1. Indledning.

Prognosevirksomheten kommer stadig mer i sogelyset både innenfor de enkelte bedrifter og innenfor den offentlige sektor. Utviklingen fra intuitive fremtidsbedommelser til mere presiserte, kvantifiserte prognoser fortsetter. Moderne bedriftsledelse krever stadig bedre instrumenter ved planlegging av produktion og salg. Alminnelige resonnementer og enkle, intuitive prognoser er ofte 1 engre ikke tilstrekkelige.

Ved det lopende, kortsiktige prognosearbeide som forfatteren har ledet de siste to år er særskilt behovet for forskning innenfor to områder blitt tydelig. Forst skal det bli understreket at det synes å være nodvendig at prognosevirksomheten får et visst omfang og en viss kontinuetet. Ved en slik arbeidsmåte blir det åpnet muligheter til en lopende kontroll av prognosevirksomheten. Dette er et av de emner som skal behandles i denne artikkel. Ved kortsiktige, f. eks. ukes- eller månedsvise salgsprognoser, sikter man naturligvis på, som i alt prognosearbeide, under bruk av gitte resurser, å oppnå en så stor grad av noyaktighet som mulig. I motsetning til hva som er tilfellet ved langsiktige prognoser har man ved utarbeidelsen av kortsiktige prognoser muligheter til å kontrollere prognosearbeidet kontinuerlig. Her skal vi behandle en mulig framgangsmåte ved en slik kontroll. Samtidig skal vi peke på hvorledes denne kontroll kan påvirke prognosearbeidet.

De pris- og inntektselastisitetsberegninger som er gjennomført i mange land kaster et visst lys over den innflytelse pris- og inntektsutviklingen har på forbrugsutviklingen. Det er imidlertid like fullt klart att man ved utarbeidelsen av prognoser over konsumtionsutviklingen står overformange

*) Jordbrukets Utredningsinstitut, Stockholm.

formangeusikre faktorer. Vi må se i b'ynene at de sambandsparametre som blir beregnet bygger på markedsstrukturen under en bestemt tidsperiodog at denne struktur kanskje ikke kommer til å gjelde i framtiden. Det er derfor nodvendig å soke etter metoder som gir mulighet for, på en mer kontinuerlig mate, å trekke inn virkningene av de forskjellige hendelsenepå markedet, enten det nu gj_elder forandringer i bedriftenes instrumentvariabler f. eks. priser på bedriftens produkter eller variabler som er ukontrollerbare for bedriften. I det folgende skal vi også diskuteredette

2. Prognosemetodikkens stilling idag.

Nodvendigheten av og formålet med prognosevirksomheten er klar. En prognose er i de aller fleste tilfelle bedre enn ingen prognose. Vanskelighetene oppstår når man skal ta stilling til hvilken prognosemetode man skal anvende.

Betraktelsesmåtene på dette viktige område står oyensynlig i konflikt med hverandre. På den ene ytterfloyen finner vi de som bekjenner seg til intuition i prognosearbeidet. Og på den andre har vi de som synes at problemene loses best gjennom matematiske beregninger, i form av modellprognoser, bedriftsspill, operationsanalyser, lineær planlegging. Den forste gruppen setter de tidligere erfaringene inn i sine hoder - den egne matematikmaskinen. Den andre gruppen nytter moderne elektroniske

Hvilke resultat har da disse gruppene oppnåd i sitt prognosearbeid? Finns det noen virklig konflikt mellom de to gruppene? Hvilken vei kommer utviklingen til å gå i framtiden? Disse og andre sporsmålsstillinger skal vi komme tilbake til i et senere avsnitt. Her skal vi forst skissere visse sider ved prognosemetodikkens stilling i dag.

Den prognoseteknikk som lenge har vært og stadig er sterkt rådende, er den trendmessige framskrivelse av utviklingen, f. eks. over forbruk og produktion av forskjellige sorter av jordbrugsprodukter. Denne fremgangsmåten kan av flere årsaker være tilfredsstillende når utviklingen karakteriseres av stabilitet, den er lett å gjennomfore i praksis og lettforståelig.

Forbrugernes eftersporsel har imidlertid fått en stadig stærkere bevægelighet.Samtidig går utviklingen på produktionssiden mot minsket bevægelighet og tilpasselsesevne. Mekanisering og automatisering, samt produktion i store serier forutsetter langsiktige og omkostningskrevende investeringer. Prognose- (planleggingsvirksomheten) innenfor de enkelte

bedrifter og bransjer får derfor stadig storre betydelse. Det er ikke bare sporsmål om intuitive bedommelser, men inngående kvantitative spesifikationer.Denne utviklingen har ledet til og kommer i fremtiden til å lede til et stadig storre modelltenkende i prognosearbeidet. Når man f. eks. skal utarbeide en langsiktig prognose over det innlandske smorforbrugeter det knappt tilfredsstillende å udnytte utviklingstendensene under den siste 10-årsperioden. Hvis det er den fremtidige, kortsiktige utviklingen som interesserer, kommer i de fleste tilfelle utviklingsmonstretunder den siste 10-årsperioden å være til liten hjelp. En rekke faktorer påvirker f. eks. smorforbrugets storrelse. Smorpris, margarinpris,folkmengde og melkeproduktionens storrelse er noen av disse. Den forste vanskeligheten en moderne prognosmager står overfor, er å stille opp en tilfredsstillende teori over samspillet mellom disse faktorer. Kort sagt konstruere en modell over hvorledes markedet fungerer for denne vare. I vart eksempel med smorforbruget kan ikke smormarkedet ses isolert; forbrugsudviklingen for margarin og andre matvarer kommer også til å være av betydelse.

Prognosmagerens neste vanskelighet er å skaffe frem et statistiskt materiale for nærmere å kunne kvantlfiere dette samspill. Går vi ut i fra at vi har kommet fram til en god teori om markedsmekanismen samtidig som vi har en tilfredsstillende statistisk beskrivelse af historien i form av tidsserier og tversnittsmaterial, er likevel vanskelighetene ikke ut av verden. I våre dager skjer som allerede nevnt forandringene i forbrugernes preferenser meget hurtig. Meget taler for at de sambandsparametre f. eks. margarinets priselastisitet som man har registrert for den siste 1 O-års-perioden ikke kommer til å gjelde i prognoseperioden. Til tross for dette forhold kommer man kanskje ikke forbi arbeidet med å kvantifiere de historiske sambandsforholdene, selv om det ligger store vanskeligheter her. Man må f. eks. regne med et viktigt forhold som seriekorrelation når man arbeider med tidsseriematerial.

3. Statistisk kvalitetskontroll i prognosearbeidet.

Flere forskere har i de siste årene rettet blikket mot det forhold at tidsserieanalysene i framtiden sansynligvis får mindre betydelse som underlag i bedriftenes prognose og planleggingsarbeid. Man soker derfor etter mtoder som kan komme bedriftslederen til hjelp når det bl. a. gj elder å forutsi hvilke virkninger forandringer i bedriftenes kontrollerbare variabler har på salget; f. eks. hvorledes forandringer i prisen på den vare som markedsfores, produktutformningen, og reklameinnsats virker.

Innenfor industrien anvender man seg bl. a. av kontinuerlig statistisk kvalitetskontroll for å sikre seg at kvaliteten produktene ved den lopende produktion, bolder seg innenfor visse oppstillede grenser. I de tilfeller avvikelsen mellom den etterstrevede kvalitet f. eks. at en bolt skal ha en bestemt diameter, og den faktiske ligger utenfor toleransområdet undersoker man hvad som eventuellt er galt i produktionsprosessen. Samma tankegang kan man anvende når man stiller opp kortsiktige prognoser. Dette arbeide er på sett og vis også en produktionsprosess, nemlig prosessen å forutsi den fremtidige markedsutviklingen. For nærmere å belyse tankegangen bakenfor kvalitetskontrollen i det kortsigtige prognosearbeidet skal vi her anvende et konstruert eksempel. La oss fremdeles holde oss til smor. Mejeriindustrien 6'nsker med jevne mellomrum å få utarbeidet prognoser over det månedlige innenlandske smorsalget. Prognosehorisonten, d. v. s. den tid som prognosen skal dekke, antas å være et år.

Forste trin i arbeidet blir som vi har vært inne på i foregående avsnitt, å stille opp en liste over kvantitative og kvalitative faktorer som sannsynligvis påvirker det innenlandske smorsalg. De kvalitative faktorene er ofte vanskelig å trekke inn i en prognosemodell. Dette forhold skal vi ta opp til diskution i neste avsnit. Vi kan bare tenke på en faktor som er viktig for smorsalget, nemlig ernæringsforskarnes vurdering av hva som er en onskelig sammensettelse av kosten. Denne vurdering endres imidlertid med tiden. Blant de kvantitative faktorene kan det være noen som man venter, av en eller anne årsaker kommer til å få liten innflytelse under prognoseperioden. Margarinprisen har sannsynligvis stor betydelse for smorsalget, men forventer man at margarinprisen kommer til å holde seg konstant under prognoseperioden, kan denne faktor utelukkes når prognosemodellen blir utarbeidet. Tilbake har man da de kvantifiserbare faktorer som man tror skal få betydning under prognoseperioden. Mang sposmål melder seg i denne forbindelse. 81. a. hvilken effekt oppnår man på smorsalget ved en forandring i smorpriset? Hvilken effekt har lonnsutviklingen i samfunnet?

I mange tilfeller, kanskje de fleste, har ikke de enkelte bedrifter eller næringer tid eller okonomiske resurser til å utfore analyser av det historiske materialet for derigjennom å få fram estimat for de forskj elligesambandsparametrer f. eks. priselastisiteten på smor. En mulighet kan da være at man anvender seg av undersokninger som er blitt foretatti andre land eller at man bruker intuitionen, kort og godt tipper hva elastisiteten kommer til å bli under prognoseperioden. På denne maten kommer man fram til en kvantifisert prognosemodell med bestemteuttrykk

stemteuttrykkfor sambandsforhold mellom innenlandsk smorsalg og
de faktorer som antas påvirke dette salg.

La oss anta att prognosemodellen har sraor- og rnargarinpris, forbrugernes inntekt og reklameinnsats som forklarningsvariabler. Prognosen over det månedvise smorsalget blir deretter utarbeidet under bestemte forudsetninger når det gælder disse omtalte faktorer. Bedriften har f. eks. bestemt seg for å anvende visse belop til reklame under prognosperioden, offentlige konjunkturrapporter kan legges til grund når det gj elder forutsetninger om inntektsutviklingen. Det foreligger nå et grunnlag for å beregnet utviklingen i smorsalget. Resultatet, som går frem av vart konstruerte eksempel, er stilt opp i forste kolonnen i nedenstående tabeli. Når de faktiske salgsopgavene foreligger kan man som regel ikke direkte jevnfore disse med de beregnede, prognostiserte salgsopgavene. Meget ofte kommer ikke de antatte forutsetninger til å slå inn. Om de ikke slår inn, må man forst utarbeide en revidert prognose under de rette forutsettninger. Kolonne 2 i tabellen viser det prognostiserte smorsalget for hver måned beregnet ut i fra rette forutsetninger (ex post). En jevnforelse mellom disse beregnede oppgaver og de faktiske kan f. eks. gjores gjennom at de prosentuelle avvikelser blir beregnet.

---

1) beregnet under riktige forutsetninger.

I vår tabeli med konstruerte tall har vi stilt sammen de beregnede og de faktiske salgsoppgaver for hele prognoseperioden 12 måneder. Nu er det imidlertid naturlig å foreta en slik sammenlikning kontinuerligt måned etter måned. Avvikelsene som man kan uttrykke i prosent kan hver måned plottes inn på et kvalitetskontrolldiagram. Av vedstående kvalitetskontrolldiagram ser vi at avvikelsene under forste delen av diagrammet, forste halvåret, er relativt små. For den andre delen av prognoseperioden finner vi derimot at smorsalget har blitt undervurdert i alle måneder.

I diagrammet angir de strekede linjene med+ 3 prosent henholdsvis —3 prosent, det såkallede toleranseområdet. Så lenge avvikelsene holder seg innenfor dette område, regner man med at det beror på tilfeldigheter. Faller avvikelsene derimot utenfor dette området flere måneder efter hverandre, kan man gå ut fra at prognosmodellen gir en systematisk feil. Hva beror så valget af ±3 prosentgrensen på? For vi svarer på dette sporsmål skal vi igjen tilbage til den statistiske kvalitetskontrollen innenfor industrien. Her vil man, i de aller fleste til— feller, for produktionen blir satt igang for fullt, utfore en eller en serie av produktionsforsok. Resultatet fra tidligere produktionsperioder kan også i visse tilfeller bli utnyttet. På grunnlag av statistiske registreringer ut i fra forsoksproduktionen kan man beregne gjennomsittsverdier for en eller flere egenskaper ved produktet og eventuelle spredninger om disse gjennomsnittsverdiene. Toleranseområdet blir ved den statistiske kvalitetskontroll i de fleste tilfeller fastsatt til ±2 X spredningen. Faller nu avvikelsen under den vanlige produktionsgangen utenfor dette område, undersoker man hva som eventuellt er feil i produktionsprosessen. Undersokelsen består ofte i at man gransker råvarer, maskiner og arbeidets utforing.

Vi kan se på opstillingen av kortsiktige prognoser som en produktionsprosessog det kan være to hovedårsaker til at det blir feil i produktionsprocessen.For det forste inneholder kanskje ikke prognosmodellenalle relevante faktorer, for det andre kan man ha satt inn gale verdier for visse sambandsparametre f. eks. smorets priselastisitet. Det har derfor i de fleste tilfeller liten mening å fastsette toleransområdet med utgangspunkt fra spredningen i de eventuellt estimerte koefficientene.En mulighet er direkte å bestemme seg for et toleransområde. Toleransområdet kan selvfolgelig ikke settes hva vidt som helst; er prognosen som i vart eksempel en salgsprognose, kan man kanskje ut i fra visse reguleringshenseende sette en ovrig grense for toleransområdet.Når vi har valt ±3 prosent grensen betyr dette at vi om avvikelsenfaller

vikelsenfallerutenfor dette området kommer til å betrakte prognosen
som gale. Velger vi et videre toleransområde f. eks. ±5 prosent betyder
det at vi senker ambitionsgraden i prognosearbeidet.

Kvalitetskontrolldiagrammets opgave blir å varsle når noe er gal i den anvendte prognosmodellen. Prognosmageren må da stille seg en rekke sporsmål, om hvad som er skjedd på markedet. Er det blitt introdusert substitutionsvarer, virker ikke reklameinnsatsen som tidligere, har det skjedd en endring i ettersporselens folsomhet overfor prisendringer på varen?

At disse sporsmål ikke er lette å besvare, er klart for en hver. Sannsynligvis kommer imidlertid utviklingen til å gå i den retningen at man innenfor den enkelte bedriften mere konsekvent samler på sine »trialand-error«. Satt i system og med kontinuerligt arbeide på dette området, kan kanskje kvalitetskontrollarbeidet være hjelpemiddel i arbeidet for å forutsi mulige virkninger av forandringene i bedriftens kontrollerbare variable. I neste avsnitt skal vi si noe nærmere på hva denne bokforing av »trial-and-_error« kan komme til å innebære.

4. Utviklingslinjer i efterspb'rselsanalyse- og efterspörselsprognosearbeidet - bokföring av »trial-and-error«.

Som det framgik av foregående avsnittet, må man ved utarbeidmngen av nær sagt alle prognoser spesifisere en rekke forutsetninger når det gj_elder de faktorer man anser å være relevante. Man må prinsipiellt ta stilling til den sannsynlige utviklingen i dels kvantitative faktorer, dels kvalitative faktorer. For nærmere å poengtere forskjell mellom kvantitative og kvalitative faktorer skal vi ta et eksempel. Folkmengden, antall personer, utgjor en kvantifierbar faktor. Vanskeligere å kvantifisere er derimot kvalitative sider ved folkemengden, helsetilstanden, intellektuell utrustning, utdannelsesnivå. Forsok på å kvantifiere utviklingen i et lands helsetilstand kan selvfolgelig gjores jennom å måle okonomiske resurser som legges ned på å forbedre helsen, sosialforsorg, ernæringsforskningen, opplysning m. m. Men problemet blir komplisert på mange mater, for årlige sammenlikninger er det onskelig at resursene blir utnyttet på en optimalt mate, ut i fra en eller annen vurdering. Dessuten vet vi at parallellt med at storre resurser legges ned på forbedringen av folkets helsetilstand skaper samfunnsutviklingen nye fysiske og psykiske medicinske problem. Vi har således store problem å arbeide med ved et eventuellt sporsmål om folkets helsetilstand er bedre idag enn i f. eks. 1950.

Både år det gj_elder de kvantitative og de kvalitative faktorene må fastsettelsen av de konkrete forutsettingene i stor utstrekning bygge på en subjektiv tros grad. I alle tilfelle gj elder dette for faktorer som ligger utenfor bedriftslederens bestemmelsesområde. Mens han stort sett kan bestemme innsatsen av reklame for det kommende året, står han når det gj elder f. eks. prisutviklingen på verdensmarkedet uten mulighet til å gripe inn.

Når det gj elder de kvantitative faktorene har man i de fleste tilfelle muligheter til å hente opplysninger fra den historiske utviklingen og på den maten bestemme den forutsetning som man med storst sannsynlighet tror kommer til å slå inn. Dette er derimot ikke tilfelle for de kvalitative faktorene, i det disse ikke vil la seg underkaste en kvantitativ analyse. Mens man innefor visse feilmarginaler kan bestemme smorets priselastisitet i lopet av f. eks. perioden 1957-1961, har vi ingen mulighet til å kvantifiere ernæringsforskningens innvirkning på eftersporsien av smor innefor samme tidsrum.

I mange tilfeller har vi eksempel på at den intuitive angrepsmåten på prognosproblemene har gitt de beste resultatene i den betydelse at forutsigelsen av fremtiden har slått inn. Derimot har matematiske modeller med temlig stor ambitionsgrad i modellutarbeidelsen mange ganger skutt over målet. Når det siste er blitt tilfellet, beror dette på at de matematiske modellen i stor utstrekning ikke tar vare på eller har mulighet til å ta vare på mange kvalitative aspekter ved en framtidsvurdering av f. eks. utenriks- og innenrikspolitiske hendelser, oppdagelse innenfor teknikk og medicin. Dette faktum bor imidlertid ikke få oss til å trekke den slutning at modellprognosene nodvendigvis får bedriftslederen til å treffe en mindre heldig disposition. Dette skulle innebære at man utelukker mulighetene til å anknyte intuition til modellprognosene. Tvertom ligger det nær til hånds å tro at modellprognosene med intuition medtaget i beregningene gir muligheter utover hva bare intuitionen kan klare å få fram.

Vi står her overfor sporsmålet hvilken vei utviklingen kommer til
å ta i framtiden. La oss, for vi går inn på dette sporsmålet, rekapitulere
hva vi har sagt gjennom å illustrere situationen idag med folgende bilde:

Den yttre sirkeln omfatter alle de faktorer, kvantitative og kvalitativesom er av betydelse for en bestemd prognose. Den indre inntegnedesirkelen symboliserer faktorer som er kvantifierbare og blir kvantifisertf. eks. innenfor en bestemt bedrift. Eksemplet kan være kontinuerligregistrering av bedriftens salg av dets produkter. Disse statistiskeoppgaver kommer til å danne underlag ved bedriftens prognosevirksomhet.Mellom

virksomhet.Mellomdenne inre kjærne og den strekede sirkeln ligger dels faktorer som idag er kvantifierbare men som f. eks. ej er blitt belystpå grunn av manglende resurser, dels kvalitative analyser. På disse områdene må bedriftslederen i dagens situation anvende sin intuition. Mens den strekede sirkeln og den ytre sirkelen ligger kvalitative faktorersom vi innenfor overskuelig framtid ikke kan se noen mulighet til å kvantifisere på en tilfredsstillende mate. Her har intuitionen fritt spillerum.

Den indre sirkelen har ekspandert fra år til år. Både innenfor bedriftenog innenfor det offentlige står vi bare i begynnelsen av en utviklingsom med storste sannsynlighet kommr til å gå i retning av en sterkt udvidet registrering og kartlegging av vart handlende. Når bedriftslederenunder tidligere år har vært og i dag i stor utstrekning er tvungne til å bruke sin intuition selv på områder som prinsipiellt kan bli underkastet kvantitative analyser, er det fordi det ikke foreligger tilstrekkelig oversikt over mange faktorer. Ser vi framover kan vi forestilleoss hvorledes alle hendelser og beslutninger, også under hvilke forutsetninger beslutningene skjer, innenfor f. eks. en bedrifts produktionsavdelningog salgsavdelninger automatisk registreres på hullkort eller hulkortsremser i elektronmaskiner, slik at man på med hvert tidspunkthar

punktharen total kartlegging av hele den forhistorie som har rått. Det
er klart at dette i stor utstrekning muliggjor en bedre vurdering av
hvorledes man skal handle i fremtiden.

Parallellt med den stadige forbedringen i registreringen av kvantifierbare faktorer kan man også sannsynligvis gjennom samarbeide mellom okonomer, teknikere, sociologer og psykologer vente framskritt i retning mot storre muligheter til å fore inn kvalitative faktorer i modellprognosene.

Flere forskere arbeider idag på dette området. Man prover å gjore oppstillinger over samspillet mellom alle de kvalitative og kvantitative faktorer som har betydelse for en bedrifts beslutninger, f. eks. ved avgjorelsene om markedsforing av en vare eller ikke. Problemet er å faststille hvilke faktorer som har betydelse, og i hvilke retninger de virker og til hvilken grad. Disse oppstillingene henter i stor utstrekning sitt materiale fra de forsok »trial-and error«, bedriftene har gjort. Forutsettningene er imidlertid at disse er blitt tatt vare på en systematiskt mate. Nedenstående tablå konkritiserer noe nærmere på hvilken maten disse bokforte eksperiment kan få betydelse for bedriftens avgjorelse i markedssporsmål.

Som et eksempel på en kvalitativ faktor har vi tablån tatt med næringsforskningens vurdering av kostens sammensetting. Næringsmiddelindustrienf. eks. kan sannsynligvis ved sitt framtidige arbeid på markedet ha nytte av bokfort på hvilken mate ulike vurderinger innenfornæringsforskningen

fornæringsforskningenha påvirket geografiske, biologiske, psykologiske
og okonomiske forhold av interesse for bedriften.

Av våre betraktelser framgår at behovet for arbeid dels innenfor intuitiv analys og prognosvirksomhet, dels innenfor modellanalys og prognosvirksomhet 'kommer til å bestå i fremtiden. Gjennom at den kvantifierbare analysen underkaster seg en storre del av vår sirkel kan spesialistene på intuitiv vurdering f. eks. bedriftslederne legger ned storre resurser på omraden man idag knappt har gjort noe forsok å trekke in i analysene.