فيما يلي بعض مناهج التنبؤ النوعي المستخدمة بشكل متكرر:

طريقة دلفي (Delphi)

في طريقة دلفي ، تتم دعوة العديد من الخبراء للإجابة على سلسلة من الاستبيانات التي تهدف إلى جمع وجهات نظرهم حول حالة الأعمال أو المقياس المراد التنبؤ به. تكون الردود مجهولة المصدر، مما يسمح بالنظر في وجهات النظر على قدم المساواة. تُستَخدَم الردود الواردة من الاستبيان السابق لصياغة الاستبيان التالي، وتستمر هذه العملية حتى يتم التوصل إلى توافق في الآراء بشأن تنبؤ.

أبحاث السوق

تستعين الشركات بشركات أبحاث السوق لإجراء استطلاعات العملاء وطلب آرائهم حول المنتجات أو الخدمات. ثم يتم استخدام البيانات التي تم جمعها من هذه الاستطلاعات لإعداد تنبؤات المبيعات ومبادرات تحسين المنتج أو الخدمة.

فوائد وقيود التنبؤ النوعي

التنبؤ النوعي له المزايا التالية:

• يمكن استخدامه عندما تكون البيانات محدودة، مثل عند تقييم معدل قبول السوق أو معدل اختراق السوق للمنتجات أو التقنيات الجديدة.

• فهو يدمج معلومات من خبراء وأشخاص على دراية كبيرة بالمؤسسة وعروضها، وهو ما قد لا تستطيع البيانات الكمّية التقاطه على الأرجح.

• يمكنه في كثير من الأحيان أن يأخذ بعين الاعتبار حوادث فريدة أو سيناريوهات غير نمطية، مثل الأزمة أو الكارثة. وهذا يعني أن التنبؤ النوعي قد يكون مناسبًا للحالات التي تتطور فيها الظروف باستمرار.

لكن هذا النوع من التنبؤ له أيضًا عيوبه:

• نظرًا لاعتماده على الحكم البشري، يمكن أن تكون التنبؤات النوعية ذاتية، وتتضمن تحيزًا يؤدي إما إلى المبالغة في التأكيد أو التغاضي عن العوامل والافتراضات.

• قد تركز المعلومات النوعية في بعض الأحيان على الأحداث الأخيرة أو التجارب المباشرة فقط، مما قد يؤدي إلى إغفال الاتجاهات أو الأنماط طويلة الأجل من البيانات السابقة.

فيما يلي بعض استراتيجيات التنبؤ الكمّي الشائعة:

التنبؤ بالسلاسل الزمنية

تستخدم هذه الطريقة الكمية البيانات التاريخية المصممة كسلسلة زمنية للتنبؤ بالنتائج المستقبلية. السلسلة الزمنية هي سلسلة من نقاط البيانات المرسومة بترتيب زمني.

يمكن أن تساعد نماذج التنبؤ بالسلاسل الزمنية في الكشف عن الاتجاهات المتوقعة في البيانات المتأثرة بالدورات والتقلبات غير المنتظمة والموسمية والاختلافات الأخرى.

كثيرًا ما يُذكر تحليل السلاسل الزمنية إلى جانب التنبؤ بالسلاسل الزمنية. في حين أن تحليل السلاسل الزمنية يستلزم فهم بيانات السلاسل الزمنية لاستخلاص رؤى منها، فإن التنبؤ بالسلاسل الزمنية يتجاوز التحليل للتنبؤ بالقيم المستقبلية.

تتضمن عملية التنبؤ بالسلاسل الزمنية عددًا من الأساليب:

الساذج

تستخدم الطريقة الساذجة نقطة البيانات من الفترة السابقة كتوقع للفترة التالية. وهذا يجعلها أبسط طريقة للتنبؤ بالسلاسل الزمنية وغالبًا ما تعتبر معيارًا أوليًا.

المتوسط المتحرك البسيط

تحسب تقنية المتوسط المتحرك البسيط متوسط نقاط البيانات من فترات T الأخيرة. وبعد ذلك يكون هذا المتوسط بمثابة التنبؤ للفترة التالية.

المتوسط المتحرك المرجح

تعتمد هذه الطريقة على تقنية المتوسط المتحرك البسيط، ولكن مع وزن مطبق على كل نقطة بيانات في فترات T الأخيرة.

التجانس الأسّي

يعمل التجانس الأسّي من خلال تطبيق متوسط مرجح أسي على بيانات السلاسل الزمنية. تقل الأوزان بشكل كبير كلما أصبحت البيانات أقدم—فكلما كانت البيانات أحدث، زاد وزنها.

يتحكم معامل التجانس (يسمى أيضًا عامل التجانس أو معلمة التجانس) في الأوزان المخصصة للبيانات السابقة والحالية. وباستخدام هذه الأوزان، يتم بعد ذلك حساب المتوسط المتحرك المرجح والذي يستخدم كتنبؤ. يصبح هذا التنبؤ بمثابة نسخة متجانسة من سلسلة زمنية، مما يؤدي إلى إزالة التقلبات والبيانات غير الهامة والقيم المتطرفة والاختلافات العشوائية من البيانات.

لا يتطلب التجانس الأسّي عادةً مجموعة بيانات ضخمة، ما يجعله طريقة جيدة للتنبؤ بالتوقعات قصيرة المدى. ولأنه يعطي أهمية أكبر للبيانات الحالية، يمكن أن يتكيّف التجانس الأسّي سريعًا مع الاتجاهات الجديدة أو المتغيرة.

المؤشر الموسمي

يمكن أن يكون المؤشر الموسمي ذا قيمة للشركات التي يعتمد إنتاجها أو طلبها على السلع أو الخدمات على المواسم.

لحساب المؤشر الموسمي، خذ متوسط الطلب لموسم معين وقسّمه على متوسط الطلب عبر جميع المواسم. يتم حساب هذه المتوسطات عادةً باستخدام تقنية المتوسط المتحرك، ولكن يمكن أيضًا تطبيق التجانس الأسّي باستخدام بيانات السلاسل الزمنية فقط لهذا الموسم. يشير ناتج المؤشر الموسمي الأقل من 1 إلى انخفاض الطلب عن المتوسط، بينما تشير القيمة الأكبر من 1 إلى طلب أعلى من المتوسط.

لتقدير تنبؤات الموسم القادم، سيتم ضرب الطلب المتوقع لهذا الموسم في المؤشر الموسمي المقابل.

النماذج السببية

النماذج السببية هي تعبير رياضي للعلاقات السببية في البيانات. يمكن أن تكون نماذج التنبؤ هذه مناسبة للتنبؤات ذات الأفق الزمني الأطول.

نماذج الانحدار

تحلل النماذج القائمة على الانحدار العلاقة بين متغير تنبؤي أو تابع وواحد أو أكثر من المتغيرات التنبؤية أو المستقلة. مثال على نموذج الانحدار هو الانحدار الخطي، والذي يمثل علاقة خطية بين متغير التنبؤ ومتغير التنبؤ.

نماذج الاقتصاد القياسي

تشبه نماذج الاقتصاد القياسي نماذج الانحدار، ولكن مع التركيز على المتغيرات الاقتصادية، مثل أسعار الفائدة والتضخم، والعلاقات الاقتصادية، مثل ظروف السوق وأسعار الأصول.

مزايا و قيود التنبؤ الكمّي

يوفر التنبؤ الكمّي هذه المزايا:

• فهو يعتمد على الأرقام والرياضيات، مما قد يؤدي إلى تنبؤات أكثر موضوعية. 

• يوفر مخرجات متسقة وقابلة للتكرار ومنظمة تساعد على تبسيط التحليل عبر أطر زمنية محددة.

لكن هذا النهج التنبؤي له أيضًا بعض العيوب:

• من الصعب دمج رؤى الخبراء والمعلومات الداخلية والبيانات النوعية الأخرى في التنبؤات الكمّية.

• يحتاج إلى بيانات تاريخية كافية لإخراج تنبؤات موثوقة.