
vision in West European, East European and Yugoslav literature.
Theoretical explications and proving scientific character of prevision
by determining the subject, methods and facts, is of particular signi­
ficance in this chapter.
In Ohapter II, basic approaches to physiognomy of prevision as
potential of development of economic thought are worked out. In this
framework, interdisciplinary, systematic, organizational, functional and
other contributions are worked out in an original way.
In Chapter III, factors which condition the quality of prevision
are dealt with. In connection with that a particular emphasis is put
on: research, information, economic horizon and other determinants
with pointing the causal tie between them.
Chapter IV deals with hypotheses as the final product offprevision
and as the basic factor of planning. The quality of planning depends
on the quality of the hypotheses, and for a certain period of time
they have character of a standard.
Chapter V is dedicated to the role of prevision in the process
of preparing and making a decision. The basic premise is that every
decision (in that framework also the decisions which are result of
planning process) refers to future and either explicitly or implicitly
contains and is based on prevision.
Previsons, in connection with space horizon should be carried
out according to certain reflective and logic course. Questions in

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

methodological and is dedicated to

of prevision and in management
IX and XV, methods
and as well
are dealt with. From numerous
needs of conscious direction

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

Le contenu de se livre a ete ordonne en deux parties: une partie

theorique et une partie methodologique et appliquee.
Dans la premiere partie theoriques sont developpees, dans une
mesure plus ou moins grande, toutes les questions importantes qui se
posent pour que les previsions de gestion soient plus efficaces et de
meiIIeure qualite, et indirectoment la planification du developpement
et des acti vi tes de l' en treprise.
Le chapitre I est consacre a I' explication theori que de la definition
de la prevision economique, du contenu, de la determination du role
social et des buts de la prevision , puis a la determination de l' origine
etymologique de la prevision economique dans la Ii tterature en Europe
occidentale, en Europe de I' Est et en Yougoslavie. Dans ce chapitre.
d' une importance particuliere sont les explications theoriques et les
demonstrations du caractere scientifique de la prevision economique.
par la determination de I' objet, des methodes et des faits.
Dans Ie chapitre II sont presentees les principales approches a la
physionomie de la prevision economique en tant que potentiel du deve­
loppement de la pensee economique. Dans ce cadre sont developpees
les approches interdisciplinaires, systemique, organisationneIIe, foncti­
onneIIe et d' autres approches.
Dans Ie chapitre III sont presentes les facteurs qui jouent sur la
qualite des previsions economiques. Ce faisant. l' accent est mis plus
particulierement sur la recherche, I'information, I' horizon economique
et sur les autres determinantes, tout en indiquant leurs liens de causalite.
Le chapitre IV est consacre aux hypotheses, en tant que prod uit
final de la prevision at facteur de base sur lequel repose la planifica­
tion. De la qualite des hypothese depend la qualite de la planification.
et pour une peri ode donnee elles ont un caractere de n or mes.
L ' objeta d u chapitre Vest Ie role de la prevision dans Ie processus
de preparation et de prise de dec isiDns. La premisse de base est que
toute decision (et, dans ces relations aussi les decisons qui sont Ie
resultat du processus de planification) concerne I' avenir et qu'elle est
i'ondee, explicitement ou implicitement, sur les previsions .

Lv 13 . Su i<i ev: £koJ;omsko predvi danj e

241
 La prevision doit se derouler, en fonction de I' horizon dans
I' espace, en respeclanl une suite logique et determinee des activites a
effectuer. Les questions relatives a la mise en oeuvre du processus de
prevision, au type de pro cede, ainsi qu'a la prevision au niveau de
l' economie nationale, au niveau du secteur economique et au niveau de
I' enlreprise sont traitees dans Ie chapitre VI.
Le choi de la methode appropriee de prevision , en tant que qu e', ­
tion methodologique, depend de plusieurs criteres: la precision , Ie cout,
Ie caractere de la decision, la comprehensibilite, la f1exibilite et ainsi
de suite. L' analyse comparative de certaines methodes de prevision
(estimation et classification suivant Ie rang) ainsi que leurs caracteristi ­
ques sont d' une importance particuliere pour I' evaluation de la capacite
d'identification des points de revirement dans Ie processus economique.
Tout cela est traite dans Ie chapitre VII.
L' objet du chapitre VIII sont les relations entre I' estimation et la
pl a nifica,tion, ou est souligne Ie point de vue selon leguel l'input Ie
plus important dans la planification est la prevision .
La deuxieme partie methodologique et appliqueee est consacree
aux nombreuses et diverses methodes de prevision et a leur application
a la gestion.
Les chapitres IX a XV sont consacres aux methodes qui reposent
sur I'intuition, la statistique et I' analyse statistique, ainsi que sur les
mathematiques. Parmi les nombreuses et diverses methodes de prevision
au service d' une conduite consciente et d' une harmonisation du develo­
ppemen t et de la gestion dans I' en treprise, on tete presentees certaines
methodes qui sont connues mais insufEisamment adoptees dans la
theorie et la pratique en Yougoslavie.
Dans la partie methodologique et appliquee sont developpees les
methodes suivantes: methode Dhelphi , methode des moyennes mobiles
simples, methode des moyennes mobiles doubles, lissage exponentiel
simple, lissage exponentiel adaptif, lissage exponentiel double selon
Brown, lissage exponentiel double selon Holt, lissage exponentiel line­
aire et desaisonnalisation, lissage exponentiel. triple, analyse des corre­
lations multiples, analyse du cycle de vie des produits, courbe logistique
(asymptotique) et modele de la croissance exponentielle (non-asympto­
tique).
Dans cette partie sont egalement indiques les problemes de nature
methodologique qui concernent la mise en application et les moyens de
les resoudre, Ia determination des domaines d' application, la formula­
tion mathematique des methodes, I' examen des possibilites d' applica­
tion dans la planification du developpemen t et de la gestion dans
l' economie de la Yougoslavie, ainsi que les avantages et les inconveni­
ents de l' application de ces methodes. Les methodes sont appliquees
a des phenomenes qui sont sous l'influence de facteurs a variations
snisonniere.
Dans Ie dernier chapitre XVI est traite l' evaluation, en tant que
partie in tegran te de la prevision de gestion , sans laquelle la prevision
n'a qu' un caractere de simple information. Pour cela il convient d' evalu­
er I' efficacite de Ia prevision dans Ie cycle de vie du pronostic: a priori ,
en continue, a posteriori. Les facteurs qui jouena sur I' exactitude des
previsions ont ete presentes d' une maniere systemat~que, et a ete in­
diquee la possibilite d' accroitre la precision, en tant que mesure de

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,

Butler p, William' Robert A, Robert B. Platt, Methods and

teachniques business Prentice-Hall, Inc" Englewood

Cliffs, New
Cantor Jerry: AMERICAN MANAGEMENT As­
sociation,
Cetron, J, Marvin Christine A. Ralph: Industrial, applications
technological forecasting, John Wiley and Sons, Inc" New
1971.
Cerullo J, Michael sur-

Prenticc-

Chambers C. John, Satinder K, Mullick, Donald D. Smith: An executives

guide to forecasting, John Wiley and Sons, Inc., New York, 1974.
Chambers J, C" MullicK S. K, Smith D, D.: Now to choose the
techniques, HARVARD BUSINESS REVIEW, vol.
1971.
business and economic statistics. Holt Rinehal't
York, 1963,
Chou Ya-lun' Statistica 1 ana/,ysis with business and ec :nomic applica­
tions, Holt, Rinehart and Winston, Inc., New York, 1969,
Clark J, John Pietcr T, Elgers: Evaluating the sales forecast, MICHI­
GAN REVIEW, voL 20. No.3, 1968.
Clark J. John-editor: The forecasting, Sf John's Uni­
versity Pre5s, New York,
Clark T. Charles Schkade L. Lawrence. Statistical methods
ness decisions, South-western publishing Co. Cincinnati,
Claycombe W. W. William G. Sullivan:

ques, JOURNAL OF SYSTEMS MAN

1978.

Cleland 1. David William R. King: organizations, analysis,

A bok oJ Hill Book Company,
New 1969.
Coldicott Tim: Forecasting and planning"long term, ACCOUNTANCY.
84 .. No. 963, 1973.
Copulsky William: Practical sales forecasting, American Manngement
Association; Inc., 1970.
Cross S. Jilrnes: The f:JTecasting gap, The Conf(;rence BO'll'd vol.
5, No. 1968.
Cl'ohtol1 E. Frederick, Cowden J.
statistics, Prentice-Hall, Inc.,

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.

Dr Bogomir Dezelak :Marketi.ng, Beograd, 1973.

Dodd T. E. Sales forecasting, Gower press Ltd., Epping, Essex, 1979.
Dohrn Peter: Forecasting in the sho'rt-term, ACCOUNTANCY, vol. 83,
No. 959, 1973.
Doody S. Francis: Introduction to the use of economic indicators, Ran­
dom house New York 1965.
Eby H. Frank, Jr., William .J. O'Neill: The management of sales fore­
casUng, Lexington Books, Toronto 1977.
Enrick Lloyd Norbert: Market and sales forecasting, A quantitative ap­
roach, Chandler publishing company, San Francisko.
Erwin Esser Nemmers: Dictionary of economics and business, A Little­
-field, Adams and Company, Totovva, Jersey 1976.
Fileds Robert, Mike Jalland, Doug Wood: Forecasting in coditions Of
uncertainty, LONG-RANGEE PLANNING, vol. 11, No.4, 1978.
Fisher 1. David: The corporate economist. A research report from The
Conference Board, report, N. 655, 1975.
Firt Michael: Forecasting methods in business and management, Ed­
ward Arnold, London, 1977.
Fmecasting: Procedings Of the Institute of Statisticins, Annual Con~e­
renee, Cambridge, 1976, edited by Aderson O. D., Nort-Hollancl
publishing company, Amsterdam, 1979.
F01'ecasting sales, BUSINESS POLICY STUDY, No. 106, National In­
dustrial Conference Board, Inc., 1963.
FriedheIm Bliemel: Theil's forecast accuracy coeftcient: A cl.asification,
JOURNAL OF MARKETING RESEARCH. No.4, vol. X, 1973.
Fulmer M. Robert: Forecasting the future, MANAGERIAL PLANNING,
vol. 21, No. 1,1972.
Geezil J. Artheemus: Forecasting: science of the improbable, BUSINESS
ECONOMICS, vol. 14, No. I, 1979.

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

Jantsch Erich: Technological forecasting in perspeetive. OECD, Paris.

1967,
Jeffrey L. Johnson. A forecast in the electl'onics in­
dustry, voL 65, No.8, 1967.
Jiler Harry-editor: Forecasting commodity prices. How the ana­
/.yze the markets, Commodity research bureau, Inc.. York,
1975.

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-

Dr Radovan Miianovic: Osnovi marketinga, lGRO Svjetiost, Sarajevo,

1977.
Dr Momcilo Milisavijevic: Marketing, Savremena administracija, Beo­
gl'ad, 1975.
Milosavljevic dr MomCilo i drugi: Planiranje i poslovna politika predu­
zeca, Naucna knjiga, Beograd, 1976.
Mills C. Frederick: Statistical methods, Henry Holt and company, New
York, 1975.
Milne E. Thomas: Business forecasting. A managerial approach, Long­
man, London 1975.
nOnl1TI1Ka Ha pa60'fHa'f:l Opl'aHl13aLll1ja,
1971.
KpYMe; nnaHl1pal-be M pa3llojHaTa nOJIHTHKa
KOMym1cT,
Mirzrahi Sullivan: Mathematics for business and social sciences: An

applied approach, John Wiley and Sons, lnc., New York 1976.

Molnar Daniel - Marshall Kammerud: Developing priorities for im­

the urban social enviroment: A use SOCIO
l:'f'("')1\TrYOIfY.(" PLANNING SCIENCES, vol. 9, No.

Monthomery C. - Lynwood A. Johnson: Forecasting and time

series (U'.""'""'''''' McGraw-Hill, New York, 1976.
Morrell James' An to short-term business forecasting, The
administratiw~ college, Henley-on- Thames, 1968.
Morrell James: A short to business forecasting, The Henley Cen­
tre for Iorecas ti ng, february, 1976,
HaY'lHole OCHOBbl 3KONOMH'leCKoro npOI'HOaa, Jl;hlcnh MocKBa 1971.
A. William: statistical methods. As applied to
and economic data, Macmillan company, New York
1964.
Dr Nelson III G. Wmiam' The use staff.
FINANCIAL EXECUTIVE, vol.

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-

Rothe T. methods, INDUSTRI­

AL voL 7, 2, 1978.
Rothe T. James Naidu G. M.: Auditing the sales
17'16-1976 and beyond - 1976
No. 39, American Marketing Association Chicago

Sarlorius C. Lester -Carroll N. Mohn: Sales forecasting models: A dia­

gnostic approach monograph) - College of business ad­
minitration, University, No. 69.
Sellers H. James: to forecast comparability, MANA­
GERIAL PLANNING, vol. No.6, 1976.
Shankar Basu Roger G. Schroeder: Incorporating judgems in sa­
les . Application of the method at American Hist
Derricka, INTERFACES, vol. 7. 3, 197'1.
Sobek S. Robert: A manager's primer on forecasting, HARVARD BUSI­
NESS REVIEW, may-june, 1973.
CnacoB CvlHl1Wa: MmKHocrwre If
rO,QJ.1111HI1K. EKOHOMCKH
8:l'IK8r8.
Spencer H. Milton, Colin G. Clark, Peter W. eco­
An econometric Inc.,
1961.
Spencer H. Milton. econ:mics. Text, problems and short
cases, Richard D. Inc. Homewoord Illionis 19G8.
Stick S. Leonard M. Louse Curley:
Graw-Hill Book Company, Inc., New
Stojanovic dr Radmila: Planiranje u samoupravnom drustvu, Savremen:l
administracija i Institut za ekonomska istrazi vanja, Beograd 1976.
Streissler W. Erich: in econometric forecasting, The Institute of
economic affairs, Britain, 1970.
Sullivan G. William Wane E. Claycombe: Fundamentals
casting, Reston publishing company, Inc., Reston Virginia
lllYKJleB BooeK: TCOPCTCKO-MCTOJlOHOWKH 8cnCKTH Ha npM
.llOHecY8JfbCrO Ha OJlHyKM BO 03T. EKOHOMCKI1 cpaKYJlTCT,
TeMOpl1 1980.
IIIYKJleB BOOCK: eKO·

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

Vogt ,. Richard: as a management tool, MICHIGAN BUS!­

NESS REVIEW, voL 22, 1970.
Dr Vrcelj Borde: Tehnicko-tehnol~sko
strucnjaka (delfi-metoda)
Dr metode nji­
i Poslovna

Dr Vucenovic Bojislav' Sistem i organizacija. Uvod u teoriju sistema,

Naucna knjiga, Beograd 1980.
in strategy formulation. LONG­
6, 1977.
Walter B. Wentz Gerald r. and applica­
tions, Harcourt Brace and Inc., New
Whitte Jeremy: Problems oj corporate jorecasting, ACCOUNTANCY,
vol. 89, No. 1016, 1978.
Wheelwright C. Steven Darral G. Clarke:
mise and reality. HARVAH.D BUSINESS
Wheelwrigt C. Steven - l\1akridakis: F.
management 3 red. ed. Wiley and Sons, New
Winters R. Peter: sales exponentiaLly wighted, movtng
avarages, voL 6, No.3, 1960.
Wood Doug - Robel't Fildes: FOTcasting jor business: Methods a[J;.JI~­
cations, Longman, London 1976.
XpaneHKo HI1KOJlH VIBaHOBy1'I:
npofHo3upOBaflH51. J1eH~lHrpa,l.\CKH
Hacaturov T.: 0 metodama
PH.ODUKTIVNOST,
Dr Gligorije Zajecaranovic: Osnovi metodo/.ogije nauke, Beograd, 1975.

254
 INDEX

A cost-benefit analysis 199

Am ara R. 136
Chambers J. E. 85

analogna ekstrapolaciia 209,

Clarke D. G. 48 , 102, 107

210, 211
Claucombe W. W. 21, 110

an aliza statistickih podataka

Cold icCl tt T im 21

85, 147, 148

Copu lsky W. 102, 110

analiza v remenskih serija 96,

Cowden J . 204

97, 110, 114, 149, 159, 161 ,

CPE 199

163, 168, 170

Crox ton E . F . 204

anticipiranje promena 31 , 32,

Cummings M . J . 101

36, 65
Curley L. M . 21

Armstrong S. J . 107, 109, 111,

170
D
Dada.ian V. 40

B
Dalkey N. 135

Bai1 2Y E. L. 43
Dalrymple D. J. 228

banka podataka 69
datoteka 69

barometarske tehnike 112

decentralizovan o predvidanie

Berger G. 41
47, 48, 49

Box-Jenkins 37, 106, 110, 130,

deduktivan metod 90

168
definisanj e problema 20, 22,

Brown R. G. 16 8, 170, 174,

25, 26, 27, 28, 29 , 32, 85,

177
88, 95, 139, 149

Burton M . H. 60
dekompoz,l cija 158, 168, 169

delfi 37, 106, 110, 116, 130,

c 139, 134, 135, 136-138,

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

dvofazne metode 115

trenda 147,

dvostruki prosek
196, 209, 210, 211

(mobel) 163, 164,

166
F
H. 50

feedback 120, 134

Edman M. 40
Fildes Robert 21, 22

eflkasnost 9, 1 154. 155,

.~~ .."~.,._ 71, 72, 82

226
Fischer D. J, 22

ekonometrisko-intuitivni mo­
forcus group studies 60

del 110, 112, 114

51. 32, 59. 74, 82

51,
G
eksponencijalan faktor 169,

170, 172, 173

podaci 54

curve 201, 203

"YY'I,nc)''''

Gordon T. J. 1 143

metode 236

1 lOB,
diiagram

168, 169, 171,

-ostvarivanj a 232

190, 195, 196

matematicka

1 176, 177
232

dvostruko 174, 181, 1

vrste 231, 333

1 184
aposteriorna 150.

Browonovo
153, 154, 225

1 ] 18G
apriorna 99, 1 225

1 181, 1
kontinuirana 225

177.

(Hariso­ 180, 1 233

174
Grohman M. 111, 230

jednostruko 174, 1
Gross S. J. 53

181
Gross W. Ch. 89

trostruko 191. 192, H);3

grupni interv,iu

Wintersovo 174, 187, 188

Guerts D, M. 226

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

prostorni 61, 69, 70, 72,

klasifikacii a 109

80
Klein S . 204

vremenski 52, 53, 69,

~odiciient ne;ednakosti 235

70, 71, 72, 80, 8~ 84,

bJmbinovano predvidanje ±7

99, 101, 105, 227

kcmpjuteri 45, 72, 229

kontinuelna ekstrapolaciia 68,

I 210, 211

induktivan 90
kontinuirano predvidanie 73,

induktivne metode
125, 148

informacije 19, 22, 24, 27, 46,

konvergentni metodi 28, t L5

65, 66, 68, 81, 82, 95, 108,

K nt nik D. 123

113, 120
kratkorocno predvidanie 41

in put 30, 59, 125

53, 54, 161

input-output modeli 110, 199

~:valitativni metodi 110, Ito,

in terdisci plinarnost
134, 171

inputna 34, 44, 58

kvantitativne metode 114,

outputna 44, 58
116, 170, 198, 199, 224

intrinsic modeIi 111

intuitivni 108, 109, 115, 117

L
intuitivno-Iogicki metodi 24,
Leacha A. G. 177

34, 114, 133, 134, 145

Levine H. Alan 101, 172

hhcd 37, 65, 68, 77, 91, 133,

U~na potrosnja sredstava 150

136-147, 149, 150, )70

liniiski dijagram 236

j::;trazivacke metode 42, 52,

logisticka kriva 130, 198, 200.

62, 63, 112, 216

201 , 202, 204, 205, 206,

i~ ~razivanie trziSta 31, 45, 63,

207

64, 110
logicki modeli 113

dcriiska antologiia 83, 110

!zv€ s nost 127

M

J Makridakis G. Spiros, 171

marketing 31, 45, 52, 219, 223,

ieclinstvena regresiia 54
228

iednofazne metode 115

Markovlievi lanci 130, 199

jednostruki pokretni proseci

matemati'ka 46, 47, 114

iednostavni pokretni proc8'oi

Merz C. Mike 203

. 161, 162, 163, 164

mesecni podaci 54

17 B. Sukl ev : Ekonom sko predvidanj e

~57
metoda PERT 140, 141, 198
p
metod CPM 198
konsensus 116, 143

metode 22, 23, 31, 39,

Partee J. Ch. 225

91, 97, 101, 104, 105,

PATTERN 116, 199

108, 1 1 129, 230,

Perrl 201, 204

232
Peterson T. R. 89

Krume 25
Petkovski Dusan 114

Momcilo 25, 90
petogodisnii pokretni procesi

Mills C. Federick 204

1 163

Milne E. Thomas 20
59, 1 120

modeli 22, 113

96, 101, 104,

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

N pokretni total 159, 160,

164

G.M.56 ponuda 171

poslovna metoda 116

odluke 82,

neizvesnost 81,
85, 118

83, 227
pokretni prosek 110, 130, 147,

nezavisne 147, 148,

160, 166, 168, 174

149
pos]ovno 31

normativni metodi 1

198

North H. Q. 142
172

Novacevsski D. 114
deterdzenata 150,

numericke metode 111

164, 165, 193

PPBS 199

o
230
46,

230
59 64,
1
G{),

okruzivanie 58, 93, 94, 95

81, 83, 86. 88, 89, 90.

114
lOt 102, 118, 119, 120. 12l.

124. 124. 1 1 1 128,

137, J47, 149, 168, 180, 182,

204.211. 226

t-)n~li7a statistickth 0,)­

d~taka 94, 140, 141. 147

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

resudivanje ata tacnost 74, 153,

109, 1 1 140 225, 223,

razvoj 19, 36, 39, 230, 231, 232
relativna disperziia Tauber E. M. 60
236 tehnika 34, 89
rizik tehnolosko 21,
role 51, 114
Rothe T. J. 56 igara 199
S verovatnoce 199
Theil Henri 21, 235
saturaciona kriva 221 trend 130, 160
scenario 115 147
Scott J. 230 oarabolicni 147
semantika 67 pra voliniski 147
sezonski 54. trend 110
180 174
115, 159, 184

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

112, 230 169, 173

260
vestina prevoden;a 33-34
organizaci;e 228, 229

vise forme poravnania

proizvoda 54, 105, 110,

viSekratna regresija 54, 147,

130, 168, 219, 220, 221,

149, 50, 152

226

visekratna korelaci;a 147,

tehnologija

149, 152

vrlo dugorocno planiran;e 53

W

Weelwright C. S. 48, 102, 107,

Z
171

zavisne vari;abila 148, 150

Wood Doug 21, 22, 106

Z X

zi votni ciklus X-11 - 37, 130, 147, 168

Index: Mirjana Lekic

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