ANALITIČKI HIJERARHIJSKI PROCES KAO METOD PREDVIðANJA EKONOMSKIH POJAVA EVALUACIJOM ALTERNATIVNIH BUDUĆIH ISHODA doktorska disertacija Mr Predrag Mimović SADRŽAJ Uvod I DEO EKONOMSKO PREDVIðANJE Uvod 1. Sadržaj i cilj ekonomskog predviñanja 2. Metodi ekonomskog predviñanja 3. Izbor najboljeg metoda ekonomskog predviñanja 4. Problemi i perspektive ekonomskog predviñanja 4.1 Glavni problemi u ekonomskom predviñanju 4.2 Potencijalna rešenja i perspektive ekonomskog predviñanja II DEO ANALITIČKI HIJERARHIJSKI PROCES Uvod 1. Kompleksnost i hijerarhije kao prezentacije kompleksnosti 1.1 Kompleksnost 1.2 Hijerarhije kao prezentacije kompleksnosti 1.3 Strukturiranje hijerarhije 2. Višekriterijumska analiza i kompleksnost 2.1 Problem višestrukih i konfliktnih kriterijuma 2.2 Paradigma diskretnog višekriterijumskog odlučivanja 3. Proces analitičke hijerarhije 3.1 Principi AHP 3.2 Aksiomi AHP 3.2 Rezime koraka u AHP 4. Kritika moći primene AHP 4.1 Validnost AHP aksioma 4.2 Promena (preokret) ranga III DEO AHP U EKONOMSKOM PREDVIðANJU Uvod 1. Procenjivačko predviñanje 1.1 Uloga i validnost procene u predviñanju 1.2 Prednosti i ograničenja klasičnih modela 2. AHP u procenjivačkom predviñanju 2.1 Usklañivanje predviñanja – AHP pristup 2.2 Procedura AHP usklañivanja predviñanja i validnost pristupa 3. Evaluacija, izbor i kombinovanje predviñanja metodom AHP 3.1 Izbor i kombinovanje predviñanja 3.2 Kombinovano predviñanje 3.3 AHP model kobinovanog predviñanja 4. Evaluacija alternativnih ishoda 4.1 Evaluacija u ekonomskom predviñanju 4.2 AHP – ekspertska evaluacija alternativnih ishoda 4.3 AHP – izvoñenje verovatnoće scenarija 4.4 AHP model izvoñenja distribucije verovatnoća IV DEO PREDVIðANJE GODIŠNJEG KRETANJA TRAŽNJE ZA PROIZVODIMA NAMENJENIM ZA POTREBE VOJSKE SCG, PREDUZEĆA D.P.O. ZASTAVA TAPACIRNICA – AHP PRISTUP 1. Proces predviñanja u sedam koraka 2. D.P.O Zastava Tapacirnica 3. AHP Model predviñanja tražnje ZAKLJUČAK LITERATURA UVOD Predviñanje je jedan od najvažnijih inputa koje menadžeri razvijaju kao podršku procesu odlučivanja. Praktično sve bitne poslovne odluke zavise u izvesnoj meri od predviñanja, i imaju manje ili više uticaja na budućnost, usled čega im je inherentna kontinuirana neizvesnost u pogledu raspoloživih informacija, naročito u permanetno turbulentnom poslovnom okruženju. Okruženje nije statičan entitet, ono se stalno kreće i menja, utiče na dogañaje i dogañaji utiču na njega. U takvoj, dinamičkoj konstelaciji snaga i odnosa u okruženju, stalan podstrek za generisanje predviñanja je pokušaj da se eliminiše ili ublaži neizvesnost, kako bi se ex ante reagovalo na izazove koje budućnost donosi. Otuda je razumljiv interes menadžmenta da se u nejasnim i maglovitim, često virtuelnim naznakama budućih kretanja u poslovnom okruženju uoče pre pravilnosti nego zakonitosti, i saglasno njima profilišu poslovne strategije koje će preduprediti pretnje i iskoristiti šanse; više nije dovoljno ići u korak sa dogañajima, već je potrebno biti ispred njih. Veliki progres u poboljšanju procesa predviñanja ostvaren je u drugoj polovini dvadesetog veka. Kroz praćenje brojnih ekonomskih, političkih i socijalnih trendova, kako bi se utvrdilo kako razni dogañaji i faktori mogu uticati na tražnju za proizvodima i uslugama, razvijene su tehnike predviñanja koje su dale značajne rezultate. Meñutim, veći progres implicira i više ciljeve. U konkurentskom okruženju više nije dovoljno moći predvideti tražnju za nekim proizvodom bolje nego što je to činjeno pre deset ili dvadeset godina, već je potrebno izvršiti predviñanje bolje i preciznije nego što to čini konkurencija. Istorijski gledano, za predviñanje su se koristila dva odvojena pristupa: kvantitativna predviñanja, zasnovana na primeni niza matematičkih modela i kvalitativna predviñanja koja se oslanjaju na intuiciju i lično iskustvo. Iako se kvantitativna predviñanja per definitum smatraju preciznijim i objektivnijim, činjenica da se baziraju na istorijskim podacima, te da nema podataka za budućnost, značajno limitira njihovu predviñajucu sposobnost. Ako je pretpostavljeno da će budućnost biti slična prošlosti kvantitativni metodi će biti adekvatno sredstvo predviñanja. S druge strane, tehnološke inovacije u sadejstvu sa brojnim političkim, ekonomskim i socijalnim, domaćim i meñunarodnim promenama, čine kvantitativne metode predviñanja čak i manje pouzdanim nego što je to bio slučaj u prošlosti. U početku, primarni cilj predviñanja bio je da se utvrdi šta može doneti budućnost, kao i da li će se odreñeni trendovi iz prošlosti nastaviti i u narednom periodu. Danas, predviñanje u većoj meri treba da pomogne u donošenju boljih odluka. Za menadžere je, u tom smislu, jedno od ključnih pitanja da li veći značaj treba pridati kvantitativnim metodima predviñanja ili sopstvenom mišljenju i sopstvenim procenama. Iskustvo pokazuje da je kombinacija kvantitativnih metoda i dobre procene, utemeljene na zdravoj logici, recept za dobro predviñanje. I drugo, postoje li načini da naši kognitivni kapaciteti i naše procene utemeljene na njima, anticipiraju neočekivane promene u poslovnom okruženju, čime bi se stvorili uslovi za pravovremenu i efikasnu evaluaciju alternativnih tokova akcije. U tom smislu opredeljeni su struktura i sadržaj ovog rada. U prvom delu biće prezentiran obim i sadržaj pojma ekonomsko predviñanje. Imajući u vidu značaj predviñanja, odgovarajuća pažnja biće posvećena pregledu metoda, uz osvrt na njihove ključne karakteristike, mogućnosti i ograničenja i trenutno stanje u teoriji i praksi ekonomskog predviñanja. Ekonomsko predviñanje karakteriše izrazita kompleksnost i neizvesnost u pogledu krajnjih ishoda. Iznenadne promene u poslovnom okruženju ili takozvani proboji (iskliznuća), mogu dovesti do značajnih ako ne i radikalnih odstupanja stvarnih rezultata od projektovanih. Konvencionalni pristupi predviñanju su fokusirani, uglavnom, na razvoj i testiranje statističkih tehnika. U praksi, meñutim, ljudsko rezonovanje i prosuñivanje, imaju primarnu ulogu. Čak i kada se koriste statistički metodi, rezultati se neretko prilagoñavaju prema proceni eksperata. Menadžeri obično imaju pristup širokom spektru informacija koje moraju da integrišu kako bi izvršili predviñanje. Menadžeri mogu pristupiti holistički problemu integracije informacija tj. svoja poreñenja mogu vršiti neformalno bez bilo kog strukturiranog analitičkog metoda. Meñutim, ako se zna ograničeni kapacitet obrade informacija u ljudskom umu, češće se usvajaju simplifikovane mentalne strategije ili heuristika, da bi se smanjili zahtevi i kompleksnost zadatka. Drugi način za redukovanje teškoće zadatka predviñanja je korišćenje formalnog metoda dekompozicije zadatka na odreñeni broj lakših zadataka, čiji se ishodi zatim mogu rekombinovati kako bi se dobila zahtevana procena. Na ovoj ideji razvijen je veliki broj tehnika koje treba da pomognu pri odlučivanju. Ali, ako se zna da postoji blizak odnos izmeñu odlučivanja i procenjivačkog predviñanja, nije iznenañujuće da jedna oblast istraživanja uključuje aplikaciju na predviñanje, tehnika koje su originalno razvijene da bi pomogle pri odlučivanju. U tom kontekstu, u drugom delu biće obrañen Analitički hijerarhijski proces (AHP), razvijen u cilju podrške procesu odlučivanja. AHP omogućava donosiocima odluka da modeliraju neki kompleksni problem u hijerarhijsku strukturu, pokazujući odnose cilja, zadataka (kriterijuma), podzadataka i alternativa. AHP razlaže problem na sastavne delove i vodi donosioce odluke, kroz niz procena parnih poreñenja (koje se dokumentuju i mogu se preispitati) da bi se izrazila relativna snaga ili intenzitet uticaja tih elemenata u hijerarhiji. Ove procene se nakon toga prevode u brojeve. AHP uključuje procedure i principe, koji se koriste za sintetizovanje mnogih procena, da bi se izveli prioriteti meñu kriterijumima, a zatim za alternativna rešenja. Koncept i principi analitičke hijerarhije biće teorijski obrazloženi i ilustrovani hipotetičkim problemom evaluacije alternativnih tokova akcije i izbora preferirane alternative. U trećem delu će se analizirati mogući nivoi i forme primene AHP u ekonomskom predviñanju. Ekonomsko predviñanje inkorporira veliki broj meñusobno interagujućih faktora koje je potrebno uzeti u obzir i poseduje sve karakteristike višekriterijumskog problema. Višekriterijumska analiza pomaže donosiocima odluka u suočavanju sa kompleksnošću i neizvesnošću, fundamentalnim determinantama procesa odlučivanja i upravljanja. Analitički hijerarhijski proces (AHP) kao metod višekriterijumske analize, utemeljen na principu dekompozicije, predstavlja pogodan instrument za sintetizovanje informacija kako bi se donele bolje odluke u uslovima neizvesnosti. Ograničeni kognitivni kapaciteti su realnost s kojom se suočavaju donosioci odluka. U takvoj situaciji moguće rešenje je redukcija kompleksnosti dekompozicijom zadatka predviñanja na odreñeni broj lakših zadataka. Dekompozicija formira osnovu velikog broja tehnika kao pomoć pri odlučivanju, ali njena efektivnost u predviñanju je nedovoljno istražena. Nemogućnost tradicionalnih tehnika predviñanja da zadovoljavajuće obuhvate i procene kvalitativne faktore u procesu predviñanja ekonomskih pojava i upravo sposobnost AHP da to učini, te lakoća korišćenja i mogućnost velike specifikacije procena, čime se vrše provere konzistentnosti, upućuje na zaključak da je AHP moguć pristup problemima predviñanja. Primena AHP u procesu predviñanja nije dobro poznata, empirijski je relativno malo potvrñena i naišla je na odreñene kritike koje se uglavnom odnose na dobro poznate, uslovno rečeno, nedostatke AHP ali se i kao terra incognita može posmatrati u dve dimenzije: AHP kao podrška tradicionalnim kvantitativnim tehnikama predviñanja i kao samostalna metodologija predviñanja. S obzirom da su modeli predviñanja najuže povezani sa modelima izbora, jasno je opredeljenje analize da se istraži efektivna sposobnost AHP da poboljša ekonomsko predviñanje, bilo kroz unapreñenje samog procesa predviñanja, evaluacijom, selekcijom i kombinovanjem različitih tehnika predviñanja, ili kroz evaluaciju alternativnih budućih ishoda. Poslednji, četvrti deo, je konkretna aplikacija AHP na praktičnom primeru evaluacije alternativnih stopa rasta tražnje proizvodnog programa D.P.O Zastava Tapacirnica, namenjenom za potrebe Vojske SCG i MUP-a Srbije. I DEO EKONOMSKO PREDVIðANJE Uvod Predviñanje je jedna od najvažnijih pretpostavki na kojima je utemeljen proces menadžerskog odlučivanja. Praktično svaka bitna poslovna odluka zavisi u odreñenoj meri od predviñanja. Praksa je pokazala da su menadžeri svesni važnosti predviñanja u toj meri, da prilično vremena provode proučavajući ekonomske i političke trendove kako bi spoznali kako neki dogañaji mogu uticati na tražnju za proizvodima i/ili uslugama. Važno pitanje pri tome je značaj, koji menadžeri pridaju kvantitativnim metodama predviñanja u poreñenju sa njihovim sopstvenim mišljenjem i procenama. Kada govorimo generalno o predviñanju, naročito o ekonomskom predviñanju, sledećih 11 pitanja se nameću kao fundamentalna:1 1. Šta je predviñanje? 2. Šta se može predviñati? 3. Koliko možemo imati poverenja u predviñanja? 4. Kako se predviñanje vrši generalno? 5. Kako ekonomisti vrše predviñanje? 6. Kako se može meriti uspeh ili neuspeh predviñanja? 7. Kako se analiziraju odlike metoda predviñanja? 8. Koje posebne karakteristike podataka imaju najveći značaj? 9. Koji su glavni problemi? 10. Da li ovi problemi imaju potencijalna rešenja? 11. Kakva je budućnost ekonomskog predviñanja? Na neka od ovih pitanja se može odgovoriti brzo, dok su neka od njih suviše kompleksna, predstavljaju problem eo ipso i zahtevaju dublju analizu. Zbog toga ćemo se posebno zadržati na nekima od njih. 1 Hendry, D.F., and Ericson, N.R., Understanding Economic Forecasts, 2001, Cambridge, MA: MIT Press. 1.Sadržaj i cilj ekonomskog predviñanja Predviñanje je svaka izjava u vezi budućnosti. Ovakve izjave mogu biti dobro zasnovane, ili im može nedostajati jaka osnova; one mogu biti tačne ili netačne u nekoj datoj situaciji, ili u proseku; precizne ili neprecizne; bazirane na modelu ili neformalne. Kao disciplina, predviñanje je povezano sa aktivnostima menadžmenta, naročito na strategijskom nivou (razmatranje koncepta i podaci o odlučivanju), povezano je sa ljudskim razmišljanjem (predviñanje, vizije) i sa naučnim i istraživačkim aktivnostima (proučavanje budućnosti). Motivi za predviñanje nastaju iz potrebe za eksponiranjem državne moći, iz ekonomskih aktivnosti, transporta, zaštite okoline, tehnologije..., jednostavno iz svega gde postoje pokušaji da se sazna budući razvoj i da se svrsishodno na njega deluje. Sve važne odluke imaju uticaj na budućnost, i zato im je inherentna informaciona neizvesnost i nesigurnost, naročito u situaciji stalno menjajućih uslova. Stalan podstrek za generisanje predviñanja je pokušaj da se eliminiše ili ublaži neizvesnost u vezi budućnosti, u pogledu našeg sadašnjeg ponašanja. Cilj predviñanja je prikupljanje znanja, iskustva i vizija o budućnosti, pomoću racionalnih procedura i logičkog razmišljanja. Predviñanje proučava rešenja zadataka i procesa razmišljanja o budućnosti, ispravlja intuitivna predviñanja, analizira važnost vizije budućnosti, kao osnove za ponašanje i odlučivanje ljudi. Predviñanje smatra budućnost objektivno potencijalnom, verovatnom, a ne utopijom. Budućnost se shvata kao sistem dogañaja i procesa, koji mogu da se dese u odreñeno vreme i pod odreñenim okolnostima. Predmet predviñanja se može ilustrovati kao karakteristika razvoja i promena. Predviñanje shvata razvoj kao tendenciju, trend ili tekući proces; promenu (uzrok razvoja) kao dogañaje na koje utiče fenomen. Proučavanje budućnosti treba da obezbedi smernice za optimalno ponašanje ljudi. Predviñanje se sistematski izvodi, tako da u smislu evaluirane pouzdanosti, predstavlja izjavu o budućem statusu dogañaja, koji bi trebalo da se dese pod odreñenim okolnostima, u odreñeno vreme. Ono obično pokriva skup alternativnih mogućnosti budućnosti i varijanti načina njihovog ostvarenja. Nasuprot jednostavnoj predikciji, predviñanje podrazumeva primenu odgovarajućih tehnika, na osnovu kontrolisane aktivnosti, primenjujući najbolja naučna saznanja. Predviñanje donosi vizije, pretpostavke i modele budućnosti, koji još ne postoje (mogu pokrivati više predviñanja na istu temu, ili njihove alternative budućeg razvoja). Uz postojanje ovakve hipoteze o budućnosti, koja je razvijena racionalnim procesima, upotrebom egzaktnog metoda, možemo govoriti o predviñanju. Predviñanje se može potpuno uključiti u viziju budućnosti, ili se može uključiti u nju u kombinaciji sa intuitivnim predviñanjem, ili je uopšte ne mora pokrivati. Predviñanje je sistematska studija budućnosti i formulacija naučnih izjava o potencijalnim varijantama razvoja. Ono nije teorijska aktivnost koja se dešava u izolaciji, već je povezano sa opštom naučnom kognicijom, koja potiče iz znanja o prošlosti, posvećeno je preoblikovanju sadašnjosti, na bazi procene mogućnosti i potreba budućnosti. U društvenoj praksi, predviñanje postaje deo procesa menadžmenta i planiranja. Naučni nivo predviñanja se bazira na njihovoj potpunosti, kompleksnosti, multidisciplinarnom karakteru i jasnosti. Predviñanje je kompleksan problem. Istorijski, skoro svi izmišljeni metodi su isprobani, tako da u engleskom jeziku postoji više od 36 različitih reči za aktivnost "proricanja", u širem smislu, šta budućnost može doneti. Pošto je to samo izjava u vezi budućnosti, sve se može predviñati: stopa inflacije, cena robe široke potrošnje sledećeg meseca, sutrašnja vremenska prognoza, budžeti, projekti, rezultati istraživanja i njihova primena, procesi nabavke, status i uticaj okruženja u oblasti marketinga i finansija, industrija, proizvodnja hrane, tehnološki razvoj, rezerve prirodnih resursa, socijalno okruženje, mehanizam menadžmenta, vojna nauka, itd., što ne znači da su rezultirajuća predviñanja, neophodno korisna u svakom smislu. Ekonomsko predviñanje se može definisati kao naučno fundirano, odgovarajućim metodološkim instrumentarijumom podržano, istraživanje budućih uslova privreñivanja i tokova ekonomskih pojava, kroz kreiranje anticipiranih podataka i informacija, s ciljem da se omogući donošenje i realizacija poslovnih odluka. Sadržaj ekonomskog predviñanja, koje se može raščlaniti na predviñanje opštih privrednih kretanja i tržišno predviñanje, čine: a) interni i eksterni faktori privreñivanja i b) efekti njihovog uticaja u smislu ishoda nameravanih akcija. Istorijski, teorija ekonomskog predviñanja bazirana je na dve ključne pretpostavke:2 1) Model je dobra reprezentacija ekonomije, i 2) struktura ekonomije će ostati relativno nepromenjena. Danas znamo da su ovakve pretpostavke suviše rigidne i ne odgovaraju realnosti, pa se moraju modifikovati kako bi bile manje restriktivne: 1) modeli su simplifikovane prezentacije koje su u mnogim slučajevima nekorektne, i 2 Klein, L.R., An Essay on the Theory of Economic Prediction, 1971, Chikago: Markham Publishing Company, in: Hendry, D.F., and Clements, M.P., Economic Forecasting:somme lessons from recent research, 2001, European Central Bank, Working paper series, Working paper no.82, 1-38. 2) ekonomije nisu statične već se istovremeno i razvijaju i iznenadno menjaju.3 Kada se kaže ekonomsko predviñanje obično se misli na predviñanje važnih parametara za pojedinačna preduzeća ili neke njihove segmente, odnosno mikroekonomsko predviñanje. Nasuprot tome, sve je veći interes za predviñanje važnih varijabli za čitavu privredu jedne zemlje, što je poznato kao makroekonomsko predviñanje. Najčešće se predviñaju odreñeni ekonomski indikatori kao sto su stopa nezaposlenosti, bruto društveni proizvod i primarna kamatna stopa, značajni za profilisanje opšte ekonomske politike jedne zemlje. Iako se poslednjih godina ulažu značajni napori u poboljšanju metoda predviñanja ekonomskog učinka jedne zemlje, jedna od glavnih teškoća u makro-ekonomskom predviñanju je neočekivana i osetna promena nekog od ključnih ekonomskih faktora. Pomenimo samo skok cena nafte, visoku stopu inflacije i slično. Mogućnost ovakvih dramatičnih promena postavlja ključno pitanje u makroekonomskom predviñanju: da li je korisno predviñanje dobijeno primenom odreñenog modela predviñanja modifikovati korišćenjem procene predviñača? Iskustvo govori da uloga procene u predviñanju raste poslednjih godina. Ljudi, naime poseduju jedinstveno znanje i interne informacije nedostupne kvantitativnim metodama. S druge strane, empirijske studije i laboratorijski eksperimenti su pokazali da predviñanja zasnovana na proceni nisu nužno preciznija od kvantitativnih predviñanja. Razlozi su pre svega, psihološke prirode: ljudi teže da budu optimisti i neretko potcenjuju neizvesnost. Osim toga, troškovi predviñanja zasnovanih na proceni su znatno viši od troškova primene kvantitativnih metoda. Istina je kao i obično, negde izmeñu: kombinacija kvantitativnih tehnika predviñanja, dobre procene i zdravog razuma, recept je za dobro predviñanje. Jasno, naše poverenje će zavisiti od toga koliko su dobro predviñanja zasnovana. Čista nagañanja ne mogu biti pouzdana, dok predviñanja iz dobro testiranih pristupa mogu više obećavati, što opet, vrlo često nije dovoljan uslov. Problem je to što je budućnost neizvesna. Postoje dva različita smisla u kojima se ovo primenjuje, što je izrazila Maxine Singer u svom radu "Thoughts of a Nonmillenarian"na sledeći način:4 "Zbog stvari za koje ne znamo da ne znamo, budućnost je veoma nepredvidiva. Ali neka dešavanja se mogu anticipirati, ili bar zamisliti, na bazi postojećeg znanja." 3 Clements, M.P., and Hendry, D.F., Forecasting Non-stationary Economic Time Series, 1999a, Cambridge, Mass:MIT Press. 4 Singer, M., Thoughts of a Nonmillenarian, 1997, Bulletin of the American Academy of Arts and Sciences, 51,2, p.39. Malo toga se može učiniti unapred u vezi neizvesnosti, koja potiče od "stvari za koje ne znamo da ne znamo". Meñutim, očigledna slučajnost ishoda u okviru područja koje razumemo, koju ćemo zvati "merljiva neizvesnost", se često može korisno saopštiti korisniku predviñanja. Merljiva neizvesnost obično uzima oblik intervala predviñanja, oko "tačke" predviñanja, tako da se ta tačka vidi kao centralna tendencija ili, "najverovatniji" ishod. Izjava da je mesec udaljen tačno 5.000 kilometara je veoma precizna (ali potpuno netačna) i shvaćena bukvalno bi se povezivala sa intervalom predviñanja, koji ima dužinu nula. Sa druge strane, izjava da se mesec nalazi izmeñu 1.000 i milijardu kilometara daleko, je tačna ali veoma neprecizna, i ima ogroman interval predviñanja. Sofisticiranije prezentacije merljive neizvesnosti uključuju predviñanja gustine, tj. procene raspodele verovatnoće mogućih budućih ishoda. Često se planovi mešaju sa predviñanjima. Planovi su skupovi akcija koji treba da pomognu da se izañe na kraj sa budućnošću. Predviñanje (ili predikcija) se bavi determinisanjem kakva će budućnost biti. Jedan plan je input za model predviñanja. Ako su predviñanja nepoželjna, onda se može promeniti plan, što bi dalje moglo promeniti predviñanje. Uglavnom, dobri planovi zavise od dobrih predviñanja. U praksi, predviñanja se ponekad koriste da bi motivisala ljude. U stvari, ljudi bi trebalo da su motivisani planovima (npr: ispuni ovaj plan i dobićeš stimulaciju od 25%). Odluke se često donose pre nego što se izvrši neko formalno predviñanje. U ovakvim slučajevima predviñanje ničemu ne služi, osim da iritira donosioce odluka, ako se ne poklapa sa njihovom odlukom, ili da im udovolji ako se slaže sa njihovom odlukom. Da bi se predviñanje koristilo efektivno, trebalo bi da se pripremi pre donošenja odluke. Konačno, potrebno je predviñati ne samo očekivani ishod, već i ostale verovatne ishode (kao što je najbolji i najgori ishod). Ako najgori ishod nosi previše rizika, predviñanja bi trebalo vršiti za alternativne intervencije. 2. Metodi ekonomskog predviñanja Postoje mnogi načini predviñanja. Oni uključuju formalne, na modelu zasnovane statističke analize, statističke analize koje se ne zasnivaju na parametarskim modelima, neformalne kalkulacije, jednostavne ekstrapolacije, vodeće indikatore, grafikonske pristupe, procene, nagañanje i naslućivanje. Teško je proceniti frekvenciju sa kojim se svaki od ovih metoda koristi u praksi, ali se većina njih redovno javlja u našem svakodnevnom životu. Najveći broj tehnika predviñanja koje se danas koriste razvijene su u 19.veku, druge tek nedavno, poput Box-Jenkins procedure ili neuronskih mreža. Razvojem sofisticiranijih tehnika predviñanja uz korišćenje sve moćnijih kompjutera i odgovarajućih softvera, predviñanje privlači sve veću pažnju. Svaki menadžer danas može koristiti vrlo sofisticirane tehnike analize podataka za predviñanje uz bitan uslov razumevanja funkcionisanja tih tehnika. Iz istog razloga, menadžeri, kao konzumenti predviñanja, moraju biti svesni da neadekvatno korišćenje tehnika predviñanja može dovesti do netačnog predviñanja a samim tim i do pogrešnih odluka. Evidentno je da se priprema, generisanje i tumačenje predviñanja, baziraju na studiji dogañaja u realnosti i njihovoj analizi, sa racionalnim refleksijama i procenama koje rezultiraju u skladu sa jakim pretpostavkama. Predviñanje zahteva sticanje i usklañivanje podataka iz kojih se dobijaju informacije o budućnosti upotrebom računskih procedura. Procedure predviñanja olakšavaju izgradnju formula i skupova jednačina, tj. matematičkog modela za simulaciju, kao i upotrebu procedura predviñanja i procesa u ekspertskom mišljenju. Metodi predviñanja se mogu primeniti specifično za datu oblast, ili je moguće koristiti koristiti kombinaciju više metoda. U rešenju samog predviñanja, uzimamo u obzir metodologiju, informacione i komunikacione karakteristike. Pod metodologijom predviñanja, podrazumevamo procedure aktivnosti kognicije, upotrebu skupa meñusobno suplementarnih metoda i procedura. Ona zavisi od mogućnosti, sposobnosti i potreba predviñanja. U predviñačkoj praksi, često objedinjujemo nekoliko metodologija koje imaju veoma sličan cilj. Osnovni tipovi predviñanja, koje su sa stanovišta vremenskog horizonta identifikovali Magee i dr.5, su dugoročno, srednjoročno i kratkoročno predviñanje. Dugoročna predviñanja pokrivaju vreme od 3-10 godina i koriste se, recimo, u analizama fiksnih obaveza i zahteva za kapacitet nekog skladišta ili nove fabrike. Neophodna su, kako bi se na dugi rok postulirao opšti smer savremenog preduzeća u kontekstu neizvesnosti s kojom se suočava u svom poslovanju. Srednjoročna predviñanja se vrše za godinu dana, kao podrška planiranju proizvodnje, uprkos veoma cikličnoj tražnji ili nabavci sirovina. Kratkoročna predviñanja pokrivaju period od 1 nedelje do tri meseca, i koriste se za kontrolu popune zaliha i kontrolu proizvodnih nivoa, uprkos kratkoročnim varijacijama tražnje. Koriste se za brzo reagovanje i najčešće ih koristi srednji menadžment kako bi odgovorio potrebama bliske budućnosti. Drugi osnov za klasifikovanje predviñanja su njegove pozicije na makro-mikro kontinuumu. Tako menadžer nekog preduzeća može biti zainteresovan za predviñanje broja radnika, potrebnih za nekoliko narednih meseci, što je definisano kao mikro predviñanje, dok neka vlada može npr. da predviña ukupan broj ljudi zaposlenih u čitavoj državi, što je makro-predviñanje. Takoñe, različiti nivoi 5 Magee, J.F., Copacino, W.C. and Rosenfield, D.B., Modern Logistic Management, Wiley, New York, 1985. menadžmenta u preduzeću teže da se fokusiraju na različite nivoe makro-mikro kontinuuma. Top menadžment bi bio zainteresovan za predviñanje prodaje čitave kompanije, dok bi pojedinačni prodavci bili više zainteresovani za predviñanje sopstvenog obima prodaje. Kategorije koje su identifikovali Bowersox i dr.6 su (1) kvalitativni metodi, (2) metodi vremenske serije, i (3) kauzalni metodi. Kvalitativni metodi, koji se ponekad zovu subjektivni ili procenjivački, se primenjuju kada istorijski podaci u vezi predviñanog dogañaja, nisu dovoljni ili nisu dostupni, ili u situacijama kada se predviñani dogañaji ne mogu opisati informacijama koje se mogu kvantifikovati, ili se odnose na promene tehnologije. Moguće ih je tretirati i kao tzv. pred-predviñanja, izvedena iz intuicije i iskustva. Osnovne procedure koje se koriste u kvalitativnim metodima se baziraju na iskustvu, kontemplacijama ili mišljenjima eksperata. Kvalitativne procedure su ili istraživačke ili normativne. Istraživački metodi potiču od informacija o prošlosti i sadašnjosti, primenjuju heurističke pristupe budućnosti (često proučavajući sva moguća scenarija), tako da bi rezultirajuće predviñanje moglo da odgovori na pitanje šta i kada će se desiti u budućnosti. Nasuprot tome, normativno predviñanje započinje sa budućim ciljevima i od njih se vraća u sadašnjost i identifikuje koji resursi i tehnologije su neophodni za ostvarenje tih ciljeva, i koja ograničenja se moraju eliminisati. Heuristički metodi racionalizuju i sistematizuju kreativni rad, u razvoju predviñanja, da bi jasno i efektivno organizovali veliki obim informacija o predviñanju, i olakšavaju eliminisanje logičkih i drugih nepotrebnih grešaka. Oni brže generišu rešenje, koncentrišući se samo na one varijante rešenja, koje će sa odreñenom verovatnoćom zadovoljiti zahteve rešenja. U prognostici, oni se uglavnom odnose na pristupe koji ne koriste pouzdane podatke ili zakone razvoja, ali zato koriste iskustvo u predviñanju i intuiciju eksperata u izboru različitih hipoteza o budućnosti. Kvalitativni metodi se baziraju na kvalitativnim podacima, kao što je ekspertsko mišljenje, i na specijalnim informacijama, u predviñanju budućnosti. Prošlost može, ali i ne mora da se uzme u obzir u kvalitativnom predviñanju. Primer kvalitativnog metoda je Delfi tehnika, gde se procene dobijaju od eksperata, u jednom iterativnom procesu, gde svaki ekspert razvija nove procene, nakon što vidi rezime prethodnih rezultata grupe.7 Glavne koristi ovih metoda ogledaju se u mogućnosti upotrebe velikog obima informacija i u njihovoj pogodnosti za dugoročna predviñanja. Limitiranost kvalitativnih metoda je u njihovom nesistematskom angažovanju u merenju i evaluaciji tačnosti predviñanja, i potencijalnoj pristrasnosti eksperata. 6 Bowersox, D.J.,Closs, D.J. and Helferich, O.K., Logistical Management, MacMillan, New York, 1986. 7 Stock, J.R., and Lambert, D.M., Strategic Logistic Management, Richard D. Irvin Inc., USA, 1987. Nasuprot kvalitativnim metodima, kvantitativni metodi, u koje spadaju metodi vremenske serije i kauzalni metodi, primenjuju statističku analizu podataka iz prošlosti, u različitim vremenskim aspektima. Prognostičar koji koristi istorijske podatke, identifikuje putanju predviñanja, primenjuje pogodni matematički model i sa jednačinama modela predviña tačke u budućnosti. Ovakav pristup pretpostavlja da se identifikovana putanja za predviñanje, nastavlja i u budućnosti. Metodi vremenskih serija, su statističke tehnike koje se koriste, kada su istorijski podaci, recimo o prodaji, dostupni, sa relativno jasnim i stabilnim odnosima i trendovima.8 Modeli vremenskih serija analiziraju hronološki sled opservacija pojedinačnih varijabli. Opservacije se mogu izvršiti godišnje, kvartalno, mesečno, nedeljno, dnevno, svakog sata, itd. Posmatrana varijabla, može da sadrži pojedinačne merene vrednosti, agregirane ili izvedene podatke iz ekonomske ili neke druge oblasti. Meñutim, metodi koji koriste vremenske serije, pretpostavljaju da proučavanje prošlih vrednosti i njihovih kretanja u vremenu, olakšava predviñanje budućih vrednosti analizirane varijable. Analiza vremenske serije se može upotrebiti za identifikovanje (1) sistematičnih, sezonskih varijacija u podacima, (2) cikličnih šema, (3) trendova, i (4) stopa rasta trendova. Osnovna pretpostavka da će budućnost biti slična prošlosti, ograničava efektivno korišćenje analize vremenskih serija, na kratkoročno predviñanje. Kauzalni modeli izvode vrednosti predviñane varijable (zavisne) iz ponašanja ostalih varijabli (nezavisne). Npr., obim buduće prodaje se može izvesti iz obima stvarnih rashoda, finansijskih sredstava koje kupac ima na raspolaganju, cena proizvoda itd. Tipičan primer kauzalnog metoda, je regresiona analiza. Upotrebom regresije, predviñanje tražnje se bazira na korelaciji jednog dogañaja u odnosu na drugi. Nije potreban kauzalni odnos izmeñu tražnje i nezavisnog dogañaja, ako se može otkriti visok stepen korelacije. Meñutim, pouzdanost predviñanja, koje se zasniva na regresiji, se može povećati korišćenjem odnosa uzrok-efekat. Upotreba analize regresije, zahteva veliku količinu podataka za varijablu predviñanja i kauzalne varijable. Ograničenja analize regresije uključuju zamku, koja se ogleda u potencijalnoj nemogućnosti otkrivanja odnosa uzrok-efekat, koji ima prihvatljiv koeficijent korelacije. Osnovne karakteristike kvantitativnih metoda su, prema tome, sledeće: • Nakon adekvatne selekcije nezavisne varijable (varijabli), predviñanje se bazira samo na vrednostima ove varijable, pa je stoga objektivno, • Postoje metodi merenja tačnosti predviñanja, 8 Bowersox, D.J., Closs, D.J. and Helferich, O.K., Logistical Management, MacMillan, New York, 1986. • Ako se konstruiše model, generisanje predviñanja zavisi samo od vremena, • Pogodni su za kratkoročna i srednjoročna predviñanja. Svejedno, poznavanje i jednih i drugih predstavlja korisnu podršku savremenom menadžmentu u suočavanju sa neizvesnošću. Meñutim, u izboru odgovarajuće tehnike postoje i odreñene nedoumice. Kao prvo, da li su neka predviñanja uopšte potrebna, i drugo, u kojoj meri su u odreñenim situacijama adekvatnije kvalitativne ili kvantitativne tehnike? Najznačajniji reper u izboru adekvatne tehnike predviñanja je zahtev da rezultati moraju olakšati proces odlučivanja donosiocu odluka. U tom kontekstu, adekvatnost tehnike predviñanja ne meri se kompleksnošću matematičke procedure, već odabrani metod treba da omogući predviñanje koje je precizno, blagovremeno i čije rezultate menadžment razume na način da mu pomogne u donošenju boljih odluka. Osim toga, korišćenje odreñene procedure predviñanja mora da stvori veću korist od troškova njene upotrebe. Osnovni tipovi predviñanja u smislu hipotetičkog dela, su pasivna, aktivna i normativna predviñanja. Rešenje pasivne predikcije je procedura prakse predviñanja, koja je najjednostavnija. Ona se bazira na zakonima realnosti i rezultatima merenja: predviñač ekstrapolira izjavu u vezi budućnosti, tamo gde su inicijalne zavisnosti validne i u budućnosti. Osnovni koraci projekcije su: - Identifikacija reprezentativnih merljivih karakteristika predviñene realnosti; - Determinacija vremenske zavisnosti vrednosti ove karakteristike; - Determinacija buduće vrednosti karakteristike, u skladu sa šemom ekstrapolacije. Dok prvi korak ima karakter istraživanja, drugi i treći korak se baziraju na opservaciji, merenju i kompjuterskoj obradi. Kritičan je izbor karakteristike, koja bi trebalo da bude otporna na promenu vremena, osetljiva na odgovarajuću izjavu predviñene realnosti i u pogodnom formatu za kompjutersku obradu. Izbor karakteristike dovodi do identifikacije direktno merljivih vrednosti, koje su pouzdano sa njom u vezi. Merene vrednosti se reñaju u vremensku seriju, tako da je moguće dedukovati iz njih buduće vrednosti korišćenjem šeme ekstrapolacije. Determinacija ove šeme je predmet metoda matematičke statistike. Izračunati rezultat podleže kritičkom pregledu, na bazi iskustva, u smislu kredibiliteta. Rezultat se može označiti kao nekredibilan ako prelazi dopustivu vrednost. U aktivnu predikciju, možemo uključiti izjave o ljudskim aktivnostima i njihovim uticajima, na bazi kognicije realnosti. Izvoñenje izjave o budućnosti, je procena uticaja ljudske aktivnosti. U odnosu na pasivne predikcije, to je mnogo više od aplikacije intuitivnih metoda, za predviñanje odnosa aktivnosti – to je posledica. Normativno predviñanje je osmišljeno za predviñanje potrebnih ili poželjnih ciljeva i statusa budućnosti, putanja i vremena, kada će se oni ostvariti. Normativno predviñanje se sastoji u identifikaciji i proceni utvrñenih ciljeva, potreba i vizija i željenom statusu u budućnosti i varijanti za to ostvarenje. Praksa normativne predikcije prvo analizira institucionalnu realnost, i izražava je pomoću modela. Upotrebom ovog modela, ona produkuje vizije o budućnosti. Pojedinačni budući statusi organizacije su pod uticajem standarda koju utiču na ponašanje institucija i ljudi. Proučavaju se uticaji elemenata strategije ponašanja, na formiranje budućnosti. Rezultati su preporuke za reviziju strategije ponašanja, nakon čega ponovo možemo evaluirati hijerarhijski sistem ciljeva i resursa i iz njih stvoriti drvo relevantnosti. Kompleksnost prakse predviñanja ima uticaja na aktivno ponašanje učesnika. Interesi doživljavaju razvoj koji se teško može predvideti. Predviñač procenjuje odnos kognicije osobe koja deluje i realnosti, i koristi npr., istorijsku analogiju ili teoriju igara. Takoñe se mogu upotrebiti druga predviñanja, npr. eksplorativna (objašnjavajuća) predviñanja koja opisuju potencijalne buduće razvojne statuse i tendencije fenomena i procesa, otkrivajući smer i intenzitet budućeg razvoja. Da bi se ostvarilo pasivno predviñanje, metod ekstrapolacije je pogodna procedura. Aktivno predviñanje će se onda povezivati sa analizom ciljeva, modeliranjem i razvojem scenarija budućnosti. Normativna predviñanja se izvode iz željenih budućih ciljeva. Nasuprot statističkim stoje metodi procenjivačkog predviñanja. Procena se može koristiti u predviñanju na mnogim nivoima, od izbora varijabli koje se uključuju, do usklañivanja predviñanja modela za nove informacije. Pojam procenjivačko predviñanje se odnosi na inkorporiranje predviñačevog mišljenja i iskustva u proces predviñanja, i tako pokriva široku lepezu situacija. Pregled faktora koju utiču na tačnost procenjivačkih, i na modelu baziranih predviñanja, i procenjivačkih usklañivanja i kombinacije ova dva tipa predviñanja pokazuje da korisnici predviñanja, ponekad preferiraju procenjivačka predviñanja, bez obzira na njihovu tačnost. Procenjivačko predviñanje uključuje metode, gde informacije obrañuju eksperti, a ne kvantitativni metodi. Eksperti bi mogli imati pristup podacima, a njihov pristup bi mogao biti strukturiran, ali su krajnja predviñanja, rezultat istog procesa koji se odvija u njihovim glavama. Metodi procene se baziraju na znanju eksperata u vezi evaluacije realnosti koju neki model zadržava i uključuju tri koraka: 1) Generisanje modela predviñene realnosti; 2) Predviñanje budućnosti pomoću ekspertske procene ili pomoću simulacije (na bazi modela); 3) Pisanje scenarija budućeg razvoja realnosti. Procenjivačka predviñanja su osetljiva na različite pristrasnosti. Najčešći uzrok pristrasnosti je nestrukturirano, grupno okupljanje. Pored pristrasnosti koje su inherentne nestrukturiranim okupljanjima (kao što je uticaj šefa), drugi uzrok pristrasnosti je i neadekvatno korišćenje informacija u grupi 9. Da bi se one smanjile, potrebno je odabrati nepristrasne eksperte (t.j., one koji ništa nemaju od toga da li je neko predviñanje tačno ili ne). Pored toga, trebalo bi obratiti pažnju na to kako se formuliše problem predviñanja. Pitanja bi trebalo tako strukturirati, da se znanje onih koji vrše procenu, koristi najefektivnije, takoñe i pred-testirati, da se osigura da ih eksperti razumeju i formulisati na različite načine, da se vidi da li to utiče na predviñanja. Ovakve procedure su naročito važne kada se predviñaju osetljiva pitanja. Upotreba strukturiranih procedura može značajno da poboljša tačnost procenjivačkih predviñanja. Strukturu je lako primeniti uz skromne troškove. Standardni pristup predviñanju optimalan je samo kada model koincidira sa procesom generisanja podataka ali je, svejedno, obim u kom se formalne metode preferiraju u odnosu na ekspertske sisteme, važna dimenzija analize ekonomskog predviñanja. U principu, tačnija predviñanja mogu da rezultiraju izborom novog modela i/ili ponovnom procenom parametara modela odvojeno za svaki horizont predviñanja koji nas interesuje. Jedno predviñanje se može oceniti "uspešnim" ako je bilo blizu ishoda, ali ta ocena zavisi od toga kako se to blizu meri. Razmotrimo ponovo primer nagañanja udaljenosti meseca: očigledno je da su tačnost i preciznost, dve dimenzije, prema kojima se može ocenjivati predviñanje. Za laika, veoma precizno predviñanje koje je veoma netačno, se može smatrati nepoželjnim, kao što je to slučaj i sa tačnim ali veoma nepreciznim predviñanjem. Neuspeh je lakše primetiti: predviñanje nije uspelo ako je netačno za iznos, koji je veliki u odnosu na njegovu tvrñenu preciznost. Stoga su oni koji vrše predviñanja u procepu izmeñu želje za tačnim i preciznim predviñanjima, i nepreciznosti koja se regularno dešava. Ideja o nepristrasnosti, kojom se predviñanja centriraju na ishode, se koristi u tehničkim analizama za merenje tačnosti, dok ona sa malom varijansom, tako da je samo uski opseg ishoda kompatibilan sa izjavom predviñanja, mere preciznost. U principu, u svakom specifičnom slučaju, troškovi pristrasnosti i varijanse će zavisiti od cilja za koji se predviñanje vrši, preko troškova svih akcija koje se preduzimaju na bazi predviñanja. 9 Armstrong, J.S., Long – Range Forecasting, 1985, 2nd ed. Wiley&Sons, pp.1211-1212. Ovakvi troškovi definišu funkciju gubitka, iako u praksi funkcija gubitka možda nije eksplicitno navedena. Svejedno, u takmičenju predviñanja nema jedinstvene mere - pobednika. Pored razmatranja pristrasnosti i varijanse, predviñanja momenta se često ocenjuju na osnovu kriterijuma kao što je efikasno korišćenje informacija. Predviñanja takoñe često uključuju i intervale predviñanja, gde ponekad postoji potpuna gustina ishoda, tako da se zahteva da oni budu dobro kalibrisani. Merenje kalibrisanja se široko primenjuje u laboratorijskim proučavanjima procene. Da bi predviñač bio savršeno kalibrisan, procenjena verovatnoća treba da bude jednaka tačnom procentu u odnosu na broj procena jednake verovatnoće. Drugim recima, od svih procenjenih dogañaja koji imaju 0,XX verovatnocu pojavljivanja, XX% treba da se zaista dogode, što su laboratorijski eksperimenti i potvrdili. Pošto se retko dešava da postoji samo jedno predviñanje nekog ekonomskog fenomena, često su dostupna i konkurentska predviñanja, da bi mogla da se izvrši meñusobna komparacija ex post. Prirodni fokus pažnje je onda na tome da li je kombinacija jednog ili više predviñanja, bolja od pojedinačnog predviñanja, ili da li jedno predviñanje sadrži sve korisne informacije u drugom (tako da ono obuhvata to predviñanje). Odnosno, za jedno predviñanje se kaže da obuhvata drugo, kada optimalna kombinacija ta dva predviñanja dodeljuje nulti ponder drugom predviñanju. Možemo želeti da testiramo da li je, uz poznatu odreñenu funkciju gubitka, jedno predviñanje statistički bolje od drugog, i dalje, da li uzimanje u obzir neizvesnosti koja je inherentna procenama parametara modela, utiče na zaključke. Pregled literature o testiranju racionalnosti i efikasnosti predviñanja pojedinaca, i izveštaja o aplikacijama na predviñanja rasta outputa i inflacije, i u SAD-u i u V. Britaniji, pokazuje da mnoga od tih predviñanja nisu racionalna, i da postoji veza izmeñu nekih testova racionalnosti, i testova obuhvatanja i kombinacije predviñanja. Nije jasno zašto se u nekim vremenima vrše iracionalna predviñanja, a u nekim drugim ne, ali neke sistematske greške mogu rezultirati iz fundamentalnih promena tržišne strukture ili privrede, koje se ne mogu predvideti, tako da se u nekom smislu, rezultirajuće greške ne mogu izbeći, iako o tome postoji malo dokaza. Motiv za priču o kombinaciji predviñanja i obuhvatanju, je to što ponekad o istom fenomenu može biti dostupno dva ili više predviñanja. Empirijski, čest je slučaj da se preferira kombinacija predviñanja u odnosu na pojedinačno predviñanje, što može delovati razumno, kada se predviñanja zasnivaju na različitim izvorima informacija. 3. Izbor najboljeg metoda ekonomskog predviñanja Potreba za predviñanjem potiče od neophodnosti da moderna organizacija donosi blagovremene odluke uprkos stanju kontinuirane neizvesnosti. Ovaj proces obično uključuje proces projekcije istorijskih podataka i iskustava u budućnost. Broj i raznolikost raspoloživih metoda i tehnika predviñanja, čine izbor najadekvatnijeg metoda kompleksnim problemom. Makridakis i Wheelwright10 su identifikovali sledeće kriterijume za evaluaciju primenljivosti odreñenog metoda: (1) preciznost (2) vremenski horizont predviñanja, (3) vrednost predviñanja, (4) raspoloživost podataka, (5) tip šeme podataka, i (6) iskustvo praktičara u predviñanju. S druge strane, Boldt11 je definisao sedam osnovnih koraka za izbor i implementaciju adekvatne tehnike predviñanja: (1) identifikovati problem ili svrhu za koju se koristi predviñanje, (2) prikupiti dostupne faktičke podatke, koji pokrivaju i interno i eksterno okruženje kompanije, (3) determinisati koji metod predviñanja je najkompatibilniji sa ciljevima kompanije i tipom dostupnih podataka. (4) generisati dobre pretpostavke, koje se tiču svakog elementa predviñanja, sa što je moguće većom preciznošću, (5) porediti predviñanje sa očekivanjima, što znači pregled inicijalnog predviñanja i poreñenje ishoda sa očekivanim rezultatima, ili sa stvarnim rezultatom, (6) analiza varijanse, i (7) uskladiti predviñanje da bi ono bilo tačnija refleksija realnosti. Izbor najboljeg metoda predviñanja za neku odreñenu situaciju nije jednostavan zadatak, i ponekad se preferira više od jednog metoda. Da bi dao smernice, Armstrong12 je koristio rezultate sa forecastingprinciples.com da bi razvio blok-dijagram i da bi pomogao u izboru najadekvatnijeg metoda predviñanja za neku odreñenu situaciju. Prvo pitanje kome treba da pristupi analitičar, jeste da li je dostupno dovoljno podataka. Ukoliko to nije slučaj, zahtevaju se procenjivačke procedure. Za procenjivačke procedure, glavno pitanje je da li situacija uključuje interakciju meñu donosiocima odluke i da li su iznenadne, neanticipirane promene (iskliznuća, p.a.) uključene u proces predviñanja. Ako se poseduje velika količina podataka, da li se ona sastoji od podataka vremenskih serija? Sledeće pitanje je da li postoji znanje (informacije) o očekivanim empirijskim odnosima. Rañene su, na primer, meta-analize, tako da u većini situacija postoji odlično prethodno znanje o cenovnim 10 Makridakis, S.and Wheelwright, S.C., Forecasting: issues and challenges for marketing management, J. Marketing, 1977, 55:24-37. 11 Boldt, B.I., Sound business forecasting, Todays Executive, 1982, 5(1):6-11. 12 Armstrong, J.S., Evaluating forecasting methods, in: Armstrong, J.S., (ed), Principles of Forecasting: Handbook for Researchers and Practicioners, 2001c, Norwell, MA: Kluwer Academic Publishers, pp.417-439. elastičnostima13. Ako je dostupno empirijsko poznavanje odnosa, koristiti ekonometrijske modele. Pored toga, treba razmotriti znanje domena, kao što je znanje menadžera u vezi dotične situacije. Za situacije vremenskih serija, gde ne postoji kauzalno znanje, ekstrapolacija je pogodna. Ako nema prethodnog poznavanja odnosa, ali postoji znanje domena (kao kada menadžer pouzdano zna da će se prodaja povećati), koristiti predviñanje na bazi pravila. U situacijama gde nema podataka o vremenskim serijama, a takoñe se ne poseduje prethodno znanje o odnosima, analogije su pogodne, ako nedostaje znanje domena. Ali uz dato znanje domena, trebalo bi da se upotrebe ekspertski sistemi. Slika 1 rezimira gornje smernice. Iako su ovde predstavljena glavna razmatranja, ova lista nije sveobuhvatna. Štaviše, uslovi ne moraju uvek biti jasni. U ovakvim slučajevima, treba upotrebiti različite pristupe problemu. Predviñanja iz ovih pristupa se onda mogu kombinovati. 13 Tellis, G.J., The price elasticity selected demand, 1988, Journal of Marketing Research 25, pp.331-341. Dovoljni objektivni podaci (Procenjiva ki)č ( i)Kvantitativn NE DA O ekuju se velike promene č Eksperti no skupa ili ponavljaju z ća predviñanja Dobro pozna- vanje odnosa Tip podataka Unakrsni Vremenske serije O ekuju se velike promene č NE DA NE DA NE DA NE DA Analiza podataka Dobropozna- vanje domena NE DANE DA Postoje slični slučajevi Najbolji izvor Analiza politike NE DA Različiti metodi pružaju korisna predviñanja NE DAKoristiti odabrani metod Kombinovati predviñanja Ekspertsko predviñanje Ekstrapo- lacija Ko še donosilaca odluka nflikt izmeñu vi Procenjivački butstraping Združena analiza Namere Igranje uloga Analogije Ekspertski sistemi Predviñanje na bazi predviñanja Ekono metrijski metodi - Slika 1. Stablo izbora za metode predviñanja. (Izvor: Armstrong, J.S., and Brodle, R., Forecasting for marketing, Published in: Hooley, G., and Hussey, M., (eds.), Quantitative Methods in Marketing, Second edition, London:International Thompson Business Press, 1999, pp. 92-119.) Upotreba novih metoda predviñanja zavisi od njihovog poznavanja. Iako je u prošlosti prihvatanje novih metoda predviñanja bilo sporo, nešto se menja. Tradicionalni metodi prihvatanja, kao što su pohañanje kurseva, čitanje udžbenika, i korišćenje konsultanata, su sve manje prisutni zahvaljujući Internetu. Najnoviji metodi se mogu lako pronaći na web sajtovima, i inkorporirati u ekspertske sisteme i softverske pakete.14 Ekspertski sistemi i softverski paketi imaju sposobnost da inkorporiraju kumulativno znanje o softveru za predviñanje. Logično, očekivalo bi se da to pomaže da se izbor odgovarajućeg metoda zasniva na prethodnom istraživanju. Osobine metoda predviñanja se mogu ispitati i u empirijskom i u veštačkom okruženju, korišćenjem matematičke analize i kompjuterski-intenzivnih numeričkih metoda. Moguće je isprobati 14 Npr. potpuni set pravila za predviñanje na bazi pravila, je dostupan i ažurira se, i do njega se može doći preko sajta o principima predviñanja (www-marketing.wharton.upenn.edu/forecast). ideje o kojima je već diskutovano, za merenje uspeha ili neuspeha predviñanja, tako što će se testirati kombinacije modela predviñanja, sa aspekta obuhvatanja. Metodi predviñanja se takoñe mogu porediti pomoću Monte Carlo metoda (ili stohastičke simulacije), gde onaj ko ispituje generiše veštačke podatke prema kojima se modeli porede u ponavljanim pokušajima, da bi se izračunalo koliko dobru performansu imaju ovakvi metodi u kontrolisanom okruženju, sopstvenog izbora. Meñutim, empirijski značaj ovakvih rezultata zavisi od toga da li ti veštački podaci bar aproksimiraju relevantne odlike realnog sveta, tako da mogu biti otvoreni za kritičko procenjivanje. Ovaj metod analize je najkorisniji kada poznajemo ponašanje statistike koja nas interesuje za metode predviñanja i to na velikom uzorku i kada želimo da ispitamo korisnost asimptotskih rezultata uzoraka za uzorke čija je veličina obično dostupna primenjenom istraživaču. Empririjska poreñenja u formi takmičenja meñu predviñanjima, obično posmatraju performansu različitih metoda za mnoge vremenske serije. Zato što proces generisanja podataka nije pod kontrolom onoga ko vrši ispitivanja, i biće samo delimično poznat, rezultati poreñenja predviñanja za bilo koju seriju, bi mogli da uključe samo one odlike serije, koje ograničavaju njihovu opštu primenljivost. Iz ovog razloga, poredi se mnogo serija, i često se biraju serije koje dele odreñene karakteristike, uz upozorenje da bi rezultati mogli samo da važe za serije sa tim karakteristikama. Tako dolazimo do problema cirkularnosti: sve dok ne znamo kako su generisani ekonomski empirijski podaci, ne možemo znati adekvatan okvir za metode analiziranja ili razvoja, tako da ne možemo zapravo da znamo kakva treba da im bude performansa. Robert Fildes i Keith Ord vrše pregled uloge nadmetanja (takmičenja) predviñanja, u poboljšanju prakse i istraživanja predviñanja.15 Oni razmatraju ono što je naučeno iz velikih nadmetanja tokom proteklih 30 godina. Oni prvo opisuju komponente nadmetanja i kriterijume za poreñenja, meñu metodama nadmetanja. Onda se vrši pregled glavnih nadmetanja, zajedno sa kritikama. Oni tvrde da je moguće izvući validne zaključke o performansi različitih metoda, na bazi dokaza koje daju ova nadmetanja predviñanja. Collins i Hopwood16 sugerišu da predviñanja analitičara imaju bolju performansu od kvantitativnih predviñanja, usled sposobnosti analitičara da ekstrapoliraju informacije iz potencijalnih budućih dogadjaja. Uprkos tvrdnji o superiornosti predviñanja analitičara, nad statističkim predviñanjima, izgleda da se subjektivna predviñanja mogu poboljšati kada se kombinuju sa 15 Fildes, R., and Ord,K., Forecasting Competitions:Their Role in Improving Forecasting, in: Clements, M.P., and Hendry(eds.), 2001, Companion to Economic Forecasting, Basil Blackwell. 16 Collins, W., and Hopwood, W., A Multivariate Analysis of Annual Earnings Forecasts generated from Quarterly Forecasts of Financial Analysts and Univariate Time Series Models, 1980, Journal of Accounting Research, v18, 390-406. statističkim predviñanjima. Objašnjenje ovog fenomena je slično diversifikaciji u teoriji finansijskog portfolia (Bates i Granger,17 Newbold i Granger,18 Granger i Ramanathan19). Kombinujući više nezavisnih predviñanja u jedno predviñanje, umanjuju se greške i neracionalne pretpostavke, čime se izbegavaju veće greške.20 Takoñe je otkriveno da ako dva predviñanja nisu u savršeno pozitivnoj korelaciji, onda će njihova kombinacija, u proseku rezultirati u predviñanju koje je tačnije od oba pojedinačna predviñanja.21 Koristeći istu ovu logiku, ako faktor procenjivačkog predviñanja za statističko predviñanje predstavlja deo predviñanja usklañivača, koji nije u savršenoj korelaciji sa statističkim predviñanjem, onda procenjivački usklañeno statističko predviñanje, u proseku, treba da bude tačnije od samog statističkog predviñanja. Ako je poznat nedostatak dokaza o procenjivačkoj reviziji statističkih predviñanja, i ako je poznato da bi tekuća teorija podržala model predviñanja orijentisan na reviziju, onda ima motiva za analizu tačnosti predviñanja jednog ovakvog modela. Bez odgovora ostaju važna pitanja, koja se tiču toga zašto i kada će procenjivački faktori poboljšati statistička predviñanja.22 Hashem Pesaran i Spyros Skouras daju pregled kvantitativnih i kvalitativnih metoda za evaluiranje predviñanja, kada postoje a priori informacije koje se tiču upotrebe ovih predviñanja.23 Oni suprotstavljaju pristup evaluaciji koji je zasnovan na odlučivanju, i poreñenju predviñanja, čisto statističkim pristupima, i pokazuju kako jedan ovakav pristup može da pruži razloge za nedavna dešavanja u literaturi o evaluaciji predviñanja, a to je upotreba generalizovanih funkcija troškova- greške, dogañaja verovatnoće, evaluacija predviñanja gustine, i evaluacija sposobnosti tržišnog tajminga. Značajno mesto zauzima poreñenje metoda predviñanja, pomoću pokušaja da se determiniše da li su razlike u performansi značajne, kada se uzme u obzir stohastička priroda problema. Rani pokušaji konstruisanja odgovarajućih statističkih testova tačnosti predviñanja, su izvršili odreñeni broj strogih pretpostavki u vezi odlika grešaka predviñanja, i funkcija gubitka, koje su protivrečile svojoj 17 Bates,J.M., and Granger, C.W.J., The Combination of Forecasts, 1969, Operational Research Quarterly, 20, 451-468. 18 Granger, C.W.J., and Newbold, P., Forecasting Economic Time Series, 1977, New York, Academic Press. 19 Granger, C.W.J., and Ramanathan, R., Improved Methods of Combining Forecasting, 1984, Journal of Forecasting, 3, 197-204. 20 Armstrong, J.S., Research on Forecasting:A Quarter-Century Review, 1960-1984, 1986, Interfaces 16, 89-109 21 Lobo, G.J., Alternative methods of combining security analysts and statistical forecasts of annual corporate earnings, 7-1, 57-63. 22 Brown, L.D., Comparing judgmental to extrapolative forecasts:its time to ask why and when, 1988, 4-2, 171-173. 23 Pesaran,M.P., and Skouras, S., Decision-based Methods for Forecast Evaluation, 2001, in: Clements, M.P., and Hendry(eds.), Companion to Economic Forecasting, Basil Blackwell. korisnosti, iako nedavni doprinosi dopuštaju te uslove. Čak i tako, ovi testovi prediktivne tačnosti modela van uzorka, često funkcionišu kao da su parametri modela iz kojih dolaze predviñanja, poznati. Pored metoda i tehnika predviñanja, menadžment treba da stavi naglasak i na proces predviñanja.24 Proces predviñanja se sastoji od procedura koje se koriste u razvoju i upotrebi predviñanja, kao što je dodela odgovornosti za predviñanje, usklañivanje agregatnih i pojedinačnih predviñanja, odobrenje predviñanja sa različitih nivoa menadžmenta, usklañivanje predviñanja od strane menadžera, da bi se reflektovala stanja koja nisu obuhvaćena u modelu predviñanja, i dogovor o jednom predviñanju, od strane različitih funkcionalnih grupa u okviru organizacije. Izvor znanja Procenjivački Statistički Igranje uloga Namere Ekspertska mišljenja Analogije Modeli ekstrapolacije Univarijantni Na bazi podatakaNa bazi teorije Predvidjanje na bazi predvidjanja Ekonometrijski modeli Ekspertski sistemi Združena analiza Procenjivački butstraping Sebe Drugi(h) Uloga Bez uloga Multivarijantni modeli Univarijantni Slika 2. Karakteristike metoda predviñanja i njihove relacije. (Izvor: Armstrong, J.S., and Brodle, R., Forecasting for marketing, Published in: Hooley, G., and Hussey, M., (eds.), Quantitative Methods in Marketing, Second edition, London:International Thompson Business Press, 1999, pp.92-119.) 24 Magee, J.F., Copacino, W.C. and Rosenfield, D.B., Modern Logistic Management, Wiley, New York, 1985. 4. Problemi i perspektive ekonomskog predvidjanja 4.1 Glavni problemi u ekonomskom predvidjanju Glavni problemi u ekonomskom predviñanju nastaju iz "stvari za koje ne znamo da ih ne znamo", i iz činjenice da promene determinističkih pojmova mogu biti vrlo problematične. Ostali mogući izvori grešaka predviñanja – kao što je pogrešno specifikovanje stohastičkih komponenti ili neizvesnost usled procene njihovih parametara – su manje važni. Generalno, relativna efikasnost statističkih metoda predviñanja će zavisiti od prirode i frekvencije promena. Kada neka vremenska serija pokazuje iznenadnu promenu sredine, u toku perioda uzorkovanja, jedan mogući tok akcije će uključiti adekvatne varijable (impuls ili pomeranje, u zavisnosti od toga da li je promena odmah promenila smer) kojima bi se obuhvatili efekti faktora koji leže izvan granice, bez kojih model možda neće biti konstantan tokom prošlosti. Ova strategija je popularna u ekonometrijskom modeliranju. Meñutim, u meri u kojoj ovi faktori nisu mogli da se predvide ex ante, i mogu da se ponovo jave, standardna greška modela je podcenjivanje prave neizvesnosti, inherentne objašnjenju zavisne varijable, a intervali predviñanja mogu biti slično obmanjivi. Nelinearni modeli vremenskih serija, nude relativno tačniju sliku neizvesnosti koja okružuje predviñanja modela, jer oni eksplicitno ugrañuju u probabilističku strukturu modela, mogućnost da se može desiti dalja promena režima. Npr. ako je promena jednog režima odreñenog tipa, uočena istorijski u proteklih 30 godina, onda bi se tako mogao postaviti model, da bi tipičan uzorak od 30 godina, koga je generisao model, mogao uključiti jednu epizodu tog tipa. Meñutim, osim ako promene nisu stalne i u izvesnoj meri predvidljive, najbolje što se može uraditi je da se brzo prilagodimo promenjenim okolnostima, da bi se sprečila pojava niza velikih grešaka istog znaka. Nagañanje i slični metodi se oslanjaju isključivo na sreću. Iako to može biti samo minimalna pretpostavka, u poreñenju sa ostalim metodima o kojima ćemo diskutovati, nagañanje nije generalno koristan metod: "dobra" nagañanja se često prijavljuju, a ona "loša" se tiho ignorišu; a i obično je nemoguće evaluirati unapred neizvesnost koja se pripisuje svakom nagañanju. U mnogim pojedinačnim nagañanjima, neka će slučajno biti tačna, što ne opravdava ovaj pristup, jer bi u protivnom ekonomisti počeli da proizvode na hiljade predviñanja, teatralno objavljujući kad god je neko od njih tačno. Ekspertska procena je obično deo pristupa predviñanja, ali joj nedostaje validacija, čak iako u nekom momentu neki menadžeri -"proroci" tačno izvrše predviñanje. Sistematski uspeh, meñutim, izmiče čak i ekspertima, tako da niko ne može da predvidi koje će sledeće predviñanje biti uspešno. Ekstrapolacija je dobra sve dok postoje te tendencije, ali to je samo po sebi neizvesno jer se različite ekstrapolacije koriste u različitim vremenskim momentima. Štaviše, predviñanja su najkorisnija kada predviñaju promene tendencija, što ekstrapolativni metodi verovatno propuštaju. Predviñanje bazirano na vodećim indikatorima, zahteva stabilan odnos izmeñu varijabli koje "vode" i varijabli koje su "voñene". Kada su razlozi za voñenje jasni, kao kad nalozi prethode proizvodnji, onda indikatori mogu biti korisni, inače mogu pružiti obmanjujuće informacije. Čak i za tako očigledne vodeće indikatore, kao što su počeci stambene gradnje, statistika nije ohrabrujuća (jer odlaganja mogu da se skrate i prošire dramatično, u bumovima i krizama na tržištu stanova – ili zbog meteoroloških prilika). Pregledi potrošača i preduzeća mogu biti informativni u vezi budućih dogañanja, ali se oslanjaju na planove koji se realizuju. Negativne promene poslovne klime mogu da indukuju radikalne promene planova, jer je jeftinije preraditi plan, nego stvarnost. Modeli vremenskih serija koji opisuju istorijske šeme podataka, su popularni metodi predviñanja, i često su konkurentni u odnosu na ekonometrijske sisteme jednačina, ali kao i svi ostali metodi, fokusiraju se na merljivu neizvesnost. Ekonometrijski sistemi jednačina su glavno sredstvo u ekonomskom predviñanju. Oni se sastoje od jednačina koje teže da modeliraju ponašanje observiranih grupa ekonomskih subjekata (potrošači, proizvoñači, radnici, investitori, itd) pretpostavljajući znatan stepen racionalnosti, kasnije korigovan istorijskim iskustvom. Njihove jednačine se onda procenjuju iz dostupnih podataka, uglavnom agregatnih vremenskih serija. Može se smatrati da ovakvi modeli imaju tri komponente: deterministički termini koji se uvode da bi obuhvatili proseke i stabilan rast (ovde predstavljeni presecima i linearnim trendovima, koji uzimaju vrednosti 1,1,1,...; odnosno 1,2,3,...) i čije buduće vrednosti su poznate; observirane stohastičke varijable sa nepoznatim budućim vrednostima (kao što su rashodi potrošača, cene itd); i neobservirane greške, čije su sve vrednosti (prošle, sadašnje i buduće) nepoznate (iako se možda mogu proceniti u kontekstu nekog modela). Odnosi izmeñu bilo koje od ove tri komponente bi se mogli neadekvatno formulisati, netačno proceniti ili promeniti na neanticipirani način. Svaki od rezultirajućih tipova grešaka, bi mogao da indukuje lošu performansu predviñanja, ili zbog netačnog (t.j. pristrasnog) ili zbog nepreciznog (t.j. sa visokom varijansom) predviñanja. Meñutim, dešava se da sistematski neuspeh predviñanja najverovatnije zavisi od ponašanja determinističkih fenomena, a naročito od neanticipiranih promena njihovih vrednosti. Ovakve determinističke promene, mogu odražavati promene na nekom drugom mestu u privredi, interagujući sa nepotpunim ili netačnim specifikacijama modela. Prednost koju imaju ekonomisti kada koriste formalne ekonometrijske sisteme nacionalnih privreda, je konsolidovanje postojećeg empirijskog i teorijskog znanja o tome kako privrede funkcionišu, obezbeñenje okvira za strategiju progresivnog istraživanja koja tokom vremena dovodi do povećanog razumevanja, pomaganje u objašnjenju sopstvenih neuspeha, kao i pružanje saveta u vezi politike i predviñanja. Ekonometrijski i modeli vremenske serije, su primarni metodi predviñanja u ekonomiji, ali procena, indikatori i nagañanja mogu da modifikuju rezultirajuća predviñanja. Jedan od glavnih problema sa predviñanjem u ekonomiji je to što privrede evoluiraju tokom vremena, i podložne su naizmeničnim i ponekad velikim, neanticipiranim šokovima. Ekonomska evolucija ima svoje izvore u naučnim otkrićima i inovacijama, koje dovode do tehničkog progresa a koji se otelotvoruje kroz fizički i ljudski kapital, i postaje pokretač održivog rasta realnog autputa. Pored toga, strukturalni proboji mogu biti ubrzani promenama legislative, naglim promenama ekonomske politike ili političkim nemirima (tipičan primer proboja je porast cena goriva u ’70-im god. XX veka). Nekadašnji stabilni odnosi izmeñu ekonomskih varijabli su podložni promeni, i ako se u to vreme koriste za predviñanje, mogu rezultirati velikim i trajnim greškama predviñanja. Štaviše, empirijski ekonometrijski modeli koji se koriste za razumevanje i predviñanje procesa, koji su često komplikovani kao što su nacionalne privrede, su daleko od savršene prezentacije ponašanja. Predviñači samo mogu biti bledo svesni promena koje su u toku, i čak i kada se dešavanja mogu predočiti, mogu otkriti da je teško kvantifikovati njihove verovatne uticaje. Ove teškoće utiču na to da je ekonomsko predviñanje skopčano sa problemima, a u praksi, neuspeh predviñanja – znatno pogoršanje performanse predviñanja u odnosu na anticipirani ishod - je uobičajeno. 4.2 Potencijalna rešenja i perspektive ekonomskog predviñanja Kompleksnost okruženja i visok stepen neizvesnosti s kojima se suočava savremeni menadžer, realno inhibiraju njegova nastojanja da ostvari željeni ekonomski cilj. Uopšte, ako su prethodno navedene osobenosti aktuelna šema po kojoj je ureñena ekonomska stvarnost, prirodan zaključak bi bio da je dobro poznavanje problema, prividno identičnih in apstracto, potreban i dovoljan razlog da napori istraživača budu usmereni na iznalaženje metodološkog inženjeringa predviñanja primenljivog na sve slučajeve. S druge strane, moramo imati na umu da je svaki slučaj za sebe, jedinstveni sticaj jedinstvenih okolnosti i konstelacije determinišućih ekonomskih snaga i uticaja, neponovljivi dogañaj koji se ne može anticipirati a da naše delovanje koje nužno proizilazi iz izvesnosti o očekivanom ne indukuje neretko i neočekivane posledice. Prirodna težnja ka anticipaciji budućih dogañaja, civilizacijskim razvojem podignuta na kvalitativno viši nivo, dobija sasvim novu dimenziju: mi tragamo za načinom da unapredimo i sam proces ekonomskog predviñanja. Predviñanje je rezultat odreñenog lanca kognitivnih aktivnosti, čije je rešenje već verifikovano ili dokazano znanje. Ovo su polazišta predviñanja. Generalno, postoje logički odnosi izmeñu polazišta i rezultata predviñanja, ali oni takoñe mogu biti i intuitivni. Predviñanje kao celina, je verodostojno, ako su verodostojni i njegovi delovi (polazišta, procedure, rezultati). Da bi mogli da predvidimo nešto što će se desiti u budućnosti ili će biti otkriveno, moramo uglavnom početi od poslednjeg ili tekućeg znanja. Meñutim, poznavanje činjenica o sadašnjosti, ne stvara dovoljan uslov za predviñanje. Zajedno sa činjenicama, neophodno je znati i razvojne tendencije predviñenih dogadjanja i procesa ili njihove zakone. Predviñanje pretpostavlja poznavanje polazišta dva tipa: 1) Činjenice koje opisuju stvarnu situaciju; 2) Zakoni, teorije i tendencije koje odražavaju karakteristike razvoja. Mnoge ekonomske i finansijske vremenske serije poseduju mnoge specijalne karakteristike, uključujući u različitim kombinacijama: sezonalnost, fluktuacije poslovnog ciklusa, rast trenda, sukcesivnu zavisnost i promenljivu varijabilnost. Opštije rečeno, podaci u ekonomiji su često nestacionarni, odnosno imaju promenljive sredine i varijanse tokom vremena. Ove specijalne odlike podataka su potencijalno važne iz mnogo razloga. Neuzimanje u obzir ovakvih specifičnih karakteristika (recimo sezonalnosti), može rezultirati u inferiornim predviñanjima odreñenih aspekata koji nas interesuju (recimo trenda), naročito ako su ove karakteristike inherentno meñupovezane. S druge strane, odreñene karakteristike same mogu biti fokus pažnje, pri sprovoñenju predviñanja. Možemo želeti da predvidimo karakteristiku poslovnog ciklusa, kao što je sledeća recesija, i da budemo nezainteresovani za nivo, ili stopu rasta serije. Iz oba ova razloga, razvijeni su modeli koji pokušavaju da obuhvate specijalne karakteristike, a predloženi su i različiti pristupi. Pošto se nestacionarnost može modelirati, ili sistematski inkorporirati u metod predviñanja, promena sredina i varijansi tokom vremena, nije problematična. Meñutim, neki drugi, nepoznati izvori promena nisu još uvek stigli do modeliranja: ono "što ne znamo da ne znamo" jednostavno se ne može uključiti u neki model. Sezonalnost je važna karakteristika mnogih ekonomskih i finansijskih vremenskih serija. Tradicionalno, sezonalnost se često posmatra ka suštinski fiksna tokom vremena, i kao neprijatnost koja maskira postojeća kretanja u originalnim serijama. Istraživači zainteresovani za dugoročne odlike ekonomskih vremenskih serija, su smatrali opravdanim analiziranje sezonski usklañenih podataka, tako da je u skorije vreme bilo prilično interesovanja za modele vremenskih serija, koji su sposobni da obuhvate uočene asimetrije u fazama fluktuacija aktivnosti poslovnog ciklusa. Ovo je oblast tekuće intenzivne istraživačke aktivnosti koja je pokazala da mnoge finansijske vremenske serije, poseduju odreñen broj specifičnih odlika, kao na primer da promene cene (ili prinosa) mogu biti u velikoj nekorelaciji, ali da se uslovne varijanse promene cena, mogu predvideti. Može se očekivati da će buduća dešavanja u ekonometrijskoj analizi finansijskih vremenskih serija nastaviti da koriste eksploziju kompjuterske moći u poslednjoj deceniji, fokusiranjući se na nelinearne modele i kompjuterske tehnike evaluacije. Stoga, uprkos brojnim problemima i teškoćama, postoje načini da se izbegnu sistematski neuspesi predviñanja u privredama, koje su podložne iznenadnim neanticipiranim velikim promenama. Kada su šokovi neanticipirani, gotovo je nemoguće pronaći načine da se izbegnu velike greške u predviñanju, koje je objavljeno pre no što su se ti šokovi desili. Umesto toga, ako je poznata nesposobnost da se predvidi šok, potrebna je adaptacija, kada se šok desi, da bi se izbegao niz loših predviñanja. Neki modeli se adaptiraju brže od drugih. Takoñe su uloženi napori u proučavanje signala ranog upozorenja. Ovakvi metodi anticipiraju promenu, uočavanjem te iste promene drugde u vodećim regionima, ili uočavanjem visoke frekvencije (kao što su sedmični podaci, kada je uobičajena frekvencija kvartalna). Meñutim, logički problemi počinju da se javljaju u društvenoj nauci. Prvo, recimo da je MMF mogao da predvidi početak valutnih kriza, onda bi usledila akcija koja bi sprečila da se predviñeni ishod materijalizuje. Drugo, recimo da ste mogli da predvidite krizu, i da ste to tajili – pored toga što vam mala grupa finansijskih poverilaca veruje - onda ste mogli da stvorite novčanu mašinu: vaše akcije bi mogle da promene ishod, u odnosu na ono što je originalno predviñano, ali bi podjednako indukovali samoispunjavajuće proročanstvo, svojevrsnu Edipovu posledicu, stvarajući krizu tamo, gde se inače ne bi desila. Znači, postoje limiti onoga za šta se nadamo da možemo predvideti. Efektivnost predviñanja je odnos izmeñu koristi i troškova njenog stvaranja. Efekti se mogu izraziti kao uticaj rezultata aktivnosti predviñanja, u njegovoj primeni. Oni se mogu pratiti iz funkcije predviñanja (informaciona, analitička, sintetička...). Troškovi nastaju u pojedinačnim fazama aktivnosti predviñanja (analiza, stvaranje, stavljanje u praksu...). Efekti predviñanja se evaluiraju na bazi procene karakteristika njihovih informativnih vrednosti (pouzdanost, tačnost, potpunost...). Vrednost predviñanja za korisnike se sastoji od informativnih sadržaja (Zašto? Kako? Šta?) i naučnog (objašnjavanje buduće realnosti) sadržaja. Da bi moglo da se ostvari ovakvo stanje, neophodno je poznavati potrebe korisnika predviñanja – identifikovati dijagnozu korisnika i preporučiti proceduru za stvaranje predviñanja. U fazi analize tj. pred-predviñanja, identifikacije strategije korisnika i stvaranja organizacionog modela, mogu se uneti sopstvene procedure pripreme predviñanja. Analiza tj. pred-predviñanje treba da: • Identifikuje strategiju ponašanja korisnika, • Identifikuje gde se u petlji učenja, nalaze neizvesnosti za korisnika (gde nedostaju informacije?), • Identifikuje šta će biti fokus analiza predviñanja. Da bi se identifikovala strategija ponašanja korisnika, potrebno je: • Definisati ciljeve i njihov odnos, • Determinisati kriterijume za evaluaciju ciljeva, • Proceniti pojedinačne ciljeve u strategiji ponašanja, • Predstaviti strategiju, korišćenjem modela. Organizacioni model potencijalnog korisnika, identifikacija njegovih ciljeva, pretpostavlja poznavanje njegovog ponašanja, specifikaciju objektivne funkcije. Model institucionalne realnosti (t.j. analiza ciljeva) nastaje proučavanjem planova, programa, koncepata, namera, kompetenci, misija,...i njihovog odnosa. Ekonomsko predviñanje često uključuje odluke koje imaju dugoročne posledice. Pored toga, ova predviñanja će verovatno biti podložna oštrim pristrasnostima, u zavisnosti od nečije perspektive. Da bi se bavili ovim pitanjima, sugerišemo četiri principa: - Koristiti relevantne informacije, - Osigurati da su informacije i procedure, objektivne, - Strukturirati inpute za proceduru predviñanja, - Koristiti metode koji nisu kompleksniji, no što je potrebno. Relevantne informacije. Malo je ljudi koji bi tvrdili da raspolaganje većom količinom informacija nije korisno, ali u nekim situacijama, više informacija ne popravlja tačnost predviñanja. Ako su dodatne informacije irelevantne, to će redukovati tačnost predviñanja. Npr. u mnogim profesijama visina ljudi nije važna za performansu na poslu; meñutim visina igra odreñenu uogu u razgovorima za posao, kada ljudi vrše predviñanja sposobnosti kandidata da obavlja neki posao. Opasnost od korišćenja irelevantnih informacija je naročito ozbiljna, kada se koriste procenjivačke procedure. Saznanje da neki poznat ekonomista ima jak stav o nekom ekonomskom pitanju, može da umanji nečiju sposobnost donošenja dobre procene u vezi tog pitanja: više je nego verovatno da nečiji status renomiranog stručnjaka nema ništa sa donošenjem procene. Takoñe, više informacija verovatno neće poboljšati tačnost predviñanja, ako se one koriste na nestrukturiran način25 . Objektivne informacije i procedure. Pre no što se počne sa prikupljanjem podataka i analizom, donosioci odluka treba da se slože oko toga koje informacije su relevantne i kako ih treba analizirati. Ove odluke treba da donose ljudi koji nisu pristrasni prema nekom odreñenom stanovištu, bar tako da neće imati neku ličnu korist od toga. Ovde bi bilo razumno osloniti se na one sa ekspertizom u metodima predviñanja. Da bi se izbegla pristrasnost kod prikupljanja podataka, treba tražiti alternativne izvore podataka. Brenner i dr., su zaključili da su subjekti koji primaju pristrasne podatke, manje tačni u svojim predikcijama, ali poverljiviji, čak i kada je očigledno da su podaci pristrasni i nepotpuni.26 Strukturirani inputi. Predviñanja se mogu poboljšati strukturiranjem problema, da bi se efikasno upotrebile dostupne informacije. Jedno od najkorisnijih sredstava za strukturiranje problema predviñanja je dekompozicija. Najsigurniji način dekomponovanja problema, je njegovo razlaganje na aditivne elemente. Stanovništvo se često dekomponuje da bi se predvidela roñenja, smrti, imigracija, i emigracija: ova odvojena predviñanja se onda sabiraju, da bi se formiralo kompozitno predviñanje stanovništva. Alternativno, ponekad je korisna multiplikativna dekompozicija. Ali multiplikativna dekompozicija može biti rizična, jer se greške u svakom elementu množe sa greškama u svim ostalim elementima. MacGregor27 je sumirao istraživanja o ovoj temi i zaključio da multiplikativna dekompozicija poboljšava tačnost kada je neizvesnost visoka, i kada su uključeni ekstremni brojevi 25 Armstrong, J.S., Long – Range Forecasting, 1985, 2nd ed. Wiley&Sons, pp.100-102. 26 Brenner, L.A., Koehler, D.J. and Tverski, A., On the evaluation of one-sided evidence, 1996, Journal of Behavioral Decision Making 9, pp. 59-70. 27 MacGregor, D.G., Decomposition for judgmental forecasting and estimation, 2001, in: Armstrong, J.S.(ed), Principles of Forecasting: A Handbook for Researchers and Practitioners, Norwell, MA:Kluwer Academic Publishers. (veliki ili mali). Obično, problemi se mogu dekomponovati, da bi se izbeglo predviñanje ekstremnih brojeva. Meñutim, multiplikativna dekompozicija, je ponekad štetna, kada brojevi nisu veliki, kao ni neizvesnost. Jednostavni metodi. Jedno od interesantnijih otkrića iz empirijskog istraživanja u vezi predviñanja, je to da relativno jednostavni metodi daju predviñanja koja su tačna koliko i predviñanja dobijena pomoću kompleksnih metoda. Sledi, konsekventno, da metodi predviñanja ne treba da budu kompleksniji nego što je to neophodno. Ovaj zaključak pokriva širok opseg uslova. Jednostavni metodi redukuju troškove i pomažu razumevanju izmeñu predviñača i donosioca odluka. Oni takoñe redukuju verovatnoću pravljenja grešaka. Meñutim greške se javljaju, čak i kod relativno jednostavnih metoda, kao što je eksponencijalno usklañivanje. Gardner28 je naveo 23 knjige i članka, koji sadrže greške u formulisanju modela za eksponencijalno usklañivanje. Što je neki proces kompleksniji, to je verovatnije da će se potkrasti greška i ostati neotkrivena. Upotreba jednostavnih metoda treba da je dobrodošla kod donosioca odluka. Yokum i Armstrong-ov29 pregled predviñača, je zaključio da je lakoća razumevanja, implementacije i upotrebe, skoro isto toliko važna kao i tačnost, kada se biraju metodi predviñanja. Način da se izbegne nametanje nečije pristrasnosti, je da se traže predviñanja koje daju nezavisne treće strane. Ova procedura bi takoñe mogla da smanji troškove predviñanja. Pre upotrebe objavljenog predviñanja, potrebno je znati detalje o izvoru tog predviñanja, zajedno sa metodima i podacima, koji su korišćeni. Nažalost, ovi detalji se često izostavljaju. Već je istaknuto da su greške i nepreciznosti inherentni procesu predviñanja, pa se postavlja pitanje da li je predviñanje i u kojoj meri korisno? Imajući u vidu da sva preduzeća funkcionišu u atmosferi neizvesnosti i da se uprkos tome odluke moraju donositi, što utiče na budućnost, predviñanje je neophodno. Šta više, pošto se i okruženje u kojem posluju organizacije uvek menja, predviñanja su uvek neophodna. Poslednjih godina, meñutim, predviñanja se sve više oslanjaju na metode koje uključuju sofisticirane tehnike manipulisanja podacima. To ne znači da su intuitivne tehnike predviñanja loše: često je ovakav način predviñanja jedini moguć, posebno u situacijama kada je neophodno brzo reagovanje. Organizacije koje u uslovima rastuće kompleksnosti i konkurentnosti ne mogu da brzo reaguju na promenljive uslove i ne mogu da sa izvesnom preciznošću predvide budućnost, osuñene su na propast. Prema tome, predviñanja su potrebna skoro svakoj organizaciji, velikoj ili maloj, javnoj ili privatnoj. Svaka od njih koristi predviñanje ili eksplicitno ili implicitno, jer 28 Gardner, E.S., The strange case of the lagging forecasts, 1984, Interfaces 14, pp.47-50. 29 Yokum, J.T. and Armstrong, J.S., Beyond accuracy: Comparison of criteria used to select forecasting methods, 1995, International Journal of forecasting 11, pp.591-597. gotovo svaka od njih ima kao imperativ ispunjenje budućih uslova o kojima ima nepotpuno znanje. Moderni načini predviñanja uz široku upotrebu kompjutera, postali su neophodni za funkcionisanje u savremenom okruženju. Da bi simultano bili uspešni u predviñanju i što se tiče politike, ekonometrijski modeli će morati da imitiraju adaptibilnost najboljih sredstava za predviñanje, i da zadrže svoje osnove u ekonomskoj analizi. Uprkos lošem praćenju podataka do sada, i mnogim problemima sa kojima se suočavaju ekonomska predviñanja iz ekonometrijskih sistema, ovi modeli su sredstvo razumevanja, i učenja iz neuspeha, kao i konsolidovanja našeg sve većeg znanja o ekonomskom ponašanju. Štaviše, bliska interakcija izmedju teorije i dokaza, je esencijalna za uspešnu ekonomsku nauku. Posledično, ekonometrijski sistemi daju najbolju dugoročnu nadu za uspešno predviñanje, naročito ako se razviju pogodni metodi za poboljšanje njihove robustnosti za neanticipirane proboje (iskliznuća). Meñutim, naše je verovanje da sposobnosti i zdrav razum menadžmenta moraju biti uključeni u proces predviñanja. Kvantitativne tehnike se moraju posmatrati isključivo kao sredstva koja u interakciji sa procenama menadžera treba da omoguće menadžmentu donošenje boljih odluka. Jedan realističniji stav, saznanje da nema univerzalnog recepta za predviñanje, da je svaki problem jedinstven za sebe, znatno mogu poboljšati korisnost predviñanja. Za očekivati je, da kao posledica boljeg razumevanja odlika modela i metoda ekonomskog predviñanja, u čemu je, nesumnjivo, ostvaren veliki progres, ekonomsko predviñanje sve više dobija na značaju, što je, uostalom, praksa i potvrdila krajem drugog milenijuma. Odreñivanje verodostojnosti svakog rešenja ima različit karakter. Inicijalne činjenice potvrñuju svoju istinu u poreñenju sa realnošću. Potvrñivanje verodostojnosti zakona, teorija i tendencija je komplikovanije, što dokazuju permanentne diskusije i polemike. Različite naučne discipline, imaju različite načine verifikovanja istine zakona. Najlakši odgovor na pitanje o istinitoj predikciji, je njeno poreñenje sa datom realnošću. Odgovor je banalan i neprihvatljiv, jer ne možemo čekati da se budućnost desi, već je potrebno da imamo mogućnost da procenimo pouzdanost predikcije, pre toga. II DEO ANALITIČKI HIJERARHIJSKI PROCES Uvod Svakodnevno su menadžeri, inženjeri i naučnici najrazličitijih profila i orijentacija suočeni sa problemima koje karakteriše visok stepen kompleksnosti i dinamička konstelacija determinišućih faktora. U takvim uslovima, odlučivanje koncepcijski utemeljeno na principu sve ili ništa, dobija fundamentalno drugačiju formu, usmeravajući se na traganje ne za optimalnim već za zadovoljavajućim rešenjem. Odreñen, manji broj ovih problema može se formalizovati mada samo aproksimativno i kvantitativno obraditi posredstvom odgovarajućeg matematičkog modela. Pri tome, osnovna pretpostavka od koje se polazi u rešavanju sastoji se u mogućnosti izbora odreñenog rešenja iz skupa dopustivih rešenja. To eksplicitno znači postojanje više alternativnih rešenja izmeñu kojih treba izabrati optimalno. Rešavanje ovakvih problema takoñe pretpostavlja mogućnost precizne deskripcije, odnosno, jasno definisanje cilja koji se želi ostvariti, identifikaciju svih relevantnih ograničenja i postuliranje adekvatnog matematičkog modela. Formulacija problema kao pojedinačnog cilja u funkcionalnom obliku i njegova optimizacija, ili, ukoliko su ciljevi višestruki, njihovo trade-off tretiranje na zajedničkoj vrednosnoj skali, predstavljaju ključno obeležje tradicionalnog optimizacionog pristupa. Dobro strukturiranje poblema, u tom smislu, moguće je samo ukoliko su zadovoljeni sledeći uslovi: da se može precizno formulisati matematički model kao aproksimacija realnog problema, da su ciljevi specificirani preko dobro definisane i sveobuhvatne funkcije cilja, da su uzeta u obzir i definisana sva ograničenja koja utiču na odreñivanje optimalne vrednosti funkcije cilja i da postoje algoritmi za odreñivanje optimalnog rešenja.30 Jasno je da je način strukturiranja vrlo restriktivan i u smislu relativno visokog stepena slobode koji istraživač ima u ispunjavanju navedenih uslova. Tome svakako treba dodati različite vrednosne sisteme, perceptualne mehanizme i višestruke aspekte pa se upotpunjuje slika o izvesnoj apodiktičkoj strogosti u zahtevu za dobrim definisanjem problema. Teorija poznaje različite pokušaje za njihovo tipiziranje: Ackoff ih jednostavno naziva problemima31, Rittel i 30 Petrić, J., Operaciona istraživanja, Beograd, 1979, str.3. 31 Ackoff, R.L., The Art and Science of Mess Management, in: Rosenhead, J., Problem Structuring Methods, XIII European Conference on Operations Research, Glasgow, July, 1994, p.114, prema: Petrović S., Sistemsko mišljenje Sistemske metodologije, Ekonomski fakultet u Kragujevcu, Institut za ekonomska istraživanja, Kragujevac, 1998, str. 256. Vebber pripitomljenim problemima.32 Bilo kako, karakteristični su po tome što način na koji su definisani retko realno odražava stvarni problem, istraživač kontroliše okruženje i bira varijable koje će kontrolisati. Sve do polovine sedamdesetih godina XX veka, svakako najznačajnije mesto u rešavanju strukturiranih problema pripadalo je tradicionalnim operacionim istraživanjima i matematičkom programiranju. Kao naučna disciplina utemeljena na sistemskom pristupu,33 operaciona istraživanja su nastala iz namera i pokušaja da se rešavaju praktični problemi upravljanja u složenim sistemima koji su, po pravilu, uključivali tehniku i ljude. Iako je od samih početaka operacionih istraživanja smatrano da se jedino sveobuhvatnim, sistemskim sagledavanjem problema može doći do povoljnog rešenja, ipak je akcenat bio na rešavanju zadataka matematičkog programiranja koji nastaju u razvijenom modelu realnog sistema. Praktični problem i kvantitativan pristup su dva suštinska pojma u definisanju operacionih istraživanja. Operaciona istraživanja su oduvek imala zadatak da razviju prilaz za rešavanje praktičnih problema.34 Kvantitativan pristup podrazumeva rad sa više ili manje sofisticiranim matematičkim modelima koji koriste apstraktne prezentacije realnog sveta tražeći tzv. optimalna rešenja. Praktični domeni operacionih istraživanja su, meñutim, ostali ispod nivoa razvoja metodologije kvantitativnih pristupa. Savremena nauka, posebno ekonomska, još uvek nije uspela da efikasno reši ključni problem našeg delovanja a to je neizvesnost. Zapravo, kompleksnost i neizvesnost dve su fundamentalne determinante savremenih problema upravljanja i oduvek su bile karakteristika složenih sistema koji su predmet operacionih istraživanja. Realni problemi su uvek delimično ili slabo strukturirani, posebno kada se izučavaju sistemi koji uključuju ljudske aktivnosti. Slabo strukturirane probleme prate neodreñenosti koje relativizuju granice pojma sistem: nisu jasno prepoznatljivi elementi sistema ni njihove meñusobne relacije, postoji više od jednog cilja i složena interakcija sa okruženjem. Ono što predstavlja zajedničku logičku strukturu realnih problema, da su rezultante delovanja brojnih i različitih faktora čiji se uticaj često ne može kvantifikovati, upućuje na zaključak da se tradicionalni pristup optimizaciji, neizostavno mora redefinisati na novim premisama. Tome u prilog ide i činjenica da apostrofirana logička struktura i semantički korespondira sa svim relevantnim odrednicama realnih problema (višeznačnost, kompleksnost, interaktivnost), kako u teleološkom tako i u epistemološkom smislu. Ona ukazuje na složenu konstelaciju različitih uticaja i interesa više entiteta 32 Rittel, H.W.J., and Webber, M.M., Dillemas in a General Theory of Planning. 33 Više o sistemskom pristupu pogledati u: Petrović, S., Sistemsko mišljenje, sistemske metodologije, 2006, Kragujevac. 34 Vujošević, M., Sistemski pristupi slabo strukturiranim problemima – izazov operacionim istraživačima, SYMOPIS 94, Kotor, Zbornik radova, pp. 12-15. (subjekata, ciljeva, ograničavajucih uslova) pomerajući granice pojma problem u meri u kojoj one postaju izrazito elastične i teško obuhvatne. Teorija ovakve probleme poznaje kao slabo strukturirane ili nedefinisane, tretirajući ih kao svojevrsnu problemsku situaciju, tj. kao skup visoko interaktivnih, izrazito kompleksnih, dinamičkih i višeznačnih problema.35 Njihova ključna karakteristika je da se ne mogu ili se samo fragmentarno mogu definisati, pa je formalizacija njihovog rešavanja izuzetno komplikovana. Pored toga, načelno, problemsku situaciju karakteriše prisustvo više aktera sa širokim spektrom ciljeva, interesa i perspektiva. Meñutim, o problemskoj situaciji se može govoriti i kada postoji jedan donosilac odluke sa više ciljeva, meñusobno konfliktnih, u smislu da realizacija jednog i njegovo optimiziranje implicira potpunu ili delimičnu opstrukciju ostalih ciljeva. Iskustvo je pokazalo da klasični prilaz optimizaciji u svojoj strogoj primeni, nije u stanju da se efikasno suoči sa ovakvim tipom problema, čija priroda je takva da insistira na znatno aktivnijoj ulozi ljudi u postupku njihovog rešavanja nego što je to slučaj u tradicionalnim optimizacionim procedurama. Šta vise, kontinuirana komunikacija na relaciji istraživac-donosilac odluka kao imperativ, te krativnost, intuicija i učenje, predstavljaju conditio sine qua non, eksplicitno opredeljujući dalje pravce razvoja teorijsko- metodološkog instrumentarijuma za generisanje rešenja u suočavanju sa problemskom situacijom. U tom smislu, postojeća dihotomija upravljačkih problema koja ih definiše kao strukturirane na jednoj, i nestrukturirane na drugoj strani, predstavlja pokušaj da se ukaže na neophodnost profilisanja različitih modaliteta kretanja kroz jedan problem u zavisnosti od stepena njegove kompleksnosti. Tako se smatra da su prvi tzv. hard problemi, koji su definisani pitanjem kako, primereniji klasičnom optimizacionom pristupu, dok su tzv. soft problemima adekvatnije alternativne metodološke orijentacije. Nemogućnost precizne deskripcije problemske situacije navodi na zaključak da i modeli za njeno aproksimiranje moraju biti fleksibilni u smislu korišćenja metodologija koje će na odgovarajuci način izraziti stepen njene složenosti. Poznata Ešbijeva sentenca da samo raznolikost moze uništiti raznolikost,36 upravo eklatantno odražava zahtev za primenom odgovarajuće metodologije. Rešavanje upravljačkih problema i njihova optimizacija, smatra se, moraju biti karakterisani visokom kompleksnošću samog pristupa. Uprkos svemu, teško se može povući stroga granica izmeñu strukturiranih i nestrukturiranih problema, jer je većina problema loše ili se ne može valjano strukturirati, tako da i prilazi njihovom rešavanju ne mogu biti strogo egzaktni ili strogo empirijski. 35 Petrović, S., Sistemsko mišljenje, sistemske metodologije, 2006, Kragujevac, p.282. 36 Ashby, W.R., An Introduction to Cybernetics, Wiley and Sons, Inc., New York, 1966, p. 207. Egzaktni postupci su ograničeni na relativno usku klasu dobro strukturiranih problema koji zahtevaju matematički model, cilj i kriterijume upravljanja, upravljačke akcije i ograničenja. Empirijsko-edukativni postupci, s druge strane, u velikoj meri zavise od subjektivnih sklonosti, praktičnog iskustva, komparacije sa poznatim analognim sistemima i intuicije. Konačno, svaki pa i nedovoljno dobro strukturirani problem se odgovarajućim simplifikacijama matematičkog modela može dovoljno formalizovati i kvantitativno obraditi da bi se dobio makar zadovoljavajući rezultat. Verovatno da u navedenom i treba tražiti razloge zašto se brojne optimizacione tehnike sve više okreću, reklo bi se kombinovanom pristupu za rešavanje, sa naglašenijom ulogom ljudskog faktora ne samo u fazi donošenja odluke, već i u fazi rešavanja problema ali sa zahtevom da se u samoj postavci problema unese što vise egzaktnog. U stvari, fokus interesovanja se sve više pomera sa optimizacije rešavanja problema na strukturiranje problema, gde je bez sumnje uloga ljudskog faktora presudna. 1. Kompleksnost i hijerarhije kao prezentacije kompleksnosti Glavna odlika okruženja našeg sveta, je sve veća kompleksnost i meñusobna zavisnost njegovih delova. Problemi, bez obzira da li su socijalni, politički ili ekonomski, ne egzistiraju izolovano. Oni se ne mogu izdvojiti iz celine, ne mogu sami sebe objasniti, niti skup objašnjenja može da objasni celinu. Može se postaviti pitanje da li ti problemi uopšte spadaju u specifičnu socijalnu, političku ili ekonomsku klasu. Sva, čak i ona veoma trivijalna pitanja u bilo kojoj od ovih sfera aktivnosti, su povezana sa odgovarajućim problemima u nekim drugim sferama. Našoj dilemi, pridodaje se i stalno promenljiva priroda ovih meñuzavisnosti. Na tu meñuzavisnost utiču promene populacije, resursa, politike, tehnologije i sl. Okruženje u kome se problemi javljaju, samo po sebi nije statički entitet. Ono je dinamično, uvek se menja, istražuje i manipuliše se njime. Okruženje se menja kako se menjaju njegovi problemi i njihova rešenja; ono se menja u fizičkom i konceptualnom prostoru, kako odnosi meñu delovima bivaju promenjeni tehnološkim napretkom, i filtrirani kroz veoma lične interpretativne strukture. Ono se takoñe menja vremenom, kako na njega utiču dogañaji. Kompleksnost sačinjavaju mnoge stvari koje deluju zajedno. Ovaj koncept se nalazi u srcu opšte teorije sistema. Naš konačan, delimično emocionalan, delimično logičan um, koji je naš prozor kroz koji vidimo svet, ima svoje sopstvene kompleksnosti. Ove interne kompleksnosti se same moraju shvatiti, jer je naša konstrukcija realnosti, relativna u odnosu na naše fizičko i bihevioralno okruženje. Ono što želimo je da zatvorimo ili makar umanjimo jaz izmeñu stvarnog i željenog, napredujući kroz niz naizmeničnih odluka i ocena, u vremenu i paralelno, komparirajući etapne rezultate dok se ne ostvari cilj. Ono što nam treba su osetljivi načini da se izborimo sa svojim problemima, odnosno, pristupi koji olakšavaju korišćenje kreativnosti i iskustva u strukturiranju kompleksnih problema, i primeni njihovih rešenja u sistematskom i dostupnom okviru. Ono što možemo, već su i sami pokušaji da pronañemo rešenje problema, iz čega se može detektovati značajan korak dalje, možda samo poboljšanje već ostvarenog, identifikujući i prihvatajući relevantna ograničenja, svesni da željeni rezultati nisu uvek i ostvarivi. 1.1 Kompleksnost Kompleksnost bi se mogla definisati kao veliki broj stvari koje ne interaguju na jednostavan način. Postoje mišljenja da kvantitet nije uslov kompleksnosti, jer i jedna jedina stvar, kao što je čvor na konopcu, može sama po sebi da bude kompleksna. Meñutim, moramo napraviti razliku izmeñu kompleksnog i teškog. Čvor ima jedno rešenje, koje može biti teško, ali čija svrha je jasna: da se odveže konopac. Kompleksni problem obično ima mnogo mogućih rešenja, i ta rešenja mogu imati puno svrha. Dizajn ili modifikacija jednog integrisanog transportnog sistema, će zahtevati razmatranje vazduhoplovnih, kopnenih i verovatno vodenih kapaciteta. Cilj bi bilo razvijanje i održavanje odgovarajućeg miksa ovih kapaciteta, koji bi se nadopunjavali. Bilo bi nekoliko, možda i mnogo ovakvih mikseva, od kojih bi svaki mogao efektivno da reši problem. Kompleksnost je interakcija, i što je još važnije, meñusobna zavisnost, t.j., ponašanje jednog ili nekoliko elemenata utiče na ponašanje ostalih elemenata. Privreda zavisi od energije i drugih resursa, raspoloživost energije zavisi od politike, politika zavisi od moći, a moć zavisi od vojne snage i ekonomske stabilnosti. Primećujemo da su ove meñusobne zavisnosti uzajamne: politika zavisi od privrede, ali i privreda zavisi od politike. Ono što rezultira je kompleksna mreža simetričnih odnosa sa varirajućim intenzitetom. Kroz diferencijaciju, stepen ekskluzivnosti elemenata postaje očigledan u kompleksnom okviru, u kom se javljaju. Pod diferencijacijom podrazumevamo da su socijalne i/ili funkcionalne uloge interaktivnih elemenata, jasno različite. Kompleksnost ne zavisi samo od meñusobne zavisnosti, već i od broja komponentni koje interaguju. Stoga, okvir za rešavanje kompleksnosti zavisi od novih osobina dobijenih iz sinergije interakcije medusobno zavisnih delova. Ovakve osobine nisu u delovima i često se mogu pripisati novim elementima ili klasterima koji su rezutat interakcija postojećih elemenata. Naša interpretacija i razumevanje kompleksnosti, zavisi od naše kulture, jezika, prethodnog iskustva, profesionalne obuke i logike koju koristimo da sastavimo delove slagalice. Ova subjektivnost predstavlja dilemu višeg reda, koja negira svaku latentnu sumnju da postoji objektivna interpretacija realnosti koja prevazilazi naša čula i kogniciju. Izgleda da je, u tom smislu, jedino rešenje da se snañemo sa onim što imamo, na jedini način koji znamo, odreñujući svoje prioritete i ispunjavajući ih najbolje što možemo. Ljudi (zvani akteri) koji odlučuju koju akciju preduzeti za rešenje kompleksnih problema, i oni na koje ta odluka utiče (tzv.stejkholderi), obično imaju različite interese i konfliktne ciljeve. Može se desiti da ne postoji konsenzus (u okviru ove dve grupe ili izmeñu njih) o željenim ciljevima ili o strategijama za njihovo ostvarenje. Stoga, izbor ciljeva i izbor sredstava za ostvarenje tih ciljeva, zahtevaju debatu i kompromis. Učesnici mogu da pristupe procesu odlučivanja sa različitim pretpostavkama o ograničenjima u okruženju i internim ograničenjima samog sistema. Ove pretpostavke oblikuju njihovu percepciju, determinišu njihove definicije problema i uslovljavaju njihovu reakciju. Zato što konfliktni ciljevi rezultiraju iz alternativnih procena, a procene su opterećene vrednošću, moramo pokušati da izvučemo na površinu, i ispitamo vrednosti i specijalne interese u problemima kompleksnog odlučivanja. Još jedna teškoća pri razumevanju kompleksnosti je povezanost mnogih problema u tzv. problematiku. Rešenje skupa kao celine, se ne može izvesti prostim deljenjem na male probleme, njihovim rešavanjem i sintezom opšteg rešenja na veći problem. Kompleksni problemi nikada ne postoje izolovano i retko ih karakterišu kauzalni odnosi jednog smera. Umesto toga, kompleksnost povezuje probleme i formira šemu zajedničke interakcije i višestruke kauzalnosti. Tačna priroda šeme može biti nejasna. Vrlo često, otkrivamo da su problemi povezani nakon što implementiramo rešenja, što stvara probleme drugog reda. Privreda predstavlja tipičan primer kompleksnosti. Često prisutna nemogućnost da tačno predvidimo fluktuacije u privredi, sugeriše da kompleksnost, inherentna u socio-ekonomskom ponašanju, može da preñe granice naših intelektualnih sposobnosti. Čak i uz korišćenje sofisticiranih ekonomskih teorija i modela, otkrivamo da nismo sposobni da se nosimo sa kompleksnom mrežom meñuodnosa. Imamo teškoće u predviñanju kratkoročnog, godišnjeg ili čak mesečnog stanja privrede. Dugoročna predviñanja od nekoliko ili više godina, liče na nešto više od obrazovanog nagañanja. Simptomi se javljaju u jednom sektoru privrede, kao rezultat dogañaja u nekom drugom sektoru. Npr., produktivnost je povezana sa kapitalnim investicijama, koje su dalje povezane sa kamatnim stopama, kreditnom politikom i poreskim olakšicama. Stanje privrede je takoñe povezano sa šemama mobilnosti radne snage, što je dalje u vezi sa mnogim lokalnim i regionalnim temama, kao što su prilike za zaposlenje, troškovi života, i opšti kvalitet života. Na kraju, stanje privrede, je u velikoj meri, determinisano neopipljivim stvarima, kao što je poverenje u politiku izabranih lidera. Ako postoji rašireno poverenje u ekonomsku politiku koju formulišu vladini lideri, onda ekonomski rast, zapravo postaje izvestan. Takoñe važi i obratno. Ova ekonomska vitalnost može biti koliko stanje uma, toliko i stanje bića. Cirkularne šeme privrede i njenih subjektivnih neopipljivih elemenata, otežavaju identifikovanje tačaka intervencije, koje nude potencijal za proizvodnju željenih efekata. Jasno je da sada preduzete akcije, neće proizvesti brze rezultate; a rezultati koji se na kraju dobiju, mogu biti manifestacija mnogih interventnih sila, koje nije lako izolovati, niti jasno razumeti danas. Kompleksnost i meñuzavisnost, igraju važnu ulogu u svim navedenim slucajevima. Rešavanje ovih problema zahteva pristup koji nam omogućava upotrebu niza relevantnih informacija, uključujući i hard podatke, kao što su informacije koje se mogu kvantifikovati, i soft podatke, koji se izvode iz intuicije, iskustva, vrednosti, procena i imaginativnog nagañanja. Na ovaj način, možemo proširiti svoju analizu, tako da ona uključi moguće ishode, koji inače mogu promaći. Naša konceptualizacija znanja treba da uključi subjektivne opservacije i interpretacije kao i objektivnu procenu realnosti. Ovo delimično zato, jer postoji i znanje koje nije izvedeno iz ponovljenih eksperimentisanja i naučnih dokaza. Što se tiče sistema koji dotiču naše živote, kao što je zajednica u kojoj živimo ili organizacije u kojima radimo, mi poznajemo i stvari u vezi fenomena, koje nikad nismo rigorozno analizirali, i izvlačimo zaključke, koje nikad nismo naučno dokazali. U svakom slučaju, možda neće uvek biti moguće definisati najobjektivniji pristup. Na kraju, vidimo nove intepretacije velikog dela našeg bazičnog znanja, kako nove informacije postaju dostupne. Klasična fizika više ne uživa status koji je razvila u toku dva veka, i čak i teorija relativiteta može biti revizirana, usled novih otkrića. Naučnom znanju je inherentna autokorektivnost, stanje kontinuirane revolucije, jer se stare teorije zamenjuju ili znatno modifikuju. Objektivnost je relativna u odnosu na stepen znanja koje posedujemo. Sledi da je naše viñenje realnog sveta još uvek uveliko stvar kulturalnog razumevanja i interpretacije. U skorije vreme, naučnici uče da uzimaju za ozbiljno procese kognicije, koji odstupaju od normi klasičnog naučnog metoda. Na drugoj strani su oni koji bi odbacili kao lično mišljenje i one tvrdnje koje nisu izvedene iz naučnog procesa koji uključuje pravila i procedure. Činjenica je da naučni metodi nisu uvek dobro adaptirani za ljudske aktivnosti. Operaciona istraživanja i Nauka o menadžmentu, su razvili niz modela i tehnika za mehanicističko izlaženje na kraj sa kompleksnošću. Njihov najveći neuspeh je ljudska oblast učenja i adaptibilnosti, politika i razrešenje konflikata. Rešavanje klasičnog problema, zahteva da se taj problem reši unapred, ili još bolje, da se spreči njegova pojava. Kao rezultat toga, simuliraju se podaci za upotrebu u modelu, pre no što se problem pojavi. Ali nijedan problem se ne pojavljuje baš onda kada ljudi smatraju da će se javiti. Ovo naročito važi za konflikte. Možemo pokušati da sprečimo pojavu konflikta, ali kad se oni jednom jave, potrebna je drugačija procedura da bi se oni zaustavili. Realna situacija je da se problemi rešavaju, kada se jave, i što problem duže traje, to je potrebno duže da bi se on rešio u procesu. U tom slučaju, dobijene informacije imaju veću vrednost dajući bolju predstavu o tome koja vrsta novih informacija može biti potrebna. Ipak, postoje kompleksni problemi, čije rešavanje je previše skupo ili je praktično nemoguće. Za ovakve probleme može biti jeftinije i poželjnije, da se redizajnira sistem, u kom se ti problemi javljaju. Da bi se ovo učinilo, potrebna je velika investicija intelektualnih i materijalnih resursa i politička sposobnost da se ljudi ubede da prihvate promenu. Sistemski pristup bi bio bolje prilagoñen za rešavanje problema, kad bi bio u boljoj poziciji da koristi zajedničku upotrebu deduktivnih i induktivnih metoda nauke. Prvo treba razumeti šta je verovatno da će se desiti, a drugo, kako najbolje kontrolisati situacije, tako da se verovatni ishodi mogu usmeriti u željenom pravcu. 1.2 Hijerarhije kao prezentacije kompleksnosti Kompleksnost se, kao što je poznato, karakteriše velikim brojem interakcija izmeñu mnogih subjektivnih i objektivnih faktora različitog tipa i stepena važnosti, koji potiču od aktera sa različitim ciljevima i konfliktnim interesima, koji se kombinuju da bi se uticalo na verovatnoću ili nemogućnost odabira alternativnog ishoda, koji svima odgovara, uz odreñeni stepen kompromisa. Da bismo izišli na kraj sa kompleksnošću, potrebno je da imamo organizovan okvir koji predstavlja aktere, njihove ciljeve, kriterijume i politike kojima ti ciljevi upravljaju, alternativne ishode i resurse, da bi se te alternative locirale. Korišćenje hijerarhija kao prezentacija kompleksnosti, često je efektivan način da se reši kompleksnost. Postoji nekoliko vrsta hijerarhija. Najjednostavnije su hijerarhije dominacije, koje imaju oblik obrnutog drveta, gde se šef nalazi na vrhu, a slede sukcesivni nivoi šefovanja. Holarhije su u suštini hijerarhije dominacije sa povratnom spregom. Hijerarhije-kineska kutija (ili modularne) povećavaju svoju veličinu od najjednostavnijih elemenata ili komponenti (unutrašnje kutije) ka sve većim agregatima (spoljašnje kutije). Koncentrisaćemo svoju pažnju na hijerarhije dominacije, čija je je teorija generalizovana na ostale hijerarhijske forme. Kaže se da je hijerarhija potpuna, kada svaki elemenat datog nivoa, funkcioniše kao kriterijum za sve elemente nivoa ispod, u protivnom je nepotpuna. Opšti cilj ili fokus problema, kao što je izbor najboljeg auta, dizajniranje najboljeg sistema, alociranje resursa prema važnosti, je obično vršni (top) nivo hijerarhije, koji se zove cilj ili fokus. U predviñanju, ovaj nivo može da se sastoji od horizonata (nekoliko vremenskih intervala, recimo 3 ili 5 godina). Nakon fokusa, dolazi nivo najvažnijih kriterijuma, kao što su cena, stil, komfor i veličina auta; ili u predviñanju, profitabilnost, investicije, konkurencija itd. Svaki kriterijum se može podeliti na podkriterijume. Posle njih dolazi nivo alternativa, kojih može biti veoma mnogo. U odreñenim hijerarhijama, nivo aktera se može uključiti ispod nivoa opštih kriterijuma (ponekad ovaj nivo kriterijuma može biti potpuno odsutan), da bi se determinisalo koji akter ima najveći uticaj na ishod. Posle ovoga ide nivo ciljeva aktera, za svakog aktera, pa zatim nivo politika aktera na osnovu ciljeva svakog aktera, a sledi nivo alternativnih ishoda. U principu, dekompozicija problema (ili fokus) u hijerarhiju, prati sled misli pojedinaca. Kako da znamo da smo odabrali pravi fokus ili cilj, prave kriterijume i uključili adekvatne aktere, itd? Možemo li pratiti metod, koji nam pomaže da tačno identifikujemo problem, odaberemo ciljeve za njihovo rešavanje, i dalje strukturiramo hijerarhiju? Bilo kako, hijerarhijska prezentacije nije jedinstvena, već na krajnji rezultat utiče usvojena hijerarhijska struktura. 1.3 Strukturiranje hijerarhije Prvi korak u strukturiranju hijerarhije problema bio bi definisanje opšteg cilja tj. problema koji pokušavamo da rešimo. Cilj treba da odražava pretpostavke u pogledu uzroka problema a ne samo njegove manifestacije (npr. nizak moral zaposlenih kao uzrok niske produktivnosti). Niska produktivnost nije problem, već njegova manifestacija. Sledeći korak je identifikacija pretpostavki, eksplicitnih i implicitnih, koje su reflektovane u našoj definiciji problema. Ukoliko ove pretpostavke nisu validne, potrebno je formulisati nove ciljeve. Pri tome,veoma je vazno uočiti sopstvene pristrasnosti i predrasude koje bi mogle uticati na definiciju problema. Čak i trivijalan problem kao što je kupovina auta, može imati uticaja na više zainteresovanih aktera i dobro je znati ko su oni i kako definišu problem i ako postoji mogućnost, poželjno bi bilo da učestvuju u konstrukciji hijerarhije. Moguće je da postoje druge definicije problema, vitalnije od one koju smo postavili, pa je to činjenica koju bi trebalo uzeti u obzir. Nijedan problem se ne može posmatrati izolovano od drugih problema u nekom opštem cilju, pri čemu analitički okvir mora biti elastičan i prilagodljiv problemu. Svi aspekti problema moraju biti razmotreni, kriterijumi za analizu organizovani u hijerarhiju, na način da su relevantni faktori grupisani u uporedive klase kojima je dodeljen odgovarajuci pozitivan ili negativan smer. Važno je za donosioca odluke saznanje da je sposoban da odgovori na pitanja o važnosti elemenata u posmatranom nivou, u odnosu na elemente višeg nivoa kao i da je u stanju da formuliše pitanja na koja će odgovarati na svakom nivou. U vreme kada nije bilo dovoljno empirijskih rezultata, ljudi su razmišljali o svom problemu izlistavajući sve ideje za koje su smatrali da su relevantne i onda ih grupisali u klastere sličnih stvari, a zatim ih aranžirali u nivoe prednosti, da bi utvrdili odnose izmeñu onoga što je važnije, onoga što je manje važno i onoga što je još manje važno. Tako su započeli rani primeri hijerarhije, i tako su nastale dve različite klase hijerarhija: hijerarhija unapred, strukturirana za projektovanje onoga što je verovatno i hijerarhija unazad, za determinisanje onoga što je željeno i za njegovo ostvarenje. Kombinovanjem ove dve hijerarhije, razvijena je kontrolna ili hijerarhija planiranja. Postoje dva opšta tipa hijerarhija dominacije, koja se sreću u praksi: 1. Proces hijerarhije unapred, koji projektuje sadašnje stanje problema, u verovatnu ili logičnu budućnost (ili posledicu), i 2. Proces hijerarhije unazad, koji determiniše kontrolne politike, da bi pomogao u ostvarenju željene budućnosti (ili posledice). Oba ova tipa hijerarhija, se koriste u procesu planiranja. Planiranje je iterativan proces, koji kombinuje procese unazad i unapred, da bi stvorio konvergenciju verovatnog ka željenom. Nivoi hijerarhije unapred, koji se javljaju u opadajućem nizu, u najopštijoj formi (u praksi odreñene hijerarhije su mnogo jednostavnije) su makroekološka ograničenja, društvena i politička ograničenja, sile, ciljevi, akteri, ciljevi aktera, politike aktera, scenarija kontrasta i kompozitni scenario. Nivoi tipa hijerarhije unazad, su: anticipatorna scenarija, problemi i mogućnosti, akteri i koalicije, ciljevi aktera, politike aktera i odreñene kontrolne politike, da bi se uticalo na ishod. Kao i u procesu hijerarhije unapred, neki nivoi se mogu eliminisati, zbog odreñenih problema. Primećujemo da se struktura hijerarhije može promeniti, da bi uzela u obzir anomalije izbora. Ovde je data situacija koja se predstavlja u problemima izbora. Na primer, ako se A preferira u odnosu na B, uvoñenjem više primeraka A, postavlja se pitanje da li se i dalje preferira A, ili se, sada, zbog većeg broja A preferira B? Sa jedne strane, A može biti čak još atraktivnije od B– što više to bolje. Sa druge strane, dodavanje A, može da promeni preference – kad imate nečega previše, nikad ga mnogo ne želite. Pitanje je kako se može razviti teorijski pristup, tako da on može da dovede do oba ishoda, prema tome koji od njih je poželjan? Očigledno je da je svesnost u vezi problema, u glavi korisnika. Matematički pristup ne može sam po sebi, da automatski načini tu distinkciju. Potrebno je da prezentujemo svoja skrivena očekivanja, u formi kriterijuma u hijerarhiji. U ovom smislu treba pomenuti još dve ideje. Prva je da kriterijum višeg prioriteta u hijerarhiji, može imati nekoliko alternativa, koje se na osnovu njega procenjuju, dok kriterijum nižeg prioriteta, može imati malo alternativa. Želi se da se poveća prioritet elemenata u većem skupu, jer ako ih ima mnogo, onda svaki može dobiti manji kompozitni prioritet, nego svaki od malog broja elemenata, pod kriterijumom niskog prioriteta. Ponekad, nekim drugim, reñim elementima je potrebno dati viši prioritet. U prvom slučaju, može se množiti prioritet svakog kriterijuma sa relativnim brojem elemenata pod njim, i normalizovati ponderi kriterijuma. U drugom slučaju, se može upotrebiti komplementarni set pondera. Opštiji pristup bi bio onaj koji je opisan gore, da se uvede dodatni kriterijum u hijerarhiju, koji se zove važnost broja silaznih elemenata. Prioritizacija se sprovodi na osnovu ovog kriterijuma, koji se takoñe poredi sa ostalim kriterijumima. Na kraju, ako bi trebalo da pretpostavimo da su neizrečena osećanja i iskustva ljudi, fundamentalne osnove, na kojima pojedinac artikuliše svoju kreativnost, onda se procene i njihov intenzitet, mogu upotrebiti za izražavanje unutrašnjih osećanja i inklinacija. One takoñe povećavaju okvir samog diskursa, tako što šire klastere i elemente hijerarhije. Ovaj pristup dizajnu sistema i rešavanju problema, podstiče uroñenu sposobnost ljudi da logično i kreativno razmišljaju, da identifikuju dogañaje i utvrde odnos izmedju njih. U ovom smislu, primećujemo da ljudi imaju dve prenosive osobine. Jedna je njihova sposobnost da saopšte i uoče stvari, i tako prenesu ono što su uočili. Druga je njihova sposobnost da diskriminišu, utvrñivanjem odnosa i njihovog intenziteta, uzmeñu onog što su uočili, i da onda sintetizuju te odnose u ukupno razumevanje. 2. Višekriterijumska analiza i kompleksnost Mnogi kompleksni problemi odlučivanja karakteristični su po tome što informacije koje se tiču konteksta koji definiše problem nedostaju ili su u meñusobnoj kontradikciji37, a uključeni su mnogi akteri sa sopstvenim ciljevima, perspektivama i emocijama. U procesu rešavanja problema, generalno se razlikuju sledeće faze, povezane sa zadacima: prepoznavanje problema, definisanje problema, odreñivanje ciljeva koje treba ostvariti, generisanje alternativnih rešenja, evaluacija rešenja, generisanje toka implementacije, implementacija usvojenog rešenja i monitoring njegove performanse. Analitička podrška rešavanju ovakvih kompleksnih problema se fokusira eksplicitno na odlučivanje koje se može 37 Clark, K.B., The interaction of design hierarchies and market concepts in technological evolution, 1985, Research Policy 14, 235-251. definisati kao niz koraka od definisanja problema do uključivanja generisanja toka implementacije38. U tom smislu, jedno sveobuhvatno razumevanje procesa odlučivanja je esencijalno za adekvatnu primenu adekvatnog sredstva za podršku odlučivanju. U osnovi ranih, normativnih modela odlučivanja, stoji prećutna pretpostavka da se odluke donose na čisto kognitivnim osnovama39. Meñutim, ljudsko odlučivanje je dokazalo da odstupa od ovih modela, na sistematske načine. Generalno, nekognitivne varijable kao što su emocije i motivacija, bez sumnje, utiču na proces odlučivanja. Potrebno je da se modeli odlučivanja adekvatno izbore sa meñuodnosom kognitivnih i nekognitivnih varijabli40. Ove varijable su povezane sa nekoliko meñusobno povezanih faktora, koji oblikuju procese interakcije grupe. Ovi faktori uključuju osobine pojedinih članova grupe, čitave grupe, zadataka grupe i okruženja u kome ta grupa funkcioniše41. Hijerarhijski model je složeni model koji obuhvata ovu kompleksnost grupnog odlučivanja. Ovaj model se sastoji od granica grupe i tri meñusobno povezane dimenzije:zadatak-održavanje, eksplicitno-implicitno i normativno-lokalizovano42. Granice grupe definišu sastav članstva grupe i stepen u kome su ti članovi posvećeni samoj grupi. Hijerarhijski model deli grupne procese odlučivanja na funkcije zadatka i održavanja. Funkcije zadatka se bave rešavanjem problema od strane grupe, u svom organizacionom kontekstu. Funkcije održavanja olakšavaju koheziju grupe, sposobnost članova da kooperiraju, ili posvećenost članova grupi i zadacima. Ovaj model pretpostavlja da kada se funkcije održavanja ili funkcije zadatka posmatraju eksplicitno, ove druge se javljaju implicitno. I norme grupe i pojedinačne karakteristike, uključujući ličnost, sposobnosti, ulogu ili stavove članova grupe, utiču na proces odlučivanja. Esencijalne faze procesa analitičkog odlučivanja su izviñanje (obaveštavanje), dizajn, izbor i podrška za implementaciju43. Tokom faze izviñanja, članovi grupe definišu problem, odreñuju ciljeve koje treba ostvariti i generišu alternativna rešenja. U dizajnu, ključni faktori se strukturiraju u drvo odlučivanja. Tokom izbora, rešenja se evaluiraju, i pruža se podrška za implementaciju najboljeg rešenja. Prateći ovaj redosled aktivnosti, grupa je uključena i u funkcije održavanja. Odvajanje divergentnog izviñanja i konvergentne faze izbora, pomaže grupi da se ogradi 38 Cooke, S., Slack, N., Making management decisions, 1984, Englewood Cliffs, NJ, Prentice Hall International. 39 Keren, G., Perspectives of behavioral decision making:some critical notes, 1996, Organizational behavior and human decision process, 65(3), 169-178. 40 ibid 41 McGrath, J.E., Groups:interaction and performance, 1984, Englewood Cliffs, NJ, Prentice Hall. 42 Hoffman, L.R., Improving the problem-solving process in managerial groups, Guzzo R.A., (ed), in:Improving group decision making in organizations:approaches from theory and research, 1982, New York, Academic Press. 43 Lewandovski, A., Wierzbicki, A.P., Aspiration based decision support systems, LNEMS, 1989, Berlin, Springer. od zamki deljenja informacija tj. da zanemari relevantne kriterijume odlučivanja i da se prerano fokusira na rešenja.44 Ipak, sama strukturirana agenda nije dovoljna da podrži performansu odlučivanja. Podrška odlučivanju je korisna jer otkriva neslaganja, dvosmislenosti, neizvesnosti, kontradikcije i nedostatak informacija. Ovo nagoni članove grupe da dele više informacija i da rezonuju, da bi bolje razumeli svoje procene i da bi proširili svoja gledišta na definisane ciljeve. Formiranje kritičnog stepena konsenzusa i zajedničkog razumevanja razloga za kontinuirane razlike, je esencijalno za posvećenost grupi i zadacima45. Usled svojih divergirajućih perspektiva, interesovanja, iskustava i znanja, članovi grupe će imati različite informacije i različite percepcije istih informacija. Ova raznolikost može dovesti do veće performanse deljenja informacija kada se članovi bolje razumeju i kombinuju meñusobne informacije ili ideje. Meñutim, osetljivost evaluacije i grupno razmišljanje ometaju podelu informacija. Ovi problemi se mogu umanjiti uz pomoć normi grupe koje podstiču na konstruktivno slušanje i odgovaranje na stavove koje izražavaju drugi, davanje podrške i priznavanje interesa i dostignuća drugih. Pri tome, potrebno je da članovi grupe dele jedinstvene i relevantne informacije koje se tiču definicije problema, kako bi se podržala konverzija procena pojedinačnih članova u zajedničke grupne procene. Sredstva višekriterijumske analize mogu da pruže podršku odlučivanju, tako što olakšavaju razmenu informacija i formiranje konsenzusa, kroz strukturiranje procesa odlučivanja i tako što čine eksplicitnim neslaganja meñu članovima grupe. Još preciznije, ona pružaju analitičku podršku odlučivanju, da bi se evaluirao konačan broj alternativa odlučivanja u odnosu na konačan broj kriterijuma. Sredstva višekriterijumske analize odlučivanja podržavaju odlučivanje u analizi važnosti kriterijuma i preferenci za alternative koje se tiču ovih kriterijuma, da bi se generisao opšti skor za alternative. 2.1 Problem višestrukih i konfliktnih kriterijuma Odavno se zna da u glavi bilo kog pojedinca mogu koegzistirati više-manje konfliktni kriterijumi. Meñutim, Simon46, je bio prvi koji je dao naučnu osnovu ovoj činjenici, uveo je kao ideju u svoj model 44 Stasser, G., Taylor, L.A., Hanna, C., Information sampling in structured and unstructured discussions of three - and six - persons groups, 1989, Journal of Personality and Social Psychology 57, 67-78. 45 Gear, A.E., Minkes, A.L., Read, M.J., On interactive communication and decision making, 1999, International Journal of Technology Management, 17(1-2), 208-222. 46 Simon, H.A., A Behavioral Model of Rational Choice, The Quaterly Journal of Economics, vol.LXIX, 1955, Cowles Foundation Paper 98, pp.1-20. limitirane racionalnosti i dao status zadovoljavajućeg rešenja koje ne mora da bude optimalno. Bilo je potrebno da proñe neko vreme dok ova ideja ne bude prihvaćena, tako da je Roy47, izneo zahtev da operaciona istraživanja, utemeljena na paradigmi jednokriterijumske optimizacije, treba de- optimizirati, jer ideja optimizacije nema smisla u višekriterijumskoj analizi. Krajem 80-tih godina dvadesetog veka, Roy48, uvodi ideju nove paradigme, identifikujući nekoliko nivoa u novom načinu razmišljanja. Prvi nivo je nivo limitirane racionalnosti kroz korišćenje različitih kriterijuma u različito vreme, kako se razvija interakcija akcije i odlučivanja. Drugi nivo je višekriterijumsko modeliranje ili paradigma. Roy insistira na sledećem: 1) postoji nekoliko više ili manje konfliktnih kriterijuma, relevantnih i legitimnih za voñenje posmatranog organizacionog sistema, i 2) pojam optimalno voñenje sistema je beznačajan, već je cilj pronalaženje sukcesivnih ekvilibrijuma, gde pozicija svakog ekvilibrijuma rezultira iz kompromisa ili arbitriranja meñu kriterijumima. Sukcesivni kompromisi se otkrivaju jedan po jedan kroz sistem koji počiva na sposobnosti njegovih članova da vrše kompromise. Tako ideja apsolutnog optimuma gubi svaki smisao, što nužno ne implicira da ne postoje odluke koje su bolje od ostalih, već da je najbolja odluka sa svih stanovišta mit. Nekoliko sukcesivnih kompromisa je moguće, koji determinisani pomoću različitih kriterijuma, ne moraju biti racionalni: oni predstavljaju normalnu evoluciju ravnoteža koje treba pronaći, a do koje dovode promene okruženja, ravnoteže sila, moći, informacija i dr., u okviru organizacije. Ove modifikacije su često rezultat neravnoteža koje nastaju u prethodnim ekvilibrijumima. U stvari, ako se želi optimizacija, pre se može govoriti o optimizaciji procesa dobijanja sukcesivnih kompromisa. Tako je na putu od jedne paradigme do druge, došlo do promena u aspektu posmatranja, uključujući put od jednog do više kriterijuma, priznavanje uloge konteksta odlučivanja, uvoñenje ideje o procesu odlučivanja i napuštanje ideje o konvergenciji i inkrementalnom procesu. Teorijske konsekvence ovih promena ogledale su se u pojavi paradigme o "uplašenom čoveku". Ovaj pojedinac je zabrinut za budućnost (uplašenost u smislu straha), posmatra globalno umesto da detaljno analizira (uplašenost u smislu percepcije) i oportunista je. Uplašen čovek ima poverenje u sopstveno preñašnje iskustvo sa situacijama od kojih je strepeo, tako da na osnovu tog poverenja donosi odluku koja neće biti optimalna, već konzervativna i bazirana na nivou satisfakcije. On je pre osoba koja izvršava zadatak, nego što ga optimizira uprkos neizvesnosti, postižući cilj posle mnogo neuspeha, pre intuicijom nego kalkulacijom. Konsekvence paradigme o uplašenom čoveku odgovaraju onome što je uočeno u praksi: 47 Roy, B., Il faut desopotimiser la Recherche Operationnelle, julliet 1968, Bulletin de l Afiro, no 7, editorial. 48 Roy, B., Des criteres multiples en Recherche Operationnelle, in: Grand, G.K.,(editor), Operational research, Elsevier Science Publisher, 1988, North Holland, pp.829-842. 1) Analizom dominira uplašenost. U situacijama kompleksnog odlučivanja, donosilac odluke ne smatra da bi trebalo da veruje, već da prati rezultate analize. Navedeno predstavlja argument za višestruke kriterijume ali i upozorenje, da čak i kod višestrukih kriterijuma, u glavi donosioca odluka postoji svesnost o visokom riziku da analiza neće rešiti problem. 2) Proces odlučivanja je interaktivan i rekurzivan. Evaluacije i modifikacije su često lokalnog karaktera, tako da se retko viña proces odlučivanja u kojem se zadržava opšta racionalnost od početka do kraja. 3) Konflikti vrednosti i interesa su neizbežni u svakoj organizaciji i nemoguće ih je teorijski rešiti, jer u svakom trenutku preovladava jedan ili drugi interes. Ipak, kriterijumi za odlučivanje nisu apsolutna kategorija i mogu se menjati tokom vremena. Osim toga, stvaranje novih alternativa i eliminisanje starih može da olakša postizanje kompromisa. 4) Donosioci odluka su više uplašeni od analitičara. Posledica ovoga je da su donosioci odluka nespremni da koriste komplikovane višekriterijumske metode. 5) Optimizacija je teorijski koncept koji nije od pomoći u situacijama koje karakterišu neizvesnost i konflikt, ili u slabo strukturiranim višedimenzionalnim situacijama koje ne dopuštaju numeričko modeliranje. Ovaj argument favorizuje višekriterijumsko odlučivanje do tačke gde se pretpostavlja prisustvo nekog strukturiranja, ali ne nudi pomoć u evaluaciji neizvesnih alternativa. Opšti zaključak bio bi da ne može postojati univerzalna definicija optimalnosti, sve zavisi od organizacionog konteksta, razmišljanja, motiva i ciljeva donosioca odluka. Višekriterijumsko odlučivanje nije jedinstven instrument za rešavanje složenih problema, ali bar dozvoljava da se odluka donese u situacijama kada je uključen veliki broj dimenzija, bez insistiranja na optimizaciji. 2.2 Paradigma diskretnog višekriterijumskog odlučivanja Menadžeri u organizacijama retko spontano koriste višekriterijumsku analizu. Šta više, privatna preduzeća su i dalje u jednokriterijumskoj paradigmi koja se dobro uklapa sa jedinicom odluke i ciljem, što je dominantna vizija većine iz senior menadžmenta. Iskustvo pokazuje da je odluka ili proizvod intuicije i diskrecioni proizvod pojedinca, pri čemu praktično ne postoji pomoć pri odlučivanju, ili , alternativno, proces odlučivanja uključuje nekoliko ljudi, čak iako samo jedan na kraju donosi odluku. Višekriterijumska analiza – odlučivanje, se generalno koristi ne na nivou odluke i strategijskog planiranja, već onda kada je teško izbeći višestruke kriterijume, kao što su izbor nove proizvodne ili distributivne jedinice, materijalnih investicija, finansijskih investicija itd., uz ravnotežu barem dva faktora – rizika i prinosa. U diskretnom višekriterijumskom odlučivanju pretpostavlja se prisusutvo donosioca odluka, koji će očigledno učestvovati kao element u modelu. U praksi, pojam donosilac odluke, se odnosi ili na jednu, ili na grupu pojedinaca, ali i na ljude čiji je posao analiziranje izvesnih izbora, čak iako oni ne donose odluke, ili ako se odluke donose kasnije. Prosto zato što se trenutak odluke retko može identifikovati, već je proces odlučivanja kontinualan i prolazi kroz barem četiri faze: prikupljanje informacija, dizajn, izbor i pregled. Faze ne idu jedna za drugom po nekom utvrñenom redu i mogu se menjati više ili manje slučajno, kako napreduje razmišljanje donosioca odluke. U višekriterijumskoj analizi faza prikupljanja informacija će se primenjivati na čitav problem kojim se bavimo, uključujući pregled kriterijuma i mogućih alternativa. Alternative predstavljaju moguće izbore donosioca odluka. Polazna tačka u formulaciji alternativa, obično je mali broj ideja donosioca odluka, koje se zatim, moraju redefinisati kako bi se dobio validan set izbora, što pretpostavlja najpre povećanje broja alternativa kako bi se istražila ostala rešenja, a zatim, njihovu redukciju na vrlo mali broj alternativa koje se detaljno ispituju. Ograničavajući faktor koji se može pojaviti prilikom povećanja broja alternativa je rezervisanost donosioca odluka prema prevelikom skupu izbora. Alternative su retko jednostavne, pre su višestruke, ili je to čak čitav scenario koji uključuje subalternative. Tako npr., svaka bazična alternativa može generisati nekoliko scenarija u zavisnosti od toga kakve su pretpostavke izvršene o reakcijama iz okruženja, a onda će svaki scenario biti razmotren kao alternativa sa odgovarajućom verovatnoćom da će biti izabran. Očigledno je da konstrukcija skupa alternativa kao i analiza alternativa ne može biti odvojena od diskusije o kriterijumima, pošto se svaka alternativa mora na kraju proceniti u odnosu na iste kriterijume. Kriterijumi nastaju iz razlika meñu alternativama i uključuju se u proces modeliranja cilja na bazi njihove relevantnosti za izbor postojećih alternativa. To praktično znači da se novi kriterijumi mogu uključiti ili se stari mogu izostaviti, uporedo sa dinamikom razmatranja novih ili izostavljanja starih alternativa. Ovaj proces je u suštini, kontinuirana interakcija izmeñu kriterijuma i alternativa. Adekvatno strukturiranje kriterijuma omogućuje njihovo redefinisanje ukoliko postoji potreba za tim. Kada donosilac odluka vrši izbor izmeñu alternativa u okviru supa izbora, pretpostavlja se da ima na raspolaganju bar jednu liniju evaluacije koja se definiše kao atribut ili odlika alternativa. Kada se atributu doda minimalna količina informacija o preferencama donosioca odluka (DO), preference postaju kriterijumi. Kriterijum, prema tome, izražava preference DO o datom atributu. Ako se evaluacija meñu kriterijumima vrši na numeričkoj osnovi, takve kriterijume nazivamo kvantitativnim. U protivnom, ukoliko ne postoji jedinica mere, kriterijume definišemo kao kvalitativne. U velikom broju višekriterijumskih problema alternative se porede meñusobno u odnosu na kriterijume, pri čemu bi trebalo imati na umu da je zbog ograničene kognitivne sposobnosti ljudskog uma ekstremno teško izvršiti poreñenja sa više od 6-7 komponenti, što redukuje prihvatljiv broj kriterijuma na oko sedam. Ukoliko se smatra da je neophodno da se uzme u obzir veći broj kriterijuma, najčešće rešenje je hijerarhijska struktura. Korišćenje hijerarhijskog modeliranja problema je efektivan način da se DO suoči sa kompleksnošću. Važno pitanje, pri tome, su odnosi koji mogu postojati meñu kriterijumima a koji rezultiraju u njihovom relativnom značaju koji se izražava ponderima. Ponderi moraju biti funkcija porodice kriterijuma, tako da analitičar mora biti pažljiv da ne dodeli nekom kriterijumu preveliki ponder. Problem zapravo nastaje zbog činjenice da kriterijumi najčešće nisu nezavisni i izmeñu njih postoji manje ili više jaka korelacija. Druga faza u procesu odlučivanja je faza dizajna koja se sastoji od konstruisanja seta izbora tj. alternativa i njihove evaluacije u odnosu na svaki od odabranih kriterijuma. Faza izbora je trenutak kada se alternativa konačno bira. Neretko, dešava se da se izbor vrši nezavisno od analize a ponekad i u slučajevima koji su van domena višekriterijumske analize. Što se tiče pregleda, oni se vrlo retko sprovode, čak iako su ih donosioci odluka izvesno svesni. Na kraju, u cilju uvoda u filozofiju Analitičkog hijerarhijskog procesa (AHP), pored donosioca odluka često je pogodno uvesti i tzv. analitičara u proces odlučivanja. Analitičar je osoba (ili tim) koja modelira proučavanu problemsku situaciju i koja će dati preporuke za konačni izbor. Analitičar ne izražava lične preference, već jednostavno, prikuplja preference DO i tretira ih što je moguće objektivnije. Krajnji rezultat višekriterijumske analize kao podrške procesu odlučivanja je otkrivanje preferencija DO ne samo okruženju već i njemu samom. 3. Proces analitičke hijerarhije AHP je sistematska procedura za hijerarhijsko predstavljanje elemenata nekog problema. Organizujući bazičnu racionalnost, tako što razlaže problem na manje i još manje sastavne delove, AHP vodi donosioce odluke kroz niz procena odnosa elemenata problema (koje se dokumentuju i mogu se preispitati), da bi se izrazila relativna snaga ili intenzitet uticaja tih elemenata u hijerarhiji. S obzirom da se procene odnosa svih elemenata vrše meñusobno, poznate su pod nazivom poreñenja parova. Ove procene se nakon toga prevode u brojeve. AHP uključuje procedure i principe, koji se koriste za sintetizovanje mnogih procena, da bi se izveli prioriteti najpre meñu kriterijumima, a nakon toga i za alternativna rešenja. Rešavanje problema je proces postavljanja prioriteta u koracima. Jedan korak odlučuje o najvažnijim elementima problema, drugi o tome kako najbolje popraviti, zameniti, testirati i evaluirati elemente, neki drugi o tome kako implementirati rešenje i meriti performansu. Čitav proces je podložan reviziji i preispitivanju, sve dok onaj ko taj proces vrši, ne bude zadovoljan saznanjem da je otkrio sve važne odlike, potrebne da se predstavi i reši problem. Ovaj proces bi mogao da se sprovede u redosledu hijerarhija; t.j. korišćenjem autputa jedne hijerarhije, kao fokusa interesovanja sledeće hijerarhije. AHP sistematizuje ovaj proces rešavanja problema. U ovom poglavlju izlažemo i ilustrujemo upotrebu AHP-a. Takoñe se bavimo pitanjima konzistentnosti hijerarhije i zavisnosti elemenata. Detaljno izlaganje o AHP se može naći kod Saaty49. Saaty i Vargas50 ilustruju aplikacije AHP-a u različitim sistemima realnog života. Analitički hijerarhijski proces (AHP) AHP koji je u Wharton School of Business, razvio Thomas Saaty,51 omogućuje donosiocima odluka da modeliraju neki kompleksni problem u hijerarhijsku strukturu, pokazujući odnose cilja, zadataka (kriterijuma), podzadataka i alternativa.(sl.3) 49 Saaty, T.L., The Analytic Hierarchy Process, 1980, New York, McGraw-Hill. 50 Saaty, T.L., and Vargas, L., The Logic of Priorities, Applications in Business, Energy, Health, Transportation, 1982, Kluwer-Nijhoff Publishing, Boston. 51 Saaty, T.L., The Analytic Hierarchy Process, New York, McGraw Hill, 1980. Cilj Zadaci Podzadaci Alternative Slika 3. AHP hijerarhija odlučivanja Omogućujući obuhvatanje i kvantifikovanje tzv. neopipljivih kriterijuma, AHP je okvir za rešavanje problema i sistematska procedura za predstavljanje elemenata bilo kog problema, koja se primenjuje na brojne oblasti, kao što je teorija odlučivanja i razrešavanje konflikata. AHP započinje hijerarhijskim dekomponovanjem kompleksnog višekriterijumskog problema, gde se svaki nivo hijerarhije sastoji od nekoliko elemenata podesnih za rukovanje, koji se, zatim, dekomponuju na drugi skup elemenata. Drugi korak je upotreba metodologije merenja za utvrñivanje prioriteta, meñu elementima u okviru svakog nivoa hijerarhije. Treći korak je upotreba AHP-a, za sintetizovanje prioriteta elemenata, za utvrñivanje opštih prioriteta za alternative odlučivanja. AHP se razlikuje od konvencionalnih metodologija analize odlučivanja, po tome što ne zahteva od donosioca odluke, da vrši numerička nagañanja, jer se subjektivne procene lako uključuju u proces, a procene se potpuno mogu izvršiti u verbalnom obliku (modu). AHP zahteva aplikaciju podataka, iskustva i intuicije na logičan i temeljan način, omogućujući donosiocima odluka da izvedu pondere ili prioritete skale koeficijenata (racija), što je suprotno od njihovog arbitrarnog dodeljivanja. Pri tome, AHP ne samo da omogućuje da donosioci odluka strukturiraju kompleksnost i izvrše procenu, već im i dozvoljava da inkorporiraju i objektivno i subjektivno razmatranje u procesu odlučivanja.52 AHP je kompenzatorna metodologija odlučivanja jer alternative koje su oskudne u pogledu jednog ili više zadataka mogu da budu kompenzirane njihovom performansom u pogledu ostalih 52 Forman, E.H., The Analytic Hierarchy Process ass a Decision Support System, Proceedings of the IEEE Computer Society(Fall, 1983). zadataka.53 AHP se sastoji od nekoliko postojećih ali nepovezanih koncepata i tehnika kao što su hijerarhijsko strukturiranje kompleksnosti, poreñenje parova, procene, metod karakterističnog vektora za izvoñenje pondera i razmatranje konzistentnosti. Iako je svaki od ovih koncepata i tehnika bio sam za sebe koristan, Saaty-jeva sinergijska kombinacija koncepata i tehnika je proizvela proces čija je snaga veća od zbira njegovih delova.54 AHP daje kvalitativne mere jačine preference jednog mišljenja u odnosu na drugo, umesto da traži od pojedinaca da daju procene odreñenih vrednosti ishoda za svako mišljenje. Čitav pristup je dizajniran oko koncepta poreñenja parova kako bi se definisala važnost datog broja (recimo n) faktora, za neku specifičnu situaciju, pri čemu se koristi relativna skala za poreñenje dva cilja istovremeno. Stoga, za n ciljeva zahteva se ukupno n(n-1)/2 poreñenja.(tabela 1). Broj ciljeva 2 3 4 5 6 7 8 9 10 Broj poreñenja parova 1 3 6 10 15 21 28 36 45 Tabela 1: broj ciljeva nasuprot broju poreñenja parova Dve važne oblasti u AHP su skala poreñenja koja se koristi i maksimalni broj ciljeva koji se uključuju u analizu. Pokazano je u komparativnim studijama da u ovom okviru, skala poreñenja od 1-9, najbliže simulira ljudsko odlučivanje, pri poreñenju faktora. Ova se skala generalno definiše na sledeći način: 53 Kompenzatorne metodologije odlučivanja su one koje se konfrontiraju konfliktu, omogućujući da se niska vrednost po jednoj dimenziji trampi za visoku vrednost po drugoj. Na drugoj strani su metodologije koje izbegavaju konflikt i ne omogućuju takvu trampu, odnosno nekompenzatorne metodologije. 54 Uvoñenjem njegove PC implementacije Expert Choice, broj i raznolikost AHP aplikacija su znatno porasli. U 1995.godini, Expert Choice se koristio u 57 zemalja širom sveta a bilo je preko 1000 žurnala i drugih navoda o AHP-u. Meñunarodno društvo za AHP (International Society of the Analytic Hierarchy Process), vrši sastanke svake 2 ili 3 godine širom planete. Intenzitet relativne važnosti Definicija Objašnjenje 1 Jednaka važnost Dve aktivnosti jednako doprinose cilju 3 Umerena važnost jednog u odnosu na drugi Iskustvo i procena blago favorizuju jednu aktivnost u odnosu na drugu 5 Esencijalna ili jaka važnost Iskustvo i procena jako favorizuju jednu aktivnost u odnosu na drugu 7 Demonstrirana važnost Jedna aktivnost se jako favorizuje i njena dominacija se demonstrira u praksi 9 Ekstremna važnost Dokazi koji favorizuju jednu aktivnost u odnosu na drugu su najvišeg mogućeg reda afirmacije 2, 4, 6, 8 Srednje vrednosti izmeñu dve susedne procene Kada je potreban kompromis Reciprociteti gornjih nenultih brojeva Ako jedna aktivnost ima jedan od gornjih brojeva, (npr.3.) u poreñenju sa drugom aktivnošću, onda druga aktivnost ima recipročnu vrednost (tj. 1/3), kada se poredi sa drugom Skala relativne važnosti. Izvor: Saaty, T., and Kearns, K., Analytical Planning: The Organization of Systems, The Analytic Hierarchy Process Series, Vol.IV, 1985, p.27. U psihološkim eksperimentima je pokazano da donosilac odluke ne može simultano porediti više od 7 ± 2 faktora bez konfuzije. Ova tvrdnja se bazira na broju poreñenja koja treba izvršiti i na vremenu potrebnom da se taj zadatak izvrši. Stoga, postoji prirodan limit broja faktora koji se mogu uključiti u studiju. AHP uključuje četiri glavna koraka: 1) razvoj hijerarhije meñusobno povezanih elemenata odlučivanja koji opisuju problem; 2) poreñenje parova elemenata odlučivanja, obično koristeći skalu poreñenja 1-9, da bi se dobili input podaci; 3) izračunavanje relativnih pondera elemenata odlučivanja, najčešće korišćenjem metoda karakteristične vrednosti i 4) agregacija relativnih pondera elemenata odlučivanja kako bi se izračunao rejting alternativnih mogućnosti odlučivanja. AHP je izgrañen na jakim a ipak jednostavnim teorijskim osnovama. Osnovni model je onaj sa kojim je upoznat gotovo svaki rukovodilac - kolač grafikon. Ako nacrtamo kolač grafikon, čitav grafikon predstavlja cilj odlučivanja. Kolač je organizovan u klinove, gde svaki klin predstavlja zadatak (kriterijum) koji doprinosi cilju. AHP pomaže da se determiniše relativna važnost svakog klina u kolaču. Dalje se svaki klin može podeliti na manje klinove koji predstavljaju podzadatke itd. Na kraju manji klinovi koji korespondiraju sa najnižim nivoom podzadataka, se razlažu na alternativne klinove ili kriške, gde svaka od njih predstavlja obim u kom svaka alternativa doprinosi tom podzadatku. Izvoñenjem prioriteta za kriške, determiniše se obim doprinosa alternativa svim zadacima. AHP se bazira na tri osnovna principa: identitetu i dekompoziciji, poreñenjima parova i sintezi prioriteta.55 Princip dekompozicije se primenjuje na strukturu problema odlučivanja koji se formalno definiše kao hijerarhija od, generalno, tri nivoa. Ovaj princip podrazumeva eksplicitno odreñivanje cilja na najvišem nivou, kriterijuma tj. zadataka na drugom nivou i alternativa na trećem nivou. Cilj se definiše kao izjava opšteg zadatka. Zadaci ili kriterijumi su izraz onoga što se pokušava ostvariti. Alternative su instrument za ostvarenje krajnjeg cilja. Kompleksnije hijerarhije mogu inkorporirati i pozadatke koji omogućuju veće specificiranje u modelu, u smislu boljeg detaljisanja zadataka. Princip komparativnih procena se primenjuje za konstrukciju parnih poreñenja svih elemenata odlučivanja, koja se zatim koriste za izvoñenje njihovih lokalnih prioriteta. Princip hijerarhijske kompozicije ili sinteze se primenjuje za multiplikovanje lokalnih prioriteta, stvarajući globalne prioritete kroz hijerarhiju, a zatim ih dodajući elementima najnižeg nivoa tj. alternativama. 3.1 Principi AHP Princip identiteta i dekompozicije Princip identiteta i dekompozicije zahteva hijerarhijsko strukturiranje problema, što je prvi korak koji se mora preći kada se koristi AHP. U svojoj najelementarnijoj formi, hijerarhija je strukturirana od 55 Saaty, T., Fundamentals of Decision Making and Priority Theory with Analytic Hierarchy Process, RWS Publications, Pittsburgh, 1994, p.337. vrha (ciljevi sa menadžerskog stanovišta), kroz srednje nivoe (kriterijumi od kojih zavise naredni nivoi) do najnižeg nivoa (što je obično lista alternativa). Za adekvatan izbor kriterijuma i konstrukciju hijerarhije, potrebno je pridržavati se odreñenih smernica: 1) problem se mora predstaviti što je moguće temeljnije ali da se pri tome ne izgubi osetljivost na promene elemenata, 2) razmotriti okruženje koje okružuje problem, 3) identifikovati atribute ili pitanja koja doprinose rešenju, i 4) razjasniti odnose izmeñu učesnika u problemu56. Skup kriterijuma mora biti koherentan, što znači da mora zadovoljiti tri osnovna uslova: 1) Iscrpnost. Nijedan od atributa koji se koristi za diskriminaciju meñu alternativama ne sme biti zaboravljen. Od vitalnog je značaja da izabrani kriterijumi zaista izražavaju sve atribute koji se razmatraju u odlučivanju. 2) Konzistentnost. Globalne preference donosioca odluka moraju biti koherentne sa preferencama prema svakom kriterijumu. Ova osobina je generalno zadovoljena kod racionalnog donosioca odluka, ali svakako može predstavljati problem, jer pretpostavlja dobro poznavanje globalnih preferenci donosioca odluka. 3) Ne-suvišnost. Skup kriterijuma koji zadovoljava navedene uslove je ne-suvišan, ako eliminacija jednog kriterijuma dovodi do toga da ostatak skupa kriterijuma ne zadovoljava uslove iscrpnosti i konzistentnosti. Organizovanje kriterijuma u hijerarhiju ima dve svrhe: 1) pruža opšte viñenje kompleksnog odnosa koji je inherentan posmatranoj situaciji, i 2) pomaže donosiocima odluka da procene da li su stavke na svakom nivou istog reda veličine, tako da se može sačuvati homogenost poreñenja. Hijerarhijski portret nekog problema, se najbolje ilustruje jednostavnim primerom, koji ćemo koristiti u većem delu ovog poglavlja, da bismo objasnili AHP. Pretpostavimo da je jedna porodica sa prosečnim primanjima, koja živi u iznajmljenom stanu, odlučila da kupi stan, i da je identifikovala tri interesantna stana i šest kriterijuma, za koje smatra da bi ih trebalo uzeti u obzir, kada je stan u pitanju. Ti kriterijumi su podeljeni u tri kategorije: ekonomski, geografski i fizički. Iako neko može započeti ispitivanjem relativne važnosti ovih klastera, pretpostavimo da hipotetička porodica želi da prioritizuje relativnu važnost svih faktora, bez rada sa klasterima. Problem je bio odlučiti, koji od tri stana- kandidata, izabrati. Prvi korak je dekompozicija ili strukturiranje problema, kao hijerarhije. Na prvom (ili vršnom) nivou, je opšti cilj ''Zadovoljstvo lili satisfakcija stanom''. Na drugom nivou je šest faktora 56 Saaty, T.L., How to Make a Decision: The Analytic Decision Process, 1990, European Journal of Operatios Research 48, pp.9-26. ili kriterijuma koji doprinose cilju, a na trećem (ili poslednjem) nivou su tri stana – kandidati, koje treba evaluirati u odnosu na kriterijume, na drugom nivou (slika 4). Kriterijumi koji su važni za porodicu, su bili sledeći: 1. Veličina stana: terasa; veličina soba; broj soba; ukupna površina stana 2. Blizina vaznih institucija (lokacija):obdanište, skola, posao. 3. Susedstvo: Malo saobraćaja, sigurno, lep pogled, dobro stanje susedstva. 4. Starost stana: nova -stara gradnja. 5. Opšte stanje: Potrebne popravke; zidovi, tapete, čistoća; električne i vodovodne instalacije. 6. Raspoloživo finansiranje: hipoteka, finansiranje od strane prodavca, ili bankarsko finansiranje. Primećujemo da se kriterijum opsteg stanja, može podvesti pod kriterijum starosti stana, ali ilustracije radi, posmatracemo ih odvojeno. SATISFAKCIJA STANOM Veličina stana Stan A Susedstvo FinansijeBli ž- nih isntituc. zina va Starost stana Opšte stanje Stan B Stan C Slika 4: hijerarhijska struktura problema satisfakcije stanom Ovaj format opadajuće dekompozicije se lako može upotrebiti u mnogim problemima. Pored toga, može se uraditi blaga modifikacija, da bi se inkorporirale povratne petlje, pa se onda proširuje opseg problema, na koje je ovaj format primenljiv. Zakon hijerarhijskog kontinuiteta, zahteva da elementi najnižeg nivoa hijerarhije, budu parno uporedivi, prema elementima na sledećem nivou, i tako redom, sve do fokusa hijerarhije. Npr. mora se biti u mogućnosti da se pruže značajni odgovori na pitanja, kao što su : ''Što se tiče susedstva, kakva je poželjnost Stana A u odnosu na Stan B ili Stan C?'' Što se tiče satisfakcije stanom, kolika je važnost veličine u odnosu na blizinu važnih institucija?'' itd. Kadgod postoji neizvesnost, do kojih nivoa uvesti hijerarhiju, zakon hijerarhijskog kontinuiteta daje vezu. Zadatak je izvesti prioritete elemenata u poslednjem nivou, koji, što je nabolje moguće, odražavaju njihov relativni uticaj na fokus hijerarhije. Važno je primetiti da AHP zahteva da problem strukturiraju učesnici u procesu odlučivanja; u ovom jednostavnom primeru, članovi porodice bi osmislili hijerarhiju u skladu sa svojim uočenim potrebama i svojim shvatanjem ograničenja (t.j. ograničenih sredstava) i mogućnosti (stanova, za koje su se opredelili) situacije. Ovaj korak zahteva dijalog i debatu, da bi se uverili da kriterijumi i alternative odražavaju opseg preferenci i percepcija uključenih ljudi. Nije esencijalno da se svi učesnici u procesu planiranja, slože oko svake komponente problema. U ovoj ilustraciji, kriterijum - starost stana, bi se mogao uključiti u opšti portret problema, samo zato što je jedan član porodice smatrao da tako treba da bude. Učesnici u procesu će kasnije imati mogućnost da izraze jačinu svojih preferenci za kriterijume i alternative, i stoga će argumenti koje oni prezentuju da bi opravdali te preference, na kraju pokazati svoju validnost. Drugim rečima, nije potrebno da se neko oseća ograničenim u inicijalnom hijerarhijskom portretu problema. Meñutim, krucijalno je da se planeri slože oko najvišeg nivoa hijerarhije – cilja ili fokusa – pošto će on oblikovati sve njihove dalje procene. Identifikovanje ovog cilja može zahtevati mnogo ranijeg istraživanja i pregovora. Npr. u ovom slučaju, porodica je prvo odlučila da se zahteva fundamentalna promena u sistemu (kupovina stana umesto iznajmljenog stana) koja može da uključi procenu potreba te porodice npr. mogućnosti proširenja porodice. Princip diskriminacije i komparativne procene Kada se ostvari hijerarhijska ili mrežna prezentacija problema, prioriteti izmeñu kriterijuma i alternativa prema kriterijumima koji se smatraju najvažnijim, utvrñuju se poreñenjem parova. Poreñenja parova su osnova AHP metodologije. Kada se poredi neki par faktora može se utvrditi koeficijent: njihovog relativnog značaja (poreñenje kriterijuma), preference (poreñenje alternativa) ili verovatnoće (poreñenje neizvesnih dogañaja ili scenarija u pogledu verovatnoće njihovog ostvarenja) ovih faktora. Ovaj koeficijent ne mora da se bazira na nekoj standardnoj skali i predstavlja samo odnos ova dva faktora koji se porede. Uprkos skepticizmu prema preciznosti svake procene koja se vrši bez upotrebe neke standardne skale, utvrñeno je da odreñeni broj ovih poreñenja parova uzetih zajedno, formira prosek čiji su rezultati vrlo tačni. Ovaj prosek se izračunava kompleksnim matematičkim postupkom, uz korišćenje metoda karakterističnih vrednosti i vektora. Rezultati ovog metoda su testirani eksperimentalno i pokazalo se da su ekstremno tačni. Matrica poreñenja parova daje informacije o dominaciji svake alternative u odnosu na svaku drugu alternativu. Da bi rangirali alternativu u pogledu nekog kriterijuma moramo prvo izvesti meru prioriteta kriterijuma, po jedinici dominacije alternativa. Kada dobijemo ovu meru, možemo da je množimo sa ukupnom dominacijom svake alternative da bi dobili prioritet alternativa. Da bi smo ga izveli, potrebna nam je operacija normalizacije. U AHP-u, elementi problema se porede po parovima, u odnosu na njihov relativni uticaj (''ponder'' ili ''intenzitet'') na dotičnu osobinu koja im je zajednička. Determinisanje pondera prioriteta je važan korak u poreñenju parova. U literaturi se predlažu tri metode za kalkulaciju pondera prioriteta: metod normalizovane karakteristične vrednosti, logaritamskih najmanjih kvadrata i metod najmanjih kvadrata. Iako je dokazano da će ovi sugerisani metodi generisati identična rešenja u smislu konzistentnosti rezultata, metod karakteristične vrednosti se posebno preporučuje kada podaci nisu potpuno konzistentni. U AHP, parna poreñenja se redukuju na formu matrice – kvadratnu formu u kojoj su brojevi aranžirani kao u sledećem primeru:57 11 12 13 1 21 22 23 2 31 32 33 3 1 2 3 a a a ... a a a a ... a a a a ... a . . . . . . . . . . . . a a a ... a                  n n n n n n nn Uočavamo da ova matrica ima reciprocitet; t.j: 1 ij ij a a = gde se indeksi i i j, odnose na red, odnosno na kolonu, gde se locira svaki unos. Sada, neka A1, A2, A3, ..., An bude neki skup od n elemenata, i neka su w1, w2, w3,..., wn njihovi odgovarajući ponderi ili intenziteti. U AHP-u, odgovarajući ponderi ili intenziteti svakog elementa se 57 Saaty, T., and Kearns, K., Analytical Planning: The Organization of Systems, The Analytic Hierarchy Process Series, Vol.IV, 1985, p.23. porede sa ponderima ili intenzitetima svakog drugog elementa u skupu, u odnosu na osobinu ili cilj, koji im je zajednički. Poreñenje pondera se može prezentovati na sledeći način:58 1 2 3 1 1 1 1 1 1 2 3 2 2 2 2 2 1 2 3 3 3 3 3 3 1 2 3 1 2 3 A A A ... A w w w wA ... w w w w w w w wA ... w w w w w w w wA ... w w w w w w w wA ... w w w w n n n n n n n n n n . . . . . . . . . . . . . . . Za kvadratnu matricu je očigledno da ima jednak broj redova i kolona, ali ima druge korisne osobine, kao što su karakteristični vektori i karakteristične vrednosti. Oni će se razviti dalje, u pokušajima da se reši ova kvadratna recipročna matrica. Razlog ovog izračunavanja je što nam to pruža način da kvantitativno determinišemo, relativnu važnost faktora ili pitanja u problemskoj situaciji. Faktori sa najvišim vrednostima su oni na koje treba da se koncentrišemo u rešavanju nekog problema ili razvijanju plana akcije. Važno je videti da ako w1, w2, w3,..., wn nisu poznati unapred, onda vršimo parna poreñenja elemenata, korišćenjem subjektivnih procena, koje su numerički ocenjene sa skale brojeva i onda rešavamo problem, da bi pronašli ws. Kada su problemi strukturirani hijerarhijski, formira se matrica, da bi se uporedila relativna važnost kriterijuma u drugom nivou, u odnosu na opšti cilj ili fokus prvog nivoa. Moraju se konstruisati slične matrice, za parna poreñenja svake alternative u trećem nivou, u odnosu na kriterijume drugog nivoa. Matrica se postavlja tako što se napiše cilj (ili kriterijum) poreñenja, negde iznad, i onda se izlistaju elementi koje treba porediti, sa leve strane i na vrhu. U primeru kupovine novog stana, bilo bi potrebno sedam ovakvih matrica, jedna za drugi nivo hijerarhije, i šest za treći nivo. 58 Ibid Ako postoji skala poreñenja (t.j., ako su dostupni merljivi podaci) ona se može upotrebiti za poreñenja; u drugom slučaju, polja se popunjavanju sa subjektivnim, a ipak prijavljenim procenama pojedinca ili grupe, koja rešava problem. Parno poreñenje svakog kriterijuma se može vršiti ponaosob sa svim ostalim kriterijumima, što je uobičajeni pristup, ili tzv. naivni AHP. Iskustvo je pokazalo da primena naivnog AHP stvara odreñene probleme u slučaju postojanja velikog broja kriterijuma: broj pitanja postavljenih ispitanicima srazmerno raste, interesovanje i koncentracija opadaju a nekonzistentnost procena raste. Alternativa je grupisanje kriterijuma u hijerarhiju na bazi kvalitativnih sličnosti, što je tzv. strukturirani AHP. U osnovi drugog načina je ideja da adekvatno strukturiranje kriterijuma treba da izme u obzir sve kvalitativne distinkcije koje je ispitanik identifikovao. U našem primeru, predložena struktura izgledala bi kao na slici 5. SATISFAKCIJA STANOM Finansije Nov dom Stan Okruženje Lokacija SusedstvoOdržavanjeVeličina StarostOpšte stanje Slika 5. Hijerarhija na bazi kvalitativnih sličnosti za satisfakciju stanom U ovom slučaju, finansije su izdvojene od ostalih kriterijuma, što je razumljivo ako se uzme u obzir činjenica da bez finansijskih sredstava nije moguće doći do stana. Razlika izmeñu finansija i ostalih kriterijuma korespondira sa konfliktom izmeñu onoga što je potrebno da bi se došlo do svakog stana ponaosob i preferenci za svaki stan. Tako recimo lokacija u odnosu na susedstvo može formirati uporedivu podgrupu koja se jednim imenom može nazvati okruženjem. Druga podgrupa korespondira sa stambenim pitanjima. U okviru nje veličina stana je vrlo različita u odnosu na pitanja u vezi starosti i opšteg stanja stanova, koji mogu formirati uporedivu podgrupu koja se može nazvati održavanjem. Generalno, ovo kvalitativno grupisanje i rasporeñivanje kriterijuma se vrši odozgo na dole, i to nakon što su otkriveni glavni diferencirajući atributi meñu alternativama. Izdvajanjem kriterijuma koji su vrlo različiti, kao što su finansije u ovom slučaju, može se pojasniti način razmišljanja donosioca odluka. Prezentovanje pitanja na bilo kom nivou po kvalitativno – logičkom redosledu, takoñe može da pomogne. Tako npr. finansije dolaze pre novog stana, kao što u okviru podgrupe okruženja treba početi sa lokacijom koja implicira više tehničke aspekte, a ne sa susedstvom koje se više odnosi na druge ljude. Strukturirani AHP rezultira višim indeksima konzistentnosti, jer grupisanje kriterijuma pomaže donosiocima odluka da postanu svesni potisnutih ili zaboravljenih kriterijuma i jer su pitanja specifičnija i lakša za shvatanje. Opasnost, s druge strane, leži u lošem strukturiranju problema, jer može doći do konfuzije. Iz tih razloga u našem jednostavnom, ilustrativnom primeru koristimo naivni AHP. Jedno od glavnih pitanja u kritici AHP odnosi se na poreñenja parova kao metoda za izvoñenje prioriteta. Najpre bi trebalo ukazati na činjenicu da se ovaj bazira na jakoj matematičkoj osnovi i da je njegova validnost proverena i u praksi. Sam Saaty je izvršio brojne eksperimente sa članovima svoje porodice, gostima koji bi dolazili u njegovu kuću kao i sa sa kolegama na poslu. Bila je standardna praksa da se od gosta koji doñe u posetu Saaty-ju, traži da poredi u parovima težine različitog kamenja ili različitih kofera.59 Za sada, pretpostavimo da skala za poreñenje postoji, i procene u tom sučaju se izražavaju kao koeficijenti iz skale. Ako na primer, neko poredi relativne težine (pondere) kamenja, i ima kamen A koji ima težinu WA, i kamen B težine WB, onda se koeficijent WA/WB unosi u matricu, za relativnu težinu kamena A u odnosu na kamen B. Recipročna vrednosti, ili WB/WA se unosi za relativnu težinu kamena B u odnosu na kamen A. U matrici, se počinje sa elementom na levoj strani, i postavlja se pitanje koliko je on važniji od elementa koji je izlistan na vrhu. Kada se uporedi sa samim 59 U jednom eksperimentu, Saaty je stavio stolice na različitu udaljenost (9, 15, 21 i 28 jardi) od svetla iz njegovog dvorišta, da bi video da li njegova supruga i deca mogu, dok stoje na svetlu, da procene relativnu osvetljenost stolica. Rezultati dobijeni verbalnim procenama parova su bili vrlo slični zakonu obrnutih kvadrata u optici, što će reći da je relativna osvetljenost obrnuto proporcionalna kvadratu udaljenosti objekta od izvora svetla. sobom, koeficijent je jedan. Kada se poredi sa nekim drugim elementom, onda je on ili važniji od tog elementa, pri čemu se koristi vrednost celog broja, iz skale koja će kasnije biti data, ili je recipročna vrednost u obrnutom slučaju. U oba slučaja se recipročni koeficijent, unosi u transponovanu poziciju matrice. Stoga se mi uvek bavimo pozitivnim recipročnim matricama, i potrebno je samo izvrsiti n(n- 1)/2 procena, gde je n ukupan broj elemenata koji se porede. Može se ispravno posumnjati da je poreñenje relativnih pondera (težina) kamenja, daleko teže nego poreñenje relativne važnosti kriterijuma, kao što su susedstvo ili opšte stanje stana, u problemu sa kojim se suočava porodica u našem primeru. U nekim poreñenjima koristimo jedinice mere, kao što su dinar, evro, kilometar ili sekunda. Ali kako porediti socijalne, političke ili emocionalne faktore, čija se relativna važnost ne može izraziti u fizičkim merama? Pretpostavimo da nismo imali skalu kojom se porede relativni ponderi našeg kamenja. Verovatno bi onda u rukama držali po jedan kamen, i pokušavali da ''osetimo'' njihovu relativnu težinu. Ili smo mogli da u istu ruku uzmemo prvo jedan, pa drugi kamen, da bi izbeglli pristrasnost, jer je jedna ruka jača od druge. Na bazi ovakvih ''eksperimenata'', ne bi mogli da kažemo da je kamen A precizno, za 3,5 kilograma teži od kamena B, ali bi mogli da reći da je kamen A ''nešto teži'' , "dvostruko teži", ''mnogo teži'' itd. Slično tome, kada se poredi relativna važnost neopipljivih faktora, t.j., faktora koji se ne mogu kvantifikovati, kao što su susedstvo ili opšte stanje stana, nije problem što ne postoje fizičke ili objektivne jedinice merenja. Legitimno bi rekli da je susedstvo nešto važnije od opšteg stanja, mnogo važnije, itd. u zavisnosti od naših ukusa i preferenci. Stoga, razlika izmeñu poreñenja fizičkih objekata i neopipljivih osećanja, nije toliko oštra, kako se to možda na prvi pogled čini. Za vršenje subjektivnih poreñenja parova koristi se skala poreñenja, karakteristicna za AHP, o kojoj je već bilo reči. Ova skala je vrednovana, što se tiče efektivnosti, ne samo u brojnim aplikacijama, od strane velikog broja ljudi, već i kroz teorijsko poreñenje sa velikim brojem drugih skala. Dodatne matrice poreñenja se konstruišu za svaki sukcesivni nivo hijerarhije. Pitanja koja treba postaviti u primeru kupovine stana, kada se porede dva kriterijuma u drugom nivou, su sledeća: koji od dva kriterijuma koji se porede, porodica koja kupuje stan smatra važnijim i koliko je on važniji u odnosu na koncept ''satisfakcije stanom'' ove porodice, što je opšti cilj? Slično tome, u trećem nivou, postavilo bi se pitanje: od alternativnih stanova koje se porede, koji porodica smatra najpoželjnijim, i koliko je on poželjniji, u odnosu na odreñeni kriterijum (npr. susedstvo) u drugom nivou, i na kom se bazira poreñenje? Ponovo ističemo, da je usvojeno pravilo, da se poredi relativna važnost elementa na levoj strani matrice, sa elementom na vrhu. Ako je element u koloni matrice poreñenja, važniji od elementa na vrhu, onda će se u polje uneti pozitivan ceo broj (od 1 do 9); ako je on manje važan, uneće se recipročna vrednost celog broja. Relativna važnost svakog elementa, koji se porede sa samim sobom je 1; stoga dijagonala matrice (od gornjeg levog do donjeg desnog polja) sadrži samo jedinice. Na kraju, recipročne vrednosti se unose za inverzno poreñenje, t.j., ako se smatra da je element A ''nešto važniji'' (3 na skali), u odnosu na element B, onda se pretpostavlja da je B ''nešto manje važan'' (1/3 na skali) u odnosu na elemenat A. Prilikom vršenja parnih poreñenja, javljaju se sledeća pitanja: U poredjenju A sa B - šta je važnije, ili ima veći uticaj? - šta je verovatnije da će se desiti? - šta se više preferira? U raznoraznim aplikacijama, do sada, sva postavljena pitanja su spadala u jednu od ove tri kategorije. U poreñenju kriterijuma, često se postavlja pitanje, koji kriterijum je važniji? Prilikom poreñenja alternativa, u odnosu na neki kriterijum, postavlja se pitanje, koja alternativa je poželjnija? U poreñenju scenarija, koji rezultiraju iz nekog kriterijuma, postavlja se pitanje, koji scenario će najverovatnije rezultirati iz tog kriterijuma? Odreñivanje prioriteta kriterijuma na vrhu hijerarhije, je ozbiljan korak, koji zahteva puno pažnje. Ponderi prioriteta strukturiranih kriterijuma se determinišu kroz poreñenja parova, da bi se izrazile procene i relativne preference različitih donosilaca odlluka i mogu varirati od jedne do druge osobe. Kada postoji nekoliko nivoa kriterijuma i podkriterijuma, prvo se kalkulišu ponderi kriterijuma višeg nivoa, koji se zatim koriste za ponderisanje kriterijuma na nižem nivou hijerarhije (kompozitni ponder). Procedura se nastavlja idući kroz hijerarhiju, kalkulacijom pondera za svaki kriterijum na odreñenom nivou, čime se determinišu kompozitni ponderi za naredne nivoe. Nema problema sa procesom ponderisanja u slučaju nepotpune hijerarhije, pošto se koriste prioriteti odgovarajućeg elementa u pogledu kog se i vrši evaluacija. tj., hijerarhija se može podeliti na podhijerarhije kojima je zajednički jedino element na samom vrhu. Kriterijumi su apstraktne osobine, pripisane ili nametnute alternativama. Postavlja se pitanje na šta neko misli, kada poredi kriterijume? Postoje dva načina poreñenja kriterijuma u parovima, koristeći populaciju alternativa, uskladištenu u memoriji. Prvi način, pretpostavlja tipične ili reprezentativne alternative, i fokusira se na njihove agregatne odlike. Onda se primenjuje viši kriterijum, kao što je cilj, da bi se odgovorilo na pitanje koji od ta dva kriterijuma doprinosi više ostvarenju cilja. Drugi način pretpostavlja da su sve shvatljive alternative, prisutne u razmišljanju onoga koji odgovara na pitanje (odnosno da on u momentu odgovaranja, misli na sve alternative): koji od sledeća dva kriterijuma je važniji za mene u izražavanju preference meñu alternativama; ili, od ova dva kriterijuma, koliko je jaka moja preferenca za jednog od njih u odnosu na drugi? U nekom drugom okruženju, npr. u predviñanju, pitanje bi se moglo formulisati na sledeći način: za koji kriterijum je verovatnije, da će biti važan uzrok pojave alternativnog ishoda? Mnogo puta u praksi je pokazano, da ljudi ne samo da mogu da odgovore na ovakva pitanja, već to rade i sami, bez toga da se od njih traži da svoje procene učine eksplicitnim. Rezultat ovakvih parnih poreñenja upotrebom AHP-a, je izvedena skala koeficijenata kojima se uzražavaju prioriteti kriterijuma. Vratimo se na porodicu koja je suočena sa problemom kupovine stana, i pretpostavimo da su subjektivne procene od strane porodice, uz korišćenje skale 1-9, i na osnovu njihovih preferenci i percepcije ograničenja ili prilika koje situacija pruža, izvršene. Npr. kada se pita :''Što se tiče opšte satisfakcije stanom, kakva je važnost veličine, u odnosu na blizinu vaznih institucija?'', članovi porodice su se složili da je veličina jako važnija, i stoga unose broj 5 u odgovarajuće polje, dok je njegova recipročna vrednost ili 1/5, automatski uneta za inverzno poreñenje, itd. Kada učestvuje nekoliko ljudi, o ocenama se obično raspravlja, i od ljudi se traži da opravdaju svoje ocene, razlozima ili podacima kojima imaju pristup. U ovim slučajevima, debata se fokusira na pretpostavke koje leže u osnovi ocena, a ne na same ocene. Ponekad, grupa prihvata geometrijsku sredinu svojih kombinovanih ocena, koja korespondira sa sintezom recipročnih ocena. Ako postoji jako neslaganje, svako različito mišljenje se može uzeti u obzir, i iskoristiti za dobijanje odgovora. Ona koja zatim, pokažu najveću konzistenciju u okviru grupe, su ona koja obično ostaju. AHP inkorporira podjednako i vidljive faktore, koji zahtevaju posedovanje jakih mera, i nevidljive faktore koji zahtevaju procene. Meñuzavisnost kriterijuma, kao što su stanje stana i starost, se pažljivo mora razmotriti, jer može postojati preklapanje. Stoga se procena relativne važnosti ovakvih stvari, kao što su stanje i starost, mora vršiti što je moguće nezavisnije, izbegavajući preklapanja. Elementi na poslednjem nivou, koje treba porediti parno su stanovi, prema tome koliko je neki od njih poželjniji, ili bolji od nekog drugog, u zadovoljavanju svakog kriterijuma na drugom nivou. Postoji šest matrica procena 3x3, pošto postoji šest kriterijuma na drugom nivou, i tri stana koje treba parno porediti, za svaki krterijum. Matrice sadrže, procene od strane porodice. Da bi razumeli te procene, ispod se daje kratak opis stanova. Stan A – Ovaj stan je trosoban, najveći od svih. Lociran je u dobrom susedstvu, sa malo saobraćaja i nalazi se blizu obdaništa i skole, ali je prilično udaljen od centra grada i radnog mesta članova porodice. Ima veliku i malu terasu, uporedivo veće od stanova B i C. Meñutim, opšte stanje nije mnogo dobro, jer je u pitanju stara gradnja i zahteva čišćenje i krečenje. Takodje, finansiranje je nezadovoljavajuće, jer bi se on morao finansirati preko banke, uz visoku kamatnu stopu. Stan B – Ovaj stan je manji od stana A ali veći od Stana B, nalazi se u samom centru grada, i takoñe u blizini ima školu i obdanište. Susedstvo daje osećaj nesigurnosti, zbog uslova saobraćaja. Terasa ne postoji, pre mali balkon, ali postoji podrum, a i opšte stanje je odlično jer je u pitanju nova gradnja. Takoñe je moguće dobiti hipoteku, što znači da je finansiranje dobro, sa niskom kamatnom stopom. Stan C – Stan C je vrlo mali, zapravo garsonjera i ima malo modernih pogodnosti. Susedstvo je pristojno, u neposrednoj blizini je škola pa čak i park stan je u dobrom stanju i izgleda bezbedno. Terasa postoji, ali nije uporediva sa prostranom terasom Stana A. Opšte stanje ovog stana je dobro, sa parnim grejanjem, iako se radi o staroj gradnji. Njegovo finansiranje je mnogo bolje od A, ali ne tako dobro kao B. U ovom momentu, u našem primeru, porodica konstruiše hijerarhiju, aranžira matrice i nudi subjektivne ocene u parovima. Ali šta znače svi ovi brojevi, i kako oni mogu da pomognu porodici u izboru koji se mora izvršiti? Sinteza: Lokalni prioriteti Iz skupa matrica parnog poreñenja, generiše se skup lokalnih prioriteta, koji izražavaju relativni uticaj skupa elemenata, na element u nivou neposredno iznad. Otkriva se relativna snaga,vrednost, poželjnost ili verovatnoća svakog elementa koji se poredi, ''rešavanjem'' matrica, od kojih svaka ima recipročne odlike. Da bi ovo uradili potrebno je da izračunamo skup karakterističnih vektora za svaku matricu, i da onda normalizujemo rezultat na jedinicu, da bi dobili vektore prioriteta. Izračunavanje karakterističnih vektora nije teško, ali može zahtevati dosta vremena. Na sreću, postoje i laki načini da se doñe dobrih aproksimacija prioriteta. Jedan od najboljih načina je geometrijska sredina. Ona se dobija tako što se pomnože elementi u svakom redu, a onda se izvadi njihov n-ti koren, gde je n broj elemenata. Onda se normalizuje na jedinicu kolona brojeva, dobijene deljenjem svakog unosa, sumom svih unosa. Alternativa je normalizovati elemente u svakoj koloni matrice i onda odrediti prosek svakog reda. Kod rešenja, nadamo se da možemo determinisati ne samo rang prioriteta svakog elementa, već i magnitudu njenog prioriteta. Jednostavnije rečeno, ukoliko se opredeljujemo izmeñu tri automobila, treba da budemo u mogućnosti ne samo da ih rangiramo po redosledu po kom ih favorizujemo, već takoñe i da odlučimo o relativnom intenzitetu naše želje za svakim od njih.60 Prilikom upotrebe bilo kog metoda aproksimacije, postoji opasnost od promene reda ranga, i stoga vršenja manje poželjnog izbora. Pristup karakterističnog vektora koristi informacije pružene u matrici, bez obzira na to kolika nekonzistentnost može biti i izvodi prioritete na osnovu tih informacija, bez sprovoñenja aritmetičkih poboljšanja na podacima. Osnovna ideja je da pojedinac ili grupa odluči da li želi da promeni svoju ocenu. Nije na sofisticiranom matematičaru da ''poboljšava'' ono što pojedinci možda ne žele da promene. Ilustracije radi, pogledajmo sledeću matricu poreñenja parova:61 A1 A2 A3 A4 A1 1 1 w w 1 2 w w 1 3 w w 1 4 w w A2 2 1 w w 2 2 w w 2 3 w w 2 4 w w A3 3 1 w w 3 2 w w 3 3 w w 3 4 w w A4 4 1 w w 4 2 w w 4 3 w w 4 4 w w Ako se izmnoži 1 1 1 1 1 2 3 4 w w w w w w w w × × × , i onda izvadi 4-ti koren, procena prve komponente glavnog karakterističnog vektora, se razvija iz ovog reda. 60 Za spisak ostalih načina aproksimiranja prioriteta videti Thomas L. Saaty, The Analytic Hierarchy Proccess, New York: McGraw-Hill, 1980. 61 Saaty, T., and Kearns, K., Analytical Planning: The Organization of Systems, The Analytic Hierarchy Process Series, Vol.IV, 1985, p. 31. Ako se izmnoži 2 2 2 2 1 2 3 4 w w w w w w w w × × × , i onda izvadi 4-ti koren, procena druge komponente glavnog karakterističnog vektora, se razvija iz ovog reda i td. Tako je komponenta karakterističnog vektora, prvog reda: 1 1 1 14 1 2 3 4 1 w w w w w w w w = × × × Komponenta karakterističnog vektora, drugog reda: 2 2 2 24 1 2 3 4 2 = × × ×w w w w w w w w Kada se jednom razvije n komponenti karakterističnog vektora, za sve redove, postaje potrebno normalizovati ih, da bi se izvršila dalja izračunavanja. U tom smislu, potrebno je izračunati procene komponenti karakterističnog vektora iz redova, a zatim normalizovati rezultat, da bi se dobila procena vektora prioriteta, kao što je prikazano u tabeli 5:62 A1 A2 A3 A4 A1 1 1 w w 1 2 w w 1 3 w w 1 4 w w → 1 1 1 14 1 2 3 4 × × × w w w w w w w w =a + 1= a x Total A2 2 1 w w 2 2 w w 2 3 w w 2 4 w w → 2 2 2 24 1 2 3 4 × × × w w w w w w w w =b + 2= b x Total A3 3 1 w w 3 2 w w 3 3 w w 3 4 w w → 3 3 3 34 1 2 3 4 × × × w w w w w w w w =c + 3= c x Total A4 4 1 w w 4 2 w w 4 3 w w 4 4 w w → 4 4 4 44 1 2 3 4 × × × w w w w w w w w =d + 4= d x Total Total 62 Ibid, p.32. Množenje matrice vektorom prioriteta, se ostvaruje na sledeći način. Množimo prvi element reda, sa prvim elementom kolone xs, drugi element u redu, sa drugim u koloni xs; itd. Onda sabiramo da bi dobili jedan broj Y, za taj red, na sledeći način:63 1 1 w w x1 + 1 2 w w x2 + 1 3 w w x3 + 1 4 w w x4 =Y1 2 1 w w x1 + 2 2 w w x2 + 2 3 w w x3 + 2 4 w w x4 =Y2 3 1 w w x1 + 3 2 w w x2 + 3 3 w w x3 + 3 4 w w x4 =Y3 1 1 1 1 1 1 2 3 4 2 2 2 2 2 1 2 3 4 3 3 3 3 3 1 2 3 4 44 4 4 4 1 2 3 4                         w w w w x w w w w w w w w x w w w w w w w w x w w w w xw w w w w w w w = 4 1 w w x1 + 4 2 w w x2 + 4 3 w w x3 + 4 4 w w x4 =Y4 Kada matrica ima ovu formu, ispada da zapravo, x1, x2, x3 i x4 su w1, w2, w3 i w4 a to je ono što mi tražimo; naime od koeficijenta od ws, želimo da determinišemo svako w. Važno je primetiti da u matrici procene, ne postoje koeficijenti kao što je wi/wj već samo brojevi ili recipročne vrednosti brojeva sa skale. Ta matrica je generalno nekonzistentna. Algebarski, konzistentan problem uključuje rešavanje Aw=nw, A=(wi/wj) a opšti problem sa recipročnim procenama, uključuje rešavanje A'w'=λmaxw', A'=(aij) gde je λmax najveća karakteristična vrednost matrice procene A. Konzistentnost lokalnih prioriteta Unutrašnji korisni nus-produkt teorije, je indeks konzistentnosti, koji pruža informacije o tome koliko su ozbiljna kršenja numeričke (kardinalne, aijajk = aik) i tranzitivne (ordinalne) konzistentnosti. Rezultat bi moglo da bude traženje dodatnih informacija i preispitivanje podataka, upotrebljenih u konstruisanju skale, da bi se poboljšala konzistentnost. Stukturalno generisan indeks, nije dostupan u drugim procedurama za konstrukciju skala koeficijenata. Kao što je već pomenuto, ovaj metod takoñe koristi, iz razloga koje sugerišu zahtevi konzistentnosti, recipročne unose (aij = 1/aij) u matricama parnog poredjenja, umesto tradicionalnih aij = - aij, koji se koriste za konstrukciju intervalnih skala 63 Ibid Sva merenja, uključujući ona koja koriste instrumente, su podložna eksperimentalnim greškama i greškama samih instrumenata merenja. Ozbiljan efekat greške je da on može, i često to čini, da dovede do nekonzistentnih zaključaka. Jednostavan primer posledice greške u merenju predmeta, je otkrivanje da je A teže od B, i B je teže od C, ali je C teže od A. Ovo se naročito može desiti kada su težine (ponderi) objekata A, B i C bliske, a instrument nije dovoljno precizan, da bi napravio razliku meñu njima. Nedostatak konzistentnosti može biti ozbiljan za neke probleme, ali za neke ne. Npr, ako su objekti, dve hemikalije koje treba pomešati u tačnoj proporciji, da bi se napravio neki lek, nekonzistentnost može da znači, da se koristi proporcionalno više jedne hemikalije od druge, što može da dovede do štetnih rezultata, prilikom korišćenja tog leka. Ali savršenu konzistentnost u merenju, čak i sa najfinijim instrumentima, je teško ostvariti u praksi, i potreban je način evaluacije, koji će pokazati koliko je to sve loše za neki odreñeni problem. Kod matrice parnog poreñenja, postoje mere za procenu obima odstupanja od konzistentnosti. Kada ovakve devijacije preñu odreñene limite, kažemo da postoji potreba da onaj koji je dao procene za matricu, preispita svoje inpute za matricu. Indeks konzistentnosti za svaku matricu i za čitavu hijerarhiju, se može aproksimirati ručnim kalkulacijama. Prvo se sabere svaka kolona matrice procene, i onda se množi zbir prve kolone sa vrednošću prve komponente normalizovanog vektora prioriteta, zbir druge kolone sa vrednošću druge komponente, itd., a zatim se saberu rezultirajući brojevi. Ovako se dobija vrednost, obeležena sa λmax. Za indeks konzistentnosti, imamo C.I.= 1 max −n λ gde je n broj elemenata koji se porede. Za recipročnu matricu, uvek je λmax n≥ . Sada poredimo ovu vrednost sa onom koja bi bila, kad bi naše numeričke procene bile uzete slučajno, sa skale 1/9, 1/8, 1/7,...,1,2,...,9 (korišćenjem recipročne matrice). U sledećoj tabeli su date prosečne konzistentnosti za slučajne matrice različitog reda: Veličina matrice 1 2 3 4 5 6 7 8 9 10 Slučajna konzisten- 0 0 0,58 0,90 1,12 1,24 1,32 1,41 1,45 1,49 tnost Tabela 2. Prosečne konzistentnosti za slučajne matrice različitog reda. Ako podelimo C.I. sa brojem slučajne konzistentnosti, za matricu iste veličine, dobijamo koeficijent ili indeks konzistentnosti C.R. Vrednost C.R. treba da bude negde oko 10% ili manja, da bi bila prihvatljiva. U nekim slučajevima, 20% se može tolerisati, ali nikad više od toga. Ako C.R. nije u ovom opsegu, učesnici treba da prouče problem i da promene svoje procene. Princip sinteze Kada se unesu procene za svaki deo modela, informacije se sintetizuju da bi se pokazala opšta preferenca. Ova sinteza daje izveštaj koji rangira alternative u odnosu na opšti cilj. Izveštaj uključuje detaljno rangiranje koje pokazuje kako je svaka alternativa evaluirana u odnosu na svaki kriterijum. Prioriteti se sintetizuju od drugog nivoa, na dole, tako što se množe lokalni prioriteti sa priritetom njihovog odgovarajućeg kriterijuma na nivou gore, i sabiraju se za svaki elemenat u nivou, prema kriterijumima na koje on utiče. (Svaki element drugog nivoa se množi jedinicom, ponderom cilja top nivoa). Ovo daje kompozitni ili globalni prioritet tog elementa koji se onda koristi za ponderisanje lokalnih prioriteta elemenata na nivou ispod, poreñenih sa njim, kao kriterijumom, i tako redom sve do poslednjeg nivoa. Hijerarhijska struktura problema, matrice parnih poreñenja, lokalni prioriteti i globalni rang alternativa prezentirani su softverskim paketom Expert Choice 9: Slika 6. Hijerarhijska struktura problema satisfakcije stanom u Expert Choice 9. Na osnovu rezultata modela dobijenih primenom Expert Choice 9, primećuje se da je koeficijent konzistentnosti nešto viši (0,12) nego što je poželjno (0,10), ali pretpostavićemo da je porodica odlučila da ne menja procene, pošto nije bila zainteresovana za rigorozno konzistentne rezultate. Kod relativno velikih matrica (t.j. do 9 elemenata), često je teško ostvariti visok nivo kozistentnosti. Meñutim, nivo konzistentnosti treba da korespondira sa rizikom koji je povezan sa nekonzistentnim rezultatima. Kad bi npr., poredili efekte lekova, želeli bi vrlo visok nivo konzistentnosti. Teorija AHP ne zahteva savršenu konzistentnost. AHP dozvoljava nekonzistentnost, ali pruža meru nekonzistentnosti u svakom skupu procena. Ova mera je važan nusprodukt procesa izvoñenja prioriteta na bazi poreñenja parova. Prirodno je da ljudi žele da budu konzistentni, s obzirom da se konzistentnost često posmatra kao uslov za jasno razmišljanje. Meñutim, realni svet je i sam retko kada savršeno konzistentan, tako da je pomak u razumevanju pojava moguć samo ukoliko se prihvati činjenica da odreñena nekonzistentnost zaista postoji. Čak i ako smo savršeno konzistentni mereno nultim koeficijentom AHP konzistentnosti, nije izvesno da su naše procene zaista dobre, kao što se ne može reći da je sa nama sve u redu ako imamo temperaturu 40 stepeni. S druge strane ako je naša nekonzistentnost recimo 30 ili 40% (koeficijent konzistentnosti od 100% ekvivalentan je slučajnim procenama), možemo reći da nešto nije u redu sa našim procenama, kao što nije u redu ako je temperatura našeg tela čak i nešto preko normalne. Racio nekonzistentnosti od oko 10% ili manji, se smatra prihvatljivim, ali pod odreñenim okolnostima mogu se prihvatiti i veće vrednosti. Recimo, čak i izuzetno visoka temperatura može biti normalna ako se zna da je posmatrana osoba upravo istrčala maraton po izuzetno toplom danu. Koji su uzroci nekonzistentnosti? Kao najčešći uzroci nekonzistentnosti u literaturi se navode greška u pisanju, nedostatak informacija, nedostatak koncentracije i neadekvatna struktura modela. Pri unosu jedne ili više procena u kompjuter, može se uneti pogrešna vrednost ili moguće, suprotno od onoga što se želi. Greške u pisanju mogu biti vrlo štetne i obično prolaze neotkrivene prilikom upotrebe računara. Tako, samo jedna greška u pisanju u višestrukoj regresiji koja ima na hiljade podataka, može uzrokovati da rezultirajuća procena parametra regresije bude znatno drugačija. Drugi uzrok nekonzistentnosti je nedostatak informacija. Ukoliko se poseduje malo ili se ne poseduju informacije o faktorima koji se porede, onda su procene praktično slučajne, što bi rezultiralo u visokom koeficijentu nekonzistentnosti. Još jedan uzrok nekonzistentnosti je nedostatak koncentracije tokom procena, što se može desti ako ljudi koji vrše procene postanu umorni ili manje zainteresovani. S druge strane, neadekvatna struktura modela takoñe povećava rizik od nekonzistentnosti. Idealno, kompleksna odluka se strukturira na hijerarhijski način tako da su faktori na svakom nivou uporedivi u okviru reda magnitude ostalih faktora na tom nivou. Praktična posmatranja mogu uključiti ovakvo strukturiranje a ipak je moguće doći do značajnih rezultata. Pretpostavimo na primer, da smo poredili nekoliko stavki koje se razlikuju za dva reda veličine. Neko bi mogao pogrešno zaključiti da je AHP skala nesposobna da obuhvati razlike, pošto se skala kreće od 1-9. Meñutim, kako se rezultirajući prioriteti baziraju na dominaciji drugog, trećeg i višeg reda, AHP može da proizvede prioritete koji imaju daleko viši red veličine. Do koeficijenta nekonzistentnosti koji je viši nego što je uobičajeno, doći će zato što su neophodne ekstremne procene. Ako se navedeno prizna kao glavni uzrok, onda se može prihvatiti koeficijent nekonzistentnosti koji je i viši od 10%. Kako god, neobično je važno da niska nekonzistentnost ne postane cilj po sebi u procesu odlučivanja, jer, teorijski je moguće biti savršeno konzistentan ali konzistentno pogrešan. Dakle, važnije je biti precizan nego konzistentan. Jedan od najuspešnijih i najlakših načina za struktruriranje i rešenje problema sa AHP-om, je korišćenje softverskog paketa pod nazivom Expert Choice, proizvoñača Decision Support Software, McLean, Virginia, koji je u našem primeru i korišćen. Kako se sada interpretiraju prioriteti, koji su ovako dobijeni? Jasno, porodica smatra da je dostupnost adekvatnog finansiranja, najvažniji kriterijum pri njenom izboru stana. Zapravo, ovaj kriterijum je više od dva puta važniji od opšteg stanja (0,503 nasuprot 0,227) i daleko važniji od kriterijuma-starost, koji ima najniži prioritet od 0,025. Neko bi odlučio da uključi samo 3 ili 4 najvažnija kriterijuma-recimo finansiranje, veličinu, lokaciju i opšte stanje-kada vrši kalkulacije, jer će ti kriterijumi izvršiti najveći uticaj na krajnji izbor stana. Da bi se to izvršilo, jednostavno se saberu prioriteti najvažnijih kriterijuma, i svaki se podeli rezultirajućim totalom, da bi se dobio novi normalizovani vektor prioriteta za manji i, za rukovanje pogodniji, skup kriterijuma.64 Uočavamo da je stan B imao najbolju performansu što se tiče kriterijuma finansiranja, starosti i lokacije, a da je stan A smatran najboljim, što se tiče veličine i susedstva. Stan C, zajedno sa stanom B, ima najbolju performansu što se tiče opšteg stanja. Sledeći korak je primena principa sinteze. Da bi utvrdili kompozitne ili globalne prioritete stanova, rasporeñujemo lokalne prioritete stanova u odnosu na svaki kriterijum, u matricu i množimo svaku kolonu vektora, sa prioritetom odgovarajućeg kriterijuma, i sabiramo svaki red, koji rezultira u vektoru kompozitnog ili globalnog prioriteta, stanova. Npr. kod stana B imamo: (0,754 x 0,173) + (0,233 x 0,054)+...+(0,072 x 0,333) = 0,526. Stan B koji je bio najpoželjniji u pogledu finansiranja, (kriterijum najvišeg prioriteta), je pobedio. To je bio stan koji će porodica kupiti. Pretpostavićemo da porodica prikom izbora, nije imala nikakve ograde. U retrospektivi, ishod nije bio iznenañujući, kada razmotrimo činjenicu, da je stan B imao bolju performansu od ostalih, prema 3 od 6 kriterijuma, uz jedan nerešen rezultat. Ovaj primer takoñe ilustruje da treba paziti, pre no što se odluči da se isključe odreñeni kriterijumi, koji slede nakon prvog skupa kalkulacija. Na kraju, može se izvršiti i analiza osetljivosti rešenja, kako bi se videlo kakva je performansa alternativa u pogledu svakog kriterijuma, kao i koliko su te alternative osetljive na promene važnosti kriterijuma. 64 Kao što se može primetiti, u našem primeru svi kriterijumi su meñusobno uporeñeni, bez grupisanja u hijerarhiju na bazi kvalitativnih sličnosti, u čemu i jeste razlika izmeñu naivnog i strukturiranog AHP. To je učinjeno kako bi jasnije ilustrovali princip funkcionisanja AHP. 3.2 Aksiomi AHP Teorijski, AHP se bazira na četiri aksioma, koje je dao Saaty: Aksiom 1: Donosilac odluke može da obezbedi parna poreñenja aij dve alternative i, i j, u odnosu na kriterijum/podkriterijum, na skali koeficijenata, koja je recipročna, t.j, aji =1/aij Aksiom 2: Donosilac odluke nikad ne ocenjuje jednu alternativu kao beskrajno bolju od neke druge, u odnosu na dati kriterijum, t.j., aji ≠ ∞ . Aksiom 3: Problem odlučivanja se može formulisati kao hijerarhija. Aksiom 4: Svi kriterijumi/podkriterijumi koji imaju isti uticaj na dati problem, i sve relevantne alternative, su predstavljeni u hijerarhiji u jednom redu. Treba reći, da što su aksiomi jednostavniji i što ih ima manje, teorija je opštija i primenljivija. Prvi, aksiom recipročnosti, zahteva da ako je Pc(Ea,Eb), parno poreñenje elemenata A i B, koje pokazuje koliko puta više element A poseduje neku osobinu od elementa B, onda je Pc(Eb,Ea)=1/Pc(Ea,Eb). Odnosno, ako je na primer, A pet puta veće od B, onda je B, 1/5 puta veće od A. Drugi, aksiom homogenosti ističe da elementi koji se porede, ne bi trebalo da se razlikuju previše, u protivnom će biti velikih grešaka u proceni. Zbog toga, pri konstrukciji hijerarhije zadatka, potrebno je ažurirati elemente na način da se ne razlikuju za više od jednog reda veličine (AHP verbalna skala se kreće od 1-9, ili jedan red veličine, dok numerički i grafički mod Expert Choice, omogućuju i dva reda veličine). Procene izvan dozvoljenog reda veličine mogu rezultirati u smanjenju preciznosti i u povećanoj nekonzistentnosti. Treći aksiom zahteva da procene ili prioriteti elemenata u hijerarhiji ne zavise od elemenata nižeg nivoa. Ovaj aksiom je neophodan da bi se primenio princip hijerarhijske kompozicije. Dok su prva dva aksioma saglasna sa aplikacijama u realnom svetu, poslednji aksiom zahteva pažljivo ispitivanje, jer nije neuobičajeno da se on ne poštuje. Stoga, iako je preferenca za alternative skoro uvek zavisna od elemenata višeg nivoa tj. od zadataka, važnost tih zadataka može i ne mora biti zavisna od elemenata nižeg nivoa a to su alternative. Tako npr., prilikom izbora Laptop kompjutera, relativna važnost brzine u odnosu na težinu, može zavisiti od specifičnih alternativa koje se razmatraju. Ako su alternative skoro iste težine, ali se dosta razlikuju u brzini, onda će brzina biti važnija. Dakle, postoji povratna sprega od alternativa ka zadacima. Postoje dva osnovna načina da se proces nastavi u situacijama gde se ovaj aksiom ne primenjuje, tj. gde postoji povratna sprega. Prvi uključuje formalnu primenu povratne sprege i kalkulaciju supermatrice za sintezu, umesto hijerarhijske kompozicije. Ovaj pristup je poznat pod nazivom ANP tj., Analitički mrežni proces. Za jednostavnu povratnu spregu samo izmeñu susednih nivoa, ovo je ekvivalentno izvoñenju prioriteta za zadatke u odnosu na svaku alternativu, pored toga što se izvode prioriteti za alternative u odnosu na svaki kriterijum. Rezultirajući prioriteti se obrañuju u supermatrici koja je ekvivalentna konvergenciji iterativnih hijerarhijskih kompozicija. Iako je ovaj pristup ekstremno dobar i fleksibilan, jednostavniji pristup koji dobro funkcioniše je vršenje procena najpre za niže nivoe hijerarhije a zatim na gornjim nivoima ponovo. Pri tome, mozak vrši funkciju povratne sprege tako što razmatra šta je naučeno na najnižim nivoima hijerarhije kada se vrše procene za više nivoe. Zato je važno opšte pravilo da se procene u hijerarhiji vrše odozdo na gore, osim ako je analitičar ili DO uveren da nema povratne sprege, ili je već dobro upoznat sa alternativama i njihovim odnosima. Čak i ako nema pridržavanja ovog pravila, četvrti aksiom AHP kao i sama ideja AHP ipak vodi do odgovarajućih procena, pošto će ispitivanje prioriteta nakon prve iteracije naglasiti segmente koje treba preraditi na osnovu onoga što je naučeno. Četvrti aksiom AHP kaže da pojedinci koji imaju razloge za svoja uverenja, treba da se uvere da su njihove ideje adekvatno reprezentovane da bi se ishod uskladio sa ovim očekivanjima. Iako ovaj aksiom može zvučati pomalo nejasno, on je vrlo značajan jer generalnost AHP omogućava raznolikost njegove primene a pridržavanje ovom aksiomu sprečava neadekvatnu primenu AHP. 3.3 Rezime koraka u AHP AHP pomaže procesu prirodnog odlučivanja. Stoga će biti korisno izvršiti reiteraciju koraka koji su praćeni u AHP-u. Neki koraci se mogu pratiti više u nekim situacijama, nego u drugim. 1. Definisati problem i determinisati šta želite da znate; 2. Strukturirati hijerarhiju od vrha (ciljevi sa menadžerskog stanovišta) kroz srednje nivoe (kriterijumi od kojih zavise neposredni nivoi) do najnižeg nivoa (koji je obično lista alternativa). Problem se dekomponuje u hijerarhiju cilja, kriterijuma, podkriterijuma i alternativa. Ovo je najkreativniji i najvažniji deo odlučivanja. Strukturiranje problema odlučivanja, u oblik hijerarhije, je fundamenatalno za proces AHP-a. Hijerarhija indicira odnos izmedju elemenata jednog nivoa i elemenata nivoa odmah ispod. Ovaj odnos se filtrira na niže, sve do najnižih nivoa hijerarhije, i na ovaj način svaki elemenat je povezan sa svakim drugim elementom, bar indirektno. Hijerarhija je uredniji oblik mreže. Struktura obrnutog drveta je slična hijerarhiji. Saaty sugeriše da je koristan način za strukturiranje hijerarhije, da se radi na dole od cilja, sve dok se može, a da se onda radi na gore od alternativa, sve dok se nivoi ova dva procesa ne povežu tako da omoguće poreñenje. U korenu hijerarhije je cilj ili zadatak problema koji se proučava i analizira. Čvorovi-list su alternative koje treba porediti. Izmeñu ova dva lista su različiti kriterijumi i podkriterijumi.Važno je istaći da, kada se porede elementi na svakom nivou, donosilac odluke mora da ih poredi u odnosu na doprinos koji elementi nižeg nivoa daju elementu gornjeg nivoa. Ova lokalna koncentracija donosioca odluke, na samo deo čitavog problema, je moćna odlika AHP-a. 3. Konstruisati skup matrica parnog poreñenja, za svaki od nižih nivoa-jednu matricu za svaki elemenat u nivou koji je neposredno iznad. Za element u najvišem nivou, se kaže da je upravljački element za one na nižem nivou, jer im on daje doprinos, ili utiče na njih. U potpunoj jednostavnoj hijerarhiji, svaki element na nižem nivou, utiče na svaki element na gornjem nivou. Elementi na nižem nivou se onda porede meñusobno, na osnovu svog uticaja na upravljački element odozgo. Ovako se dobija kvadratna matrica procena. Poreñenja parova se vrše u smislu koji element dominira nad drugim. Ove procene se onda izražavaju kao celi brojevi. Ako element A dominira elementom B, onda se ceo broj unosi u red A, kolonu B, a recipročna vrednost (razlomak) se unosi u red B, kolonu A. Naravno, ako element B dominira elementom A, onda važi suprotno. Ceo broj se onda stavlja na poziciju B, A, a recipročna vrednost se automatski dodeljuje poziciji A, B. Ako se proceni da su A i B jednaki, onda se obema pozicijama dodeljuje 1. 4. Postoji n(n-1)/2 procena, neophodnih da se razvije svaka matrica u koraku 3 (recipročne vrednosti se automatski dodeljuju u svakom parnom poreñenju). Kada se izvrše sva parna poreñenja, i unesu podaci, konzistentnost se determiniše korišćenjem karakteristične vrednosti. Poreñenja izvršena pomoću ovog metoda su subjektivna, i AHP toleriše nekonzistentnost kroz obim redundancije (preklapanja) u pristupu. Ako ovaj indeks konzistentnosti ne doñe do potrebnog nivoa, onda se odgovori na poreñenja mogu preispitati. Indeks konzistentnosti CI, se izračunavana sledeći način: CI=( λ max-n)/(n-1) gde je λ max maksimalna karakteristična vrednost matrice procene. CI se može porediti sa indeksom za slučajnu matricu, RI. Indeks konzistentnosti, se onda testira korišćenjem odstupanja λmax od n, u poreñenju sa odgovarajućim prosečnim vrednostima za slučajne unose, čime se dobija koeficijent konzistentnosti C.R. Izvedeni koeficijent, CI/RI je označen kao koeficijent konzistentnosti CR. 5. Koraci 3,4 i 5 se vrše za sve nivoe i klastere u hijerarhiji. 6. Sada se koristi hijerarhijska sinteza za ponderisanje karakterističnih vektora, ponderima kriterijuma i sabiraju se svi unosi poderisanog karakterističnog vektora, koji korespondiraju sa onima na sledećem nižem nivou hijerarhije. 7. Konzistentnost čitave hijerarhije se dobija, množenjem svakog indeksa konzistentnosti, prioritetom odgovarajućeg kriterijuma i njihovim sabiranjem. Rezultat se deli istim tipom izraza, koristeći indeks slučajne konzistentnosti, koji korespondira sa dimenzijama svake matrice ponderisane prioritetima, kao i pre. Primećujemo, da koeficijent konzistentnosti (C.R.) treba da bude oko 10% ili manji, da bi bio prihvatljiv. Ako nije, kvalitet procene treba poboljšati, možda promenom načina postavljanja pitanja prilikom poreñenja parova. Ako ovo ne poboljša konzistentnost, onda je verovatno da problem treba preciznije strukturirati; t.j., grupisati slične elemente na osnovu značajnijih kriterijuma. Bio bi potreban povratak na korak 2, mada samo problematični delovi hijerarhije mogu iziskivati reviziju. Primećujemo da pri procenjivanju, i u održavanju poreñenja relevantnim, pojedinac mora da ima na umu sve elemente koji se porede. Nije teško uočiti da, da bi se razvila validna numerička poreñenja, ne bi trebalo porediti više od 7 ± 2 elementa. U tom slučaju, mala greška u svakoj relativnoj vrednosti, ne menja tu vrednost značajno. Ako je tako, postavlja se pitanje kako možemo vršiti merenja meñu različitim klasama ciljeva? Odgovor je: pomoću hijerarhijske dekompozicije. Elementi se grupišu ordinalno (kao prva procena) u klase uporedivosti, od po oko sedam elemenata u svakoj. Element sa najvišim ponderom u klasi elemenata sa lakšim ponderima, se takoñe uključuje u sledeću težu klasu, i služi kao pivot, da bi uniformisao skalu izmeñu te dve klase. Procedura se ponavlja od jedne klase do sledeće, sve dok se svi elementi ne skaliraju kako treba. U odreñenim problemima sa velikim brojem alternativa, nije uvek potrebno da meñu njima vršimo poreñenja po parovima. Umesto toga, uvodimo podkriterijume koji predstavljaju rafinirane kriterijume (npr. visoko, srednje, nisko) i prioritizujemo njihov značaj, u odnosu na kriterijume. Zatim, uzimamo svaku alternativu i ispitujemo koji podkriterijum je najbolje opisuje, i uzimamo prioritet tog podkriterijuma. Sabiramo sve ove prioritete za tu alternativu. Na kraju normalizujemo vrednosti alternativa da bi dobili njihov opšti prioritet. 4. Kritika moći primene AHP Prošlo je skoro tri decenije od kad je Saaty uveo AHP. Tokom ovog vremena, predložen je veliki broj aplikacija, ali se takoñe pojavio i odreñeni broj kritika ovog pristupa. U jednom ranijem radu, Harker i Vargas, reaguju na kritiku AHP-a, i zaključuju da "... je prihvatanje ovog metoda, usporeno onim za šta smatramo da je (a) pogrešno razumevanje njegovih teoretskih osnova, i (b) protivljenje odvajanju od tradicionalnih metoda analize... " 65 U poslednje vreme, u literaturi se mogu pronaći radovi u kojima su izloženi primeri modifikacije metoda analitičke hijerarhije. Modifikacija AHP je nastala kao potreba da se ulazni podaci, kojima se ističe relativna važnost kriterijuma opišu na realniji način tj. lingvistickim deskriptorima koji se modeliraju pomoću različitih matematičkih teorija. U empirijskim AHP istraživanjima dominiraju studije slučaja kojima se rešava neki odreñeni problem. Istovremeno se vrše istraživanja da bi se testirao kvalitet ovog metoda u eksperimentalnom okruženju. U jednom ranijem istraživanju,66 AHP se poredi sa četiri druga metoda kako u vezi procene pondera tako i u vezi njihove moći predviñanja u pogledu izbora, rangiranja i rezultata preferencije. Rezultati do kojih se došlo su različiti sa stanovišta ocene pondera, dok su u pogledu predviñanja približno identični. Osnovna zamerka koja se upućuje ovoj i drugim komparativnim studijama odnosi se na limitiran broj učesnika (30 i 60) koja u znatnoj meri relativizuje ostvarene rezultate.67 Istaknuto je da AHP ima nekoliko slabosti68. Kao prvo, ne postoji teorijski okvir za razvoj hijerarhije tj. modeliranje problema odlučivanja u hijerarhiju. Ovo je generalno specifičan problem, gde je specifikacija hijerarhije subjektivna i na nju mogu uticati procene modelara. Nepotpuna hijerarhija može dovesti do kontraintuitivnih kompozitnih pondera. Drugo, upotreba poreñenja parova, kao instrumenata procene elemenata odlučivanja, može dovesti do nekonzistentnih rejtinga. Kao posledica toga, slučajne greške se možda neće eliminisati proverama konzistentnosti. Treće, zbog mnogih metoda procene predloženih i primenjenih za izračunavanje relativnih pondera elemenata odlučivanja, čini se da za datu analizu nijedan nije primenljiviji od drugog. Ipak, najčešće se u ovoj fazi primenjuje se metod karakterističnog vektora. Na kraju, ukoliko je u analizi prisutno više od jednog evaluatora, nema preferiranog pristupa za kombinaciju procena. Osnovne primedbe o kojima se detaljno govori kod Dyer69 i Belton70 odnose se na sledeće: 65 Harker, P.T., and Vargas, L.G., The theory of ratio scale estimation:Saatys analytic hierarchy process, 1987, Management Science, 33, 1383-1403. 66 Schoemaker, P.J.H., and Waid, C.C., An Experimental Comparison of Different Approaches to Determining Weights in Additive Unity Models, 1982, Man.Science 28,182-196. 67 Eelko, K., Huizingh, R.E., and Vrolijk, H.C.J., The Predictive Power of the Self Explicated Approach and the AHP: A Comparison, MCDM, Proceedings of the Twelfth International Conference, 1997, Hagen, 137-146. 68 Zahedi, F., The Analytic Hierarchy Process - A Survey of the Method and its Appllicatios, Interfaces, (Vol.16, 1986), pp.96-108. 69 Dyer, J.S., Remarks on the analytic hierarchy process, 1990, Management science, 36, 249-258. 1) limitiranost parnih poreñenja na skalu 1-9, što logično implicira nekonzistentnost odgovora. Npr., ako se A jako preferira u odnosu na B, mereno kao 5 na AHP skali, i ako se B jako preferira u odnosu na C, onda, da bi se održala konzistentnost u poreñenju A i C, jačina preference treba da bude 5x5, što nije moguće; 2) korespondenciju izmeñu numeričke i verbalne skale; nekoliko autora tvrdi da je multiplikativni faktor od 5, previsok za izražavanje utiska jake preference; 3) nedostatak operativnog značenja odgovora na pitanja koja iznose na videlo relativni značaj kriterijuma; činjenica da ta pitanja nisu u vezi sa skalama na kojima se kriterijumi mere, ili sa alternativama koje se procenjuju,, znači da uvoñenje nove alternative može da dovede do poznatog efekta obrnutog rejtinga; 4) pretpostavku o koeficijentima kojima se mere preference alternativa u odnosu na kriterijume; AHP se stavlja nasuprot pristupu multiatributivne funkcije vrednosti, koja je dobro utemeljena na aksiomima teorije odlučivanja i pretpostavlja samo merenje intervalne skale. Treba reći da su navedene primedbe bile predmet brojnih polemika, posebno izmeñu već pomenutih autora s jedne i Saaty-ja i Vargasa s druge strane. Rad J.S. Dyer-a71 , prezentuje dva argumenta, protiv upotrebe AHP-a: aksiomi imaju mana a rejtinzi, koje AHP proizvodi, su arbitrarni. Prema mišljenju Saaty-ja i Vargasa, ovaj kriticizam nastaje iz nedostatka razumevanja teorije koja se nalazi u osnovi AHP-a. 4.1 Validnost AHP aksioma Dyer kritikuje aksiome AHP-a, jer ne sledi iz bazičnih aksioma, već iz primitivnih ideja, koje uključuju pretpostavku o fundamentalnoj skali. U AHP-u se koristi skala koeficijenata. koja je izabrana zbog svojih empirijskih osobina koje sugerišu da je ovo adekvatna skala za obuhvatanje preferenci donosioca odluke. AHP je prilično elastičan, čak iako se naprave, uslovno rečeno, greške. Takoñe, da li je ideja verovatnoće toliko intuitivna za ljude, da se mora uzeti kao osnova svih teorija odlučivanja? Rezultati iz analize eksperimentalnog odlučivanja, dovode u sumnju ovu tvrdnju. Prosto rečeno, 70 Belton, V., A comparison of the analytic hierarchi process and simple multi-attribute value function, 1986, European Journal of Operational Research, 26, 7-21. 71 Dyer, J.S., Remarks on the analytic hierarchy process, 1990, Management science, 36, 249-258. Aksiom 1 AHP-a, kaže da ljudi mogu da vrše poreñenja, i u ovom procesu možemo koristiti skale koeficijenata. Primećuje se da ova pretpostavka ne zahteva korišćenje negativnih brojeva, koji se moraju definisati kada se koriste intervalne skale. Da li su intervalne skale jedini način razmišljanja o svetu, kako se najčešće veruje? Izbor skale je mnogo kompleksniji problem nego što se to obično misli; skale koeficijenata pružaju koristan način modeliranja niza situacija, pa ne treba jednostavno pretpostaviti da su intervalne skale jedini metod merenja kognicije. Razlog zašto se intervalne skale ne mogu koristiti kroz proces odlučivanja je to, što proizvod dva broja intervalne skale, iz iste ili iz različitih intervalnih skala, ne pripada intervalnoj skali. Meñutim, proizvod skale koeficijenata je skala koeficijenata, i zbir brojeva skale koeficijenata iz iste osnovne skale, kao što je slučaj sa prioritetima izvedenim u AHP-u, je broj koji pripada toj skali koeficijenata. U teoriji korisnosti, intervalne skale se koriste za rangiranje alternativa. Ne nudi se nijedan način za rangiranje kriterijuma u hijerarhijskoj strukturi. Predlagano je da se AHP koristi za rangiranje kriterijuma, a da se rezultati racio skale koriste za ponderisanje merenja intervalne skale alternativa. Ovo se svodi na to da se intervalna skala množi sa racio skalom, da bi se dobila intervalna skala, ali nije jasno šta je krajnji cilj toga? Drugo, kriterijumi ili atributi su apstraktni koncepti, čije je pondere lakše determinisati relativnim poreñenjem koeficijenata, nego uzimanjem razlika merenja, koja već ne postoje na nekoj skali. Treće, relativna poreñenja i apstraktnih i konkretnih entiteta se mogu efektivno meriti sredinama koeficijenata, kada su objekti bliski, u smislu atributa, a onda one koji su bliski, povezivati sa ostalima, korišćenjem reklasteringa i merenja. Zbog toga pitanje nije da li treba koristiti intervalne skale ili skale koeficijenata, jer takoñe postoje ordinalne i čak opštije numeričke skale, već da li prvo, može li se obuhvatiti nešto opštije što se može izraziti na odreñeni način, i da li ljudi zaista imaju sposobnost da izražavaju svoje preference kroz skale koeficijenata. Aksiom 2 se odnosi na ograničene kognitivne kapacitete. Nerealno je smatrati da ljudi mogu efektivno da koriste neograničene perceptualne skale; ovaj aksiom navodi da postoji limit naših sposobnosti, da poredimo veoma različite alternative ili kriterijume. Kritikujući aksiomatsku osnovu AHP i manjkavu prirodu procedure rangiranja, Dyer tvrdi da su pitanja koja se postavljaju u AHP-u, dvosmislena; on piše72: "Zamislimo jednog promišljenog čoveka, koji čuje pitanje: ’’Koliko je Ai bolje od Aj, prema nekom kriterijumu?’’ 72 ibid Njegov odgovarajući odgovor bi bio:’’ U odnosu na šta?’’ Ovo drugo pitanje izražava intuitivno, potrebu za definisanjem referentne tačke." Pošto je ovaj rad verovatno najpotpunija kritika AHP, posebno ćemo se zadržati na njemu. Prvo, pitanja koja se koriste u AHP-u nisu formulisana na način kako ih Dyer opisuje. Drugo, definicija kriterijuma mora uvek uključivati referentnu tačku. Aksiom 2 (homogenost) implicira sledeće: da bi pitanja imala smisao, moraju se izvršiti parna poreñenja na homogenoj skali. Stoga npr., ako poredimo automobil A sa automobilom B, prema njihovoj ceni, odgovarajuće pitanje je: "U odnosu na cenu, koji od ova dva auta (A ili B) se preferira, i za koliko?" Naravno da ako neko ne može da priušti ni jedan od ova dva auta, onda bi odgovor bio besmislen, i stoga ovaj set nije homogen. Sama definicija kriterijuma cene, je definisala implicitni set referenci. Ako se adekvatno razmotri, AHP pruža nove načine definisanja referentnih tačaka. Prvo bi poredili sve alternative sa prvom (alternativom koja je referentna tačka), a onda se porede sve, sa drugom alternativom itd. Stoga, AHP ne uzima fiksnu referentnu tačku, već tretira sve alternative kao referentne tačke, da bi se minimizirala svaka pristrasnost koja se može uvesti pomoću odabira samo jednog fokusa za poredjenja. Ideja da AHP narušava nezavisnost relevantnih alternativa (promena ranga), je glavno mesto gde Dyer smatra da je AHP manjkav. Jedini razlog koji Dyer daje za to što AHP donosi arbitrarne rangove je to što AHP ne poseduje aksiom o nezavisnosti; ovo nije slučaj. Aksiom 3 vrlo jasno ističe šta znači nezavisnost u kontekstu AHP-a. Dyer predlaže upotrebu koncepta nezavisnosti razlike, da bi se ispravio problem koji on uočava u AHP-u. Svi koncepti nezavisnosti u AHP-u su subjektivni; oni su bazirani na jednostavnoj ideji: da li se naše preference menjaju kada se menja neki od kriterijuma? U primeru koji je Dyer dao, odgovarajuće pitanje je: ako imamo par kriterijuma Ci, Cj, i ako se Ci preferira u odnosu na Cj, pri razmatranju alternative Ak, možemo li zaključiti da se Ci preferira u odnosu na Cj, za sve alternative? U AHP-u, preferenca nije samo ordinalna skala. Stoga se jačina preference Ci u odnosu na Cj, mora sačuvati od alternative do alternative. AHP je jednostavno obezbedio formalni mehanizam za njegovo ispitivanje. Pošto se kriterijumi doživljavaju kroz alternative, izgleda teško odvojiti kriterijume od alternativa. U primeru koji daje Dyer, uočavamo da važnost kriterijuma varira od alternative do alternative. Aksiom 3 AHP-a, ističe da za hijerarhije (jedina struktura za koju je validan princip hijerarhijske kompozicije), neki nivo ne zavisi od nivoa iznad, u smislu koji je gore pomenut. Pored toga, elementi u okviru nivoa, moraju biti nezavisni meñusobno, tako da je jasno da Dyer-ov primer ne zadovoljava Aksiom 3. Dyer-ova kritika ne formuliše ispravno ni pitanje za poreñenje kriterijuma u odnosu na alternative:73 "Od donosioca odluke bi se zahtevalo da odgovori na pitanja, kao što je ovo: ’’Da li Mercedes ima bolju performansu, što se tiče troškova ili što se tiče izgleda, i za koliko?" Ovo pitanje je prema Saaty-ju, Dyer-ovo pogrešno razumevanje. Odgovarajuće pitanje bi bilo: ako je data alternativa (npr. Mercedes), koji kriterijum (npr. izgled ili troškovi) je važniji, u opštem izboru najboljeg automobila? Donosilac odluke može da odgovori sa istom relativnom važnošću svakog kriterijuma, bez obzira koja alternativa je odabrana; u ovom slučaju, može se koristiti hijerarhijska kompozicija. Ako odgovori variraju sa odabranom altenativom (referentna tačka), onda se mora koristiti tehnika supermatrice74; hijerarhija nije problem. Iako Dyer možda sumnja da se na ovakva pitanja može odgovoriti, empirijske aplikacije75 ove tehnike pružaju dokaz da su pitanja značajna za odlučioce. Štaviše, ova tehnika pruža test za to da li se može ili ne, hijerarhija koristiti za modeliranje datog problema odlučivanja.76 Stoga je Dyer-ova tvrdnja da se nezavisnost ne može testirati u AHP-u, netačna. 4.2 Promena (preokret) ranga AHP je nastao iz potrebe da se usklade kvalitativne razlike izmeñu kriterijuma. Odreñenu zabrinutost i sumnje, AHP je izazvao usled arbitrarnog rangiranja, koje se javlja kada dva ili više alternativa imaju iste ili slične karakteristike, ili zbog promene ranga usled dodavanja ili eliminicije alternativa (Dyer77, Perez78). Primećeno je, naime, da uvoñenje irelevantnih alternativa ili brojnih primeraka jedne alternative, utiče na promenu (preokret) ranga. Tako, ako se A preferira u odnosu na B 73 Dyer, J.S., Remarks on the analytic hierarchy process, 1990, Management science, 36,p.253 74 Saaty, T.L., An Exposition of the AHP in Reply to Paper: Remarks on the Analytic Hierarchy Process, 1990, Management Science, 36, 259-268. 75 Hamalainen, R.P., and Seppalainen, T.O., The Analytic Hierarchy Process in Energy Policy Planning, 1986, Socio- economic planning Sci., 20, 388-405. 76 Harker, P.T., and Wargas, L.G., Reply to Remarks on the Analytic Hierarchy Process by J.S. Dyer, 1990, Management Science, vol.36, 269-273. 77 Dyer, J.S., Remarks on the analytic hierarchy process, 1990, Management science, 36, 249-258. 78 Perez, J., Somme comments on Saatys AHP, 1995, Management Science, vol.41, no.6, 1091-1095. i B se preferira u odnosu na C, možda bi uvoñenje više primeraka C, dovelo do toga da se B preferira u odnosu na A, odnosno do preokreta u rangu. Meñutim, ovi neželjeni efekti ne limitiraju AHP (Vargas & Harker)79. U stvari, sve ordinalne metode agregacije pokazuju obrnuti rang 80. Dokazano je da obrnuti rang neće biti problem u realnim aplikacijama, jer se vrlo retko dogodi da postoje dve alternative sa sličnim karakteristikama a i lako se mogu preduzeti posebne mere opreza, kao što je grupisanje sličnih alternativa, kako bi se izbeglo obrnuto rangiranje. Očito je da razloge dilema oko promene ranga treba tražiti u konfuziji koja postoji u vezi interakcije izmeñu alternativa i kriterijuma. U AHP-u, postoje četiri načina na koji su kriterijumi povezani sa alternativama. Prva dva se odnose na slučajeve nezavisnosti i kvazi-nezavisnosti kriterijuma u odnosu na alternative, druga dva slučaja se odnose na zavisnost kriterijuma od alternativa odredjene odluke. Oni su: 1. Apsolutna mera. Rangiranje kriterijuma je potpuno nezavisno od odreñenih alternativa razmatranog problema odlučivanja, i od njihovog broja i merenja. 2. Relativna mera. Rangiranje kriterijuma je inicijalno nezavisno od odreñenih alternativa u razmatranom problemu odlučivanja, ali se rezultati kasnije reskaliraju kao rezultat merenja alternativa. 3. Kriterijumi zavise od alternativa, ali ne od njihovog broja. Ovaj slučaj je važan u mnogim primenama AHP-a, uključujući vremenske horizonte u analizama rizika i holarhijama, gde su kriterijumi vršnog nivoa, zavisni od alternativa poslednjeg nivoa. 4. Kriterijumi zavise i od alternativa i od njihovog broja i merenja koje one generišu u odnosu na svaki kriterijum. U principu, kriterijume bi trebalo uključiti u proces modeliranja cilja, na bazi njihove relevantnosti za izbor postojećih alternativa. Ovo može da znači da se novi kriterijumi mogu uključiti ili se stari kriterijumi mogu izostaviti uporedo sa dinamikom razmatranja ili eliminisanja alternativa. Ovaj proces je, u suštini, interakcija izmeñu kriterijuma i alternativa, pri čemu adekvatno strukturiranje kriterijuma 79 Harker, P.T., and Wargas, L.G., Reply to Remarks on the Analytic Hierarchy Process by J.S. Dyer, 1990, Management Science, vol.36, 269-273. 80 Perez, J., Somme comments on Saatys AHP, 1995, Management Science, vol.41, no.6, 1091-1095. omogućuje njihovu promenu ako za tim nastane potreba. Adekvatno strukturiranje kriterijuma podrazumeva uzimanje u obzir svih kvalitativnih distinkcija koje je donosilac odluke identifikovao. Prema tradicionalnoj teoriji korisnosti, ako je dat skup nezavisnih alternativa, skup atributa datih pondera, nezavisno od alternativa, i ako ponderi alternativa zavise samo od kriterijuma, onda se rang alternativa može promeniti samo ako se ponderi kriterijuma menjaju, ili ako se u uvoñenju ili brisanju alternativa, uvedu novi kriterijumi ili se stari brišu. Beskorisno je čuvati rang, što se tiče metoda koji daje pogrešan rezultat. U tom smislu, u literaturi se navode sledeća dva koraka u cilju zaštite rangiranja: 1) apsolutno zaštiti rang korišćenjem moda apsolutnog merenja (u slučaju irelevantnih alternativa, rang je moguće zaštititi korišćenjem idealnog moda), i 2) omogućiti rangu da se preokrene, korišćenjem distributivnog moda pristupa relativnom merenju.81 1) Apsolutno merenje i čuvanje ranga se koristi kada je poželjno rangirati alternative prema standardima koji su utvrñeni kroz iskustvo eksperata, čak i ako neko može da se ne slaže sa ovim standardima. To je normativni mod - mora i treba. Ako su dati prioriteti kriterijuma, apsolutno merenje uključuje normalnu procenu, uvoñenjem intenziteta ili stepena sa kojima se alternativa rangira u odnosu na kriterijum. Intenziteti se prvo determinišu kvalitativno, kao potencijalni rasponi diskriminacije, kao što se ocene A, B, C, itd. dodeljuju studentu na ispitu, ili kao što se broj zvezdica dodeljuje nekom hotelu. Intenziteti mogu biti različiti za svaki kriterijum, ali ono što je važnije, je da je potrebno pre poznavanja i ekspertize koliko alternativa je poznato, da se rangiraju u ovakvom sistemu. Apsolutno merenje pretpostavlja da je onaj ko vrši merenje, naučio da kaže kako se alternative jedna po jedna rangiraju po svakom kriterijumu. Najpre ističemo da čitav skup inteziteta mora biti poznat ekspertu koji vrši evaluaciju, i da se ovi intenziteti moraju izlistati i uporediti. Ne dovodi se u pitanje dodavanje ili brisanje intenziteta, kao što je slučaj, kod alternativa. Ako iz nekog razloga ekspert kasnije doda opseg intenziteta, pretpostavlja se da bi se prethodni rejting odbacio kao rezultat previda. Intenziteti su podkriterijumi za rangiranje alternativa, i dodavanje ili brisanje jednog, bi bilo jednako dodavanju ili brisanju kriterijuma, pa se može javiti promena ranga. Sa jako utvrñenim intenzitetima, svaka alternativa se odvojeno rangira, i ništa nema sa rangiranjem ostalih alternativa. Stoga, sa apsolutnim merenjem AHP-a, nikad ne može doći do promene ranga alternativa, dodavanjem ili brisanjem drugih alternativa. 81 Saaty, T.L., How to Make a Decision: The Analytic Decision Process, 1990, European Journal of Operations Research 48, pp. 9-26. Intenziteti svakog kriterijuma mogu biti kvalitativni (što je suprotno frekvenciji vibracija, npr.) i malobrojni, čiji se prioriteti dobijaju parnim poreñenjima. Oni se takoñe mogu opisati numerički, npr. u intervalu [0,1], koji se onda deli na konačan set podintervala, koji se takoñe mogu porediti. Kad god se odabere neki broj, prioritet njegovog odgovarajućeg podintervala se ponderiše prioritetom kriterijuma, i dodeljuje kao prioritet broja u odnosu na taj kriterijum. Ako je set konačan, on treba da bude kompletiran, da bi se indicirao pun opseg diskriminacije. Ne bi trebalo da postoji potreba za uvoñenjem novog broja ili brisanje postojećeg, jer bi to pokazalo nedostatak razumevanja intenziteta od strane eksperta. Znači, intenziteti su fiksni za svaku odluku. U principu, brojevi se mogu smatrati stimulansima koji indiciraju različite nivoe prioriteta. Brojevi se ne razlikuju od svetla ili zvuka čije značenje i važnost variraju sa godištem, dobom godine i pod nizom drugih okolnosti. Uticaj stimulanasa takoñe varira od osobe do osobe. Problem sa direktnim dodeljivanjem brojeva u procesu odlučivanja, je što numerička vrednost broja može da ne korespondira sa prioritetom za taj atribut. U tom slučaju, pogodno je dodeliti alternativni nulti intenzitet. Kada razmišljanje neke osobe postane potpuno uslovljeno odreñenom racio skalom merenja, tako da se može pretpostaviti da njegovi prioriteti prirodno proističu iz tog uslovljavanja, onda se mogu vrednosti racio skale upotrebiti kao prioriteti. Slična merenja iz intervalne skale se mogu konvertovati u koeficijente i koristiti kao prioriteti, ako postoji adekvatno opravdanje za takvo korišćenje. Pojedinac koji je navikao na skalu sa intervalnim ili na skalu sa kardinalnim brojevima, može pogrešno očekivati ili pretpostavljati da AHP zadovoljava kriterijum racionalnosti teorije korisnosti: što neko ima veću vrednost korisnosti, to mu je bolje. Uobičajena praksa u teoriji korisnosti je renormalizovanje, tako da većina preferiranih alternativa dobija jediničnu (punu) vrednost za svoj rang. Situacija nije tako direktna sa AHP-om, ali AHP alocira ponder kriterijuma na alternative, na pravičniji način. U poreñenju intenziteta u pogledu različitih kriterijuma, najpoželjniji intenzitet dobija samo frakcionu vrednost jedinice, koja može biti različita za svaki kriterijum, kao i ostali intenziteti. Ne bi bilo ispravno dodeliti punu vrednost kriterijuma, alternativi koja je dominantna u pogledu svakog kriterijuma. Ovakva praksa može biti poželjna u retkim slučajevima, a ne kao opšta dogma. Skale koeficijenata pokazuju da se ovaj proces mora pažljivo vršiti. Imamo tri interesantna slučaja za razmatranje:82 82 Saaty, T.L., An Exposition of the AHP in Reply to the Paper: Remarks on the AHP, 1990, Management Science, vol.36, 259-269. a) Skup intenziteta i njihovih prioriteta je identičan za sve kriterijume. U ovom slučaju, kao u pristupu korisnosti, alternativa koja se prema svakom kriterijumu rangira najviše, može da dobije punu vrednost svakog kriterijuma. Prisetimo se da kod skale koeficijenata, možemo množiti vrednosti sa konstantom i dobiti identične koeficijente. Bilo bi neispravno dodeliti nultu vrednost poslednjoj preferiranoj alternativi, u odnosu na svaki kriterijum, samo zato što je ona poslednja preferirana. Alternativa koja dobija nulu, je čitav univerzum koji je izostavljen iz apsolutnog rangiranja. Lako je videti kako AHP dodeljuje punu vrednost kriterijuma, razmatrajući dve alternative koje su rangirane 50% i 40% za svaki kriterijum. Na kraju, prva alternativa dobija 50% sume pondera svih kriterijuma, dok druga dobija 40%. Ovaj ukupni ishod za ove dve alternative, ostaje isti ako se se oba rezultata pomnože sa dva, dajući prvoj punu vrednost, a drugoj 80% od pune vrednosti. Ono što je važno je da koeficijenti ove dve alternative ostaju isti. b) Svi intenziteti su isti, ali se njihovi prioriteti razlikuju od jednog do drugog kriterijuma. Bilo bi kršenje osobine skale koeficijenata, opšteg prioriteta, kad bi se normalizovali prioriteti intenziteta, na jedinicu, deljenjem prioriteta najvišeg intenziteta za svaki kriterijum, ili oduzimanjem od svakog najmanjeg intenziteta prioriteta, i deljenjem sa razlikom najvećeg i najmanjeg, da bi se konvertovali na intervalnu skalu. Dovode se u pitanje ovakve igre normalizacije, čak i kod intervalnih skala, gde ovakva praksa preovladava. Tamo oni podležu prilično kompleksnim razmatranjima korisnosti, koja mogu biti razumna u teoriji, ali ih je teško implementirati u praksi. U AHP-u, alternativa dobija svoj proporcionalni ili čitav udeo kriterijuma, u odnosu na ostale alternative, kako garantuje intenzitet koji zadovoljava za svaki kriterijum. Osobina skale koeficijenata ostaje precizno merilo finalnog prioriteta, u odnosu na sve kriterijume. c) Broj i tip intenziteta su različiti za kriterijume. Ovo je isto kao i u 2), ali se prioritet svakog kriterijuma reskalira množenjem neke druge skale koeficijenata i relativnog broja upotrebljenih kategorija intenziteta. Nas ne interesuje šta favorizovana alternativa dobija, već koji deo ona dobija i koji deo dobijaju druga i treća željena alternativa. Što je intenzitet vršne alternative bliže ostalim alternativama, to je on manje izdvojen u odnosu na njih, i manji je relativni deo njegovog kriterijuma koji dobija. Obratno, što je on odvojeniji od ostalih, to je više rangiran. 2) Relativna mera – legitimnost promene ranga je deskriptivan pristup AHP-a, koji se sprovodi bez korišćenja standarda intenziteta. To je način koji se vrši parnim poreñenjem alternativa prema njihovoj relativnoj dominaciji u pogledu svakog kriterijuma, i bez pomoći normativnih intenziteta. Da bi se održao nizak nivo nekonzistentnosti u procenama, relativna poreñenja uključuju vrlo mali broj elemenata u isto vreme. Klasterisanjem alternativa prema homogenosti, u odnosu na neki kriterijum, arbitrarno veliki broj elemenata se može skalirati, adekvatnim uvoñenjem zajedničkog elementa od klastera do klastera. Pitanje je kako treba prioritet kriterijuma dodeliti alternativama, za koje jedino znamo njihovu relativnu dominaciju? Kod skale koeficijenata, nije potrebno kardinalno rangiranje alternativa, već samo skala koeficijenata relativnog rangiranja, da bi se distribuirao relativni, a ne apsolutni prioritet kriterijuma. U relativnom merenju, preferenca za neku alternativu se determiniše pomoću svih ostalih alternativa. U tom smislu, alternative nisu nezavisne jedna od druge u determinisanju svojih prioriteta. Ova zavisnost meñu alternativama može se reinterpretirati kao reskaliranje prioriteta kriterijuma, u zavisnosti od toga koliko alternativa postoji. Drugačije rečeno, prisustvo ili odsustvo neke alternative u relativnom merenju, uvodi dodatne informacije koje se tiču dominacije te alternative u odnosu na druge alternative, bez obzira na njihov broj. Ove informacije nastaju iz promene strukture problema odlučivanja, kao što je dodavanje ili brisanje neke varijable u problemu linearnog programiranja. Mora se izračunati novi optimum, od početka, i on se obično ne bi poklapao sa prethodnim optimumom za neku od varijabli. Nove informacije u problemu odlučivanja se predstavljaju strukturalnim kriterijumom, koji umesto da se poredi sa starim kriterijumima od kojih se fundamentalno razlikuje, funkcioniše kao transformacija prioriteta ovih kriterijuma, reskalirajući ih prema novim informacijama. Promenom prioriteta kriterijuma, skup starih i novih alternativa ili jednostavno stari skup sa nedostajućom alternativom, može imati novi rejting, koji nije kompatibilan sa starim. Korisno je ispitati precizno, način na koji se kriterijumi zapravo reskaliraju, da bi se transformisao problem u tradicionalno okruženje, koje navodi uslove za legitimnost promene ranga. Nakon svega, okruženje relativnog merenja uključuje odredjenu vrstu zavisnosti meñu alternativama. U relativnom poreñenju alternativa, najbolje rangirana alternativa je jednostavno najbolja u klasi alternativa sa kojima se poredi. Kod relativnog merenja, prioritet kriterijuma se dodeljuje u isto vreme za nekoliko alternativa. Tradicionalan uslov promene ranga, je dakle, da se pretpostavlja da su ponderi kriterijuma dati. Ako se oni nekako promene, onda se i rangovi alternativa mogu menjati. Značajna opservacija koja se tiče ove kontroverze oko fenomena promene ranga u AHP-u, je da jednostavno rešenje postoji. Rezimirajmo centralni elemenat diskusije koja se tiče promene ranga. Ako imamo jedan kriterijum kao što je crvenilo, i jabuka A je crvenija od jabuke B, onda bi prigovorili da nova jabuka C utiče na to da jabuka B postane crvenija od A, prema nekoj teoriji. Zapravo, ovo se ne može desiti u AHP-u, kada su procene konzistentne. Kada je neka alternativa irelevantna, ona ne može da prouzrokuje promenu ranga. Primećujemo, da u AHP-u, svaka alternativa koja može da se poredi sa ostalim alternativama, može da se nazove relevantnom u toj terminologiji. Ako imamo nekoliko kriterijuma, onda je tradicionalna pretpostavka, da promenu ranga treba dozvoliti samo ako se novi kriterijumi uvedu ili se ponderi starih kriterijuma promene, kada se neka nova alternativa doda, ili stara izbriše. AHP sugeriše da se mora odlučiti da li da se sačuva rang zbog stečenih standarda onoga šta treba ili ne treba da bude, korišćenjem procedure rangiranja, ili da se dozvoli da rang zauzme svoj prirodni kurs, vršenjem parnih poreñenja. Razlog zašto rang može da se promeni u AHP-u, sa relativnim merenjem, je jasan. To je zato jer kriterijumi zavise od toga koje se alternative razmatraju, tako da dodavanje ili brisanje alternativa može da dovede do promene krajnjeg ranga. U AHP-u se ne javljaju matematički neopravdane promene ranga. III DEO AHP U EKONOMSKOM PREDVIðANJU Uvod AHP se u literaturi predlaže kao rešenje za velike, dinamične i kompleksne probleme višekriterijumskog odlučivanja, kao što su strategijsko planiranje organizacionih resursa, evaluacija strategijskih alternativa i oportunost uvoñenja novih proizvodnih tehnologija. Ovakvi problemi uključuju brojne, kako kvantitativne tako i kvalitativne faktore, zatim mnoge interaktivne atribute (ekonomske, socijalne, političke, kulturološke itd.) i kompleksne odnose meñu njima. Za navedene probleme višekriterijumskog odlučivanja, procena menadžerskih preferenci prioriteta, meñu kriterijumima ciljne veličine, igra ključnu ulogu u procesu rešavanja problema. Da bi se preferenca menadžera procenila eksplicitno nekim modelom preference, jedan od najatraktivnijih pristupa je AHP, kao što sugerišu Falkner i Benhajl83 i Saaty84. AHP je pristup razvijen kao odgovor na probleme vojnog planiranja kontingenata, alokaciju oskudnih resursa i potrebe za političkim učešćem u pregovorima o razoružanju. Svi ovi problemi se uglavnom oslanjaju na merenje i odnose u procesu višekriterijumskog odlučivanja. U novijoj literaturi AHP se predlaže kao novi pristup specifičnim problemima višekriterijumskog odlučivanja. Jedan takav problem je predviñanje, koje uključuje brojne meñusobno povezane i često konfliktne faktore i zavisnosti koje treba uzeti u obzir kako bi se donela najbolja poslovna odluka. Sposobnost AHP da poboljša evaluaciju i fazu izbora u procesu odlučivanja dobro je poznata. Meñutim ono što nije tako dobro poznato je korisnost AHP u svakom aspektu rešavanja problema i odlučivanja, koji uključuje evaluaciju i merenje. U procesu evaluacije alternativa neke odluke često postaje očigledno da su ishodi jednog ili više tokova akcije neizvesni. AHP se može upotrebiti za merenje relativnog uticaja brojnih relevantnih faktora na moguće ishode i za predviñanje tj. izvoñenje distribucije relativnih verovatnoća ishoda, čime 83 Falkner, C.H. and Benhajla, S., Multi-Attribute Decision Models in the Justification of CIM Systems, The Engineering Economist, 1990, 35(2):91-114. 84 Saaty, T., How to Make a Decision: The Analytic Hierarchy Process, European Journal of Operations Research, 1990, 48, 9-26. se u značajnoj meri neizvesnost može umanjiti ili eliminisati. Ova predviñanja se zatim koriste kada se evaluiraju alternativni tokovi akcije. Primene AHP se mogu sistematizovati u dve osnovne kategorije: 1) izbor - evaluacija alternativnih tokova akcije, i 2) predviñanje - evaluacija alternativnih budućih ishoda.85 Problem izbora obično podrazumeva evaluaciju preferentnosti alternativnih tokova akcije. Predviñanje, nasuprot tome, se fokusira na evaluaciju relativne verovatnoće budućih ishoda. Najstariji pokušaji predviñanja bili su motivisani radoznalošću i željom da se sazna šta može doneti budućnost. Danas, predviñanje budućnosti treba da omogući donošenje boljih odluka. AHP može biti korisno oruñe u sintetizovanju informacija kako bi se donele bolje odluke u uslovima neizvesnosti. AHP se može koristiti za kombinovanje niza tehnika predviñanja u formi raspodele verovatnoća. Iako se neizvesnost ne može u potpunosti eliminisati, AHP se može koristiti za izvoñenje raspodele verovatnoća kako bi se umanjio uticaj neizvesnosti. Dyer i Forman86 sugerišu tri primarne oblasti u predviñanju, gde se bi se AHP mogao primeniti. Kao prvo, AHP bi se mogao koristiti za kombinovanje rezultata nekoliko tehnika predviñanja, da bi se dobilo jedno kompozitno predviñanje. Druga upotreba je kada se AHP koristi u selekciji najadekvatnijeg metoda ili tehnike predviñanja. Treće, AHP se može upotrebiti kao ekspertsko mišljenje za predviñanje. Primena AHP u predviñanju se, prema tome, može posmatrati sa dva aspekta: kao prvo, AHP se može koristiti u optimizaciji procesa predviñanja, i kao drugo, AHP predviñanje – evaluacija alternativnih ishoda. 1. Procenjivačko predviñanje Iako svi metodi predviñanja uključuju procenu, metodi predviñanja se dele na statističke i procenjivačke. Značajan segment istraživačkog predviñanja fokusiran je na razvoj i testiranje statističkih tehnika. Meñutim, u praksi ljudsko prosuñivanje i rezonovanje igraju primarnu ulogu. Čak i kada se koriste statistički metodi, rezultati se često prilagoñavaju prema proceni eksperta.87 Kombinacija procene i kvantitativnih tehnika, često je obeležje procesa predviñanja kada se tzv. objektivna predviñanja revidiraju procenom analitičara ili donosioca odluka. 85 Forman, Decision by objectives, 2000, Washingthon University Press. 86 Dyer, R.F., and Forman E.H., Analytic Approach to Marketing Decisions, 1991, Prentice - Hall, Englewood Clifs, NJ. 87 Bunn, D.and Wright, G., Interaction of judgmental and statistical forecasting methods: issues and analysis, Management Science, 1991, 37, 501-518. 1.1 Uloga i validnost procene u predviñanju Subjektivne verovatnoće se koriste kao glavni input u mnogim menadžment tehnologijama, kao što su analiza odlučivanja, analiza unakrsnog uticaja, ekspertski sistemi itd. Veliki deo psihološkog istraživanja procene verovatnoće je pokazao da ljudsko mišljenje o subjektivnoj verovatnoći često ne prati zakone verovatnoće, već heurističke principe koji mogu dovesti do pristrasnosti u procenama. Sintagma normativna adekvatnost, koristi se da odrazi stepen saglasnosti procena sa aksiomima teorije verovatnoće. U tom smislu, termin - kalibrisanje,88 opisuje adekvatnost onog koji procenjuje verovatnoću. Procenjivač verovatnoće je dobro kalibrisan, ako je tokom dužeg perioda, za sve propozicije kojima je dodeljena ista verovatnoća, deo koji je tačan jednak dodeljenoj verovatnoći.89 Odnosno, procenjivač je dobro kalibrisan kada dobija dobru povratnu informaciju o tačnosti svojih predviñanja. O ovoj temi naročito diskutuje Pious, koji poredi odlično kalibrisanje prognozera vremenskih prilika, koji imaju dobro sumirane povratne informacije, sa lošim kalibrisanjem lekara, koji dobijaju povremene i loše sumirane povratne informacije.90 Veliki deo studija kalibrisanja obično je koristio almanah pitanja, kao što su: šta je duže a) Suecki kanal i b) Panamski kanal. Od ispitanika se tražilo da indicira koji od dva odgovora je tačan i da onda sa verovatnoćom od 0,5 do 1, kaže koliko je siguran u to, pri cemu 0,5 znaci nisam sasvim siguran, 1, apsolutno sam siguran. Pitanja ove vrste široko su primenjivana zato što su odgovori poznati onome ko vrši eksperiment, pa tako kalibrisanost subjekta može lako da se izračuna. Istraživači su ekstenzivno koristili pitanja vezana za opšte znanje, jer odgovori na njih mogu biti brzi i adekvatno evaluirani. Tek sredinom 80-tih godina, fokus studija kalibrisanja se pomerio sa verifikacije opšteg znanja na procenjivačko predviñanje verovatnoće. Često se, meñutim, procene verovatnoće mogu ispitati sa stanovišta njihove tačnosti u pogledu budućih dogañaja. Wright i Aiton,91 su pokazali da veće lično učešće u budućim dogañajima izaziva i veći osećaj sigurnosti da će se ili neće dogañaj desiti. Kod ličnih dogañaja, koji bi se mogli desiti u u vremenskom horizontu od četiri nedelje, rastuća subjektivna preferencija dogañaja je bila povezana sa 88 McClelland, A. and Bolger, F., The Calibration of Subjective Probabilities:Theories and Models 1980-1994, in: Wright, G. and Ayton, P., eds., Subjective Probability, Wiley, Chichester, 1994. 89 Yates, J.F., External corespondence:Decompositionsof the mean probability score, Organisational Behavior and Human Decision Process, 1982, 57, 1-25. 90 Pious, S.J., The Psychology of Judgment and Decision Making, 1993, New York, McGraw Hill, part 19. 91 Wright, G., and Aiton, P., Judgmental probability forecasting in the immediate and medium term, Organisational Behavior and Human Decision Process, 1992, 51, 344-363. naglašenim poverenjem u u verovatnoću njegovog ostvarenja. Tako se utvrdilo da ukoliko osoba koja predviña, smatra da je dogañaj pod njenom kontrolom, uočena mogućnost kontrolisanja implicira znatno veće poverenje. Faktori, za koje bi se moglo reći da imaju značajan uticaj na procenjivačko predviñanje verovatnoće su dužina vremenskog perioda i njegova bliskost. Milburn,92 je istraživao efekat bliskosti i otkrio da preferirani (ne-lični) dogañaji postaju verovatniji za dešavanje u svakoj od četiri sukcesivne dekade u budućnosti, za razliku od nepreferiranih dogañaja, koji postaju sve manje verovatni. Milburn zato tvrdi da preferirani dogañaji povećavaju svoju verovatnoću tokom vremena, što su istraživanja koja su vršili Wright i Aiton93 na neki način opovrgla, pokazujući da efekat povećanja vremenskog trajanja perioda predviñanja sa 1 na 2 meseca nije imao uticaja na performansu i rezultat predviñanja. Predviñanja kraćeg trajanja nisu sklonija nestabilnim efemernim uticajima bar kada se radi o predviñanju za 1 ili 2 meseca. U stvari, pokazalo se da subjektivna preferentnost ne ličnih dogañaja nije imala efekta na uočenu verovatnoću njihove pojave. Do potpuno suprotnih zaključaka se došlo kada je reč o ličnim dogañajima, gde je otkriven jak efekat preferencije. Takoñe je otkriveno da će u srednjoročnom predviñanju, preferentnost ostvarenja nekog dogañaja smanjiti njihovu procenjenu verovatnoću što će rezultirati u smanjenom kalibrisanju i povećanom poverenju. Ovaj rezultat je naročito zabrinjavajući za analizu odlučivanja, gde procenu subjektivne verovatnoće za niz preferiranih dogañaja rutinski vrši analitičar odlučivanja u interakciji sa donosiocima odluka, jer je uočeno da u srednjoročnom predviñanju nedostatak informacija vodi ka jačoj meñuzavisnosti izmeñu korisnosti i procenjene verovatnoće ishoda. Isti autori su utvrdili da ljudi čije su procene verovatnoće koherentnije, tj. više se povinuju zakonima verovatnoće, pokazuju bolju performansu predviñanja od onih čije su procene verovatnoće manje koherentne. Prognozeri koji su izražavali veću ekspertizu u vezi svojih predviñanja bili su i bolje kalibrisani. U prilog ovih zaključaka idu i rezultati drugih istraživanja. Tako su analize predviñanja kretanja cena akcija tokom jedne nedelje pokazala da su ekspertski portfolio menadžeri imali znatno bolju performansu u poreñenju sa ostalim poluespertskim i početničkim grupama, posebno kada je vršena procena predviñanja korišćenjem preciznih multiintervalnih skala a ne odgovor tipa povećanje ili isto/smanjenje. Dakle, eksperti su imali bolji učinak za kraći horizont predviñanja ali se situacija menjala u korist polueksperata kako se vremenski horizont produžavao. 92 Milburn, M.A., Sources of bias in the prediction of future events, Organisational Behavior and Human Performance, 1978, 21, 17-26. 93 Wright, G., and Aiton, P., Tasks influences on judgmental forecasting, Scandinavian Journal of Psychology, 1987, 28, 115-127. Interesantno je meñutim, kako reaguju korisnici predviñanja tj. donosioci odluka na rezultate procenjivačkog predviñanja. Korisnici predviñanja preferiraju predviñanja koja su 1) ekstremna, jer se kroz njih mogu izvesti zaključci o kompetentnosti analitičara predviñanja i 2) koja potvrñuju neki dokumentovan proces, pomoću koga su izvršene procene verovatnoće. Predviñanja tipa interesantno, ne znam ili 50%, gotovo da su odbacivana sa indignacijom, pošto se očigledno pretpostavlja neznanje predviñača. Konačno, sve do današnjih dana fokus istraživanja procenjivačkog predviñanja verovatnoće, bio je na poreñenju kvaliteta numeričkih procena verovatnoće dogañaja koji se predviña, sa ishodima koji su se zapravo desili. Glavno otkriće je bio fenomen preteranog poverenja, gde je verovatnoća dodeljena skupu dogañaja, više nego značajna. Manje poznat je uticaj procesa rezonovanja koji se nalazi u osnovi numerički procenjenog odgovora. Benson,94 tvrdi da je rezonovanje retko proučavano u kontekstu procene verovatnoće, ali se procena verovatnoće može poboljšati fokusom na poboljšanje rezonovanja a ne na automatsko prilagoñavanje verovatnoće ostvarenja nekog dogañaja proceni predviñača. 1.2 Prednosti i ograničenja klasičnih modela Analiza prakse predviñanja u Australiji, SAD i Britaniji, ukazuje na kontinuirano veliku upotrebu metoda koji se baziraju na procenama i mišljenjima, znatno veću nego što je to slučaj sa kvantitativnim metodama. Studije poslovnog predviñanja (uglavnom prodaje), otkrivaju da samo 10% proučavanih firmi koristi kvantitativne tehnike predviñanja, i da je broj firmi koje su pokušavale i zatim napuštale ove tehnike, oko dva puta veći od broja firmi koje ih trenutno koriste. Ranija istraživanja95 su dovela do zaključka da je tačnost procenjivačke ekstrapolacije inferiorna u odnosu na kvantitativnu ekstrapolaciju. Meñutim, radovi Lawrence,96 i Lawrence i dr.97, koji su koristili bazu podataka 111 vremenskih serija i njihovih kvantitativnih predviñanja, su pokazali da je procenjivačka ekstrapolacija skoro isto toliko precizna kao i najbolja kvantitativna ekstrapolacija. S druge strane, Asher98 je u 94 Benson, P.G., Curley, S.P., and Smith, G.F., Belief assessment:An underdeveloped phase of probability elicitation, Management Science, 1996. 95 Hogarth, R.M., and Makridaksi, S., Forecasting and Planning: An Evaluation, Management Science, 1981, 27, 115-137. 96 Lawrence, M., An Exploration of some practical issues in the use of quantitative forecasting models, Journal of Forecasting, 1983, 1, 169-179. 97 Lawrence, M., Edmundson, R.H. and Connor, M.J., An examination of the accuracy of judgmental extrapolation of time series, International Journal of Forecasting, 1985, 1, 25-35. 98 Ascher, W., An Appraisal for Policy Makers and Planners, 1978, Baltimore: Johns University Press, p.119. ispitivanju 10- togodišnjih predviñanja potrošnje struje, zaključio da su ekstrapolacija i ekonometrijski modeli tačniji od predviñanja zasnovanog na proceni. Studije tačnosti predviñanja generalno se mogu klasifikovati prema tome da li koriste podatke iz realnog života ili ne, kao i prema tome da li su prisutni kontekstualni podaci. Većina studija ne uključuje kontekstualne podatke, naglašavajući laboratorijsku prirodu većeg dela rada. Kada nisu prisutni kontekstualni podaci, poželjna je ekstrapolacija, jer su i kvantitativno i procenjivačko predviñanje ograničeni na skup podataka istih vremenskih serija. Moglo bi se zaključiti, da kada se koriste veštački podaci, tačnost favorizuje kvantitativno predviñanje.99 S druge strane, kada se koriste podaci iz realnog života, rezultati su skoro isti, naročito za podatke o prodaji.100 Očigledno je da nestabilnost i nestacionarnost podataka iz realnog života, favorizuju subjektivne metode naspram kvantitativnih, koji počivaju na pretpostavkama stacionarnosti i konstantnosti. Relativno mali broj studija je sproveden kako bi se napravilo poreñenje predviñanja izvršenih u realnim uslovima kada su korišćeni realni podaci, od strane procenjivačkog predviñača. U ovakvim uslovima, kvantitativna predviñanja se samo informišu pomoću vremenskih serija. Ove studije mere ljudsku sposobnost korišćenja kontekstualnih podataka. Edmundson idr.101 i Fildes,102 su pokazali da su procenjivačka predviñanja, koja koriste kontekstualne podatke, bila znatno tačnija od kvantitativnih predviñanja. Tako je u predviñanju dobiti kompanija, procenjivačko predviñanje bilo tačnije od ekstrapolacije.103 Važan element u upotrebi procenjivačkog predviñanja u odlučivanju predstavljaju intervali predviñanja. Kada se predviñanje vrši procenjivački, interval predviñanja će se takoñe proceniti. Tu meñutim, rezultati nisu ohrabrujući: na tačnost intervala predviñanja u značajnoj meri utiču sezonalnost, trend i slučajnost. Interval predviñanja predstavlja delove vremena potrebne da se stvarna predviñanja pozicioniraju u odreñeni opseg. Tako se za intervale predviñanja od 95% očekuje da sadrže 95% stvarnih vrednosti. Procene intervala predviñanja se mogu dobiti poreñenjem predviñanja iz više 99 Lawrence, M., and Connor, M.J., Exploring Judgmental Forecasting, International Journal of Forecasting, 1992, 8, 15-26. 100 Makridakis, S., Anderson, A., Carbone, R., Fildes, R., Hibon, M., The accuracy of extrapolation(time series) methods:results of a forecasting competition, 1982, Journal of forecasting 1, 111-153. 101 Edmundson, R.H., Lawrence, M.J. and Connor, M.J., The use of non-time series data in sales forecasting:a case study, 1988, International Journal of Forecasting 7, 201-212. 102 Fildes, R., Efficient use of information in the formation of subjective industry forecasts, 1991, Journal of Forecasting 10, 597-617. 103 Goodvin, P., and Wright, G., Improving judgmental time series forecasting: a review of the guidance provided by research, 1993, International Journal of Forecasting 9, 147-161. različitih metoda. Iako podudarnost rezultata implicira više poverenja, i obrnuto, prevoñenje potencijalnih razlika u intervale predviñanja je subjektivan čin. Neka poboljšanje se mogu postići ukoliko se intervali predviñanja procene nezavisno pomoću odreñenog broja pristupa, a procene se zatim, kombinuju mehanički. Verovatno je najbolje rešenje simuliranje situacije sa kojom se suočava predviñač, a zatim, ex ante kalkulacija grešaka predviñanja, što se može upotrebiti za konstrukciju intervala predviñanja za svaki horizont predviñanja. Rezultirajući limiti se mogu uskladiti tokom horizonta predviñanja. Brojni pokušaji poboljšanja procenjivačkog predviñanja korišćenjem kompjuterske podrške, bili su fokusirani na strukturiranje procesa kako bi se otklonila pristrasnost u predviñanju, do koje dolazi usled podcenjivanja uticaja trenda. Dekompozicija zadatka predviñanja na klasične komponente trenda, sezonalnosti i slučajnosti, omogućila je direktan uticaj kontekstualnih podataka na desezonizaciju predviñanja što je dovelo do poboljšanja tačnosti predviñanja u odnosu na običnu procenu ili klasično desezonalizovano eksponencijalno usklañivanje.104 U poslednje vreme učestali su pokušaji poboljšanja procenjivačkog predviñanja kombinovanjem sa statističkim modelima, sa intencijom da se kontekstualno znanje inkorporira u predviñanje. Pokazalo se da firme koje koriste kvantitativne tehnike predviñanja obično pribegavaju usklañivanju statističke ekstrapolacije, ako se smatra da kontekstualni podaci negiraju pretpostavku o konstantnosti, čime se smanjuju greške u odnosu na bazična kvantitativna predviñanja. Pojavio se, meñutim, problem kako strukturirati kombinaciju procenjivačkog znanja i kvantitativnih predviñanja, odnosno kako korišćenjem procena uskladiti predviñanja iz statističkih modela.105 Značajan iskorak u tom smislu, bio je pokušaj korišćenja AHP za vršenje procenjivačkih usklañenja. 2. AHP u procenjivačkom predviñanju U pregledu sadašnjih pretpostavki koje se odnose na predviñanja, najkontroverznija pretpostavka, prema Armstrong-u,106 je da usklañivanje objektivnih predviñanja ne bi trebalo vršiti pomoću ekspertskog mišljenja. Armstrong, takoñe ističe da je usklañivanje objektivnog predviñanja još uvek nerešeno pitanje. Meñutim, empirijska istraživanja indiciraju da se, recimo, ARIMA predviñanja poboljšavaju, kada se njihova revizija vrši pomoću faktora procenjivačkog usklañivanja, koji je 104 Edmundson, R., Decomposition: a strategy for judgmental forecasting , 1990, Journal of Forecasting 4, 305-314. 105 Bunn, D. and Wright, G.,Interaction of judgmental and statistical forecasting methods:issues and analysis, 1991, Management Science 37, 501-518. 106 Armstrong, J.S., Research on Forecasting:A Quarter-Century Review, 1960-1984, 1986, Interfaces 16, 89-109. razvijen AHP-om. Dalje testiranje ovih procenjivački usklañenih predviñanja, može doneti dragocene informacije o tome zašto i kada procenjivačko usklañivanje poboljšava statistička predviñanja. 2.1 Usklañivanje predviñanja – AHP pristup Upotreba dobre procene je esencijalna tehnika svih dobrih tehnika predviñanja. Dobra procena je potrebna da bi se utvrdilo koji su podaci relevantni za problem, kao i u interpretiranju rezultata procesa analize podataka a ponekad čini i glavni deo same analize. Mnoga predviñanja, meñutim, za generisanje konačnog predviñanja koriste samo analizu istorijskih podataka, dok procene ili mišljenje analitičara nisu uključeni u proces. Najčešće je to slučaj sa kratkoročnim i srednjoročnim predviñanjima, koja su esencijalna briga gotovo svih nivoa menadžmenta u organizaciji i povezana su sa većinom ključnih odluka koje se moraju doneti. Takva predviñanja se uglavnom oslanjaju na manipulaciju istorijskim podacima i apriornoj prepostavci da se prošlost i budućnost neće razlikovati, osim za specifične varijable koje mogu da utiču na verovatnoću budućih ishoda. Neretko, analitičar upotpunjuje proces analize podataka informacijama do kojih je došao nakon razmatranja neuobičajenih ili tzv. kontekstualnih okolnosti, koje su iznenada nastale, ili nakon spoznaje da prošlost ne projektuje nužno jednaku budućnost. Obim procena uključenih u proces predviñanja stoji u obrnutoj proporciji sa obimom istorijskih podataka i njihovim značajem: kada su istorijski podaci malobrojni ili procenjeni kao irelevantni, obim procena je veći i obrnuto. U ekstremnom slučaju, analitičar može konstatovati da nema dovoljno istorijskih podataka relevantnih za predviñanje, pa su predviñanja bazirana samo na ekspertskom mišljenju i najčešće se koriste za formulisanje različitih scenarija budućnosti. Istraživanja su pokazala da kada su istorijski podaci dostupni i relevantni, procenjivačka modifikacija predviñanja nastalih putem analitičkih metoda teži da smanji tačnost predviñanja. Moguće je da razloge tome treba tražiti u izvesnoj pristrasnosti analitičara-predviñača, prvenstveno usled prevelikog optimizma i uverenja da budućnost i nije toliko neizvesna. I inače rukovodioci preferiraju procenjivačke metode predviñanja uvereni da njihovo poznavanje tržišta, proizvoda i klijenata kao i uvid u interne informacije daju jedinstvenu sposobnost procenjivačkog predviñanja. Uopšte, kada je dostupno malo ili nema raspoloživih istorijskih podataka, jedini način da se predvidi budućnost je procena. Top menadžment je često suočen sa ovim problemom, što je nužno dovelo do razvoja tehnika za poboljšanje predviñanja uz pomoć procena. Predviñanje zasnovano na proceni često implicira pristup širokom spektru informacija, koje je neophodno integrisati, kako bi se izvršilo predviñanje. Ove informacije mogu uključivati podatke o prošlom ponašanju varijable koja se predviña (informacije vremenskih serija) i kontekstualne informacije, kao što je informacija da neki rival preduzima reklamnu kampanju. Povremeno, dostupne informacije mogu uključiti i predviñanja statističkog modela, na koji predviñač može primeniti procenjivačko predviñanje. Predviñači problemu integracije informacija mogu pristupati holistički, tj. svoja predviñanja mogu vršiti neformalno, bez korišćenja bilo kakvog strukturiranog analitičkog metoda. Meñutim, kako je kapacitet obrade informacija ljudskog uma limitiran, analitičar predviñanja se često opredeljuje za simplifikovane mentalne strategije ili heuristiku, kako bi smanjio zahteve i kompleksnost zadatka predviñanja107. Uprkos tome, i ovakva heuristika neretko dovodi do sistematski pristrasnih procena108. Drugi način za redukovanje teškoće zadatka predviñanja je korišćenje formalnog metoda dekompozicije zadatka na odreñeni broj lakših zadataka, čiji se ishodi zatim mogu rekombinovati kako bi se dobila zahtevana procena109. Na ovoj ideji razvijen je veliki broj tehnika koje treba da pomognu pri odlučivanju, kao što su stabla odlučivanja110, tehnika jednostavnog multi-atributivnog rangiranja111 ili AHP112. Do danas je vršeno relativno malo istraživanja efektivnosti dekompozicije u procenjivačkom predviñanju113. Ali, ako se zna da postoji blizak odnos izmeñu odlučivanja i procenjivačkog predviñanja, nije iznenañujuće da jedna oblast istraživanja uključuje aplikaciju na procenjivačko predviñanje, tehnika koje su originalno razvijene da bi pomogle pri odlučivanju. Naročito su AHP, kao tehniku procenjivačkog predviñanja predlagali Wolfe & Flores,114 i Saaty & Vargas,115 te Ulengin & Ulengin116. U prilog primeni AHP u procenjivačkom predviñanju, isticane su prednosti AHP koje su se ogledale u lakoći korišćenja i velikoj mogućnosti specifikacije procena, čime 107 Tversky, A., and Kahneman, D., Judgment under uncertainty:heurristic and biases, 1974, Science, 185, 1124-1131. 108 Hogarth, R.M., and Makridakis, S., Forecasting and planning:an evaluation, 1981, Management Science, 27, 115-138. 109 Armstrong, J.S., Denniston, W.B. and Gordon, M.M., The use of the decomposition principle in making judgments, 1975, Organizational Behavior and Human Performance, 14, 257-263. 110 Goodvin, P., and Wright, G., Decision Analysis for Management Judgment, 1991, Wiley, Chichester. 111 Von Winterfeldt, D., and Edwards, W., Decision Analysis and Behavioral Research, 1986, Cambridge University Press, Cambridge. 112 Saaty, T., The Analytic Hierarchy Process, 1990, RWS Publications, Pittsburgh. 113 Goodwin, P., and Wright, P., Heuristics, biases and improvement strategies in judgmental time series forecasting, 1994, Omega, 22, 553-568. 114 Wolfe, C. and Flores, B., Judgmental adjustment of earning forecasts, 1990, Journal of Forecasting, 9, 389-405. 115 Saaty, T. and Vargas, L.G., Prediction, Projection and Forecasting, 1991, Kluwer Academic Publishers, Norwell. 116 Ulengin, F., and Ulengin, B., Forecasting foreign exchange rates:a comparative evaluation of AHP, 1994, Omega, 22, 505-519. se vrši provera konzistentnosti. Saaty i Vargas, analiziraju primenu AHP u predviñanju cena nafte i predviñanju deviznih kurseva. Ulengin i Ulengin su takoñe primenili ovu tehniku na predviñanje deviznih kurseva, dok su Wolfe & Flores117, predlagali korišćenje AHP u usklañivanju statističkih predviñanja dobiti kompanija. Pojam usklañivanje, u predviñanju je najuže povezan sa vremenskim serijama. Statističko ocenjivanje slučajnih, neregularnih efekata podrazumeva njihovu eliminaciju kako bi se uočio osnovni tendencijski tok. Rezultat usklañivanja je konstrukcija nove vremenske serije, zasnovane na supstituciji empirijskih podataka usklañenim vrenostima koje ne sadrže neregularne efekte. Ali za razliku od poznatih metoda usklañivanja vremenskih serija (pokretne sredine, eksponencijalno usklañivanje), kod AHP usklañivanja se originalni podatak vremenske serije zamenjuje njegovom novom vrednošću dobijenom procentualnom korekcijom stare vrednosti uz pomoć AHP. Usklañivanjem svakog člana vremenske serije dobija se linija kretanja koja otkriva trend razvoja pojave. Statističko predviñanje formira osnovu za proceduru usklañivanja, meñutim, proces usklañivanja predviñanja (AHP) ne zavisi od odreñenog tipa statističkog modela. Sledeći primer ilustruje kako se AHP koristi u usklañivanju predviñanja. Upotrebljeni pristup uključuje odreñeni broj koraka. Pretpostavimo da se predviña kvartalna dobit po akciji (KDA) neke hipotetičke firme, te da je primenom statističkog metoda specifičnog za tu firmu ( u Wolfe & Flores slučaju to je bio ARIMA model) dobijeno predviñanje dobiti pre usklañivanja i da ono iznosi 15 dinara po akciji za prvi kvartal. Hijerarhija usklañivanja predviñanja, prikazana na slici 7, formira teorijsku osnovu za implementaciju procesa procenjivačkog usklañivanja, koriščenjem AHP-a. Vršni nivo ove hijerarhije je skup kvalitativnih faktora, koji objašnjavaju usklañivanje predviñanja i predstavljaju dostupne informacije koje utiču na predviñanje profitabilnosti, za skoro sve firme. Iako opšti faktori u nivou jedan obuhvataju širok opseg pretpostavki, oni se ne mogu svi uključiti za sve firme. Faktor specifičan za korisnika, omogućava onome ko usklañuje predviñanje, da doda sopstvenu stavku, faktorima prvog nivoa, ako to želi. Tako bi subjekti mogli da dodaju svom modelu odlučivanja, neki veoma bitan faktor. Nivoi dva i tri su moguća procentualna usklañivanja objektivnog predviñanja. Kritični aspekt izbora opsega jeste veličina opsega. On treba da je dovoljno veliki da se razlikuje od ostalih, a ipak dovoljno mali da generiše faktor usklañivanja za predviñanje koje se ispituje. Da bi se izvršio proces usklañivanja predviñanja, analitičari moraju proizvesti rejting koji dozvoljava da se ponderi, ili 117 Wolfe, C., and Flores, B., Judgmental adjustment of earning forecasts, 1990, Journal of Forecasting, 9, 389-405. verovatnoće, dodele svakom elementu, na svakom nivou hijerahije. Univerzalni set elemenata je odabran za hijerarhiju usklañivanja predviñanja, tako da može služiti kao mehanizam usklañivanja za sve potencijalne firme uključene u eksperiment predviñanja. Elementi nivoa jedan, u hijerarhiji usklañivanja predviñanja su: Stanje privrede (makroekonomski scenario), Računovodstveni podaci (informacije iz bilansa stanja, bilansa uspeha, itd.), Proizvodna linija, i subjektivno definisani Specifični faktor korisnika. Može se uočiti da se prvi nivo hijerarhije sastoji od skupa faktora koji mogu formirati bazu za usklañivanje statističkih predviñanja i koji čine okruženje firme. Podrška za izbor faktora nivoa jedan, odnosi se na važnost podataka za predviñanje. Analitičari rangiraju svaku moguću parnu kombinaciju faktora nivoa jedan, na skali od jedan do devet, koja označava važnost ili verovatnoću. Može se smatrati da je relativna važnost opšteg ekonomskog scenarija, recimo, pet puta veća od specifičnih računovodstvenih podataka kompanije, te da je opšti ekonomski scenario tri puta važniji od od efekta proizvodnih linija kompanije itd. Ovaj proces se nastavlja sve dok se ne obavi n(n-1)/2 poreñenja, iz kojih se dobijaju ponderi koji odražavaju relativnu važnost faktora i koji se determinišu bez reference na veličinu mogućih usklañenja na drugom nivou hijerarhije. Ova procedura rezultira u analizi i rangiranju šest parnih kombinacija (npr. četiri stavke, dve po dve) koje postaju osnova za recipročnu matricu. Uskladjivanje predvidjanja 10% do 19% 10 % do 14 % 19 % do 15 % 1% do 10% 1% do 5% 10 % do 6% -5% do 5% 0% do - 5% 5% do 0% -1% do 10% - 6% do - 10 % - 6% do - 5% -10% do -19% - 15 % do - 19 % - 10 % do - 14 % Privreda Računovod- stveni podaci Linija proizvoda Specifični zahtevi korisnika Slika 7. Hijerarhija problema usklañivanja predviñanja Sledeći nivoi hijerarhije usklañivanja predviñanja, sadrže specifične procentualne opsege za koje se dato predviñanje može uskladiti. Nivo dva omogućava usklañivanja predviñanja, bazirana na intervalima od 10% izmedju -19% i 19%, dok nivo 3 redukuje intervale od 10%, na intervale od 5%, i ovu tehniku Saaty naziva klastering. Za rangiranje na nivou dva, je potrebno 10 parnih poreñenja, mogućih u drugom nivou hijererhije usklañivanja. Za svaki skup rejtinga nivoa dva, potrebno je pet parnih poreñenja, za rejtinge nivoa tri, koji deli intervale od 10% na intervale od 5%. Rejtinzi nivoa dva i tri, se vrše po jednom u odnosu na privredu, na istorijske računovodstvene podatke, na liniju proizvoda i na faktor koji je specifičan za korisnika. Npr. analitičar bi rangirao verovatnoću da će privreda generisati povećanje dobiti od 10% do 19%, u odnosu na povećanje od 0% do 5%. Onda bi u okviru opsega 10%-19% predviñač rangirao da li opseg 10-19% treba da favorizuje 10% u odnosu na 14%, ili 15% u odnosu na 19%. Ova rangiranja se vrše za svaki faktor nivoa jedan, i za sve moguće parove procentualnih intervala u nivoima dva i tri. Proizvode se recipročne matrice i njihovi glavni karakteristični vektori služe kao verovatnoće elementa. Primer rezultantnih pondera iz rangiranja nivoa jedan i dva, dat je u tabeli 3. Tabela 3. Tabela pondera za nivoe jedan i dva Nivo jedan Privreda Računovodstveni podaci Linija proizvoda Specifični faktori korisnika Ponderi 0,30 0,20 0,05 0,45 Nivo dva 10% do 19% 0,48 0,17 0,05 0,46 1% do 10% 0,29 0,38 0,07 0,31 -5% do 5% 0,11 0,36 0,18 0,15 -1% do -10% 0,08 0,05 0,27 0,04 -10% do -19% 0,04 0,04 0,43 0,04 Tabela 3 prikazuje proces ponderisanja. Ponderi nivoa jedan prikazani u ovoj tabeli, su hipotetičke vrednosti i potiču iz direktnog rangiranja alternativa nivoa četiri: privreda, istorijski računovodstveni podaci, linija proizvoda, i faktor specifičan za korisnika. Ponderi nivoa jedan objašnjavaju obrazloženje subjekata u usklañivanju njihovih predviñanja. Npr. ponder od 0,30 u okviru faktora privrede, indicira da se 30% faktora usklañenja subjekta baziralo na osećanju u vezi makroekonomskog efekta na neusklañeno predviñanje. Rangiranja nivoa dva i tri, daju pondere za opsege usklañenja predviñanja, u odnosu na svaku alternativu nivoa jedan. Nivo tri (podela nivoa dva) 10% do 14% 0.9 0.9 0.88 0.85 [0.48] [0.17] [0.05] [0.46] 15% do 19% 0.1 0.1 0.12 0.15 1% do 5% 0.1 0.9 0.88 0.12 [0.29] [0.38] [0.07] [0.31] 6% do 10% 0.9 0.1 0.12 0.88 -5% do 0% 0.1 0.1 0.9 0.12 [0.11] [0.36] [0.18] [0.15] 0% do 5% 0.9 0.9 0.1 0.88 -10% do - 6% 0.1 0.1 0.88 0.12 [0.08] [0.05] [0.27] [0.04] -5% do - 1% 0.9 0.9 0.12 0.88 -19% do - 15% 0.1 0.1 0.88 0.12 [0.04] [0.04] [0.43] [0.04] -14% do - 10% 0.9 0.9 0.12 0.88 Primećujemo da je svrha nivoa tri, deljenje alternativa nivoa dva. Npr. u okviru naslova privreda, u opsegu 10-19% u tabeli, ponder nivoa dva je 0,48 a ponderi nivoa tri za 10-14% i 15-19% su 0,9, odnosno 0,1. U odeljku tabele pod nazivom - Nivoi dva i tri, kombinovano, brojevi u zagradama su ponderi nivoa dva, koji se dele ponderima nivoa tri koji su van zagrada. Npr., opsezi 10-14% i 15-19% su 0,48 pomnoženo sa 0,9 odnosno sa 0,1 (t.j, 0,432 i 0,048), kao što je prikazano u rezultantnoj matrici. Pretposlednji korak u analizi hijerarhije, zahteva da se svaki ponder u delu Nivoi dva i tri, kombinovano, pomnože odgovarajućim ponderom nivoa jedan. Nivoi dva i tri, kombinovano 10% do 14% 0.432 0.153 0.044 0.391 15% do 19% 0.048 0.017 0.006 0.069 1% do 5% 0.029 0.342 0.062 0.037 6% do 10% 0.261 0.038 0.008 0.273 -5% do 0% 0.011 0.036 0.162 0.018 0% do 5% 0.099 0.324 0.018 0.132 -10% do -6% 0.008 0.005 0.238 0.005 -5% do -1% 0.072 0.045 0.032 0.035 -19% do -15% 0.004 0.004 0.378 0.005 -14% do -10% 0.036 0.036 0.052 0.035 Ponderi kombinovanih nioa dva i tri, su pomnoženi sa ponderima nivoa jedan, i sabrani. A B C D A+B+C+D 10% do 14% 0.1296 0.0306 0.0022 0.17595 0.33835 15% do 19% 0.0144 0.0051 0.0003 0.03105 0.05085 1% do 5% 0.0087 0.0684 0.0031 0.01665 0.09685 6% do 10% 0.0783 0.0076 0.0004 0.12285 0.20915 -5% do 0% 0.0033 0.0072 0.0081 0.0081 0.0267 0% do 5% 0.0297 0.0648 0.0009 0.0594 0.1548 -10% do -6% 0.0024 0.001 0.0119 0.00225 0.01755 -5% do -1% 0.0216 0.009 0.0016 0.01575 0.04795 -19% do - 15% 0.0012 0.0008 0.0189 0.00225 0.02315 -14% do - 10% 0.0108 0.0072 0.0026 0.01575 0.03635 Opseg Prosek opsega Kompozitno ponderisanje A B A*B 10% do 14% 0.12 0.33835 0.040602 15% do 19% 0.17 0.05085 0.086445 1% do 5% 0.03 0.09685 0.029055 6% do 10% 0.08 0.20915 0.016732 -5% do 0% -0.025 0.0267 -0.0006675 0% do 5% 0.025 0.1548 0.00387 -10% do -6% -0.08 0.01755 -0.001404 -5% do -1% -0.03 0.04795 -0.0014385 -19% do -15% -0.17 0.02315 -0.0039355 -14% do -10% -0.12 0.03635 -0.004362 Totals 1.00 0.1648965 Iznos usklañenja predviñanja 0,096 KDA predviñanje 15,00 Usklañeno predviñanje: 0,165 x 15,00 + 15,00 = 17,50 Kombinovanjem skupova pondera sa nivoa dva i tri, i onda množenjem tih pondera ponderima na nivou jedan, postižemo sledeći cilj: faktori usklañivanja procentualnog opsega se ponderišu relativnom važnošću elemenata na nivou jedan, na kom se zasnivaju. Deo tabele 1 pod imenom ’Nivoi dva i tri množeni nivoom jedan’, može da se interpretira za opseg 10-14% na sledeći način: u odnosu sa privredom, postoji verovatnoća od 12,96% da predviñanje od 15 dinara zahteva povećanje od 10-14%, u odnosu sa istorijskim računovodstvenim podacima, postoji 3,06% verovatnoće da predviñanje od 15 dinara, zahteva povećanje od 10-14%, itd. Dodavanjem svih pondera koji se odnose na opseg 10-14%, može se dobiti opšta verovatnoća za taj opseg. Da bi se integrisala analiza, vrednosti koje su dobijene, se meñusobno množe. Opšte verovatnoće za sve procentualne opsege, su prikazane u primeru 2, i zovu se kompozitni ponderi. Krajnji kompozitni ponderi se baziraju na čitavoj hijerarhiji, a output je jedan skup pondera,118 koji definišu deset opsega od 5%. Npr. kompozitni ponder za opseg 10%-14% je 0,33835. Ovaj ponder bi se u probabilističkim terminima mogao interpretirati, tako što bi rekli da postoji približno 33,84% šansi da će biti potrebno da se predviñanje od 15 dinara poveća za 10% do 118 Iako ponderi nisu prave verovatnoće, oni mogu da funkcionišu kao verovatnoće. 14%. Koristeći ovu logiku, dolazimo do prosečnog usklañenja od približno 16,50%, množeći prosek svakog procentualnog opsega, sa njegovim kompozitnim ponderom, kao što je ilustrovano u primeru 2. Onda se koristi faktor prosečnog usklañenja, da bi se predviñanje od 15 dinara prilagodilo na 17,50 (15,00 x 1,165). Isti postupak bi se ponovio i za ostale kvartale. Prednost modela AHP usklañivanja predviñanja, je njegova sposobnost da obuhvati osnovne pretpostavke onoga ko usklañuje predviñanje i to u visoko strukturiranoj formi. Iako AHP pomaže i dokumentuje proces usklañivanja predviñanja, on postavlja zahteve pred onog ko vrši usklañivanje predviñanja, jer zahteva brojne procene na svakom nivou hijererhije usklañenja predviñanja. U svom originalnom istraživanju, Wolfe i Flores119 su pronašli dokaze da se AHP može upotrebiti za reviziju objektivnih predviñanja i za povećanje njihove tačnosti. Kasnija njihova studija je proširila to istraživanje, poredeći AHP sa skorije razvijenim centroidnim metodom. Podsticaj za ovo poreñenje, je bila lakoća sa kojom se centroidni metod može implementirati. Metodologiju koja je u ovoj studiji analizirana, su razvili Olson i Dorai120, bazirana je na radu Solymosi i Dombi-ja121 i naziva se centroidni metod. Centroidni metod je još jedno sredstvo za razvijanje skupa pondera za poreñenje alternativa, koje zahteva da se alternative koje se porede, ordinalno rangiraju. Uz pretpostavku da se pet elemenata, A1 do A5, rangiraju prema preferenci, ponder za A1 može biti u opsegu od 1/5 (kada su svih pet pondera jednaki) do 1,0 (kada je sva težina na A1, a ostali elementi imaju nultu težinu). Za pet elemenata AHP bi zahtevao 10 parnih poreñenja, dok bi centroidni metod te elemente samo rangirao ordinalno. Centroidni metod, prema tome, zahteva vrlo malo analitičkih poreñenja, što rezultira u nižim troškovima. Stoga, ova metodologija ima potencijal da zadovolji Mahmoud-ove122 zahteve, jer je to formalna tehnika za reviziju predviñanja koja ima niske troškove. Rezultati istraživanja indiciraju da revizija predviñanja, bazirana na centroidnom metodu, može da proizvede rezultate koji su skoro identični onima koji se dobijaju korišćenjem AHP-a. Ako je centroidni metod jevtiniji od AHP-a, i produkuje rezultate koji su bar ekvivalenti AHP-u, onda postoje jaki razlozi za njegovu upotrebu. Da bi se uporedile ove dve metodologije, nañen je input za centroidni metod, iz usklañivanja predviñanja, koje je obavljeno korišćenjem AHP-a. Upotrebljen je uzorak od 28 firmi, koje su slučajno odabrane iz baze podataka Value Line-a, da bi se testirale 119 Wolfe, C., and Flores, B., Judgmental adjustment of earning forecasts, 1990, Journal of Forecasting, 9, 389-405. 120 Olson, D., and Dorai, V., Implementation of the centroid method of Solymosi and Domby, 1991, European Journal of Operational Research. 121 Solymosi, T., and Dombi, J., A Method for determining the weights of criteria: The centralized weights,1986, European Journal of Operational Research, 26, 35-41. 122 Mahmoud, E., Combining of forecasts:some managerial issues, 1989, International Journal of Forecasting, 5, 599-600. procedure usklañivanja predviñanja. Analitičari, koje je sačinjavalo 14 profesora poslovne administracije i 14 korporativnih referenata za kredite, su usklañivali četiri kvartala predviñanja. Svakom analitičaru je dodeljena jedna firma. Analitičari su koristili AHP da bi uskladili svoja predviñanja. Oni nisu vršili centroidna rangiranja; ordinalni ishod njihovog AHP rangiranja je upotrebljen, da bi se dobili centroidni ponderi i usklañivanja predviñanja. Stoga, eksperimentalno poreñenje je bilo jedna od identičnih preferenci, koja se razlikovala samo u pogledu pondera generisanih u ova dva konkurentska procesa usklañenja predviñanja. Eksperimentalna otkrića indicirala su da AHP proizvodi veća apsolutna usklañenja objektivnog predviñanja, nego centroidni metod. Meñutim, razlike u obimu usklañenja predviñanja, nisu bile toliko velike da bi uticale na tačnost predviñanja. Rezultati simulacije su potvrdili sposobnost AHP-a da produkuje finije, više rasute pondere, nego centroidni metod. Meñutim, ponderisanja koja je obavila grupa analitičara u proceduri usklañenja predviñanja, su bila veoma slična onima koje je proizveo centroidni metod. Rezultati su sugerisali da centroidni metod treba da se upotrebi: (1) Kada se porede četiri ili više stavki (razlike izmeñu metoda opadaju sa povećanjem broja elemenata koji se porede) (2) Kada se elementi koji se porede smatraju sličnima, ili kada dostupnost informacija dovodi do percepcije sličnosti. (3) Kada je vreme, a time i troškovi od velike važnosti. AHP nudi mnogo više informacija od centroidnog metoda, samo u slučajevima gde se ekstremno rangiranje koristi za identifikovanje uočenih razlika izmeñu elemenata koji se porede. Ovo istraživanje nije testiralo bihevioralni uticaj korišćenja centroidnog metoda. Nije jasno da li bi subjekti koju usklañuju predviñanja, produkovali centroidna rangiranja, ekvivalentna njihovim AHP rangiranjima, ili, ako se rangiranja razlikuju koje bi bilo najtačnije. Štaviše, ova studija je bila ograničena specifičnim uzorkom firmi i subjekata korišćenim u procesu usklañivanja predviñanja, jer bi drugačiji uzorci mogli potencijalno da proizvedu drugačije rezultate. Meñutim, rezultati su indicirali da je centroidni metod vitalna alternativa za AHP, i da su troškovi korišćenja centroidnog metoda definitivno niži. Pokazalo se da postoji veoma mala razlika u ishodima ova dva metoda. Iznosi usklañivanja predviñanja su bili u visokoj korelaciji (r = 0,99), dok su usklañivanja predviñanja centroidnog metoda, konzistentno manja u apsolutnom smislu, od onih kod AHP-a. Ova analiza sugeriše da su rezultantna predviñanja (ARIMA predviñanja pomnožena obimom usklañivanja) obe metodologije, vrlo slična, ali da je AHP predviñanje nešto veće. Poreñenjem AHP predviñanja i predviñanja centroidnog metoda, pokazalo se da je u 74 od 112 proučenih predviñanja, AHP predviñanje bilo veće od centroidnog predviñanja. Ovo otkriće pokrenulo je pitanje tačnosti predviñanja: ako se AHP predviñanja i centroidna predviñanja razlikuju, koji metod produkuje tačnija predviñanja?123 Pokazalo se da nema značajnije razlike izmeñu grešaka AHP usklañenog predviñanja i centroidnih usklañenih predviñanja.124 Štaviše, broj predviñanja koja su poboljšana procesima usklañivanja, razlikovao se samo za jedno predviñanje u 112 usklañenih predviñanja. Iako su AHP usklañenja predviñanja bila konzistentno veća, razlika izmeñu usklañenih iznosa je bila veoma mala i ovo je rezultiralo u predviñanjima slične tačnosti. Kako je primetio Saaty u svojoj odbrani AHP-a125 – uprkos postojanju konkurentskih normativnih metodologija, AHP predstavlja efektivno sredstvo skaliranja konkurentskih alternativa. Izgleda da je isti ovaj argument relevantan za centroidni metod, kada se on poredi sa, bolje utvrñenim, AHP-om. 2.2 Procedura AHP usklañivanja predviñanja i validnost pristupa Ključno pitanje koje se postavlja u procesu AHP usklañivanja predviñanja je da li faktor procene razvijen AHP-om, može da poboljša tačnost statističkih predviñanja. Glavna hipoteza od koje se pri tome polazi je da su usklañena predviñanja tačnija od neusklañenih predviñanja. Pored opšte tačnosti, postoje i pitanja zašto i kada procedura procenjivačkog usklañivanja, poboljšava kvantitativna predviñanja. Prvo pitanje se tiče informacionog okruženja u kome se vrši to usklañivanje predviñanja. Ako usklañivač poseduje znanje koje nije implicitno u predviñanju, procenjivačko usklañivanje će rezultirati u poboljšanom predviñanju (Armstrong 126 , Brown 127). 123 Tačnost predviñanja se meri korišćenjem apsolutne procentualne greške: |(Predviñanje-Stvarno stanje)/Stvarno stanje| 124 Wolfe, C., and Flores, B., Judgmental adjustment of forecasts: a comparison of methods, 1992, International Journal of Forecasting, 7, pp.421-433. 125 Saaty, T., An exposition of the AHP in reply to the paper - Remarks on the analytic hierarchy process, 1990, Management Science, 36, 259-268. 126 Armstrong, J., The Ombudsman: research of forecasting:a quarter - century review, 1960-1984, 1986, Interfaces 16, 89- 109. 127 Brown, L.D., Comparing judgmental to extrapolative forecasts:its time to ask why and when, 1988, 4-2, 171-173. Drugo pitanje se tiče kvaliteta predviñanja koje se usklañuje. Lorek i dr.128 je otkrio da se procenjivačka predviñanja razlikuju od kvantitativnih predviñanja, u periodima gde su predviñanja relativno netačna. Ako analitičari mogu da ekstrapoliraju informacije iz potencijalnih budućih dogañaja, koji uzrokuju netačna kvantitativna predviñanja129, onda ova netačna kvantitativna predviñanja, mogu da ponude veću verovatnoću za poboljšanje, iz procesa procenjivačkog usklañivanja. Kada se izvrše kvantitativne ekstrapolacije, procenjivačko usklañivanje predviñanja nosi odreñene rizike. Ipak, ako su oni koji vrše usklañivanja nepristrasni i dobro poznaju problem, i ako usklañivanje vrše ekspert ili grupa eksperata prateći strukturirane vrednosti, za očekivati je da će ta usklañenja poboljšati tačnost predviñanja. Još je i bolje koristiti procenjivačke informacije kao inpute za kvantitativni model130 . Druga hipoteza u analizi AHP usklañivanja predviñanja je da se netačna neusklañena predviñanja češće poboljšavaju procesom usklañivanja, nego tačna neusklañena predviñanja. Brown131 navodi da je potrebno da istraživači determinišu gde leže predviñači duž spektra tačnosti. On sugeriše da je tačnost procenjivačkog predviñanja na najvišoj tački, tamo gde predvidjač (1) može da utiče na predviñani dogañaj, (2) poseduje unutrašnje informacije o dogañaju koji se predviña, i (3) može da odabere dogañaj za predviñanje. Pošto su poznati ovi faktori, Brown132 identifikuje menadžere kao optimalne predviñače dobiti. Meñutim, on ističe da postoji spektar tačnosti, i da su odreñeni predviñači bolji od drugih, zbog znanja i motivisanosti. Faktor usklañivanja predviñanja se dobija iz rangiranih poreñenja na tri nivoa hijerarhije. Sledeći koraci ocrtavaju proces rangiranja: Korak 1: Rangirati na skali od jedan do devet (obeležavaju važnost) parna poreñenja na nivou jedan hijerarhije. Iz ovog rejtinga, ponderišu se sve alternative na nivou jedan. U našem primeru, privreda se poredi sa istorijskim računovodstvenim podacima, i rangira, privreda se poredi sa linijom proizvoda i rangira, itd. 128 Lorek, K.S., McDonald, C.L., and Patz, D.H., A comparative examination of management forecasts and Box-Jenkins forecasts of earnings, 1976, Accounting Review, 51, 321-330. 129 Collins, W., and Hopwood, W., A Multivariate Analysis of Annual Earnings Forecasts generated from Quarterly Forecasts of Financial Analysts and Univariate Time Series Models, 1980, Journal of Accounting Research, v18, 390-406. 130 Armstrong, J.S., and Collopy, F., Integration of statistical methods and judgment for time series forecasting; Principles from empirical research, 1998, in: Wright, G. and Goodwin, P., (eds), Forecasting with Judgment, Chichester, England:Wiley&Sons, pp.269-293. 131 Brown, L.D., Comparing judgmental to extrapolative forecasts:its time to ask why and when, 1988, 4-2, 171-173. 132 Ibid Korak 2: Rangirati sva poreñenja parova na nivou dva i tri, u odnosu na svaki faktor na nivou jedan. Svi opsezi usklañivanja se rangiraju jednom u odnosu na privredu, jednom u odnosu na istorijske računovodstvene podatke, jednom u odnosu na liniju proizvoda, i jednom u odnosu na faktor specifičan za korisnika. Tako bi predviñač rangirao verovatnoću da će privreda ostvariti povećanje dobiti od 10%- 19%, nasuprot povećanju 0-5%. Onda u okviru opsega 10%-19% predvidjač bi rangirao da li opseg 10- 19% treba da favorizuje 10%-14% ili 15%-19%. Ovakva rangiranja se rade za svaki faktor nivoa jedan i sve moguće parove procentualnih opsega. Rangiranja omogućavaju elementima na svakom nivou hijerahije da budu prioritetizovani koriščenjem pristupa skaliranja karakterističnog vektora. Množeći proritete dobijene iz svakog hijerarhijskog nivoa, dobija se vektor prioriteta iz svakog nivoa hijerarhije. Kompozitni vektor prioriteta koji predstavlja čitavu hijerarhiju, se može razvijati iz vektora prioriteta u hijerarhiji. Postoje mnoge situacije kada je potrebno izvršiti usklañivanja, posebno usled grešaka u tekućem statusu, tj. usklañivanje početne vrednosti. Kada se pripremi, na primer, ekonometrijsko predviñanje, generalno govoreći, ne bi trebalo usklañivati ga procenjivački133. Meñutim, ako se nedavno desio neki bitan dogañaj, koji još uvek nije reflektovan u podacima, uputno je upotrebiti strukturirane procenjivačke procedure usklañivanja. Generalan problem kod usklañivanja predviñanja je što ga najčešće vrše pristrasni eksperti. Tako je članovima Meñunarodnog Instituta Predviñača data na procenu sledeća tvrdnja: previše često predviñanja kompanija se modifikuju zbog političkih razloga. Na skali od 1 – jako neslaganje, do 7 – jako slaganje, prosečan odgovor je bio 5,37.134 Odgovori na ovo pitanje su analizirani u zavisnosti da li su ispitanici sebe identifikovali kao donosioce odluka, praktičare, edukatore ili istraživače. Dok su praktičari izrazili najjače slaganje, izmeñu ostalih grupa nije bilo statistički značajnih razlika. Takoñe su Fildes i Hastings, u svojoj studiji o predviñanju otkrili da se 64% ispitanika slaže da se predviñanja često modifikuju iz političkih razloga.135 Primena AHP na procenjivačko predviñanje pokreće dva pitanja. Prvo, da li su ponderi važnosti koji se pridodaju faktorima uopšte potreban deo kalulacije predviñanja. Drugo, kada se ovi ponderi 133 Armstrong, J.S., and Collopy, F., Integration of statistical methods and judgment for time series forecasting; Principles from empirical research, 1998, in: Wright, G. and Goodwin, P., (eds), Forecasting with Judgment, Chichester, England:Wiley&Sons, pp.269-293 134 Yokum, J.T. and Armstrong, J.S., Beyond accuracy: Comparison of criteria used to select forecasting methods, 1995, International Journal of forecasting 11, pp.591-597. 135 Fildes, R. and Hastings, R., The organization and improvement of market forecasting, 1994, Journal of the Operational Research Society 45, pp.1-16. koriste za izračunavanje ponderisanog prosečnog usklañenja, u kojoj meri sprečavaju modeliranje situacije gde faktori deluju simultano u svom punom obimu. Prvi značajan aspekt posmatranja se fokusira na obim u kom su pitanja koja se koriste za prikaz pondera važnosti faktora, značajna. U kritici AHP, Belton i Gear136, su sugerisali da procedura ispitivanja ne treba nepotrebno da doprinosi nejasnoći koja je inherentna situaciji. S druge strane, Wolfe i Flores137, jednostavno korak 1, nazivaju rejtingom na skali od 1 do 9 (koja označava verovatnoću ili važnost) parnog poreñenja na nivou 1 hijerarhije. Glavna primedba se ovde odnosi na nemogućnost da se sagleda na koja pitanja su predviñači pokušali da daju odgovor. Da bi pristup AHP bio koristan, predviñač mora biti svestan pravog značenja svakog pitanja koje se koristi u otkrivanju pondera, u protivnom će diskrepance izmeñu prosečnih usklañenja i pondera faktora samo naglašavati dvosmislenost postavljenih pitanja. U kontekstu odlučivanja, Belton i Gear138, su sugerisali da ponder važnosti, koji se daje nekom kriterijumu, treba da odražava vrednost jedinice skale, na kojoj se taj kriterijum meri, pri čemu tu skalu determiniše opcija najviše rangirana na njoj. Oni takoñe sugerišu da pitanja koja se donosiocu odluka nameću, treba da budu dovoljno specifična, da bi odražavala ovu definiciju. U kontekstu predviñanja zasnovanog na proceni, izgleda da se važnost faktora definiše veličinom usklañenja prema statističkom predviñanju, koje je kako se smatra, neophodno u svetlu tog faktora (ili veličinom promene tekuće vrednosti varijable predviñanja za koju se smatra da će rezultirati iz tog faktora). Ovakav zaključak nameće dalja razmatranja. Relativna važnost se meri veličinama prosečnog usklañenja, izvedenih iz nivoa 2 u hijerarhiji. Pošto se ponderi važnosti determinišu nezavisno od veličine usklañenja, nejasno je kakvu ulogu ovi ponderi treba da igraju u dekompoziciji. U stvari, ponderi impliciraju da postoji izvestan odnos izmeñu ovih faktora. Zato se ponderi normalizuju na sumu 1, tako da što je viši ponder koji se pridodaje usklañenju, na primer, za opšti ekonomski scenario, to će biti niži ponder koji se pridodaje efektu usklañenja za specifične računovodstvene podatke kompanije. Ovo sugeriše da korisni efekti optimističnijih ekonomskih uslova, na predviñeni dohodak, mogu da se jave samo na račun manje povoljnih računovodstvenih podataka, ali i da oba faktora ne mogu da funkcionišu u svom punom obimu u isto vreme. Smatra se da je inherentan problem primene AHP u ovom kontekstu, vezan za činjenicu da je ovaj metod originalno dizajniran za procenu relativne važnosti opcija. Znači, jedna opcija treba da bude tačka reference, a sve ostale opcije se 136 Belton, V., and Gear, T., On a short-coming of Saatys method of analytic hierarchies, 1983, Omega, 11, 228-230. 137 Wolfe, C., and Flores, B., Judgmental adjustment of earning forecasts, 1990, Joutnal of Forecasting, 9, 389-405. 138 Belton, V., and Gear, T., On a short-coming of Saatys method of analytic hierarchies, 1983, Omega, 11, 228-230. porede sa njim, ali se atraktivnost originalne opcije ne meri na apsolutnoj skali. Meñutim, u poznatim aplikacijama AHP u procenjivačkom predviñanju, AHP se koristi za determinisanje apsolutnih usklañenja. Tako npr., pretpostavimo da ponderi impliciraju da se smatra da je faktor X dvostruko važniji od faktora Y. Pošto se važnost faktora X ne meri na apsolutnoj skali, nije moguće na ovom nivou hijerarhije proceniti apsolutnu veličinu uticaja ovih faktora na varijablu koju treba predvideti. Pošto predviñač poriče apsolutnu vrednost sa kojom treba da izvrši poreñenja, njegova sposobnost da pravilno odgovori na postavljena pitanja, može dalje biti redukovana. Aplikacije AHP na predviñanja cena nafte i deviznih kurseva (Saaty&Vargas139 i Ulengin&Ulengin140), nisu uključivale prilagoñavanja iz statističkih predviñanja. U ovim slučajevima čitav proces predviñanja se bazirao na AHP, dok su moguće promene vrednosti varijable predviñanja zauzimale najniži nivo hijerarhije, tako da navedene primedbe ovde ne stoje. 3. Evaluacija, izbor i kombinovanje predviñanja metodom AHP 3.1 Izbor i kombinovanje predviñanja Pretpostavljajući da postoje podaci za upotrebu svakog od raspoloživih metoda predviñanja, postavlja se pitanje koji metod upotrebiti? Ukoliko faktori koji su uzrokovali promene u prošlosti, nastave da deluju na isti način i u budućnosti, izbor metoda neće biti toliko bitan. Očekivalo bi se, naime, da svaki metod ima relativno dobru tačnost. Ali ako se zna da u mnogim problemima mogu nastupiti velike promene, izbor metoda predviñanja je itekako bitan. U mnogim situacijama kada se vrši predviñanje, moguće je željeno predviñanje dobiti pomoću dva ili više različitih metoda. Skup dostupnih metoda može da uključi različite metode esktrapolacije, ostale statističke procedure za predviñanje, modele koji uključuju pitanja od interesa (npr. ekonomski modeli za ekonomska predviñanja ili meteorološki modeli za vremensku prognozu), subjektivna predviñanja od strane različitih eksperata, ili neki miks ovih pristupa. Ekstrapolacija je poželjna za predviñanje promena kada kauzalni faktori nastavljaju da deluju kao i u prošlosti, dok, recimo, ekonometrijski modeli mogu da kompenziraju znatne promene kauzalnih sila. Kao rezultat toga, ekonometrijska predviñanja su 139 Saaty, T., and Vargas, L.G., Prediction, Projection and Forecasting, 1991, Kluwer Academic Publishers, Dordrecht. 140 Ulengin, F., and Ulengin, B., Forecasting foreign exchange rates:a comparative evaluation of AHP, 1994, OMEGA, 22, 505-519. generalno tačnija od ekstrapolacije ili procene, kada su prisutne velike promene141. Fildesov pregled142, daje dalju podršku i takoñe sugeriše da ekonometrijski modeli daju mala poboljšanja tačnosti u kratkoročnim predviñanjima. U principu, pretpostavljajući adekvatne podatke i dobro razumevanje kauzalnih odnosa, ekonometrijski modeli bi bili preferirani, jer oni koriste relevantne informacije na strukturiran način. Danas, u eri brze kompjuterske komunikacije, skup mogućih alternativa koje se razmatraju kada se odlučuje kako izvršiti neko predviñanje, je često veoma veliki. Tradicionalno, odluka o tome kako dobiti predviñanje, se posmatra kao problem identifikovanja samo jednog metoda. Ova odluka uključuje neku vrstu evaluacije svakog pojedinačnog metoda koji se razmatra, zatim poreñenje njihove performanse, i izbor samo jednog metoda na bazi ove evaluacije i poreñenja. Ovaj problem zovemo scenario izbora. Neko bi mogao da formuliše ovaj problem kao izbor najboljeg metoda predviñanja, ili izbor metoda koji proizvodi najbolje predviñanje. To najbolji, meñutim, je samo u očima posmatrača, i znači najbolji, kako to on vidi, za dotičnu situaciju. Umesto da se odabere najbolji metod, bolje se problem determiniše pitanjem: koji bi metodi pomogli da se poboljša tačnost predviñanja? Interesantno je da istraživači, edukatori, predviñači i donosioci odluka koriste slične kriterijume za procenu korisnosti modela predviñanja143. Tačnost se generalno rangira kao najvažniji kriterijum. Postoji i saglasnost oko toga da su lakoća razumevanja i upotrebe gotovo jednako važne kao i korisnost. Ova slaganja navode na zaključak da je moguće doći do konsenzusa i oko toga koji metodi predviñanja imaju najbolju performansu u datoj situaciji. S druge strane, različiti korisnici predviñanja, saglasno svojim potrebama, mogu želeti različita predviñanja. Problem je što donosioci odluka imaju odreñenu averziju prema kompleksnim procedurama predviñanja jer ih slabo ili nimalo razumeju. Uz to, kompleksnost ne vodi nužno do poboljšane tačnosti. Sasvim drugačijeg karaktera je problem pristrasnosti i favorizovanja odreñenog metoda predviñanja kod donosioca odluka, što u slučaju nepovoljnih rezultata predviñanja, može dovesti do sumnje u pogledu adekvatnosti primenjenog modela predviñanja. Kada su dostupna dva ili više metoda predviñanja, takoñe je moguće kombinovati više predviñanja, u jedno jedinstveno predviñanje. Kombinovana predviñanja su ona gde se koriste različiti metodi da bi se predvidela ista situacija, a zatim se ta predviñanja kombinuju. Kombinovana 141 Armstrong, J.S., Long-range forecasting, 1985, 2nd ed., Wiley&Sons, pp.391-420. 142 Fildes, R., The state of the art: Econometric models, 1985, Journal of Operational Research Society 36, pp.549-586. 143 Yokum, J.T. and Armstrong, J.S., Beyond accuracy: Comparison of criteria used to select forecasting methods, 1995, International Journal of Forecasting 11, pp. 591-597. predviñanja su naročito korisna u slučajevima gde je jako izražena neizvesnost oko toga koji metod će proizvesti najtačnije predviñanje. Kombinovana predviñanja obično poboljšavaju tačnost, jer svaki metod daje svoj doprinos krajnjem rezultatu. Metodološka i praktična pitanja u vezi kombinovanja, su ekstenzivno proučavana poslednjih godina144, a kombinovana predviñanja su se generalno pokazala kao prilično dobra u praksi. Veliki deo istraživanja sugeriše da su kombinovana predviñanja generalno tačnija od predviñanja dobijenih pomoću jednog metoda. Osim toga, kombinovano predviñanje minimizira uticaj grešaka, kompenzatornim dejstvom metoda koji se koriste u procesu predviñanja. Kada se razmatra neka vrsta agregacije predviñanja, problem se obično posmatra kao odluka u vezi toga koja predviñanja kombinovati, i kako ih kombinovati. Ovakav problem je poznat pod nazivom scenario kombinovanja. Naravno, svako kombinovanje više predviñanja, donosi jedinstveno predviñanje. Kao rezultat toga, odreñena kombinacija datog skupa predviñanja, se može smatrati metodom predviñanja, koji bi mogao da se upotpuni u scenariju izbora. U tom smislu, široko viñenje opšte situacije predviñanja, bi jednostavno uključivalo scenario kombinovanja u okviru opštijeg scenarija izbora. Ipak, izbor i kombinovanje se često posmatraju odvojeno, i pogodno je održavati ovu distancu i suprotstavljati ova dva scenarija. Bez obzira da li se bazičnim problemom smatra izbor ili kombinovanje, neophodno je uključiti neku vrstu metodologije za evaluaciju predviñanja. U praksi, evaluacija često uključuje jednu ili dve sumarne mere. Meñutim, kvalitet predviñanja je po svojoj prirodi višedimenzionalan, i jedna ili dve sumarne mere, generalno ne mogu potpuno da opišu kvalitet nekog metoda predviñanja ili skupa predviñanja. Kompleksniji pristup uključuje opis odnosa meñu predviñanjima i opservacijama, baziran na njihovom zajedničkom doprinosu, kao i višestruke mere koje karakterišu različite aspekte performanse predviñanja 145. Scenario izbora Scenario izbora ima cilj da izabere jedan metod predviñanja. Uloga evaluacije predviñanja je stoga, da evaluira metode pojedinačno i da nakon toga, uporedi njihovu performansu. Za svaki metod, osnova evaluacije je odnos izmeñu predviñanja verovatnoće i naredne opservacije, što opisuje 144 Clemen, R.T., Combining forecasts: A review and annotated bibliography, 1989, International Journal of Forecasting 5, pp.559-583. 145 Murphy, A.H. and Winkler, R.L., Diagnostic verification of probability forecasts, 1992, International Journal of Forecasting 8, pp.435-455. zajednička raspodela predviñanja i opservacija146. Štaviše, uslovna i marginalna raspodela, povezana sa faktorizacijama ove zajedničke raspodele, karakteriše specifične aspekte kvaliteta predviñanja. Postojanje ovih različitih aspekata demonstrira višedimenzionalnu prirodu kvaliteta predviñanja. Dijagnostička evaluacija skupa predviñanja verovatnoće, iz datog metoda predviñanja, zajedno sa odgovarajućim opservacijama, može da otkrije jaku performansu jedne dimenzije i slabu performansu, što se tiče neke druge dimenzije. Npr. verovatnoće bi mogle da budu loše kalibrisane, a ipak veoma diskriminatorne izmeñu prilika u kojima se dati dogañaj desio, odnosno nije desio. Što se tiče relativnog kvaliteta dve ili više metode predviñanja, poreñenje vrednosti jedne ili više mera opšte performanse, je neadekvatno. Neophodno je razmotriti osnovne karakteristike kvaliteta predviñanja, koji je oličen u odgovarajućim zajedničkim raspodelama predviñanja i opservacija. Da bi se evaluiralo n metoda predviñanja u scenariju izbora, neophodno je posmatrati n bivarijantnih distribucija predviñanja i opservacija. Konačno, izbor meñu metodima može da uključi odnose meñu tim karakteristikama. Npr. donosilac odluke možda mora da odluči da li je vredno da se odrekne neke diskriminatorne sposobnosti, radi boljeg kalibrisanja. Pre no što donosilac odluke doñe do faze u kojoj se razmatraju odnosi, skeniranje u smislu dovoljnosti u scenariju izbora i irelevantnosti u scenariju kombinovanja metoda predviñanja, može da pomogne da se redukuje skup metoda koje se razmatraju, na broj kojim je lako rukovati i koji se dalje može detaljno evaluirati. Skeniranje može da indentifikuje metode predviñanja koji su pod dominacijom, u smislu da su njihova predviñanja jasno inferiorna u odnosu na predviñanja pomoću drugih metoda, ili da ne dodaju nikakve informacije kombinovanju predviñanja. Dovoljnost pruža formalno sredstvo skeniranja alternativnih metoda predviñanja, što je konzistentno sa višedimenzionalnom prirodom kvaliteta predviñanja. Štaviše, ona održava monotoni odnos izmeñu kvaliteta predviñanja i vrednosti predviñanja, t.j., kada je metod A dovoljan za metod B, sledi da su predviñanja metoda A, višeg kvaliteta i veće vrednosti za sve korisnike, nego predviñanja metoda B. U tom smislu, izbor metoda A umesto metoda B, nije stvar odnosa; metod A jednostavno dominira nad metodom B, tako da je izbor očigledan. 146 Ibid Scenario kombinovanja Scenario kombinovanja ima cilj da agregira predviñanja iz dva ili više metoda. Kao rezultat toga, nije adekvatno evaluirati metode individualno. Odnosi meñu metodima su važni u kombinovanju, a odvojene evaluacije neće obuhvatiti te odnose. Tako npr., dva metoda mogu imati identične karakteristike kada se evaluiraju pojedinačno; za svrhu kombinovanja, velika je razlika u tome da li njihove verovatnoće teže da budu veoma slične, ili teže da budu prilično različite. U prvom slučaju, metodi mogu biti redundantni, dok u drugom slučaju stepen redundantnosti (izlišnosti) može biti mnogo manji. Kao što je gore opisano, neophodno je da se u scenariju odabira ispita n zajedničkih (dvodimenzionalnih) raspodela predviñanja i opservacija, da bi se evaluiralo i uporedilo n metoda predviñanja. Meñutim, ovih n raspodela, ne pružaju informacije o nezavisnom informacionom sadržaju alternativnih metoda predviñanja. U scenariju kombinovanja, sa n metoda predviñanja, moramo razmotriti (n+1)-dimenzionalnu raspodelu n predviñanja i odgovarajućih opservacija. Stoga je fundamentalna razlika izmedju evaluacije predviñanja u scenarijima odabira, odnosno kombinovanja, to što ovaj prvi scenario uključuje n bivarijantnih raspodela, dok drugi scenario uključuje jednu multivarijantnu, (n+1)-dimenzionalnu raspodelu. Skeniranje u scenariju kombinovanja se može upotrebiti za redukovanje razmatranog broja kandidat-metoda, za uključivanje u kombinaciju. Irelevantnost pruža formalno sredstvo skeniranja metoda predviñanja, da bi se eliminisali metodi koji ne pružaju dodatne informacije kombinovanom predviñanju, izvan informacija koje su date u predviñanju iz preostalih metoda. Odnosno, kada se razmatraju metodi A, B, i C, ako je metod A irelevantan, onda kombinacija predviñanja iz A, B i C, ništa više nije informativna nego kombinacija predviñanja iz samo B i C. 3.2 Kombinovano predviñanje Mnoge firme imaju koristi od korišćenja niza tehnika predviñanja u kombinaciji, zato što prednosti jednih neutrališu slabosti drugih tehnika. Meñutim, problem kod simultane upotrebe više tehnika predviñanja je u tome kako doći do jednog numeričkog predviñanja. Alternativa predviñanju kombinovanjem rezultata više kvantitativnih tehnika predviñanja, je predviñanje primenom samo jedne od raspoloživih tehnika. Nedavna istraživanja su pokazala da kombinacija više različitih pristupa predviñanja često daje bolje rezultate od korišćenja samo jednog pristupa. Kriterijumi kao što su tačnost, stabilnost procene i procena prekretnice, mogu da se upotrebe za ocenu kredibilnosti različitih tehnika predviñanja. Donosioci odluka mogu ocenjivati relativnu preferencu tehnika u pogledu zadataka, kao što su tačnost, troškovi, obezbeñene menadžment informacije, sposobnost te tehnike da predvidi tačke zaokreta i vreme koje je potrebno za implementaciju te tehnike. Takoñe se vrše i procene relativne važnosti ovih zadataka. Rezultirajuća sinteza će indicirati opštu relativnu preferencu različitih tehnika. Tri primarna faktora motivišu kombinovanje predviñanja, kako je opisao Mahmoud147: (1) poboljšana preciznost predviñanja, (2) metodološka jednostavnost i (3) niski troškovi kombinovanja predviñanja. U praksi, većina predviñanja su kombinacije menadžerske procene i kvantitativnih predviñanja, kako su indicirali Lawrence i ostali148 i Jenkins.149 Mahmoud150 sugeriše da je procenjivačko usklañivanje objektivnog predviñanja, oblik kombinovanog predviñanja koji se najviše koristi, što potvrñuje frekvencija menadžerskih osobina koje se pronalaze u komercijalnim softverskim paketima za predviñanje. Meñutim, empirijski rezultati iz eksperimenata usklañivanja predviñanja, su mešoviti. Prema Armstrong-ovom151 pregledu dešavanja u predviñanju od 1960. god., objektivna predviñanja prerañena mišljenjem eksperta, ne postaju preciznija. On ističe da je revizija objektivnog predviñanja, još uvek nerešeno pitanje. Što se tiče pitanja revizije predviñanja, studije Diamantopoulos & Mathews152 i Wolfe & Flores153 su otkrile da je procenjivačko usklañivanje kvantitativnih predviñanja, poboljšalo tačnost predviñanja, iako ne uvek značajno. Ovi rezultati indiciraju da su situacioni faktori koje poznaju donosioci menadžerskih odluka, važni elementi koji potencijalno mogu da poboljšaju predviñanje. Mahmoud sugeriše da je dodatno istraživanje potrebno u oblasti procenjivačkog usklañivanja 147 Mahmoud, E., Combining forecasts: Some managerial issues, 1989, International Journal of Forecasting 5, 599-600. 148 Lawrence, M., Edmundson, R.H., and Connor, M.J., An examination of the accuracy of judgmental extrapolation of time series, 1985, International Journal of FOrecasting 1, 25-35. 149 Jenkins, G., Some practical aspects of forecasting in organisations, 1982, Journal of Forecasting 1, 3-21. 150 Mahmoud, E., Combining forecasts: Some managerial issues, 1989, International Journal of Forecasting 5, 599-600. 151 Armstrong, J., The Ombudsman: research of forecasting:a quarter - century review, 1960-1984, 1986, Interfaces 16, 89- 109. 152 Mathews, B.P., and Diamantopulos, Factors affecting the nature and effectiveness of subjective revision in sales forecasting:An empirical study, 1989, Managerial and Decision Economics 10, 51-60. 153 Wolfe, C., and Flores, B., An analysis of hierchically adjusted earnings forecasts, 1990, Journal of Forecasting 4, 389- 405. predviñanja. Štaviše, on izražava potrebu za formalizovanim, troškovno-efektivnim procedurama u procesu usklañivanja predviñanja. Wolfe i Flores 154 su odgovorili na pitanje, koje je pokrenuo Mahmoud, koje se odnosi na formalizovane procedure u studiji u kojoj su koristili Saaty-jev AHP, da bi se uskladila predviñanja dobiti na bazi ARIMA. AHP je ponudio formalizovani pristup za usklañivanje predviñanja, i kako je ranije istaknuto, opšti rezultati su indicirali da su usklañena predviñanja bila preciznija od neusklañenih ARIMA predviñanja. Kombinovano predviñanje je grana predviñanja koja uključuje kombinaciju dva ili više metoda predviñanja kako bi se dobilo jedno, kompozitno predviñanje. Istraživanje koje je obuhvatilo preko dve stotine studija slučaja, pokazalo je da kombinovanje predviñanja ima konzistentnu ali umerenu preciznost, uz jednu rezervu: ovo istraživanje ne definiše dobro uslove pod kojima je kombinovanje najefikasnije, niti kako u odreñenoj situaciji kombinovati metode. Relativno je malo poznato koliko i kako menadžeri u praksi kombinuju predviñanja. Najveću pažnju u tom smislu, izazvala su sledeća pitanja: menadžersko usklañivanje kvantitativnih predviñanja, korišćenje ekspertskih sistema u kombinovanju predviñanja i analiza troškova kombinovanja predviñanja. Pregled literature vezane za ove probleme, navodi na sledeći zaključak: tačnost predviñanja se može znatno poboljšati kombinacijom više pojedinačnih predviñanja. Otkuda interes za kombinaciju predviñanja? Pre svega, konvencionalne metode predviñanja se rado oslanjaju na istorijske podatke za razvoj modela, koristeći te podatke za projektovanje relevantnih varijabli u budućnost. Ove projektovane vrednosti postaju predviñanja koja se zatim koriste za razvoj poslovnih planova. U ovim modelima pretpostavlja se da će budućnost biti ista kao i prošlost, osim za one varijable koje model prepoznaje kao specifične. Konvencionalni modeli ponekad vrše pretpostavke o formi raspodele populacije, pretpostavke koje mogu ili ne moraju biti predmet verifikacije. Procene intervala korišćenjem regresionog modela npr., pretpostavljaju da populacija prati normalnu raspodelu. Kombinovanje predviñanja bi trebalo vršiti mehanički, da bi se korisnici uverili da je procedura kobinovanja objektivna. Preciznije, trebalo bi koristiti neko pravilo i potpuno ga opisati. Jedan takav primer, bio bi pravilo jednakih pondera, koje sugeriše sabiranje previñanja i kalkulaciju proseka, uz pretpostavku objektivnosti u procesu ponderisanja, koja će poboljšati tačnost. Tako su Bretschneider i 154 ibid dr. u jednoj studiji na terenu, otkrili da su SAD države, koje koriste mehaničke kombinacije predviñanja dobile tačnija predviñanja prihoda, od onih država koje koriste subjektivne kombinacije.155 3.3 AHP model kombinovanog predviñanja Teorija kombinovanog predviñanja se bazira na odreñenoj linearnoj kobinaciji različitih rezultata iz različitih modela predviñanja. Kao rezultat toga, sposobnost uklapanja kombinovanog predviñanja je poboljšana a preciznost je povećana. Devijacija kombinovanog modela predviñanja dostiže minimum i manja je od devijacije svakog pojedinačnog metoda predviñanja. Aplikacija kombinovanog modela predviñanja može kombinovati odvojene metode i integrisati dobre strane svakog modela da bi se obezbedio tačniji rezultat. Pretpostavimo da je za odreñeni model predviñanja stvarna vrednost u periodu t, recimo, yt (t=1,2,...,n) i da postoji m modela predviñanja. Neka je vrednost koja se predviña u periodu t, pomoću modela i, fit (i = 1,2,..,m). Tada je odgovarajuća devijacija eit = yt - fit. Pretpostavimo da je vektor pondera W = (w1,w2,..,wm)T pri čemu se kombinovani model predviñanja može formulisati na sledeći način: 1 m t i it i yˆ w f = = ∑ (t = 1, 2, 3, ..., n) (1) 1 1 m i i w = =∑ (2) Jednačina 1, se takoñe može zameniti jednačinom 2: = ˆY FW (3) 155 Bretscneider, S.I., et al., Political and organizational influences on the accuracy of forecasting state government revenues, 1989, International Journal of Forecasting 5, pp.307-319. gde je: [ ] [ ],1 2ˆ ˆ ˆ ˆ,..., ,Tn it nxmY y y y F f= = greška predviñanja kombinovanog modela se može napisati kao: ( ) ( ) 1 1 m m t t i i t i it i i e y f w y w f = = = − = −∑ ∑ (4) ( ) ( ) 1 1 m m i i it i it i i w y f w e = = = − =∑ ∑ Iako kombinovani model ne može da u suštini poboljša preciznost predviñanja, on može da iskoristi slučajnost grešaka da bi redukovao grešku predviñanja. Tako, u slučaju kada devijacije svih modela nisu istog smera, greške mogu da dejstvuju parcijalno, suprotno jedna drugoj u kombinovanom predviñanju. Ključ kombinovanog modela predviñanja je determinisanje pondera svakog modela. Postoji veliki broj mogućih metoda za determinisanje pondera, koji se koriste u kombinovanom predviñanju. Metod jednakih pondera koristi aritmetičku sredinu pojedinačnih predviñanja i veoma je jednostavan pristup, ali tretira predviñanja kao razmenljiva i kao nešto što se može razlikovati meñusobno. Iako ovo može biti racionalna pretpostavka, kada modeli imaju slične varijanse greške, u principu ona nije privlačna. Alternativa jednakim ponderima su diferencijalni ponderi za koje se pokazalo da su tačniji od jednakih pondera156. Metod minimalne varijanse je Bajesovski pristup za kombinovanje pojedinačnih predviñanja. Ponderi kombinacije dobijeni ovim metodom, meñutim, su manje pouzdani kada su podaci poreñani ili nestabilni. 156 Collopy, F., and Armstrong, J.S., Rule-based forecasting: Development and validation of an expert systems approach to combining time series extrapolations, 1992a, Management Science 38, pp.1394-1414. S druge strane, AHP157 uspešno podržava kombinovanje više metoda predviñanja, izvodeći pondere svakog pojedinačnog metoda, koji se onda mogu primeniti na svaku procenu predviñanja da bi se dobilo jedno ponderisano kompozitno predviñanje. Poenta je da znanje menadžera treba primeniti na predviñanje i to na strukturiran način. Pretpostavimo stoga, da se posmatraju tri pojedinačna metoda predviñanja: model višestruke linearne regresije, ARIMA model, zasnovan na autoregresivnoj pokretnoj sredini i AM158 model. Pretpostavimo, takoñe, da se ova tri modela koriste za odreñeni proces predviñanja. Nijedan od navedenih modela pojedinačno nema dovoljno dobru performansu jer svaki od njih uzima u razmatranje samo nekoliko ili obično jedan relevantan faktor. Da bi se utvrdio kombinovani model predviñanja, upotrebom AHP, moraju se znati zajedničke karakteristike tekućeg procesa predviñanja. Pretpostavimo da se proces predviñanja vrši na bazi istorijskih podataka. Stepen uklapanja u istorijske podatke je jedan od elemenata koji se razmatraju tokom predviñanja. Pored toga, uzmimo da su prilagodljivost i pouzdanost druga dva važna elementa koja se uzimaju u obzir pri evaluaciji pojedinačnih modela predviñanja. Prilagodljivost se odnosi na sposobnost modela predviñanja da se prilagodi promenljivim okruženjima a pouzdanost se odnosi na preciznost predviñanja. Hijerarhijski model koji se formira ima tri nivoa za predviñanje kao što je prikazano na slici 12. 157 Kao intuitivni model za formulisanje i analiziranje odluka, zbog svoje praktičnosti i fleksibilnosti mnoge korporacije i vlade ga rutinski rutinski koriste za donošenje bitnih odluka. 158 Adaptivni model predviñanja, u: Marina Milanovic, Model predviñanja ekonomskih pojava sa izraženim trendom i sezonskim ritmom, 1999, Magistarski rad, Ekonomski fakultet,Kragujevac. PREDVIðANJE Stepen uklapanja u istorijske podatke Prilagodljivost modela predviñanja Pouzdanost rezultata predviñanja ARIMA model LR model AM model Slika 8. AHP model za kombinovano predviñanje U ovom modelu predviñanje je glavni cilj problema, na najvišem nivou. Srednji nivo korespondira sa kriterijumima koji uključuju tri elementa, gore pomenuta. Najniži nivo sadrži tri modela predviñanja koji se računaju kao alternativne odluke. Da bi se izvršio proces predviñanja korišćenjem AHP kombinovanog modela, moraju se dobiti ponderi svakog pojedinačnog modela predviñanja, unapred, pomoću AHP metoda, tj. njegove kompjuterske aplikacije Expert Choice. Postupak derivacije pondera pojedinačnih metoda predviñanja, uključuje sledeće korake: 1) konstrukciju matrice parnih poreñenja, na bazi eksperata ili eksperimenata; 2) kalkulacija vektora prioriteta za svaki kriterijum; 3) kalkulacija pondera alternativa u odnosu na svaki kriterijum; 4) provera konzistentnosti poreñenja po parovima korišćenjem koeficijenta (indeksa) konzistentnosti, da bi se proverilo da li su poreñenja donosioca odluke bila konzistentna ili ne, i 5) dobijanje pondera svakog modela predviñanja i korišćenje jednačine 1, da bi se izvršilo kombinovano predviñanje. Pretpostavimo da su sva tri pojedinačna metoda predviñanja upotrebljena za predviñanje pojave A, po kvartalima za narednu godinu i da su poznati istorijski podaci i rezultati predviñanja (hipotetičke vrednosti) za sva tri modela: Kvartal perioda predviñanja istorijski podaci ARIMA predviñanje LR predviñanje AM predviñanje I 1,7 2,3 1,8 1,5 II 4,3 4,1 4,4 4,1 III 3,4 3,1 3,5 3,2 IV 3,3 3,6 3,4 3,2 Tabela 4. Predviñanje pojave A poreñenih modela u odnosu na istorijske podatke Kvartal perioda predviñanja stvarna vrednost pojave ARIMA predviñanje LR predviñanje AM predviñanje I 2,0 2,1 2,3 2,2 II 3,5 3,0 3,8 3,1 III 4,5 4,2 4,0 4,9 IV 2,5 2,8 1,7 2,3 Tabela 5. Predviñanje pojave A poreñenih modela u odnosu na stvarne vrednosti Poreñenjem grešaka predviñanja kao razlike izmeñu stvarne i predviñene vrednosti, pokazuje se da LR model ima najbolje uklapanje u istorijske podatke, dok model ARIMA ima najgore uklapanje. Što se tiče prilagodljivosti kao drugog kriterijuma, AM model ima najbolju prilagodljivost u predviñanju, ARIMA model je nešto lošija, dok LR model ima najmanju prilagodljivost. ARIMA model je najbolji u smislu pouzdanosti, AM model je manje pouzdan a LR model najlošiji što se tiče pouzdanosti. Dobijeni podaci će biti osnov da se izvrše parna poreñenja relativnog prioriteta na srednjem nivou. Hijerarhijska struktura i rezultirajući ponderi prezentirani su programskim paketom Expert Choice 9. Slika 9. Hijerarhijska struktura AHP problema kombinovanog predviñanja u EC – 9. Pored poreñenja po parovima za alternative odlučivanja, tj. metode predviñanja, takoñe se mogu odrediti ponderi za sva tri kriterijuma u smislu važnosti za opšti cilj (predviñanje). Meñu definisanim kriterijumima pouzdanost treba da ima najviši prioritet, prilagodljivost niži, dok je stepen uklapanja u istorijske podatke najpodreñeniji faktor koji treba uzeti u obzir. Ponder svakog modela predviñanja u kombinovanom predviñanju se može pronaći kombinovanjem prioriteta kriterijuma i prioriteta svakog modela sa svakim kriterijumom. Kalkulacije su date radi ilustracije: Ponder ARIMA modela = 0,078 x 0,088 + 0,435 x 0,258 + 0,487 x 0,637 = 0,431 Ponder LR modela = 0,078 x 0,669 + 0,435 x 0,105 + 0,487 x 0,105 = 0,147 Ponder AM modela = 0,078 x 0,243 + 0,435 x 0,637 + 0,487 x 0,258 = 0,423 Iz gornjih pondera sledi da se ARIMA model može smatrati najboljim meñu poreñenim modelima predviñanja, dok je LR model ovde najlošiji. Rezultati se mogu dalje analizirati, analizom osetljivosti rešenja, kao što je ilustrovano na slici 10. Slika 10. Analiza osetljivosti rešenja159 prema kriterijumu prilagodljivost modela predviñanja: Dodeljivanje većeg značaja kriterijumu prilagodljivost modela predviñanja, menja redosled alternativa, tako da je sada AM model najbolji meñu poreñenim metodima predviñanja. Korišćenjem pondera svakog modela predviñanja i formule kombinovanog predviñanja (jednačina 1), kao i predviñenih rezultata od strane svakog modela predviñanja, predviñanje se još jednom vrši pomoću metoda kombinovanog predviñanja: Y(I) = 0,431x 2,1 + 0,147 x 2,3 + 0,423 x 2,2 = 2,1892 159 Grafik senzitivnosti performanse pokazuje kakvu performansu ima svaka alternativa u odnosu na svaki od kriterijuma. Važnost kriterijuma je predstavljena vertikalnim stubićima, pri čemu se prioriteti za kriterijume mogu pročitati sa leve ose. Performansa svake alternative u odnosu na svaki kriterijum je prikazana presekom obojenog niza segmenata linije sa vertikalnim stubićima i može se pročitati na desnoj osi. Opšta performansa alternative je prikazana presekom segmenata linije alternative sa opštom vertikalnom linijom na desnoj strani grafika. Y(II) = 0,431x 3,0 + 0,147 x 3,8 + 0,423 x 3,1 = 3,1629 Y(III) = 0,431x 4,2 + 0,147 x 4,0 + 0,423 x 4,9 = 4,4709 Y(IV) = 0,431x 2,8 + 0,147 x 1,7 + 0,423 x 2,3 = 2,4296 Validnost modela se ispituje proverom da li predviñeni rezultati dobijeni pomoću AHP kombinovanog modela predviñanja imaju povoljno slaganje sa stvarnim rezultatima. Uočljivo je da je kombinovani model precizniji od ostala tri modela. Moguće je radi validnosti modela izvršiti i poreñenja grešaka predviñanja izmeñu AHP kombinovanog modela predviñanja i ostalih modela. 4. Evaluacija alternativnih ishoda 4.1 Evaluacija u ekonomskom predviñanju U kontekstu ekonomskog predviñanja, postoje dva ključna aspekta evaluacije: • vršenje procena na bazi dokaza o vrednosti i kvalitetu predviñanja (dokazivanje); • proces učenja iz predviñanja, da bi se poboljšala performansa ili ishodi u budućnosti (poboljšanje) U tom smislu, postoje dva tipa pitanja koja bi mogla biti fokus evaluacije u ekonomskom predviñanju: - Ishodi: da li i kako će se nešto promeniti u budućnosti kao rezultat sadašnje aktivnosti? - Metodi: koji metod predviñanja daje najbolje rezultate? Evaluacija ishoda je ograničena na prikupljanje i procenu informacija o tome da li će se promene desiti i distribuciju relativnih verovatnoća rezultata tih promena. Najvažnije promene koje evaluacija ishoda treba da ispita, su one koje su indicirane ciljevima u planu, t.j., nameravane promene. Predmet evaluacije takoñe mogu biti i metodi predviñanja, čak iako je jasno da su ciljevi uspešno ostvareni. Pojam metodi, se ovde koristi u najširem smislu, i uključuje strategije, tehnike, resurse (ljudi, novac, itd.) i način organizovanja, upravljanja i implementiranja predviñanja. Obično nema dovoljno vremena, novca ili interesovanja da bi se temeljno evaluirao svaki aspekt predviñanja. Neophodno je izabrati šta pokriti, i to uraditi na bazi dva kriterijuma: - Šta je najkorisnije za donosioca odluka za koga se i vrši evaluacija? Koja pitanja su od najvećeg značaja ili interesa, za njega? Ako predviñanje ima veliki broj ciljeva i niz metoda, da li su neki od njih važniji od ostalih? - Šta je praktično, uzimajući u obzir ograničene resurse i rok za upotrebu tih informacija? Evaluacija mora da bude korisna i da opravda resurse koji su na nju utrošeni, a blagovremenost je važan elemenat korisnosti. Ponekad su rezultati evaluacije potrebni do odreñenog vremena ili datuma koji se ne može lako promeniti. To može imati snažne implikacije po ono što se evaluira i za metode koji su upotrebljeni za prikupljanje i procenu informacija. Tako npr., ako je rok za završetak relativno kratak, možda je uputno ograničiti broj ishoda koji se evaluira. Ukoliko je bitno da se odreñeno pitanje temeljno evaluira, a nema odreñenog roka za završetak, onda je potrebno postaviti rok na bazi vremena potrebnog da se istraživanje adekvatno sprovede. Samo jedan resurs je apsolutno esencijalan za evaluaciju: vreme. Jedan čovek ili više ljudi moraju da prikupe informacije, ljudi moraju da provedu vreme u obezbeñivanju tih informacija, informacije se moraju proceniti, a rezultate razmatraju oni koji su za njih zainteresovani. Ne postoji formula za determinisanje obima vremena i novca, koje treba potrošiti na evaluaciju. Ako postoji spremnost i fleksibilnost donosioca odluka, onda budžet treba da reflektuje odgovore na ova pitanja: • Koliko bi bilo korisno imati informacije koje bi evaluacija mogla da obezbedi? Da li će to pomoći u efikasnijem suočavanju sa neizvesnošću? • Koliko će biti potrebno vremena/novca, da se prikupe i analiziraju informacije, koje su potrebne za produkovanje korisne evaluacije? Relevantne informacije su determinisane ciljem evaluacije. Način na koji se prikupljaju informacije, zavisi od vrste informacija koje su potrebne kao i od faktora, kao što je njihova pristupačnost, raspoloživi resursi i rok za završetak. Neke informacije mogu biti lako dostupne, ali neke i ne. Velika prednost planiranja da se izvrši evaluacija, je u tome što se na početku mogu identifikovati informacije koje će biti potrebne i usput razmotriti načini prikupljanja bar nekih od tih informacija. Postoje i neke važne informacije koje nije moguće prikupiti jer su možda nepristupačne. Drugi razlog je što metodi potrebni da se prikupe informacije, mogu biti previše skupi i troše previše vremena. U ovakvim okolnostima, poželjno je identifikovati i prikupiti neke druge informacije koje su relevantne za cilj evaluacije. Procena je proces upotrebe informacija da bi se ostvarili ciljevi evaluacije – da se odgovori na pitanja kao što su "da li napredujemo?", "da li dobro koristimo svoje resurse?", "treba li da pokušamo nešto drugačije?" Procene mogu biti prilično različite. Jedne su činjenične – šta će se dogoditi i zašto? Ponekad se činjenična procena može izvršiti diskretno. Drugi put ona se ne može izvršiti, jer ne postoje informacije koje su potrebne. U nekim situacijama, relativno je lako zahtevati vezu izmeñu onoga što će se uraditi i ishoda. U drugim situacijama, ne postoji dovoljno informacija da bi bili sigurni u vezi faktora koji će dovesti do budućih dogañaja. Druga vrsta procene je vršenje ocena vrednosti, kao što je da li je neka aktivnost bila uspešna ili da li su rezultati bili vredni truda. Vršenje ocena vrednosti, zahteva ne samo informacije o tome šta će se desiti i zašto, već takoñe i kriterijume na osnovu kojih se mogu proceniti uspeh i ostvarenje. Uspeh je teže definisati tamo gde: - plan ne specifikuje ciljeve ili metode. Cilj predstavlja ono za šta postoji nada da će se desiti, a ne dobro zasnovano očekivanje. Ovo je generalno slučaj, tamo gde je neka aktivnost nova. - je cilj delimično ostvaren Kada nema eksplicitnih kriterijuma uspeha, osoba koja vrši procenu, treba da bude oprezna da ne nameće svoje vrednosti. Treća vrsta procene uključuje davanje preporuka o tome da li neku aktivnost treba nastaviti u njenoj tekućoj formi, promeniti ili prekinuti, i da li treba inicirati neku drugačiju aktivnost. Davanje preporuka uključuje davanje činjeničnih ocena o prošlosti (zašto je nešto funkcionisalo ili propalo?) i budućnosti (kako će nešto funkcionisati?). Preporuke se mogu bazirati na proceni informacija prikupljenih za evaluaciju, ili na informacijama u vezi sa drugim situacijama, kao što su uspešne tehnike marketinške kampanje, koje su koristile druge organizacije, ili na obe vrste informacija. 4.2 AHP – ekspertska evaluacija alternativnih ishoda Malo je studija sprovedeno o validnosti primene ekspertskog predviñanja, meñutim one koje su sprovedene govore u prilog tezi da je takvo predviñanje tačnije od klasičnog procenjivačkog predviñanja. Kada se od nekog eksperta traži da, na primer, predvidi ponašanje tržišta, nije neophodno da on bude reprezentativan ekspert. Upravo suprotno, taj ekspert može biti izuzetak. Princip je kombinovati nezavisna predviñanja od grupe eksperata, obično 5-20.160 Zahtevani nivo ekspertize je prilično, čak iznenañujuće nizak161. Procedura koja se uobičajeno preferira je, ponderisati podjednako predviñanje svakog eksperta. Tačnost ekspertskih predviñanja se može poboljšati upotrebom strukturiranih metoda, kao što je Delfi procedura. Delfi je procedura iterativnog pregleda, u kojoj eksperti vrše predviñanja za neki problem, dobijaju anonimnu sumarnu povratnu spregu iz predviñanja drugih eksperata, i onda dalje vrše predviñanja. Sumirajući studije o validnosti Delfi metoda, koji se bazira na: 1) delovanju više od jednog eksperta, 2) korišćenju nepristrasnih eksperata, 3) upotrebi strukturiranih pitanja i 4) sumiranju na objektivan način, Armstrong,162, Stewart,163, i Rowe idr. 164, dolaze do zaključka da je Delfi znatno tačniji od klasičnih procenjivačkih predviñanja, posebno u situacijama kada takva predviñanja vrši samo jedan čovek ili dvoje ljudi, ili kada se ona vrše na tradicionalnim grupnim sastancima. Problem sa kojim se suočava Delfi metod, karakterističan je za većinu ekspertskih metoda predviñanja: po pravilu, eksperti su optimisti sa previše samopouzdanja, kada razmišljaju o nekom problemu njihovo samopouzdanje znatno prevazilazi njihovu tačnost.165 Način da se prevaziñe ovaj problem je da se odredi osoba koja će u kratkom vremenskom periodu prikupiti argumente o tome zašto predviñanje ili njegova interpretacija mogu biti pogrešni. Ova procedura je dovela do tačnijih predviñanja u studiji 160 Ashton, A.H., and Ashton, R.H., Aggregating subjective forecasts: Some empirical results, 1985, Mnagement Science, pp.1499-1508. 161 Armstrong, J.S., Long-term Forecasting: From Crystal Ball to Computer, (second ed.), 1985, New York, Wiley & Sons. 162 Armstrong, J.S., Long-range forecasting, 2nd ed., 1985, Wiley&Sons. 163 Stewart, T.R., The Delphi technique and judgmental forecasting, 1987, Climatic Change 11, pp.97-113. 164 Rowe, G., Wright, G. and Bolger, F., The Delphi technique: A re-evaluation of research and theory, 1991, Technological forecasting and Social Change 39(3), pp.235-251. 165 Za rezime dokaza o tačnosti Delfi-ja nasuprot nestrukturirane procene, videti: Rowe i Wright (2001). Princip je da predviñanja eksperata treba generalno da budu nezavisna meñusobno. Fokus grupe uvek krše ovaj princip; kao rezultat toga ne treba ih koristiti u predviñanju. Cosier-a,166. Samo razvoj argumenata protiv validnosti sprovedenog predviñanja mogao bi da rezultira u boljoj proceni poverenja u to predviñanje.(Koriat167, Hoch168). Varijansa meñu predviñanjima eksperata nudi samo grubu aproksimaciju neizvesnosti169. Empirijske studije ekonomskih predviñanja su pokazale da su kod 22 ekonomista – predviñača u periodu od 11 godina, stvarne vrednosti u oko 43% vremena, bile van opsega njihovih pojedinačnih predviñanja.170. Nije jasno kako bi se ovakve informacije mogle prevesti u interval predviñanja, ali bi se za direktniji pristup proceni neizvesnosti moglo zahtevati od svakog eksperta da obezbedi interval poverenja od 95%. Meñutim, eksperti obično nisu dobro kalibrisani, tako da u nekim slučajevima gotovo polovina procena pada van intervala poverenja od 95%. Ekspertski metodi se koriste za razne probleme ekonomskog predviñanja, iako su informacije o njihovoj prediktivnoj validnosti ograničene, ali i ono malo dostupnih su uglavnom afirmativne, posebno one o makroekonomskim predviñanjima, koja su usled svoje kompleksnosti obično grupno – ekspertskog karaktera. Konvencionalni pristupi makroekonomskom predviñanju su utemeljeni na modelima sa više jednačina, koji se obično koriste za preliminarna predviñanja relevantnih endogenih varijabli. Osim toga, vrednosti velikog broja egzogenih varijabli, kao što su budući tok monetarne i fiskalne politike, vrednosti izvoza i sl., moraju se subjektivno proceniti na bazi raspoloživih podataka i postignutog konsenzusa. Sledeći korak je prilagoñavanje inicijalnih predviñanja, pomoću dodatnih ili varljivih faktora, najčešće u formi promena vrednosti prethodno procenjenih stavki preseka. Navedeni postupak se koristi da bi se dobila predviñanja koja su konzistentna sa skorašnjim vrednostima ključnih endogenih varijabli, kada je evidentno da se izvesna promena desila u delovima strukture postojećeg modela. Na taj način se stvaraju uslovi za resetovanje vrednosti egzogenih varijabli. Studije ex ante predviñanja, koje su vršene pomoću dodatih faktora, sugerišu da su ova predviñanja tačnija od ex post predviñanja koja vrše sami modeli, čak iako se koriste identični dodati faktori. Pokazalo se da je upravo upotreba stvarnih a ne pretpostavljenih vrednosti egzogenih varijabli, smanjila tačnost predviñanja, što 166 Cosier, R.A., The effects of three potential aids for making strategic decisions on prediction accuracy, 1978, Organizational Behavior and Human Performance 22, pp.295-306. 167 Koriat, A., Lichtenstein, S., and Fischoff, B., Reasons for confidence, 1980, Journal of Experimental Psyhology: Human Learning and memory 6, pp.107-118. 168 Hoch, S.J., Counterfactual reasoning and accuracy in predicting personal events, 1985, Journal of Experimental Psyhology: Learning, Memory and Cognition 11, pp. 719-731. 169 Ashton, A.H., Does consensus imply accuracy in accounting studies of decision making, 1985, Accounting Review 61, 173-185. 170 McNees, S.K., The uses and abuses of consensus forecasting, 1992, Journal of Forecasting 11,pp.703-710. je konzistentno sa stavom da su dodatni faktori, u širem smislu, važniji od modela u determinisanju predviñanja ex ante. Navedeno navodi na zaključak da su makroekonomski predviñači svesni ograničenja konvencionalnih modela predviñanja i potrebe da se u predviñanje inkorporiraju subjektivne procene. Po svojoj prirodi, meñutim, usklañivanja predviñanja zasnovana na proceni su nesistematska i ad hoc. Da bi se otklonio pomenuti nedostatak makroekonomskih modela predviñanja, moguće je koristiti AHP kao koceptualni okvir zasnovan na modernoj ekonomiji. Modeli za AHP predviñanje mogu biti jednostavni i jasno osmišljeni za merenje relativnog značaja uticajnih faktora na alternativne ishode. Tipičan primer za to je sledeći jednostavan model: pretpostavimo da se hipotetička korporacija A koja ima širok asortiman proizvoda i usluga, pozicionirala na tržištu kao jedini proizvoñač proizvoda P. U jednom trenutku na tržištu se iznenada pojavljuje konkurent, renomirana korporacija B, sa vrlo diversifikovanim proizvodnim programom, koja je odlučila da svoje poslovanje proširi i na taj segment tržišta. Korporacija A se našla pred dilemom kako reagovati na novu situaciju, tim pre što stvarne namere konkurenta B na tržištu proizvoda P nisu bile poznate. Predviñanje sledećeg koraka korporacije B bio bi očigledan interes za korporaciju A. Ekspertski tim analitičara korporacije A odlučio se zato da formuliše AHP model predviñanja za procenu relativne verovatnoće alternativa da su namere korporacije B: 1) trajno pozicioniranje isključivo na tržištu proizvoda B, 2) osvajanje proizvodnje drugih proizvoda iz asortimana korporacije A i njeno potiskivanje sa tržišta, 3) privremeno pozicioniranje, ali sa dugoročnim aspiracijama ili 4) privremeno pozicioniranje, bez većih ambicija na tržištu proizvoda P. Faktori (kriterijumi) za koje se smatra da utiču na namere korporacije B su uključivali: 1) sama korporacija B (menadžment, politika cena, promocija, odlike proizvoda, politika servisiranja kupaca itd.), 2) mogućnost osvajanja novih tržišta, 3) mogućnost prevazilaženja internih problema (pretpostavimo da korporacija B ima odreñenih teškoća u poslovanju) i 4) minimiziranje rizika od gubitka u konfrontaciji sa korporacijom A koja dominira tržištem proizvoda P. Nakon hijerarhijskog strukturiranja problema, tim ekspertskih analitičara vrši procene o relativnoj verovatnoći ishoda u pogledu svakog od kriterijuma, nakon čega se procenjuju relativne verovatnoće svakog od kriterijuma. Sinteza ovih procena determiniše najverovatniji ishod odnosno namere korporacije B. Posmatranje grafika osetljivosti gradijenta za pojedine kriterijume, može otkriti potencijalne promene u rangu alternativnih ishoda. Strukturalne promene modela, u smislu dodavanja podkriterijuma u okviru pojedinih kriterijuma, mogu dovesti do manjih ili većih promena u evaluaciji, usled novih procena koje uzimaju u obzir nove podkriterijume. Rezultat se u tom smislu, može promeniti od jednog do drugog najverovatnijeg ishoda, što bi zahtevalo restrukturiranje modela za evaluaciju alternativnih akcija korporacije A. Prema Saaty-ju171, AHP formira sistematski okvir za grupnu interakciju i grupno odlučivanje. Dyer i Forman172, opisuju prednosti AHP-a u grupnom okruženju: (1) i vidljive i nevidljive, i pojedinačne i zajedničke vrednosti, se mogu uključiti u proces grupnog odlučivanja na bazi AHP-a, (2) sa AHP-om, diskusija u grupi se može fokusirati na ciljeve, a ne na alternative, (3) sa AHP-om, diskusija se može strukturirati tako da se svaki faktor koji je relevantan za odluku, razmotri, i (4) u jednoj strukturiranoj analizi, diskusija se nastavlja, dok se ne razmotre sve relevantne informacije od svakog pojedinačnog člana u grupi, i dok se ne ostvari konsenzus izbora alternativne odluke. Kod Forman & Dyer173, Golden & Wasil and Harker174 se mogu naći detaljne diskusije o sprovoñenju sastanaka AHP grupnog odlučivanja, uključujući sugestije za okupljanje grupe, konstruisanje hijerarhije, slaganje u grupi, nejednakosti moći, sakrivene ili izvrnute preference, i implementiranje rezultata. Koristeći AHP, možemo razviti sistem podrške odlučivanju, zasnovan na grupnom predviñanju, s obzirom da proces predviñanja usled svoje kompleksnosti, obično uključuje grupu ljudi. Ovaj proces se sastoji od tri osnovna koraka: (1) identifikovanje ključnih faktora koji utiču na glavni cilj predviñanja i determinišu strukturu AHP hijerarhije, (2) dodeljivanje prioriteta elementima u hijerarhiji, i (3) sintetizovanje prioriteta da bi se dobili opšti prioriteti za elemente, kalkulacija kompozitnog predviñanja i ispitivanje ishoda predviñanja, pomoću analize senzitivnosti. Procesu strukturiranja hijerarhije hronološki prethodi inicijacija grupe za predviñanje. U tom smislu, najpre se vrši izbor veštaka koji mora biti sposoban da shvati diskusije o cilju predviñanja i treba da bude kompetentnan za podsticanje šireg učešća u diskusijama, za strukturiranje i upravljanje procesima komunikacije i za primenu sistema podrške odlučivanju grupe, u ovom slučaju za AHP. Veštak inicira grupu na način da se dobije uravnotežena prezentacija relevantnih ekspertiza uključenih u proces predviñanja. Mora se izvršiti pažljiva selekcija, jer je u većim grupama teže ostvariti konsenzus a posvećenost grupi opada. Tokom sastanka, uobičajeno je da članovi grupe sede u obliku slova U, a ispred grupe sedi veštak. Hardver se sastoji od laptopa koji ima instaliran Team Expert 171 Saaty, T., Decision making for leaders, 1982, Lifetime Learning Publications, USA. 172 Dyer, R.F., Forman, E., Group decision support with the analytic hierarchy process, 1992, Decision support systems, 8, 99-124. 173 Ibid 174 Golden, B.L., Wasil, E.A., and Harker, P.T., The Analytic Hierarchy Process:Applications and Studies, 1989, Springer, Berlin. Choice, sistem projekcije, risiver radiofrekvencije i pojedinačne bežične tastature za članove grupe (panela). Veštak priprema softver tako što unosi imena članova panela u grupni fajl Team Expert Choice-a. Prvi sastanak obično počinje jednočasovnim uvodom, u kojem veštak informiše članove panela u vezi procedura softvera, na bazi praktičnog primera. Da bi ljudi razumeli kako se učestvuje u strukturiranju hijerarhije, daje im se 25-minutno predavanje o tome kako se neki problem dekomponuje na nivoe hijerarhije, od opšteg cilja na dole, do nivoa alternativa, i gde svaki nivo sadrži uporedive klastere. Pokazuje im se skala i način na koji se ona koristi verbalno, a onda konvertuje u brojeve. Oni se podstiču, ne da koriste brojeve, već samo procene. Pokazuje im se jedan ili dva primera, kako se vrše parna poreñenja, šta su prioriteri karakterističnog vektora, nekonzistentnosti, moguće revizije i kompozitni ponderi. Problemi sa beneficijama i troškovima se takoñe ilustruju, kombinujući ova dva pojma u skalu jednog koeficijenta. U procesu definicije problema, veštak može da naglasi, ukoliko se primenjuje, pravila grupe za breinstorming, koja korespondiraju sa adekvatnim normama grupe za deljenje informacija. Ova pravila se uključuju u odlaganje kritike, kombinovanje i poboljšavanje sugerisanih ideja, izražavanje svih ideja koje mogu pasti na pamet a da se pri tome ostane fokusiran na dotičnu temu175. Članovi panela prvo definišu problem koji treba da bude rešen predviñanjem, nakon čega veštak unosi opis cilja predviñanja i alternativne ishode. Nakon prezentacije, članovi grupe počinju da strukturiraju neki jednostavan problem, sa tri nivoa hijerarhije. Za proces formiranja hijerarhijske strukture, veštak koristi funkciju drug and drop u Team Expert Choice, grupišući slične kriterijume i dajući imena ovim grupama. Izvedena struktura uključujući glavne kriterijume i podkriterijume se diskutuje u grupi, da bi se uverilo da se svaki nivo sastoji od kriterijuma koji su meñusobno isključivi, jasni, složeni i važni u okviru istog reda veličine. Postupak se nastavlja sve dok grupa daje komentare u vezi dodavanja, modifikovanja ili brisanja kriterijuma. Na kraju, Team Expert Choice model je sastavljen od cilja predviñanja, kriterijuma, podkriterijuma i alternativnih ishoda. Sledeći korak u procesu predviñanja je izvoñenje prioriteta za elemente u hijerarhiji. Kada u odlučivanju učestvuje grupa, pitanje je kako se koriste procene u procesu. Nakon debate i konsenzusa, moguće je kombinovati različite procene, da bi se zadovoljila odlika recipročnosti. Bez obzira koje se pravilo koristi za kombinaciju procena i uzimanje recipročnih vrednosti ishoda, to treba da se poklapa sa onim što se dobija kada se kombinuju recipročne vrednosti ovih procena. Uobičajen način u AHP da 175 Sutton, R.I., Hargadon, A., Breinstorming groups in context:effectiveness in product design firm, 1996, Administrative Science Quaterly 41:685-718. se ovo uradi je množenje procena i vañenje k-tog korena ako učestvuje k ljudi, odnosno geometrijska sredina. Postavlja se pitanje šta se dešava sa odlukom, kada se procene pojedinca ili grupe, menjaju tokom vremena? Ako je odluka već doneta, ona se može promeniti i reimplementirati, ako se želi, uz neke troškove. Sa druge strane, AHP se može upotrebiti kao sredstvo učenja, u kom slučaju se procene mogu promeniti. U tom slučaju, koristi se ili poslednja procena, ako se smatra da je ona najbolja, ili se sve prethodne procene sintetizuju, vañenjem njihove geometrijske sredine ili se neke procene više naglašavaju, osiguravanjem da su one prezentovane češće, pre dobijanja geometrijske sredine. Ovo je takoñe moguće, uz korišćenje AHP programa, Expert Choice, na PC-u, da bi se sprovela analiza osetljivosti procena, na ishodima. Na ovaj način, se može izići na kraj sa promenama procena, kao delom kompleksnosti koja se proučava. Primećuje se da se AHP, kao i druge analitičke procedure, može zloupotrebiti, tako što se šteluje da se podaci (procene) slažu sa predrasudama i pristrasnostima analitičara. Stoga se moraju braniti ponderi dodeljeni procenama. Prioriteti se odredjuju poreñenjem svakog skupa elemenata, u parovima, u odnosu na svaki od elemenata u višem sloju176. Verbalna ili odgovarajuća numerička skala od devet podeljaka, se može upotrebiti za poreñenja, a ta poreñenja se mogu bazirati na objektivnim, kvantitativnim podacima ili subjektivnim, kvalitativnim procenama. U grupnom okruženju postoje četiri osnovna načina koja se mogu upotrebiti za utvrñivanje prioriteta: (1) konsenzus, (2) glasanje ili kompromis, (3) geometrijska sredina pojedinačnih procena i (4) odvojeni modeli ili igrači177. Primarni metod koji se koristi je pokušaj ostvarenja konsenzusa, na bazi ekstenzivne debate i diskusije. Meñutim, ako se konsenzus ne može utvrditi, koristi se geometrijska sredina procena članova grupe, jer je to jedinstveno adekvatno pravilo za kombinovanje procena, i jer čuva recipročno svojstvo matrice procene178. Tokom ovih poreñenja veštak stalno podseća članove grupe na distribuciju informacija i na prihvatljivost različitih procena. Koristeći svoje tastature članovi panela daju svoje procene svakog parnog poreñenja. Pojedinačne procene se projektuju na ekranu omogućujući članovima panela da diskutuju o objašnjenjima koja stoje iza njihovih pojedinačnih skorova. Nakon poreñenja parova svih faktora, Team Expert Choice izračunava koeficijent nekonzistentnosti i pokazuje koliko je svako parno poreñenje konzistentno u odnosu na ostatak poreñenja. Ukoliko je koeficijent nekonzistentnosti veći od 176 Wind, Y., Saaty, T., Marketing applications of the analytic hierarchy process, 1980, Management Science, 26(7):641- 658. 177 Dyer, R.F., Forman, E., Group decision support with AHP, 1992, Dec. support systems (8):99-124. 178 Aczel, J., Saaty, T., Procedures for synthesing ratio judgments, 1983, J.Math. Psychology, 27:93-102. 0,10, obično se od članova grupe traži da preispitaju svoje procene. Eventualna aplikacija procedura koje uključuju slanje predinformacija, pripremu prezentacija i alociranje vremena za pojedinačni ili grupni breinstorming, podstiče šire učešće i pozitivne interakcije izmeñu članova grupe, olakšavajući razmenu jedinstvenih i relevantnih informacija. Uloga eksperta ili početnika meñu članovima grupe, varira izmeñu faktora o kojima se diskutuje. Stoga je podela informacija, da bi članovi grupe shvatili procene neophodna u fazi evaluacije i izbora. Poreñenja parova elemenata u hijerarhiji su intuitivno jednostavan način da se strukturira ova razmena informacija. Pošto proces predviñanja obično uključuje grupu ljudi, AHP pristup pomaže voñenju sastanka grupe, na analitički i sistematski način. Uz pomoć kompjuterskog softvera, pod imenom Team Expert Choice, hijerarhija i prioriteti se lako mogu ažurirati i modifikovati, uzimajući u obzir iterativni pristup predviñanju. Štaviše, analiza osetljivosti, se može upotrebiti za detaljnije ispitivanje, ishoda procesa predviñanja. Upotrebom predloženog pristupa, proces predviñanja se može dokumentovati detaljno, i preneti drugim ljudima, da bi se ostvario konsenzus i razumevanje. 4.3 AHP – izvoñenje verovatnoće scenarija Neizvesnost i predviñanje se primenom AHP mogu inkorporirati i kroz scenarije. Upotreba scenarija može da pomogne donosiocima odluka da se lakše suoče sa predviñanjima koja imaju neprijatne posledice. Scenario je priča o onome što će se možda desiti u budućnosti. Scenariji ponekad mogu dovesti do precenjivanja verovatnoće nekog dogañaja. Izvesno, predviñač bi trebalo da istakne da funkcija scenarija nije predviñanje već odlučivanje kako upotrebiti predviñanja. Činjenica da će dogañaj izgledati verovatniji, bi trebalo da pomogne ljudima da ozbiljnije shvate nepovoljna predviñanja. Scenarija dozvoljavaju donosiocima odluka da prijave tj. predvide kako bi se ponašali pod datim budućim dogañajima, što bi trebalo posmatrati u kontekstu njihovog daljeg ponašanja. Tako je pokazano da ovakva predviñanja ponašanja utiču na ponašanje ljudi kada se sretnu sa istim situacijama kasnije179. Planeri koriste scenarije kao način opisivanja budućih uslova. Scenariji služe kao osnov za planiranje i evaluaciju alternativnih tokova akcije.180 179 Gregory, W.L., Cialdini, R.B. and Carpenter, K., Self-relevant scenarios as mediators of likelihood estimates and compiliance:Does imagining make it so?, 1992, Journal of Personality and Social Psychology 43, pp.88-99. 180 Brooke, J.A., Consumer issues, 1991, Presentation at Planning Forum, April 4, New York. Za ilustraciju, pretpostavimo da preduzeće P razmatra dve meñusobno isključive alternative ulaganja (A i B) koje zahtevaju isto inicijalno ulaganje od 10.000 evra. Procene mogućih scenarija (godišnje stope prinosa na ulaganje) dati su u Tabeli 6: A B Inicijalno ulaganje 10.000 10.000 Godišnja stopa prinosa (%) I Scenario I 13 7 II Scenario II 15 15 III Scenario III 17 23 Opseg varijacije (III - I) 4 16 Tabela 6: Scenariji sa aspekta mogućih godišnjih stopa prinosa za alternative ulaganja A i B. Gledano kroz interval stope prinosa, ulaganje A izgleda manje rizično (17%-13%) od B (23%-7%). Mada obe alternative nude kao verovatan (prosečan) godišnji prinos od 15%, izbor može zavisiti od afiniteta prema riziku – ukoliko je cilj minimizirati rizik onda je prihvatljivija alternativa A jer ima manji opseg varijacije. Na bazi verovatnoće mogućih scenarija može se utvrditi tzv. očekivana vrednost, kao ponderisani prosečan prinos svakog scenarija, gde kao ponderi služe verovatnoće mogućih ishoda. Za ilustraciju poslužićemo se podacima iz prethodnog primera uz pretpostavku da scenario II za obe alternative ima verovatnoću od 50%, a scenariji I i III verovatnoću od po 25%. Očekivane vrednosti prinosa projekata A i B date su u Tabeli 7: Mogući ishodi Verovatnoća Prinos (%) Ponderisana vrednost 1 2 3=(1*2) A I Scenario I 0,25 13 3,25% II Scenario II 0,50 15 7,50% III Scenario III 0,25 17 4,25% Ukupno 1,00 Očekivani prinos 15,00% B I Scenario I 0,25 7 1,75% II Scenario II 0,50 15 7,50% III Scenario III 0,25 23 5,75% Ukupno 1,00 Očekivani prinos 15,00% Tabela 7: Očekivane vrednosti prinosa za alternative ulaganja A i B. Rezultat pokazuje da su očekivane vrednosti prinosa u oba projekta iste (stopa prinosa od 15%). Ukoliko je meñutim, verovatnoća pojedinih ishoda u različitim ulaganjima različita, AHP metod može biti pogodno sredstvo za izvoñenje verovatnoće scenarija. Hijerarhijska struktura modela za izvoñenje verovatnoće scenarija, uključivala bi najmanje tri nivoa: vršni nivo ili cilj, kao izraz onoga što se želi ostvariti (u ovom slučaju – Izvoñenje verovatnoće scenarija), na drugom nivou bili bi kriterijumi181 za procenu verovatnoća scenarija i na trećem, najnižem, mogući scenariji kao alternative. Pretpostavimo sada, da postoji hijerarhijski strukturiran problem izvoñenja verovatnoće scenarija za obe alternative ulaganja i da su poreñenja parova svih alternativa i svih kriterijuma izvršena. Kao rezultat poreñenja dobijeni su ponderi mogućih scenarija, prikazani u tabeli 8: Mogući ishodi Ponderi Prinos (%) Ponderisana vrednost 1 2 3=(1*2) A I Scenario I 0,15 13 1,95% II Scenario II 0,48 15 7,20% III Scenario III 0,37 17 6,29% Ukupno 1,00 Očekivani prinos 15,44% B I Scenario I 0,18 7 1,26% II Scenario II 0,60 15 9,00% III Scenario III 0,22 23 5,06% Ukupno 1,00 Očekivani prinos 15,32% Tabela 8: Ponderi mogućih scenarija i ponderisane vrednosti prinosa. Očigledno je, na ovom hipotetičkom primeru, da alternativa A, predstavlja bolji izbor za preduzeće jer nosi veći očekivani prinos. Na ovom krajnje trivijalnom primeru, vidimo da potreba da se u model AHP uključe scenariji često postaje očigledna. Važnost različitih zadataka i alternativa može da zavisi od specifičnih budućih uslova, koje je često teško predvideti i mogu se modelirati AHP-om, što omogućava razmatranje alternativa odlučivanja pod različitim okolnostima. 181 Kao kriterijumi za procenu verovatnoća očekivanih prinosa mogu poslužiti uobičajene komponente ukupnog rizika kao kategorije inherentne svakom ulaganju: sistematski i nesistematski rizik. Sistematski rizik proizlazi iz karakteristika okruženja (važna politička dogañanja, opšte stanje ekonomije, tržišna kamatna stopa, poreska regulativa, inflacija, itd.), i nije ga moguće smanjiti ili otkloniti diversifikacijom ulaganja. Nasuprot tome, nesistematski rizik ishodište ima u specifičnim karakteristikama same aktivnosti u koju je ulaganje izvršeno, i kao takav može biti reduciran i čak potpuno neutralisan efikasnom diversifikacijom ulaganja u portfolio. Razmotrimo nešto složeniji problem. Pretpostavimo, da se posmatra slučaj hipotetičkog investitora koji raspolaže odreñenom, relativno značajnom sumom novca i želi da pomoću AHP evaluira relativnu preferentnost sledećih alternativnih investicija: štedeti u dinarima, štedeti u evrima, kupovati državne obveznice, kupovati nekretnine, kupovati akcije. Pretpostavićemo takoñe, da naš zamišljeni investitor nije u stanju da svoj investicioni portfolio diverzifikuje, smanjujući na taj način rizik ostvarenja prinosa na ukupan portfolio u većoj meri nego što bi to bio slučaj sa zbirom rizika svih pojedinačnih ulaganja. Kao kriterijume naš hipotetički investitor navodi: sigurnost povraćaja glavnice, očekivani rast vrednosti finansijske aktive, zaštitu od nepovoljnih privrednih kretanja, i transakcione troškovi. Osim toga, za svaki kriterijum definisaćemo svojevrsne podkriterijume, kao deskripciju njihovog intenziteta i to: vrlo nizak nivo, nizak nivo, srednji nivo, visok nivo i vrlo visok nivo.182 Evidentno je naime, da kupovina državnih obveznica ima veoma visok nivo zaštite od nepovoljnih privrednih kretanja za razliku od, recimo, kupovine akcija, što značajno utiče na proces evaluacije alternativa. Ovakvo detaljisanje iako sa odreñenim stepenom subjektivnosti u proceni je korisno, jer omogućuje veću senzitivnost analize i realniju prezentaciju problema.. Takoñe, svaka alternativa može generisati nekoliko scenarija, u zavisnosti od toga kakve su pretpostavke izvršene o reakcijama iz okruženja, tako da će se i svaki scenario analizirati. Tako, kada se razmatra neka ocena kao što je: Šta je važnije sigurnost povraćaja glavnice ili očekivani rast vrednosti finansijske aktive, potreba za scenarijima postaje više nego očigledna, pošto odgovor zavisi od ekonomskog okruženja koje bi usled toga nastalo. Zato su scenariji ekonomskog okruženja uključeni u okviru cilja, kao što je pokazano na slici 1 i korespondiraju sa fazama u životnom ciklusu privrede. Prioriteti za scenarije se mogu izvesti iz poreñenja parova u odnosu na kriterijume višeg nivoa. Oni se mogu bazirati na tehničkoj i fundamentalnoj analizi, odnosno na istorijskim podacima ili na ekspertskoj proceni budućeg poslovnog okruženja. Prilikom procene budućeg poslovnog okruženja donosilac odluke (investitor, analitičar itd.), prati kretanje ključnih makroekonomskih parametara u svetskoj i domaćoj ekonomiji. Ponekad u vršenju ovih procena mogu nastati i odreñene nejasnoće. Tako na primer, kada se ocenjuje da li je neki scenario ekspanzije više ili manje verovatan u odnosu na scenario recesije, odgovor može zavisiti od faktora kao što su monetarna politika, fiskalna politika, platni bilans , devizni kurs, poverenje klijenata. 182 U odreñenim problemima sa velikim brojem alternativa, nije uvek potrebno da meñu njima vršimo poreñenja po parovima. Umesto toga, uvodimo podkriterijume koji predstavljaju rafinirane kriterijume (npr. visoko, srednje, nisko) i prioritizujemo njihov značaj, u odnosu na kriterijume. Pomoćni model za izvoñenje verovatnoća scenarija koji uključuju ove faktore može da se upotrebi za razjašnjenje ovih nejasnoća (Slika 1). Slika 1: Pomoćni model za izvoñenje verovatnoće scenarija Rezultirajući prioriteti iz pomoćnog modela se unose kao relativne važnosti kriterijuma (scenarija) u model na Slici 2. Slika 2. Hijerarhijska struktura problema evaluacije alternativnih investicija. Kao što se može videti sa Slike 2., hijerarhijska struktura problema, u formatu opadajuće dekompozicije, ima pet nivoa: a) Kriterijumi preko kojih se traži rešenje problema su mogući scenariji stanja privrede na nivou dva: 1) oživljavanje, 2) ekspanzija 3) vrh 4) recesija i 5) depresija. b) Na trećem nivou nalazi se skup podkriterijuma: 1) sigurnost povraćaja glavnice, 2) očekivani rast vrednosti finansijske aktive, 3) zaštita od nepovoljnih privrednih kretanja i 4) transakcioni troškovi. c) četvrti nivo su nivoi intenziteta podkriterijuma trećeg nivoa: 1) vrlo nizak nivo, 2) nizak nivo, 3) srednji nivo, 4) visok nivo i 5) vrlo visok nivo. d) Alternative na petom nivou su definisane na sledeci nacin: a1 – štednja u dinarima, a2 – štednja u evrima, a3 – kupovina državnih obveznica, a4 – kupovina nekretnina, a5 – kupovina akcija na berzi. Parnim poreñenjima faktora sa nižih nivoa u odnosu na faktore viših nivoa, koristeći kao inpute pondere mogućih scenarija iz pomoćnog modela, dobijaju se ponderi alternativnih investicija dati na Slici 3. Može se videti da pri datim pretpostavkama i izvršenim procenama, investitor najviše preferira treću alternativu (kupovina državnih obveznica) uz pretpostavku da je za njega od svih kriterijuma najznačajniji očekivani rast vrednosti finansijske aktive i procenu da će privreda biti u fazi oživljavanja kao najverovatniji mogući scenario. Analiza osetljivosti rešenja može pomoći da se sagleda kako promene relativnih težina faktora viših nivoa utiču na globalne prioritete alternativa. Iako smo pošli od pretpostavke da investitor ne može da diverzifikuje svoj investicioni portfolio, uočljivo je da investitor ukoliko ima mogućnosti može da to učini shodno rezultirajućim ponderima koji izražavaju njegove preferencije. Takoñe, može se primetiti da vremenski period posmatranja nije decidno odreñen. Upućujemo u tom smislu, na rezultate sprovedenih empirijskih istraživanja prema kojima su ekspertski portfolio menadžeri imali bolji učinak za kraći horizont odlučivanja, ali se situacija menjala u korist polueksperata kako se vremenski horizont produžavao. Tako su analize predviñanja kretanja cena akcija tokom jedne nedelje, pokazala da su ekspertski portfolio menadžeri imali znatno bolju performansu u poreñenju sa ostalim poluekspertskim i početničkim grupama.183 Slika 3: hipotetički rezultirajući prioriteti alternativnih investicija 183 Wright, G., Lawrence, M.J. and Collopy, F., The role and validity of judgment in forecasting, International Journal of Forecasting 12 (1996), 1-8. Prema tome, modeli predviñanja su najuže povezani sa modelima izbora. Kad god postoji nekoliko mogućnosti, od koji na svaku deluje nekoliko faktora, može se koristiti model predviñanja. Za evaluaciju alternativa u takvim slučajevima može biti korisno da se najpre konstruišu odvojeni modeli predviñanja za jednu ili više alternativa, da bi se procenilo šta će se verovatno desiti ako se taj altrernativni ishod ostvari. 4.4 AHP model izvoñenja distribucije verovatnoća Distribucija verovatnoće predstavlja odnos izmeñu očekivanih ishoda odreñene aktivnosti i verovatnoća njihovog ostvarenja. Uobičajeno se distribucija verovatnoće prikazuje grafički u koordinatnom sistemu u vidu histograma karakterističnih odnosa. Za ilustraciju izvoñenja distribucije verovatnoće alternativnih budućih ishoda pomoću AHP, poslužićemo se sledećim jednostavnim primerom. Pretpostavimo da se posmatra hipotetički akcionar koji procenjuje svoje poteze u vezi akcija u čijem je vlasništvu. Nakon odreñenog istraživanja on će formirati mišljenje da li će vrednost akcija rasti ili opadati. Uzmimo na primer, da posmatrani akcionar sad poredi akcije dva različita preduzeća i smatra da će u oba slučaja njihova vrednost rasti. Postavlja se pitanje u kojoj meri će njihova vrednost rasti i da li je možda verovatnije da će vrednost jedne akcije rasti u odnosu na drugu. Ili se može desiti da akcionar smatra da će vrednost akcija A rasti u odnosu na vrednost akcija B, ali da akcija B ima veću verovatnoću da raste za više od 20% nego akcija A. Za našeg akcionara problem je kako da svoja razmišljanja inkorporira u svoj proces odlučivanja. Ako bi mogao da svoje poznavanje berzanskih kretanja prevede u raspodele verovatnoća, onda bi mogao da upotrebi te raspodele verovatnoća pri izboru akcija, ili u čak i u kompleksnijm odlukama kao što je izbor alternativnih strategija. Ne bi bilo razumno očekivati da će naš zamišljeni akcionar moći da direktno specifikuje raspodelu verovatnoća za odreñene vrednosti akcija, u toku konkretnog vremenskog perioda. Meñutim, on može da izrazi svoje mišljenje u vezi anticipirane vrednosti akcija pomoću relativnih parnih poreñenja. U tom smislu, akcionar mora biti u mogućnosti da svoja istraživanja kretanja vrednosti akcija prevede u procene tipa: Verovatnoća da će vrednost akcija rasti 5% u nekom vremenskom periodu je umereno veća od verovatnoće da će ostati nepromenjena, dok je verovatnoća da će vrednost akcija ostati nepromenjena umereno do mnogo veća od verovatnoće da će rasti 20%. Ponavljanje parnih poreñenja uporedo sa stalnim preispitivanjem polaznih pretpostavki i dostupnih podataka, rezultiraće verovatnoćama koje odražavaju procene akcionara, zasnovane na njegovim istraživanjima i ličnom iskustvu. Četiri osnovne perspektive u vezi predviñanja kretanja vrednosti akcija su: 1. fundamentalna analiza (osnovni podaci o kompaniji, koeficijent cene u donosu na dobit, ponuda, tražnja itd.) 2. tehnička analiza (grafikoni, pokretne sredine, nivoi podrške i otpora, eliot talasi), 3. ciklična analiza, i 4. istorijska analiza, povezana sa istorijskim maksimumima ili minimumima,itd. Neki profesionalni analitičari koriste samo jednu perspektivu, dok drugi koriste kombinaciju perspektiva pokušavajući da sintetizuju verovatnoće koje svaka perspektiva indicira i relativan značaj koji oni pridaju svakoj perspektivi u odreñenom momentu. Ova vrsta sinteze može se ostvariti uz pomoć AHP kao što je pokazano u sledećem modelu. Formulacija modela Pretpostavimo sada da naš akcionar želi da predvidi kretanje vrednosti (tržišne vrednosti) akcija hipotetičkog preduzeća u narednom periodu kako bi odlučio da li će i dalje zadržati te akcije ili će ih ponuditi na prodaju. Nije realno očekivati da se raspodelom verovatnoća direktno specificiraju odreñene vrednosti akcija ali je neophodna u situacijama kada se vrše racionalni izbori, kao što je donošenje odluka prilikom trgovine akcijama. Prvi korak u korišćenju AHP modela je razvoj hijerarhije odlučivanja, tako što se problem rastavlja na svoje komponente. Tri glavna nivoa hijerarhije su cilj, zadaci i alternative. Cilj je izjava opšteg zadatka. U ovom primeru to je distribucija raspodele verovatnoća za kretanje vrednosti posmatranih akcija. Zadatak je ono što akcionar pokušava da ostvari procenom: da donese odluku šta da čini sa njima. Alternative mogu biti definisane kao verovatnoće da će vrednost akcija rasti ili opadati u odreñenom procentu. Prema tome, posmatra se jednostavan problem, zasnovan na sledećim pretpostavkama zamišljenog akcionara: 1) Vremenski period u kome se rešava postavljeni problem je tačno ograničen (tri meseca, odnosno period isplate dividendi), 2) Kriterijumi preko kojih se traži rešenje problema su: 1)fundamentalna analiza (osnovni podaci o preduzeću, prinos, profitna stopa itd), 2) tehnička analiza (grafikoni, pokretne sredine, Eliotova teorija, Teorija rasta i pada), 3) ciklična analiza (istorijski ciklusi, trend), 4) istorijska analiza (da li je cena povezana sa svojim istorijskim maksimumom tj. minimumom). Navedeni kriterijumi predstavljaju četiri osnovne perspektive u vezi predviñanja cena akcija i mogu se dalje diferencirati na podkriterijume na nižem nivou kao što je navedeno. U ovom slučaju, ovi kriterijumi formalno se zapisuju skupom C (C1,C2,...,C4). 3) Alternative zapisujemo skupom A (a1, a2,...,a5). Alternative su definisane na sledeći način: a1 - rast vrednosti za 10% a2 - rast vrednosti za 5%, a3 - bez promene, a4 - pad vrednosti za 5 %, a5 - pad vrednosti za 10% Slika 14. Hijerarhijska struktura problema predviñanja kretanja vrednosti akcija Rezultati modela Slika 15. Performansa alternativa u odnosu na glavni cilj problema. Analiza rezultata na osnovu definisanih pretpostavki (1-4) modela i ocenjene preferentnosti alternativa pokazuju mogući rang alternativa, odnosno redosled značajnosti mogućih kretanja vrednosti akcija, posmatrano prema četiri definisana kriterijuma. Ukoliko se najveći rang značajnosti dodeli fundamentalnoj analizi, vidi se da je najverovatnija opcija rast vrednosti akcija od 5%. Akcionar dalje može odlučiti da li je procenjeno kretanje dovoljan razlog za njega da se upusti u trgovinu akcijama ili ne. Analiza osetljivosti rezultata promenom nivoa značajnosti kriterijuma, može manje ili više značajno da utiče na redosled važnosti i ocenu posmatranih opcija. Slika 16. Dodeljivanje znatno većeg relativnog značaja kriterijumu istorijska analiza (sa 0,065 na preko 0,60) nije suštinski izmenio redosled alternativa prema rangu ali ga je gotovo ujednačio Prevoñenje akcionarovog istraživanja u subjektivnu raspodelu verovatnoća je značajan korak, pošto se ova raspodela verovatnoća kasnije može upotrebiti za evaluaciju potencijalnih investicionih alternativa, korišćenjem kriterijuma koji su relevantni za akcionara, kao što su očekivana vrednost, standardna devijacija i verovatnoća dobitka odnosno gubitka više od odreñenog procenta, kvalitet menadžmenta kompanije i sl. U odreñenom smislu može se reći da proces izvoñenja raspodele verovatnoća otklanja neizvesnost u vezi neizvesnosti, jer prevodi maglovita predosećanja (npr. mišljenje istraživača ili analitičara da će cene verovatno malo rasti ili će rasti značajno), u raspodelu verovatnoća. Raspodela verovatnoća je je u nekim slučajevima ne samo korisna već i neophodna, posebno kada se vrše racionalni izbori, kao što je trgovina akcijama. Ovaj pristup se lako može proširiti, tako da zadovolji procene bazirane na specifičnim faktorima i da sintetizuje predviñanja izvedena iz različitih perspektiva. IV DEO PREDVIðANJE GODIŠNJEG KRETANJA TRAŽNJE ZA PROIZVODIMA NAMENJENIM ZA POTREBE VOJSKE SCG, PREDUZEĆA D.P.O. ZASTAVA TAPACIRNICA – AHP PRISTUP 1. Proces predviñanja u sedam koraka Četiri osnovna koraka u primeni AHP i Expert Choice na problem predviñanja – evaluacije alternativnih ishoda: 1) dekompozicija problema – razvoj hijerarhije, 2) parna poreñenja, 3) sinteza i 4) analiza senzitivnosti, mogu se elaborirati, tako što ćemo ih obuhvatiti procesom od sedam koraka, na sledeći način: Korak 1: Definicija problema i istraživanje 1a) identifikacija problema 1b) identifikovati zadatke184 i alternative. U identifikovanju zadataka često je korisno napraviti listu argumenata za i protiv. 1c) istražiti alternative. Korak 2: eliminisati neizvodljive alternative 2a) determinisanje obaveza tj., onoga što se mora 2b) eliminacija alternativa koje ne zadovoljavaju te obaveze. Obaveze se koriste za eliminisanje neizvodljivih alternativa. Alternativa koja ne zadovoljava jednu ili više obaveza je neizvodljiva i eliminiše se iz daljeg razmatranja. Preostale alternative se zatim evaluiraju na osnovu toga koliko dobro zadovoljavaju obaveze. Obaveze predstavljaju nivoe aspiracija koji se koriste u zadovoljavajućem modalitetu odlučivanja. Umesto 184 Racionalna odluka je ona koja se donosi na bazi zadataka. Kriterijume koristimo za merenje toga koliko dobro ostvarujemo sopstvene zadatke. Termini zadatak i kriterijum, iako imaju različite definicije, obično se koriste kao sinonimi, u analizi neke odluke. Termin zadatak pomaže u fokusiranju na ono što se pokušava ostvariti prilikom evaluacije, ali se u praksi obično koristi termin kriterijum. izbora prve alternative koja zadovoljava sve definisane obaveze, identifikuju se dodatne alternative koje takoñe ih zadovoljavaju a zatim se vrši selekcija na osnovu toga koliko dobro izvodljive alternative zadovoljavaju želje donosioca odluka. Pri tome, želje se definišu kao zadaci koji formiraju osnovu za definiciju onoga što je racionalni izbor. Prednost sužavanja liste alternativa pre vršenja kompenzatorne evaluacije je u relativno lakoj realizaciji, čime se umanjuje njena kompleksnost. Nedostatak je da je moguće previdom eliminisati jednu ili više alternativa koje se u kompenzatornoj evaluaciji mogu preferirati zbog stepena u kojem jedan ili više njenih atributa doprinose ostalim zadacima. Ukoliko postoji previše alternativa za evaluaciju, poželjno je koristiti obaveze za redukciju alternativa na razuman broj. Korak 3: strukturiranje problema predviñanja u formi hijerarhije, tako da inkorporira cilj, kriterijume ( i podkriterijume) i alternative. Ukoliko je izvodljivo i neophodno, dodati ostale faktore, prvenstveno scenarije. Korak 4: evaluacija faktora u modelu preko parnih poreñenja Poreñenja parova su bazična za AHP metodologiju. Kada se poredi neki par faktora,185 može se utvrditi racio relativne važnosti, preferencija ili verovatnoća ovih faktora. Ovaj racio ne mora da se zasniva na nekoj standardnoj skali kao što su metri ili kilogrami, već samo predstavlja odnos dva faktora koji se porede. U nekim situacijama to će biti subjektivna procena, ali u drugim je poreñenje moguće. 4a) Potrebno je upotrebiti što je više dostupnih činjenica uz uslov da se one interpretiraju tako da zadovolje formulisane zadatke; 4b) upotrebiti znanje, iskustvo i intuiciju za kvalitativne aspekte problema; Korak 5: sinteza i deriviranje najbolje alternative. Kada se unesu procene za svaki segment modela, informacije se sintetizuju da bi se ostvarila opšta preferenca alternativnih budućih ishoda. Ova sinteza daje izveštaj koji rangira alternative (ishode) u odnosu na opšti cilj. Izveštaj uključuje detaljno rangiranje koje pokazuje kako je svaka alternativa evaluirana u odnosu na svaki kriterijum. Korak 6: ispitati i verifikovati odluku 6a) Ispitati rešenje i izvršiti analizu senzitivnosti. Ukoliko je rešenje osetljivo na faktore u modelu, za koje ne postoje dostupni podaci, prikupiti neophodne podatke i vratiti se na korak 4. Analiza senzitivnosti se može izvršiti da bi se 185 Faktori mogu biti kriterijumi, podkriterijumi, scenarija I alternative. videlo kakva je performansa alternativa u pogledu svakog kriterijuma kao i koliko su te alternative osetljive na promene važnosti kriterijuma. 6b) proveriti odluku u odnosu na intuiciju. Ukoliko se ne poklapaju, analizirati razloge koji su moguće je, prisutni u samom modelu. Ukoliko je to slučaj, preraditi model tj., procene. Korak 7: dokumentovati rezultat zbog kontrole. Navedeni koraci su ilustrovani sledećom praktičnom aplikacijom. 2. D.P.O Zastava Tapacirnica DP ''Zastava Tapacirnica'' je jedno od najstarijih Društava iz GRUPE "ZASTAVA'', osnovano 1853.godine. Od 2001. godine, društveno preduzeće Zastava Tapacirnica posluje kao samostalno preduzeće van sistema Zastava sa programom proizvodnje koji je usmeren prvenstveno na zadovoljavanje potreba automobilske industrije. Proizvodni program se sastoji od osnovnog programa proizvodnje koji je namenjen domaćem tržištu i to društvima Zastava Automobili, Zastava Kamioni i Zastava Oružje, i izvozu za firmu JOHNSON CONTROLS NTU iz Slovenj Gradeca, koja zauzima dominantno mesto u ukupnoj proizvodnji i prihodu. U znatno manjem obimu nego što je to bio slučaj donedavno, Zastava Tapacirnica proizvodi proizvode namenjene tehničkom opremanju sredstava Vojske SCG i MUP Srbije, kao i kožnu galanteriju a pruža i usluge tapetarsko-šivačkih i bravarskih radova. Proizvodni program DP ''Zastava Tapacirnica'' prema Izveštaju o poslovanju za period I- XII 2005.godine obuhvata sledeće: I Za tržište Grupe Zastava Vozila, u koji spadaju: 1. Zastava Automobili 2. Zastava Kamioni 3. Zastava Specijalni Automobili 4. Zastava Namenski proizvodi II Za eksterno tržište 1. Vojska SCG186 2. Ostalo tržište (civilni programi) III Izvozno tržište 1. Izvoz u Sloveniju 2. Izvoz u Republiku Srpsku U okviru navedenih proizvodnih segmenata, proizvodni i uslužni program DP ''Zastava Tapacirnica'' čine: Proizvodnja delova i pribora za motorna vozila i njihove motore -proizvodnja raznovrsnih delova i pribora za motorna vozila Proizvodnja metalnih konstrukcija i delova konstrukcija Proizvodnja stolica i sedišta -proizvodnja stolica i sedišta za vozila od svih vrsta materijala -dovršavanje stolica i sedišta, kao što je punjenje, tapaciranje i dr. -tapetarske, krojačke i šivačke usluge Proizvodnja teške konfekcije -proizvodnja i izrada cerada za vozila, šatore, proizvoda za kampovanje, torbica pribora i opreme za oružje i sitne galanterije, -usluge održavanja proizvoda Proizvodnja ostalih gotovih tekstilnih predmeta osim odeće Proizvodnja predmeta za sportske potrebe Proizvodnja radne odeće Proizvodnja alata Proizvodnja ostalih standardnih metalnih proizvoda, na drugom mestu nepomenuta Opšti mašinski radovi Proizvodnja kofera, ručnih torbi i sličnih predmeta, sedala i drugih saračkih proizvoda Posredovanje u prodaji raznovrsnih proizvoda Prodaja motornih vozila 186 U meñuvremenu, prestala je da postoji državna zajednica SCG, ali s obzirom da još uvek nije odlučeno kako će se Vojska SCG zvati u narednom periodu, koristićemo stari naziv. -prodaja na malo Prodaja delova i pribora za motorna vozila -prodaja na veliko delova i pribora za motorna vozila -prodaja na malo delova i pribora za motorna vozila Ostala trgovina na veliko -trgovina na veliko različitom robom bez posebne specijalizacije Trgovina na malo obućom i predmetima od kože Ostala trgovina na malo u specijalizovanim prodavnicama187 Poslednjih godina koncipirano je više novih programa:  Program kamionskih cerada i tendi - proizvode cerade za sve tipove kamiona koje rade vrhunskom tehnologijom visokofrekventnog varenja od PVC materijala uvezenog od renomiranih proizvoñača iz zapadnoevropskih zemalja. Istom tehnologijom i od istog materijala proizvode se tende i sve vrste prekrivki, kao i metalne konstrukcije za predprostore ugostiteljskih i drugih objekata.  Program oprema za lov i ribolov i lično naoružanje - poseduju širok asortiman ove opreme (rance, prsluke, redenike, futrole za puške od kože i drugih materijala, futrole za sve modele pištolja za lično naoružanje). Treba napomenuti da su ovi proizvodi rezultat rada starih majstora, izrañeni ručno, vrhunskog kvaliteta i dizajna.  Program kožne galanterije - imaju širok asortiman tzv. predmeta pažnje (rokovnici, agende, muški i ženski novčanici, kaiševi, raznovrsne futrole za naočare, olovke, ključeve itd. od prirodne kože). Na svim proizvodima postoji mogućnost utiskivanja suvog žiga sa logotipom firme.  Program harmonika za zglobne autobuse - proizvode harmonike za zglobne autobuse svih modela.  Program usluga - vrše sve vrste tapetarskih, bravarskih usluga (reparacija kancelarijskog i stambenog nameštaja) sa mogućnošću izvoñenja radova na terenu po zahtevu kupca. Posebno treba istaći da su vrhunske rezultate postigli u reparaciji enterijera prevoznih sredstava (automobila, kamiona, aviona, brodova i helikoptera). 187 Statut DP ''ZASTAVA TAPACIRNICA'', Kragujevac, 2003. Pregled strukture proizvodnog programa DP ''Zastava Tapacirnica'', pokazuje da je on veoma diversifikovan. Osnovni proizvodni program, koji podrazumeva proizvodnju komponenti enterijera vozila (putničkih i teretnih) čini više desetina proizvoda. Proizvodi iz tog proizvodnog programa sa najvećom vrednošću fakturisane realizacije su navlake sedišta, naslon glave, suncobrani, izolacija, plafoni. Ostali proizvodni programi nastali su kao posledica potrebe da se nadomesti masovna proizvodnja komponenti iz osnovnog proizvodnog programa, jer je došlo do drastičnog pada u seriji finalista (Zastava Automobili, Zastava Kamioni, Zastava Specijalni Automobili, Zastava Namenski Proizvodi). Program za široko tržište, koji je takoñe nastao kao rezultat nastojanja da se nadoknadi izgubljena proizvodnja na osnovnom programu, veoma je šarolik. U njega se može svrstati proizvodnja poslovne kožne galanterije, lovačko sportske opreme, tendi i zastora, kamionskih cerada za sve tipove kamiona, zaštitnih harmonika za mašine alatljike, harmonike za zglobna vozila, usluge reparacije kućnog i kancelarijskog nameštaja, usluge reparacije i opremanja enterijera prevoznih sredstava koja ne spadaju u osnovni proizvodni program (aviona, helikoptera, brodova, jahti). Ovaj proizvodni program procentualno učestvuje sa 10% u ukupnoj realizaciji. Proizvodi koji ga karakterišu sa aspekta najveće vrednosti su kamionske cerade, harmonike zglobnih vozila. Još početkom devedesetih godina, Zastava Tapacirnica je značajan deo svojih proizvodnih kapaciteta i proizvodnog programa preusmerila za potrebe Vojske Jugoslavije (cerade za sve tipove borbenih i neborbenih vozila, prekrivke za sve tipove čamaca, brodova, šajki, navlake za sve tipove borbenih oruña, prekrivke za RV i PVO itd., u potrazi za novim tržištima kako bi se nadomestio opšti pad prodaje i prihoda do koga je došlo usled krize u Zastava Automobilima. Tako da je na prelazu dva milenijuma, prodaja Zastava Tapacirnice u procentima imala sledeću realizaciju: za potrebe Zastava Automobila, fakturisana realizacija na mesečnom nivou kretala se u proseku od oko 40% od planirane, oko 50% za Vojsku Jugoslavije, a nešto kasnije, diversifikacijom proizvodnog programa za široko tržište ostvarila je oko 10%. Od 2000.godine, situacija se na polju proizvodnje za potrebe Vojske Jugoslavije konstantno pogoršava. Kao što je poznato, Vojska je vrlo glomazan sistem sa velikim potrebama i izdacima, neracionalnim trošenjem budžetskih sredstava koja su svake godine sve manja. Osim toga, nejasna Strategija odbrane, reforma vojske, mogućnost ulaska u Partnerstvo za mir, sve su to faktori koji pored ekonomskih, u značajnoj meri utiču na opšti položaj Vojske pa samim tim i njenih dobavljača. Tokom devedesetih godina, proizvodnja za potrebe vojske je kontinuirano rasla da bi 1999.godine, procentualno učešće u ukupnoj proizvodnji izraženoj u norma časovima, iznosilo čak 62%. Od 2001.- 2005. god., proizvodnja je u stalnom padu sa izuzetkom 2003.godine, s tim da je njeno procentualno učešće u ukupnoj proizvodnji bilo najveće 2001.godine i iznosilo je 44,95% (tabela 9), da bi 2005. godine taj procenat drastično opao na svega 7,37%. Kada se posmatra ostvareni prihod, koji je 2001. godine iznosio više od 38 miliona dinara, u ovom trenutku iznosi nešto više od sedam miliona dinara prodate robe (tabela 11). U odnosu na baznu godinu svake godine je beležen pad, a najveći je zabeležen 2005. god., kada je proizvodnja ovog programa iznosila samo 20% u odnosu na 2001.godinu. Posmatrano lančano, proizvodnja iz godine u godinu opada, s tim što je najveći pad u odnosu na prethodnu godinu zabeležila 2005. god. i to od čak 80% (tabela 10). Procentualno učešće prihoda ostvarenog od prodaje proizvoda iz ovog programa u ukupnom prihodu 2001.godine, iznosilo je čak 33,60%, a 2005.godine, po odbitku troškova materijala, to učešće je bilo samo 3,47%. Procena je da će ostvareni prihod u 2006.godini biti na istom ili nižem nivou nego u 2005.godini. Evidentno je da su to činjenice nad kojima je Menadžment Zastava Tapacirnice morao da se zamisli. Zbog toga je direktor marketinga Zastava Tapacirnice, gospodin Rejman Dragoljub dobio zadatak da izvrši analizu i predviñanje kretanja tražnje ove grupe proizvoda, što je dovelo do uspostavljanja saradnje sa autorom ovog rada.188 188 Ono što je interesantno je da modeliranje problema u praksi nije tako jednostavno. Pokazalo se, naime, da rukovodioci koji donose odluke nisu uvek u stanju čak ni da prepoznaju problem, ili ukoliko to mogu da učine, njegovo modeliranje predstavlja Sizifovski posao. Konkretno, autor je u razgovorima sa više menadžera i direktora renomiranih firmi, nailazio na primetan animozitet prema onome što sami ne razumeju ili nezainteresovanost za ono što im je nepoznato, a koji se manifestovao kroz razne izgovore, najčešće u smislu potrebnog vremena za razmišljanje, da bi nakon nekog vremena odgovor bio da jednostavno, zbog brojnih obaveza nisu bili u mogućnosti da detaljnije prouče problem. Takoñe, većina onih koji su bili raspoloženi i zainteresovani za saradnju, pokazala je priličan nedostatak analitičnosti u interpretaciji i strukturiranju problema, pravdajući se svojom nekompetentnošću za pojedine aspekte problema. Tabela 9. Procentualno učešće pojedinih programa u ukupnoj proizvodnji u u periodu od 2001- 2005. god.u ostvarenim norma časovima GODINE 2001 2002 2003 2004 2005 PROIZVODNI PROGRAM apsolutno n.č. % apsolutno n.č. % apsolutno n.č. % apsolutno n.č. % apsolutno n.č. % I OSNOVNI PROGRAM 1 Z. Kamioni 8293 3,80 10.542 5,03 8.809 4,74 13.987 7,51 10.597 3,98 2 Z. Automobili 39.830 18,23 91.472 43,67 68.946 37,11 99.363 53,36 83.372 30,26 3 Z. Spec. autom. 2.093 0,96 5.589 2,67 2.098 1,13 5.661 3,04 2.670 0,97 4 Z. Namenski proiz. 12.843 5,88 21.332 10,18 18.034 9,71 5.558 2,98 12.071 4,38 II EKSTERNO TRŽIŠTE 5 Vojska SCG 98.210 44,95 37.299 17,80 44.104 23,74 20.394 10,95 20.298 7,37 6 Lov. i spor. oprema 6.973 3,19 6.266 3,00 - - - - - - 7 Kožna galanterija 10.426 4,77 1.186 0,57 - - - - - - 8 Ostale usluge 39.800 18,22 35.777 17,08 43.813 23,58 38.993 20,94 6.617 2,40 9 Izvoz Slovenija - - - - - - - 136.100 49,40 10 Izvoz Republika Srpska - - - - - - 2.241 1,20 3785 1,37 III UKUPNO I+II 218.468 100 209.463 100 185.804 100 186.207 100 275.510 100 Izvor: Izveštaj o poslovanju DP ''ZASTAVA TAPACIRNICA''- za period od 2001.- 2005. god. Tabela 10: Pregled ostvarenog prihoda pojedinih proizvodnih programa DP ''ZASTAVA TAPACIRNICA''- u periodu od 2001.- 2005. god. (indeksi) PROIZVODNI PROGRAM Vojska SCG Zastava Kamioni Zastava Automobili Ostalo tržište God. Prihod Bazni indeksi Lanč. indeksi Prihod Bazni indeksi. Lanč. inde. Prihod Bazni indeksi Lanč. indeksi Prihod Bazni inde. Lanč. inde. 1 2001 38.574.082 100,00 / 4.060.314 100,00 / 27.198.610 100,00 / 23.377.045 100,00 / 2 2002 18.507.545 47,98 47,98 6.015.793 148,16 148,16 55.988.093 205,85 205,85 17.973.446 76,86 76,86 3 2003 27.079.000 70,20 146,31 3.501.000 86,22 58,19 46.638.000 171,47 83,30 18.010.000 77,04 100,23 4 2004 17.825.133 46,21 65,82 8.792.772 216,55 251,16 75.891.557 279,03 162,73 26.285.322 112,44 145,95 5 2005 7.721.487 20,01 43,30 6.686.403 164,68 76,05 107.779.998 396,3 142,03 6.989.899 29,90 26,59 ∑ 109.707.247 29.056.282 313.496.258 92.635.712 Izvor: Izveštaj o poslovanju DP ''ZASTAVA TAPACIRNICA''- za period od 1998.- 2002. god. Tabela 11: Pregled ostvarenog prihoda (u dinarima) po proizvodnim programima u periodu od 2001-2005. godine. GODINE 2001 2002 2003 2004 2005 PROIZVODNI PROGRAM Planiran prihod Ostvaren prihod Planiran prihod Ostvaren prihod Planiran prihod Ostvaren prihod Planiran prihod Ostvaren prihod Planiran prihod Ostvaren prihod OSNOVNI PROGRAM Z. Kamioni 23.481.526 4.060.314 18.760.231 6.015.793 14.622.000 3.501.000 9.918.247 8.792.772 9.125.000 6.686.403 Z. Automobili 116.470.364 27.198.610 85.485.069 55.988.093 131.795.000 46.638.000 86.604.491 75.891.557 102.450.000 107.779.998 Z. Spec. autom. 3.717.891 1.680.694 4.219.572 3.274.184 6.338.000 1.338.000 3.499.020 3.506.408 2.154.000 2.420.115 Z. Namenski proiz. 4.457.547 6.096.503 6.185.804 6.347.055 7.813.000 3.837.000 4.038.007 1.406.507 2.600.000 8.985.565 EKSTERNO TRŽIŠTE Vojska SCG 47.079.823 38.574.082 57.343.779 18.507.545 22.280.000 27.079.000 21.491.759 17.825.133 21.774.000 7.721.487 Ostalo tržište (civilni program) 21.099.393 23.377.045 14.045.867 17.973.446 19.864.000 18.010.000 19.448.470 26.285.322 18.700.000 6.989.899 Izvoz Slovenija (JC NTU) - - - - - - - 319.234 32.500.000 294.954.925 Izvoz Republika Srpska - - - - - - - - - 8.996.182 UKUPNA REALIZACIJA I+II 216.406.544 102.698.139 198.659.142 109.831.000 202.712.000 99.547.000 144.999.994 134.026.933 189.303.000 444.534.574 OSTALI PRIHODI - 12.118.000 - 5.514.000 - 153.000 395.488 3.587.747 1.500.000 5.456.158 UKUPNO I+II+IV 216.406.544 114.816.139 198.659.142 115.345.000 202.712.000 99.710.000 145.395.482 137.614.680 190.803.000 449.990.732 Izvor: Izveštaj o poslovanju DP ''ZASTAVA TAPACIRNICA''- za period od 2001.- 2005. god. 3. AHP Model predviñanja tražnje Strukturiranje hijerarhije problema Posmatra se D.P.O Zastava Tapacirnica, koja ima izrazito diversifikovan proizvodni program i prodaje svoje proizvode drugim granama. Predviñanje tražnje je osnovni input za taktičko planiranje proizvodnje i nivoa zaliha i jedna od najznačajnijih determinanti prihoda. Rukovodilac marketing sektora želi da izvrši predviñanje tražnje proizvoda namenjenim za potrebe Vojske SCG, s obzirom na činjenicu da je taj segment proizvodnje bio niz godina dominantan, da bi poslednjih godina pokazivao kontinuiran pad. Preciznije, po strukturi učešća u ukupnoj realizaciji, proizvodni program za potrebe Vojske i Policije SCG je u periodu od 1995.- 2000.g. predstavljao 70% ukupne mesečne, pa i godišnje realizacije. Poslednjih četiri godine, meñutim, taj proizvodni program doživljava supstituciju zbog reorganizacije sistema odbrane i trenutno iznosi 20% ukupne realizacije, sa tendencijom daljeg smanjivanja. U okviru tog proizvodnog programa već postoji preko 150 veoma složenih proizvoda, a proizvodi koji sa aspekta procentualnog učešća imaju najveću vrednost u fakturisanoj realizaciji su: cerade za neborbena vozila, cerade za borbena vozila, navlake za artiljerijsko naoružanje. S druge strane, na programu Vojske Jugoslavije konkurenti su brojni: ''Ljubiša Miodragović''-Prijepolje, ''Napredak''-Čačak, ''Jumko''-Vranje, ''Niteks''-Niš, Proizvodnja Mile Dragić-Zrenjanin, ''Gepard''- Novi Sad i veoma veliki broj malih privatnih preduzeća. Očigledno je da su na proizvodnom programu za potrebe Vojske Jugoslavije konkurenti brojni, postoji pretnja novih pridošlica, dobavljači su brojni, a kupci malobrojni. Pred menadžmentom ovog preduzeća pojavila se dilema šta činiti sa ovim segmentom proizvodnje. Tim pre što je u julu 2004. god., uspostavljena poslovna saradnja sa firmom „Johnson Controls NTU”iz Slovenj Graca o proizvodnji navlaka naslona glave za poznate proizvoñače automobila. Tako su sredinom decembra prošle godine pušteni u pogon proizvodni kapaciteti za izradu navlake naslona glave za automobil "Opel Astra". Počela je sa radom nova proizvodna linija, koja je deo zajedničkih projekata sa „Johnson Controls NTU”, slovenačkom podružnicom čuvene američke kompanije. Na ovim kapacitetima DP "Zastava Tapacirnica" proizvodiće oko 7.000 navlaka mesečno. Isporuke će postepeno da rastu, pa se očekuje da će krajem ove godine mesečna zarada dostići 60 hiljada evra mesečno. Predviña se izgradnja još jedne linije za izradu naslona za glavu, na kojoj će biti zaposleno još 60 radnika. Tako da je sada odnos proizvodnih programa: 50% „Johnson Controls NTU”, 40% Z. Automobili i 10% ostali. Predviña se da će taj odnos biti čak 70% „Johnson Controls NTU”, a 30% Z. Automobili i ostali. Rukovodilac marketinga, inženjer Dragoljub Rejman je u razgovoru sa autorom ovog rada pokazao interesovanje za AHP pristup predviñanju, tim pre što u Zastava Tapacirnici ne postoji sektor za statistiku niti je bila praksa da se vrši projekcija tražnje, koja je, inače, stohastičkog karaktera. Uglavnom su to bile procene utemeljene na očekivanjima, pa je na predlog analitičara koristio AHP pristup, kako bi mogao da uključi kvalitativne faktore u proces predviñanja. Prvi korak je identifikovanje faktora koji imaju znatan uticaj na nivo tražnje za proizvodima ovog preduzeća. Rukovodilac marketing sektora definisao je sledeće glavne aktere i sile okruženja, koji po njegovom mišljenju, imaju uticaj na tražnju za proizvodima Zastava Tapacirnice, namenjenim potrebama Vojske SCG, a koje treba razmotriti u procesu predviñanja: rast društvenog bruto proizvoda, nezaposlenost, inflacija, marketing miks konkurenata (politika cena, promocija, distribucija, odlike proizvoda), marketing miks D.P.O Zastava Tapacirnice, zahtevi kupaca, zahtevi proizvoda, poslovni rast, nacionalna strategija odbrane, meñunarodna politička i vojno-bezbednosna kretanja. Na predlog analitičara, a s obzirom na kompleksnost problema, rukovodilac marketinga je formirao sledeće uporedive podgrupe kriterijuma: (1) makroekonomska kretanja (rast DBP, nezaposlenost, inflacija), tj., opšte stanje ekonomske aktivnosti u toj tržišnoj oblasti, (2) glavni konkurenti (politika cena, promocija, distribucija, odlike proizvoda), (3) sadašnji i potencijalni kupci (zahtevi kupaca, zahtevi proizvoda), (4) D.P.O Tapacirnica (poslovna politika, politika cena, promocija, distribucija, odlike proizvoda) i (5) neekonomski faktori (nacionalna strategija odbrane, meñunarodna politička i vojno-bezbednosna situacija, reforma Vojske SCG). Uočljivo je da se svaki od faktora u okviru podgrupa kriterijuma može posmatrati kao podkriterijum, čime bi se ostvario dovoljno detaljan nivo analize. Tako na primer, u okviru podgrupe razvoj nacionalne privrede, tri navedena faktora opisuju opšte stanje ekonomske aktivnosti u toj tržišnoj oblasti i dokazano je da su oni u jakoj korelaciji sa nivoom tražnje za proizvodom. Što se tiče glavnih konkurenata, treba razmotriti sledeće faktore: aktivnosti prodajne promocije, odlike proizvoda, politiku cena, i politiku servisiranja (opsluživanja) kupaca. Pošto su gorepomenuti elementi kritični faktori uspeha preduzeća, performansa konkurenata u odnosu na njih, ima veliki uticaj na nivo tražnje za proizvodima Zastava Tapacirnice. Ako npr. neki konkurenti koriste politiku vrlo niskih cena, od njih se očekuje da steknu tržišni udeo. ''Ljubiša Miodragović''-Prijepolje je preduzeće za proizvodnju platna sa preko 2000 zaposlenih. Ima izuzetne probleme sa viškom zaposlenih i nalazi se u veoma teškoj situaciji. Na svakih četiri meseca menjaju rukovodstvo, tako da nema neke ustaljene politike. Imajući to u vidu, može se reći da nije u boljoj konkurentskoj poziciji od DP ''Zastava Tapacirnica''. ''Napredak''-Čačak je preduzeće koje ima 30-40 zaposlenih. Isključivo radi proizvodni program za potrebe Vojske Jugoslavije. Nema kapacitete kolike ima DP ''Zastava Tapacirnica'', niti može udovoljiti zahtevima na ceradnom programu za borbena ili neborbena vozila, artiljerijsko naoruženje itd. S obzirom na to da poseduje relativno dobru akumulaciju iz prethodnih godina, sada može relativno lakše od DP ''Zastava Tapacirnica'' da prebrodi ovaj period tranzicije i poteškoća. Meñutim, neki od njih poput firme "Proizvodnja Mile Dragić" iz Zrenjanina, su agresivnom kampanjom opremanja vojnika za dvadeset prvi vek i zahvaljujući dobrom kvalitetu, i pored visokih cena svojih proizvoda, prete da zahvate značajan deo tržišta.189 U poslednje vreme se primećuje tendencija da napada program DP ''Zastava Tapacirnica'', jer je proizvodio samo opasače za potrebe Vojske Jugoslavije, a zatim se uključio u projekat vojnika za 21. vek, pri čemu je praktično obezbedio ulogu nosioca razvoja za opremu vojnika 21. veka. Postoji opasnost da će napasti ceradni program DP ''Zastava Tapacirnica''. Pošto je finansijski moćan i ne mogu se nositi sa njim, DP ''Zastava Tapacirnica'' je pokušalo da mu odvuče pažnju na taj način što su pokrenute aktivnosti na osvajanju balističkih i pancirnih prsluka. To su vrlo male serije, 450-500 komada godišnje, ali su cene izuzetno visoke. Na taj način on više ne bi bio jedini proizvoñač tih proizvoda. Ove godine je počeo sa proizvodnjom obuće, tako da mu je verovatno tendencija da zaokruži kompletnu opremu za vojnike za 21. vek (odeća, obuća, balistički prsluci, šlem i ceradni program). On bi praktično za tako redukovanu vojsku, zadovoljio sve njene potrebe, i što se tiče vojnika i što se tiče naoružanja i sredstava. Ključni element povezan sa sadašnjim i potencijalnim kupcima (Vojska SCG, Policijska akademija i MUP), su zahtevi koje oni postavljaju u vezi odlika proizvoda. Ako kupci pooštre svoje zahteve u vezi proizvoda, Tapacirnica ima velike šanse da poveća prodaju, jer je ona jedan od konkurentnih lidera u smislu kvaliteta proizvoda. Štaviše, opšti stav prema proizvodima koje nude Tapacirnica, i njeni konkurenti, ima značajan uticaj na nivo tražnje. 189 U vreme pisanja ovog rada "Pancir" afera nije bila aktuelna. Faktori koje treba razmotriti u pogledu Zastava tapacirnice, su isti kao i kod glavnih konkurenata. Ostvareni nivo performanse preduzeća, u smislu promocije prodaje, odreñivanja cena, servisiranja kupaca, i odlika proizvoda, imaju jasan uticaj na tražnju. Ako preduzeće može da ima bolju performansu u odnosu na svoje konkurente, u pogledu kritičnih faktora uspeha, to može znatno da poveća nivo prodaje. Moguće putanje razvoja elemenata trećeg nivoa (podkriterijuma) mogu se verbalno opisati scenarijima, koji bi, u tom slučaju, bili locirani na četvrtom nivou hijerarhije. Koristeći scenarija, u proces predviñanja se može uključiti neizvesnost u vezi stvarnog razvoja elemenata trećeg nivoa, tj., podkriterijuma. Npr., scenariji u vezi faktora nacionalne privrede, mogli bi biti obeleženi sa: visoko, srednje i nisko. Ili npr., akcije konkurenata mogu biti agresivnije od normalnog, normalne ili slabije od normalnog. Scenariji omogućavaju donosiocima odluka da procene verovatnoću budućeg razvoja svakog faktora, i da procene nivo rasta tražnje, za proizvode u okviru svakog scenarija. Procena verovatnoća scenarija vršila bi se za svaki specifični faktor (npr. koja je verovatnoća da će konkurenti primeniti, normalnu, agresivniju ili slabiju politiku cena), u odnosu na svaki podkriterijum. Poslednji korak u proceduri uspostavljanja prioriteta bila bi dodela verovatnoće svakoj mogućoj stopi rasta, u odnosu na svaki scenario (npr. ako poslovni rast kupaca, ostane na ''normalnom'' nivou, koje su verovatnoće mogućih stopa rasta tražnje). Meñutim, usled nemogućnosti EC-9 da problem strukturira na više od tri nivoa, podkriterijumi su grupisani u podgrupe, odnosno, u kriterijume, a scenariji su izostavljeni. Elementi na poslednjem nivou hijerarhije, definišu moguće stope promene u tražnji za proizvodima namenjenim za potrebe Vojske SCG, u poreñenju sa procenom prodaje za 2006. godinu. Rukovodilac marketing sektora je najpre eliminisao neizvodljive alternative koje se odnose na moguće stope rasta tražnje u odnosu na procenjenu, obrazlažući to time da je prisutan višegodišnji trend opadanja tražnje i da nema razloga verovati da će se u tom smislu išta značajnije promeniti s obzirom na potrebe vojske i policije. Nakon toga je na sugestiju analitičara da intervali iznose 5%, identifikovao pet mogućih stopa promene tražnje: (1) jako smanjenje (od - 15 do -10%), (2) slabo smanjenje (od -10 do -5%), (3) vrlo slabo smanjenje (od -5% do 0%), (4) vrlo slab rast (0-5%), (5) slab rast (5-10%), dozvolivši mogućnost da i pored negativnog trenda poslednjih godina, stopa rasta tražnje za proizvodima iz ovog programa u odnosu na procenjenu, ipak može biti i neznatno pozitivna. Diferenciranje alternativa na pozitivne i negativne stope rasta, Rejman je obrazložio činjenicom da na tržištu ima izvesne nestabilnosti, i dosta neizvesnosti što se tiče aktera i sila okruženja, uslovljenih i dnevno-političkim dogañanjima. Hijerarhijska struktura problema se konstruiše prema osnovnoj strukturi koju su definisali Dyer i Forman190 za predviñanje rasta broja učesnika odreñenih edukacionih programa. Cilj procesa predviñanja, je lociran na najvišem nivou, a akteri i sile okruženja (kriterijumi), na drugom nivou. Alternative odlučivanja koje definišu moguće stope rasta tražnje, se nalaze na najnižem nivou hijerarhije. Slika 17. Hijerarhijska struktura AHP problema predviñanja tražnje 190 Dyer, R.F., Forman, E., Group decision support with AHP, 1992, Dec. support systems (8):99-124. Dodeljivanje prioriteta elementima u hijerarhiji Sledeći korak u procesu predviñanja je izvoñenje prioriteta za elemente u hijerarhiji. Sa hijerarhijom islustrovanom na slici 17, procedura uspostavljanja prioriteta započinje, poreñenjem aktera i sila okruženja, u parovima, u odnosu na opšti cilj procesa predviñanja (kakva je važnost svakog elementa na drugom nivou hijerarhije, u odnosu na stopu rasta tražnje). Nakon nekoliko pokušaja u kojima je indeks nekonzistentnosti bio iznad dozvoljenih 0,10, rukovodilac marketinga konačno procenjuje da opšte stanje u nacionalnoj ekonomiji, ima najveći uticaj na stopu rasta tražnje, te da je važnost ovog kriterijuma 0,370 dok kriterijum neekonomski faktori ima prioritet od 0,221. Pošto Tapacirnica, ima još uvek značajan ali ne i jasno dominantni tržišni udeo, u toj tržišnoj oblasti, procenjuje se da je njen opšti uticaj (0,036) na stopu rasta tražnje, niži nego za sve glavne konkurente zajedno (0,282), t.j. Tapacirnica je jedan od glavnih igrača na tržištu, ali se u procesu predviñanja moraju uzeti u obzir i aktivnosti konkurenata. Iznenañujuće mali procenjeni relativan uticaj kupaca (0,091), Rejman je objasnio uverenjem da njihovi zahtevi zavise od opštih privrednih i političkih okolnosti, tako da bi jedino jasno distanciranje od njih moglo da utiče na kupce kao faktor koji značajno determiniše tražnju u ovom slučaju. Sinteza prioriteta - kalkulacija predvidjanja Prvi korak u definisanju stvarnog predviñanja tražnje, je sintetizovanje prioriteta elemenata u hijerarhiju, da bi se dobile opšte verovatnoće za alternativne stope rasta tražnje. Od svih razmotrenih faktora u hijerarhiji, jako smanjenje ima najveću opštu verovatnoću (0,359) koja je neznatno veća od verovatnoće alternative slabo smanjenje (0,303), što je u skladu sa očekivanjem da će se trend opadanja tražnje nastaviti u definisanim okvirima. Ilustrovani rezultati predstavljaju verovatnoće da će se odreñena stopa rasta materijalizovati. Slika 18. Analiza osetljivosti (performansa alternativa) U meñuvremenu, dogodila se afera "Pancir", koja je gospodina Rejmana inicirala da preispita svoje procene. U tom smislu, ocenjujući da je Mile Dragić bio najznačajniji konkurent na tržištu proizvoda za potrebe Vojske SCG i MUP-a Srbije, Rejman je smatrao da je njegova eliminacija kao konkurenta dovoljan razlog da se u takvim okolnostima kriterijumu konkurencija dodeli manji relativni značaj, a da se na osnovu sagledavanja činjenica vezanih za navedenu aferu, znatno veći značaj dodeli neekonomskim faktorima, koji, evidentno, imaju (ne)očekivano veliki uticaj na ovaj segment tržišta. Nakon ponovljenih procena, u skladu sa novim procenjenim relativnim značajem kriterijuma, kriterijum makroekonomska kretanja i dalje ima najveći relativni uticaj na tražnju (0,399), ali je na drugom mestu sada kriterijum neekonomski faktori (0,288). Parna poreñenja alternativa u odnosu na tako procenjeni značaj kriterijuma rezultovala su sledećim verovatnoćama definisanih stopa rasta tražnje: Kao što se može videti, redosled alternativa prema važnosti se nije promenio, dok su se njihove verovatnoće ostvarenja samo neznatno promenile. I dalje najveću verovatnoću ostvarenja ima jako smanjenje tražnje (0,368), nasuprot slabom porastu tražnje koji ima verovatnoću 0,061. Sada se može definisati kompozitno predviñanje, na način da se verovatnoće kombinuju množenjem proseka opsega svake stope rasta, sa njenom opštom verovatnoćom191 . Kompozitno predviñanje je dato u tabeli 12. 191 Wolfe, C., How to adjust forecasts with the analytic hierarchy process, 1988, J. Bus. Forecasting, 7:13-17. Stopa rasta Opseg (%) Prosečni opseg (PO) (%) Opšta verovatnoća (OV) PO*OV (%) Slab rast 5% - 10% 7,5 0,061 0,4575 Vrlo slab rast 0% - 5% 2,5 0,085 0,2125 Vrlo slabo smanjenje -5% - 0% -2,5 0,185 -0,4625 Slabo smanjenje -10% - (-5%) -7,5 0,311 -2,3325 Jako smanjenje -15% - (-10%) -12,5 0,358 -4,475 Ukupno 1,000 -6,6 Tabela 12: Kalkulacija kompozitnog predviñanja Na bazi procesa predviñanja, uz podršku AHP-a, očekivana stopa rasta tražnje, za proizvodima Zastava Tapacirnice, u 2006.godini iznosi -6,6%. Rezultat procesa predviñanja se može dalje analizirati, analizom senzitivnosti, kao što je ilustrovano na slici 19. Slika 19. Analiza osetljivosti rešenja u odnosu na kriterijum Neekonomski faktori. Na osnovu slike 19, može se zaključiti da, što je manji procenjeni uticaj kriterijuma Neekonomski faktori, to je niža opadajuća stopa rasta tražnje (-6,465%). Takoñe, na slici 20, vidimo da i veći procenjeni uticaj kriterijuma Kupci rezultuje nižom kompozitnom opadajućom stopom rasta tražnje (-6,54%). Ovaj rezultat reflektuje sposobnost Zastava Tapacirnice, da reaguje na zahteve tržišta, pre svega zahteve kupaca u vezi proizvoda, efektivnije od svojih konkurenata. Tim pre, što Zastava Tapacirnica u ovom trenutku poseduje mogućnost uvećanih isporuka i do 20% od planiranih ukoliko postoje zahtevi kupaca, kako u ostalim proizvodnim programima, tako i u segmentu proizvodnje namenjenom za potrebe vojske i policije. Odgovarajuća analiza senzitivnosti se može izvršiti, i što se tiče ostalih elemenata u hijerarhiji. Slika 20. Analiza osetljivosti rešenja u odnosu na kriterijum Kupci. Zaključak Osnovna istraživanja u ovoj doktorskoj disertaciji predstavljaju sintezu više otvorenih, ali logički i suštinski povezanih pitanja. Polazeći od okvira istraživanja definisanog sadržajem rada, može se konstatovati da se naučni cilj ove doktorske disertacije sastojao u proučavanju sposobnosti Analitičkog hijerarhijskog procesa (AHP), kao metoda za podršku odlučivanju, da poboljša i unapredi proces predviñanja ekonomskih pojava, imajući u vidu blisku povezanost predviñanja i odlučivanja. Takoñe, doktorska disertacija je imala za cilj i da pokuša da otkloni neke dileme koje postoje u vezi sa principima korišćenja AHP a čije konsekvence na proces predviñanja nisu dovoljno jasne. Konačno, iako je univerzalnost primene AHP u svetskim okvirima dobro poznata, domaća naučna i stručna javnost, posebno analitičari u preduzećima uglavnom se oslanjaju na statističke metode predviñanja. Jedan od ciljeva disertacije je bio i upoznavanje menadžmenta domaćih preduzeća sa praktičnim prednostima implementacije AHP u procesu odlučivanja i pojedinim njegovim segmentima. Predmetna doktorska disertacija je bazirana na nekoliko polaznih premisa, hipoteza u istraživanjima, kao što su: - Širok spektar informacija sa kojima se suočavaju menadžeri i problem njihovog integrisanja, limitiraju primenu konvencionalnih pristupa u predviñanju - Suočavanje sa rizikom i neizvesnošću je modus operandi savremenog menadžmenta - Višedimenzionalna priroda ekonomskih pojava implicira redukciju kompleksnosti. Jedan od alternativnih načina je i dekompozicija problema predviñanja na odreñeni broj lakših podproblema. - Analitički hijerarhijski proces kao metod višekriterijumske analize, utemeljen na principu dekompozicije, predstavlja pogodan instrument za sintetizovanje (koordinaciju) informacija da bi se donele bolje odluke u uslovima neizvesnosti. Lakoća korišćenja i mogućnost velike specifikacije procena, čime se vrši provera konzistentnosti, glavne su prednosti AHP koje ga preporučuju, kao samostalnu tehniku, ili za kombinovanje različitih tehnika predviñanja. Imajući u vidu navedeno, istraživanja čiji su rezultati prikazani u ovoj disertaciji, impliciraju sledeće zaključke: I) Predviñanje omogućuje sticanje novih znanja o budućim fenomenima i procesima, dok njihova jasna i vizuelna reprezentacija za korisnike olakšava komunikaciju izmeñu predstavnika različitih oblasti (menadžment, administracija, nauka). Ona takoñe uključuje unapreñenje rezultata predviñačke prakse. Predviñanje podstiče i fokusira razvoj naučnog rada, orijentacijom na netradicionalne, a ipak nerešene probleme. Svojom analitičnošću, predviñanje analizira i objašnjava uzroke razvoja, uspostavlja interdisciplinarne odnose, dekomponuje kompleksne procese i fenomene na podprocese, interpretira efekte podprocesa i fenomena na razvoj društva i identifikuje njihove karakteristike. Predviñanje stvara pretpostavke za ponderisanje kriterijuma evaluacije pojedinačnih varijanti predviñanja i objašnjenje optimalnog odnosa izmeñu mogućnosti i ciljeva, predmeta predviñanja. Kroz interpretaciju zahteva i uslova primene predviñanja u praksi, predviñanje izvodi stvarne standarde ponašanja i ciljeva iz strategije budućeg razvoja. Ciljevi koji su projektovani predviñanjem, se porede sa odgovarajućim merama implementacije. Nakon odobravanja, oni postaju deo normativnih dokumenata (planova, procedura, projekata). Takoñe, predviñanje se fokusira na mere koje će dovesti do prilagoñavanja u odnosu na predviñene posledice razvoja. Kao svrsishodna aktivnost, predviñanje predočava ne samo svesnost u vezi zahteva utvrdjenih ciljeva, već i resurse i metode za njihovo ostvarenje. Regulacija se bazira na neophodnom razumevanju potencijalnih posledica ostvarenih aktivnosti. Dobra prognostička praksa ima interaktivan karakter; ona zahteva razmenu znanja izmeñu predviñača i korisnika predviñanja. Detaljni i tačno utvrñeni ciljevi korisnika, su neophodan preduslov, i bez razumevanja tih ciljeva, predviñanje neće biti uspešno. Prognostička praksa, kontinuirano uključena u strategiju društvenog života može da doprinese stabilizaciji strategijskog odlučivanja. U principu, svakom odlučivanju treba da prethodi adekvatno predviñanje. Da bi odluka bila kvalitetnija, opseg za predviñanje mora biti veći. Kada se vrše predviñanja u visoko neizvesnim situacijama, trebalo bi biti konzervativan. Na primer, trend treba da bude umanjen u toku horizonta predviñanja. Nije dokazano da su kompleksni metodi tačniji od relativno jednostavnih metoda. Ako su poznati njihovi dodatni troškovi i smanjeno razumevanje meñu korisnicima, visoko kompleksne procedure ne mogu biti opravdane. Kada god je moguće metodi, predviñanja treba da koriste podatke o stvarnom ponašanju, a ne procene ili namere, za predviñanje ponašanja. Metodi koji integrišu procenjivačke i statističke podatke i procedure (npr. predviñanje na bazi pravila) mogu poboljšati tačnost predviñanja u mnogim situacijama. Preterano samopouzdanje se javlja kod kvantitativnih i procenjivačkih metoda. Pored traženja dobre povratne sprege, predviñači bi trebalo eksplicitno da analiziraju sve aspekte sopstvenog predviñanja koji mogu biti pogrešni. Ovo će produkovati bolje kalibrisane intervale predviñanja. Naročito je važno uložiti napor da se osigura, da predviñanja budu osloboñena bilo kakvih ličnih interesa. Kao pomoć pri ovome, naglasak treba da bude na dobijanju saglasnosti u vezi metoda predviñanja, a ne samih predviñanja. Takoñe, za važna predviñanja, odluke o njihovoj upotrebi bi trebalo doneti pre nego što se doñe do predviñanja. U upravljanju ovim procesom algoritmi su neophodni, a scenariji svrsishodni. Ostvarenje ovih ciljeva kao i dinamika savremenih uslova privreñivanja zahtevaju kontinuirane promene u samom pristupu predviñanja, zamenjujući tradicionalni pristup novim, fleksibilnijim i efikasnijim metodima predviñanja. II) Analitički hijerarhijski proces svojom analitičnošću omogućuje matematičko i logičko rezonovanje za donošenje odluka. Ono pomaže u analiziranju problema odlučivanja na logičkoj osnovi i konvertovanju intuicije i instinkta donosioca odluke, u brojeve koji mogu biti otvoreni za ispitivanje od strane drugih, a koji se takoñe mogu objasniti drugima. Hijerarhijska dekompozicija koja je u osnovi AHP, je prirodna za ponašanje ljudi u rešavanju problema odlučivanja. Redukovanje kompleksnog problema u podprobleme, da bi se rešavali jedan po jedan, je osnovni način za odlučivanje, imajući u vidu ograničene kognitivne i perceptivne sposobnosti donosilaca odluka. AHP definiše formalan okvir za odlučivanje. Odluke, naročito kolektivne, trebalo bi da evoluiraju. Potreban je proces koji će inkorporirati inpute, revizije i znanje donosioca odluke, i saopštiti ih drugima, tako da se doñe do kolektivne odluke. AHP je kreiran da bi se taj proces formalizovao i da bi se naučno utemeljio. U radu je potvrñena pretpostavka o sposobnosti AHP da identifikuje izvore informacija, relevantne za menadžere, odnosno, za donosioce odluka generalno, posebno u kompleksnim situacijama. Osim toga, AHP omogućuje sistematičniju evaluaciju kvalitativnih kriterijuma. U praktičnim problemima, konzistentna evaluacija i poreñenje kvalitativnih faktora, predstavlja težak zadatak za donosioce odluka. Gotovo da je nemoguće tražiti od pojedinca da pruži konzistentnu procenu ili poreñenje kvalitativnih faktora, zato što je apsolutna subjektivna konzistetnost nespojiva sa ljudskom prirodom. U praktičnom smislu, AHP je atraktivan za menadžere jer im njegova procedura poreñenja parova pruža samo relativne, a ne apsolutne procene preferencija, i to jedne po jedne, u odnosu na kvalitativne faktore. Ova relativna poreñenja se skaliraju jedinstveno, kako bi se osigurala konzistentnost. U AHP je, u stvari, ugrañen mehanizam provere nekonzistentnosti, kako bi se iste identifikovale u ranim fazama procesa rešavanja problema. Metodološki pristup organizovanja svih kriterijuma i podkriterijuma u lanac hijerarhije, karakterističan za AHP, dobio je pozitivnu potvrdu u praksi. Prednost ovakve hijerarhijske strukture je pružanje okvira u kojem je moguće tražiti inpute o kriterijumima i podkriterijumima u hijerarhiji, od menadžera različitih nivoa u organizaciji. Pored toga, AHP hijerarhijska struktura se lako može inkorporirati u interaktivnu proceduru rešavanja problema, što omogućuje aktivnije učešće menadžera u procesu rešavanja problema. Korišćenje AHP procedure, za procenu preferencija o kriterijumima, zahteva vrlo malo obuke za menadžere, a upotreba softvera Expert Choice može omogućiti menadžerima, poreñenje parova i analize (šta – ako) na ekranu monitora, uporedo sa kompleksnim matematičkim operacijama koje vrši računar. Organizovanjem svih relevantnih faktora koji determinišu problem, u lanac hijerarhije, AHP uspostavlja fleksibilan model za usklañivanje preferencija. Tako npr., s obzirom da menadžeri mogu imati različite subjektivne rejtinge prioriteta za pojedine relevantne kriterijume, AHP model omogućuje ponavljanje kalkulacija opštih pondera prioriteta za sve ili pojedine kriterijume ili podkriterijume. Analogno tome, pošto se subjektivni rejting prioriteta različitih kriterijuma ili podkriterijuma može promeniti tokom vremena, reagujući na odreñene eksterne ili interne promene, lako je ponovo izračunati njihove opšte rejtinge prioriteta na bazi promenjenih preferencija i kao rezultat uskladiti, recimo poslovnu politiku ili plan organizacije. U svakom slučaju, AHP vrši poreñenja i evaluaciju opštih rangova prioriteta svih faktora u problemu, u kompleksnim subjektivnim razmatranjima. III) AHP kvalitativno unapreñuje formalne modele predviñanja, omogućujući konzistentnije i sistematičnije generisanje dodatnih faktora i usklañivanje egzogenih varijabli. Smatramo da je u radu nedvosmisleno dokazana hipoteza da problemi ekonomskog predviñanja zadovoljavaju ključne pretpostavke za modeliranje i rešavanje preko AHP, jer ih karakteriše visok stepen kompleksnosti i neizvesnosti i jer se mogu organizovati u vidu hijerarhijske strukture na čijem vrhu je cilj predviñanja, na drugom nivou kriterijumi a na trećem alternative. U teorijsko – metodološkom smislu, primenom AHP učinjen je pomak u optimizaciji procesa predviñanja ekonomskih pojava, što je u radu pokazano teorijski i eksperimentalno, na hipotetičkim i realnim primerima. AHP se pokazao kao efikasan instrument kako za evaluaciju alternativnih metoda predviñanja, tako i za evaluaciju (izvoñenje distribucije verovatnoća) alternativnih budućih ishoda. Osim toga, smatramo i da je dokazana hipoteza da faktor procene razvijen AHP-om, može da poboljša tačnost statističkih predviñanja. Neke nedoumice i nejasnoće koje se odnose na ulogu pondera u procesu dekompozicije predviñanja mogu biti otklonjenje budućim empirijskim testiranjima i analizama. Ponderi nisu neophodno potreban deo kalkulacija predviñanja, ali imajući u vidu da izražavaju odnos izmeñu faktora relevantnih za predviñanje neke ekonomske pojave izmeñu kojih i inače postoji odreñeni stepen meñuzavisnosti, evidentno je da ima osnova za njihovo involviranje u proces predviñanja. I drugo, zahvaljujući tome što se mogu povremeno dopunjavati na bazi različitih kontekstualnih podataka, ponderi stvaraju dobru pretpostavku za uspešno predviñanje i profilaktičko reagovanje. Kada se vrše predviñanja u visoko neizvesnim situacijama, korisno je koristiti više od jednog metoda i kombinovati predviñanja koristeći pondere. U nekoj datoj situaciji kad se vrši predviñanje, možemo razmotriti različite metode predviñanja, jer želimo da odaberemo jedan metod ili alternativno, posmatranje višestrukih metoda predviñanja otvara mogućnost generisanja predviñanja iz dva ili više metoda, i onda kombinovanja ovih predviñanja. Odgovarajuća metodologija evaluacije predviñanja će zavisiti od toga da li se mora odabrati jedno predviñanje ili se može kombinovati više predviñanja. U scenariju izbora, možemo evaluirati svaki metod pojedinačno, a onda porediti metode: u scenariju kombinovanja, sa druge strane, moramo evaluirati metode simultano da bi razmotrili meñuodnose izmeñu metoda, kao i njihovu pojedinačnu performansu. AHP ima fleksibilnu sposobnost kombinovanja kvantitativnih i kvalitativnih faktora i upravljanja različitim grupama aktera. Razlažući na logičan način problem od velikog, postepenim koracima, ka sve manjem i manjem, nekoliko dobrih modela predviñanja se mogu povezati i kombinovati u jedan bolji, kroz jednostavne procene poreñenja po parovima. Na primeru je pokazano da je AHP adekvatna mera evaluacije i kombinovanja predviñanja, jer dobijeno AHP kombinovano predviñanje najbolje aproksimira stvarno kretanje pojave. Osim toga, AHP reflektuje i obuhvata puni skup relevantnih informacija, čime se omogućuje donosiocu odluka da razmotri i izvrši razmenu meñu različitim aspektima kvaliteta predviñanja. Eksperimentalno je pokazano da predloženi sistem podrške odlučivanju, evaluacijom alternativnih budućih ishoda na bazi AHP-a, formira fleksibilan i sistematski okvir za predviñanje i uprkos postojanju konkurentnih normativnih metodologija, predstavlja efektivno sredstvo evaluacije alternativnih budućih ishoda. Poslednje informacije o kretanju tražnje za proizvodima preduzeća Zastava Tapacirnica, na čijem primeru je pokazano kako se AHP koristi u procesu predviñanja evaluacijom alternativnih budućih ishoda, govore da će na kraju poslovne godine tražnja biti gotovo na nivou koji je procenjen pomoću AHP kompozitnog predviñanja. Od suštinskog je značaja razviti planove evaluacije, koji su adekvatni i korisni a možda najveći izazov u vršenju evaluacije, razvijanje odreñene nepristrasnosti u odnosu na krajnji cilj predviñanja, tako da je moguće kritički osmotriti ono što se pokušava ostvariti, i stepen u kom se to uspelo, što AHP upravo i omogućuje. Prezentovani AHP pristup predviñanju omogućuje donosiocima odluka, da izbegnu sledeće probleme koji su inherentni za klasične metode predviñanja: (1) tradicionalni metodi predviñanja uključuju nekoliko eksplanatornih varijabli, od kojih se većina može lako izraziti u kvantitativnim terminima, (2) tradicionalni metodi predviñanja ne uzimaju u obzir razvoj novih odnosa meñu varijablama i moguće promene trendova, (3) osnovna pretpostavka u klasičnim metodima predviñanja je da je dimenzija na kojoj se dešava predviñanje, autonomna, (4) predviñanje se bazira samo na prošlim podacima, i (5) klasični metodi predviñanja su deterministički i strukturalno stabilni, dovodeći do greške u predviñanju, zbog konstantne promene koja se selektivno proučava, i intepretira sa specijalnog stanovišta. Na AHP-u baziran pristup predviñanju, omogućuje donosiocima odluka da uzmu u obzir i kvantitativne i kvalitativne varijable. AHP je korisno sredstvo u borbi sa neizvesnošću koja rezultira kako iz same prirode i dinamike tržišta, tako i iz ograničenih informacija koje su dostupne predviñačima kao i iz njihovog emocionalnog stanja.Verovatnoće alternativnih budućih ishoda kao stohastičkih kategorija, uspešno se mogu aproksimirati pomoću AHP. Pokazano je da iako ponderi nisu prave verovatnoće, oni funkcionišu kao verovatnoće. Strukturiranjem hijerarhije, odnosi izmeñu faktora se mogu definisati i analizirati efektivno. U proceduru odreñivanja prioriteta, mogu se uključiti kvalitativne i subjektivne procene, od strane više osoba, kao i kvantitativni podaci iz različitih izvora. Upotrebom prezentovanog pristupa, donosioci odluka nisu ograničeni na prošle podatke, jer se mogu izvršiti pretpostavke i predviñanja oko budućeg razvoja faktora koji su uključeni, i budućih akcija, aktera uključenih u hijerarhiju. Osim toga, kada se uzme u obzir neophodnost brzog donošenja odluka u savremenim uslovima poslovanja, kako na nivou preduzeća tako i na nivou privrede u celini ili pojedinih njenih segmenata, implementacija AHP na proces predviñanja, inače nepoznata našoj poslovnoj praksi, predstavlja kvalitativno novo iskustvo i dragocen instrument menadžerima, da brže asimiluju sve činjenice, odmere razloge pro et contra, reevaluiraju i saopšte svoju odluku. U tom kontekstu, smatramo da bi AHP trebalo postepeno uvoditi u praksu predviñanja i uz njegovu pomoć, po našem mišljenju, time dodatno podržati i unaprediti proces menadžerskog odlučivanja. Pored toga, čini nam se da i domaća naučna i stručna javnost, pre svega ona koja se bavi ekonomskim pitanjima, nije upoznata ili ne poklanja dovoljno pažnje raskošnom potencijalu Analitičkog hijerarhijskog procesa. Mislimo da je ovaj rad dovoljno dobra prilika za to uz, naravno, dobrodošle primedbe i sugestije. AHP se pokazao kao teorijski jaka, i tržišno testirana i prihvaćena metodologija. Njegovo skoro univerzalno usvajanje, kao nove paradigme za odlučivanje, zajedno sa lakoćom njegove implementacije i razumevanja, determinante su njegovog uspeha. AHP se pokazao kao metodologija sposobna da produkuje rezultate koji se slažu sa percepcijama i očekivanjima. Smatramo da je ovim radom otvoreno jedno, bar za naše uslove, potpuno novo poglavlje u, čini nam se, gotovo neiscrpnim mogućnostima primene AHP. To naravno ne implicira nekritičko prihvatanje AHP i njegovu bespogovornu apologiju. Autokorektivnost je suštinska komponenta naučnog razmišljanja i jedino kroz kontinuirana praktična testiranja u pogledu krajnjih efekata i ishoda procesa predviñanja moći će se sagledati istinske predviñajuće sposobnosti AHP. Na kraju, kao što bi rekao Vilijam Blejk: " Postoje stvari znane i neznane a izmeñu njih su vrata..". Nadamo se da smo ovim radom bar odškrinuli ta vrata. LITERATURA 1. Aczel, J., Saaty, T., Procedures for synthesing ratio judgments, 1983, J.Math. Psychology, 27, pp. 93-102. 2. Armstrong, J.S., Long – Range Forecasting, 1985, 2nd ed. Wiley&Sons, pp.1211-1212. 3. Armstrong, J.S., Research on Forecasting:A Quarter-Century Review, 1960-1984, 1986, Interfaces 16, pp. 89-109. 4. Armstrong, J.S., Evaluating forecasting methods, in: Armstrong, J.S., (ed), Principles of Forecasting: Handbook for Researchers and Practicioners, 2001c, Norwell, MA: Kluwer Academic Publishers, pp. 417-439. 5. Armstrong, J.S., and Brodle, R., Forecasting for marketing, Published in: Hooley, G., and Hussey, M., (eds.), Quantitative Methods in Marketing, Second edition, London:International Thompson Business Press, 1999, pp. 92-119. 6. Armstrong, J.S., Denniston, W.B. and Gordon, M.M., The use of the decomposition principle in making judgments, 1975, Organizational Behavior and Human Performance, 14, pp. 257-263. 7. Armstrong, J.S., and Collopy, F., Integration of statistical methods and judgment for time series forecasting; Principles from empirical research, 1998, in: Wright, G. and Goodwin, P., (eds), Forecasting with Judgment, Chichester, England:Wiley&Sons, pp. 269-293. 8. Armstrong, J.S., Long-term Forecasting: From Crystal Ball to Computer, (second ed.), 1985, New York, Wiley & Sons. 9. Armstrong, J., The Ombudsman: research of forecasting:a quarter - century review, 1960- 1984, 1986, Interfaces 16, pp. 89-109. 10. Ascher, W., An Appraisal for Policy Makers and Planners, 1978, Baltimore: Johns University Press. 11. Ashby, W.R., An Introduction to Cybernetics, Wiley and Sons, Inc., New York, 1966. 12. Ashton, A.H., and Ashton, R.H., Aggregating subjective forecasts: Some empirical results, 1985, Mnagement Science, pp.1499-1508. 13. Ashton, A.H., Does consensus imply accuracy in accounting studies of decision making, 1985, Accounting Review 61, pp.173-185. 14. Bates,J.M., and Granger, C.W.J., The Combination of Forecasts, 1969, Operational Research Quarterly, 20, pp. 451-468. 15. Belton, V., A comparison of the analytic hierarchi process and simple multi-attribute value function, 1986, European Journal of Operational Research, 26, pp. 7-21. 16. Belton, V., and Gear, T., On a short-coming of Saatys method of analytic hierarchies, 1983, Omega, 11, pp. 228-230. 17. Benson, P.G., Curley, S.P., and Smith, G.F., Belief assessment:An underdeveloped phase of probability elicitation, Management Science, 1996. 18. Boldt, B.I., Sound business forecasting, Todays Executive, 1982, 5(1), pp. 6-11. 19. Bowersox, D.J.,Closs, D.J. and Helferich, O.K., Logistical Management, MacMillan, New York, 1986. 20. Brenner, L.A., Koehler, D.J. and Tverski, A., On the evaluation of one-sided evidence, 1996, Journal of Behavioral Decision Making 9, pp. 59-70. 21. Bretscneider, S.I., et al., Political and organizational influences on the accuracy of forecasting state government revenues, 1989, International Journal of Forecasting 5, pp. 307-319. 22. Brown, L.D., Comparing judgmental to extrapolative forecasts:its time to ask why and when, 1988, 4-2, pp.171-173. 23. Brooke, J.A., Consumer issues, 1991, Presentation at Planning Forum, April 4, New York. 24. Bunn, D.and Wright, G., Interaction of judgmental and statistical forecasting methods:issues and analysis, Management Science, 1991, 37, pp. 501-518. 25. Clark, K.B., The interaction of design hierarchies and market concepts in technological evolution, 1985, Research Policy 14, pp. 235-251. 26. Clemen, R.T., Combining forecasts: Areview and annotated bibliography, 1989, International Journal of Forecasting 5, pp. 559-583. 27. Clements, M.P., and Hendry, D.F., Forecasting Non-stationary Economic Time Series, 1999a, Cambridge, Mass:MIT Press. 28. Clements, M.P., and Hendry(eds.), 2001, Companion to Economic Forecasting, Basil Blackwell. 29. Collins, W., and Hopwood, W., A Multivariate Analysis of Annual Earnings Forecasts generated from Quarterly Forecasts of Financial Analysts and Univariate Time Series Models, 1980, Journal of Accounting Research, v18, pp. 390-406. 30. Collopy, F., and Armstrong, J.S., Rule-based forecasting: Development and validation of an expert systems approach to combining time series extrapolations, 1992a, Management Science 38, pp.1394-1414. 31. Cooke, S., Slack, N., Making management decisions, 1984, Englewood Cliffs, NJ, Prentice Hall International. 32. Cosier, R.A., The effects of three potential aids for making strategic decisions on prediction accuracy, 1978, Organizational Behavior and Human Performance 22, pp. 295-306. 33. Coyle, D., Making sense of published economic forecasts. In: Hendry, D.F., and Ericson, N.R., Undestanding Economic Forecasts, 2001, Cambridge, MA:MIT Press, pp. 54-67. 34. Čupić, M., Tummala, V.M., Suknović, M., Odlučivanje: formalni pristup, 2001, Beograd. 35. Dyer, R.F., and Forman E.H., Analytic Approach to Marketing Decisions, 1991, Prentice - Hall, Englewood Clifs, NJ. 36. Dyer, R.F., Forman, E., Group decision support with the analytic hierarchy process, 1992, Decision support systems, 8, pp. 99-124. 37. Dyer, J.S., Remarks on the analytic hierarchy process, 1990, Management science, 36, pp. 249-258. 38. Edmundson, R.H., Lawrence, M.J. and Connor, M.J., The use of non-time series data in sales forecasting:a case study, 1988, International Journal of Forecasting 7, pp. 201-212. 39. Edmundson, R., Decomposition: a strategy for judgmental forecasting , 1990, Journal of Forecasting 4, pp. 305-314. 40. Eelko, K., Huizingh, R.E., and Vrolijk, H.C.J., The Predictive Power of the Self Explicated Approach and the AHP: A Comparison, MCDM, Proceedings of the Twelfth International Conference, 1997, Hagen, pp.137-146. 41. Falkner, C.H. and Benhajla, S., Multi-Attribute Decision Models in the Justification of CIM Systems, The Engineering Economist, 1990, 35(2), pp. 91-114. 42. Fildes, R., Efficient use of information in the formation of subjective industry forecasts, 1991, Journal of Forecasting 10, pp. 597-617. 43. Fildes, R., The state of the art: Econometric models, 1985, Journal of Operational Research Society 36, pp. 549-586. 44. Fildes, R. and Hastings, R., The organization and improvement of market forecasting, 1994, Journal of the Operational Research Society 45, pp.1-16. 45. Forman, E.H., The Analytic Hierarchy Process ass a Decision Support System, Proceedings of the IEEE Computer Society (Fall, 1983). 46. Forman, E.H., Saaty, T., Sally, M.N., Waldron, R., Expert Choice, Decision Support Software, McLean, VA, 1983. 47. Forman, Decision by objectives, 2000, Washingthon University Press. 48. Gardner, E.S., The strange case of the lagging forecasts, 1984, Interfaces 14, pp. 47-50. 49. Gear, A.E., Minkes, A.L., Read, M.J., On interactive communication and decision making, 1999, International Journal of Technology Management, 17(1-2), pp. 208-222. 50. Granger, C.W.J., and Newbold, P., Forecasting Economic Time Series, 1977, New York, Academic Press. 51. Granger, C.W.J., and Ramanathan, R., Improved Methods of Combining Forecasting, 1984, Journal of Forecasting, 3, pp. 197-204. 52. Golden, B.L., Wasil, E.A., and Harker, P.T., The Analytic Hierarchy Process:Applications and Studies, 1989, Springer, Berlin. 53. Goodvin, P., and Wright, G., Improving judgmental time series forecasting: a review of the guidance provided by research, 1993, International Journal of Forecasting 9, pp.147-161. 54. Goodvin, P., and Wright, G., Decision Analysis for Management Judgment, 1991, Wiley, Chichester. 55. Goodwin, P., and Wright, P., Heuristics, biases and improvement strategies in judgmental time series forecasting, 1994, Omega, 22, pp. 553-568. 56. Gregory, W.L., Cialdini, R.B. and Carpenter, K., Self-relevant scenarios as mediators of likelihood estimates and compiliance:Does imagining make it so?, 1992, Journal of Personality and Social Psychology 43, pp. 88-99. 57. Hamalainen, R.P., and Seppalainen, T.O., The Analytic Hierarchy Process in Energy Policy Planning, 1986, Socio-economic planning Sci., 20, pp. 388-405. 58. Harker, P.T., and Vargas, L.G., The theory of ratio scale estimation:Saatys analytic hierarchy process, 1987, Management Science, 33, pp. 1383-1403. 59. Harker, P.T., and Wargas, L.G., Reply to Remarks on the Analytic Hierarchy Process by J.S. Dyer, 1990, Management Science, vol.36, pp. 269-273. 60. Hendry, D.F., and Ericson, N.R., Understanding Economic Forecasts, 2001, Cambridge, MA: MIT Press. 61. Hendry, D.F., and Clements, M.P., Economic Forecasting: somme lessons from recent research, 2001, European Central Bank, Working paper series, Working paper no.82. 62. Hoch, S.J., Counterfactual reasoning and accuracy in predicting personal events, 1985, Journal of Experimental Psyhology: Learning, Memory and Cognition 11, pp. 719-731. 63. Hogarth, R.M., and Makridaksi, S., Forecasting and Planning: An Evaluation, Management Science, 1981, 27, pp.115-137. 64. Hoffman, L.R., Improving the problem-solving process in managerial groups, Guzzo R.A., (ed), in:Improving group decision making in organizations:approaches from theory and research, 1982, New York, Academic Press. 65. Izveštaj o poslovanju DP ''ZASTAVA TAPACIRNICA''- za period od 2001.- 2005. god. 66. Jenkins, G., Some practical aspects of forecasting in organisations, 1982, Journal of Forecasting 1, pp. 3-21. 67. Keren, G., Perspectives of behavioral decision making:some critical notes, 1996, Organizational behavior and human decision process, 65(3), pp. 169-178. 68. Koriat, A., Lichtenstein, S., and Fischoff, B., Reasons for confidence, 1980, Journal of Experimental Psyhology: Human Learning and memory 6, pp. 107-118. 69. Krčevinac, S., Petrić, J., Nikolić, I., Algoritmi iz operacionih istraživanja, 1990, Naučna knjiga, Beograd. 70. Lawrence, M., An Exploration of some practical issues in the use of quantitative forecasting models, Journal of Forecasting, 1983, 1, pp. 169-179. 71. Lawrence, M., Edmundson, R.H. and Connor, M.J., An examination of the accuracy of judgmental extrapolation of time series, International Journal of Forecasting, 1985, 1, pp. 25-35. 72. Lawrence, M., and Connor, M.J., Exploring Judgmental Forecasting, International Journal of Forecasting, 1992, 8, pp.15-26. 73. Lewandovski, A., Wierzbicki, A.P., Aspiration based decision support systems, LNEMS, 1989, Berlin, Springer. 74. Lobo, G.J., Alternative methods of combining security analysts and statistical forecasts of annual corporate earnings, 7-1, pp. 57-63. 75. Lorek, K.S., McDonald, C.L., and Patz, D.H., A comparative examination of management forecasts and Box-Jenkins forecasts of earnings, 1976, Accounting Review, 51, pp. 321-330. 76. Magee, J.F., Copacino, W.C. and Rosenfield, D.B., Modern Logistic Management, Wiley, New York, 1985. 77. MacGregor, D.G., Decomposition for judgmental forecasting and estimation, 2001, in: Armstrong, J.S.(ed), Principles of Forecasting: A Handbook for Researchers and Practitioners, Norwell, MA:Kluwer Academic Publishers. 78. Mahmoud, E., Combining of forecasts:some managerial issues, 1989, International Journal of Forecasting, 5, pp. 599-600. 79. Makridakis, S., Anderson, A., Carbone, R., Fildes, R., Hibon, M., The accuracy of extrapolation(time series) methods:results of a forecasting competition, 1982, Journal of forecasting 1, pp. 111-153. 80. Makridakis, S.and Wheelwright, S.C., Forecasting: issues and challenges for marketing management, J. Marketing, 55, pp. 24-37. 81. Mathews, B.P., and Diamantopulos, Factors affecting the nature and effectiveness of subjective revision in sales forecasting:An empirical study, 1989, Managerial and Decision Economics 10, pp. 51-60. 82. McGrath, J.E., Groups:interaction and performance, 1984, Englewood Cliffs, NJ, Prentice Hall. 83. McClelland, A. and Bolger, F., The Calibration of Subjective Probabilities: Theories and Models 1980-1994, in: Wright, G. and Ayton, P., eds., Subjective Probability, Wiley, Chichester, 1994. 84. McNees, S.K., The uses and abuses of consensus forecasting, 1992, Journal of Forecasting 11, pp. 703-710. 85. Milanović, M., Model predviñanja ekonomskih pojava sa izraženim trendom i sezonskim ritmom, 1999, Magistarski rad, Ekonomski fakultet,Kragujevac. 86. Milburn, M.A., Sources of bias in the prediction of future events, Organisational Behavior and Human Performance, 1978, 21, pp. 17-26. 87. Murphy, A.H. and Winkler, R.L., Diagnostic verification of probability forecasts, 1992, International Journal of Forecasting 8, pp. 435-455. 88. Olson, D., and Dorai, V., Implementation of the centroid method of Solymosi and Domby, 1991, European Journal of Operational Research. 89. Perez, J., Somme comments on Saatys AHP, 1995, Management Science, vol.41, no.6, pp.1091-1095. 90. Pesaran,M.P., and Skouras, S., Decision-based Methods for Forecast Evaluation, 2001, in: Clements, M.P., and Hendry(eds.), Companion to Economic Forecasting, Basil Blackwell. 91. Petrić, J., Operaciona istraživanja, 1979, Beograd. 92. Petrović S., Sistemsko mišljenje Sistemske metodologije, 2006, Kragujevac. 93. Pious, S.J., The Psychology of Judgment and Decision Making, 1993, New York, McGraw Hill. 94. Rittel, H.W.J., and Webber, M.M., Dillemas in a General Theory of Planning. 95. Roy, B., Il faut desopotimiser la Recherche Operationnelle, julliet 1968, Bulletin de l Afiro, no 7, editorial. 96. Roy, B., Des criteres multiples en Recherche Operationnelle, in: Grand, G.K.,(editor), Operational research, Elsevier Science Publisher, 1988, North Holland, pp. 829-842. 97. Rowe, G., Wright, G. and Bolger, F., The Delphi technique: A re-evaluation of research and theory, 1991, Technological forecasting and Social Change 39(3), pp. 235-251. 98. Saaty, T.L., The Analytic Hierarchy Process, 1980, New York, McGraw-Hill. 99. Saaty, T.L., and Vargas, L., The Logic of Priorities, Applications in Business, Energy, Health, Transportation, 1982, Kluwer-Nijhoff Publishing, Boston. 100. Saaty, T., Fundamentals of Decision Making and Priority Theory with Analytic Hierarchy Process, RWS Publications, Pittsburgh, 1994. 101. Saaty, T.L., How to Make a Decision: The Analytic Decision Process, 1990, European Journal of Operatios Research 48, pp. 9-26. 102. Saaty, T.L., An Exposition of the AHP in Reply to Paper: Remarks on the Analytic Hierarchy Process, 1990, Management Science, 36, pp. 259-268. 103. Saaty, T., The Analytic Hierarchy Process, 1990, RWS Publications, Pittsburgh. 104. Saaty, T., Decision making for leaders, 1982, Lifetime Learning Publications, USA. 105. Saaty, T., and Kearns, K., Analytical Planning: The Organization of Systems, The Analytic Hierarchy Process Series, Vol.IV, 1985. 106. Sutton, R.I., Hargadon, A., Breinstorming groups in context:effectiveness in product design firm, 1996, Administrative Science Quaterly 41, pp. 685-718. 107. Saaty, T. and Wargas, L.G., Prediction, Projection and Forecasting, 1991, Kluwer Academic Publishers, Norwell. 108. Schary, P.B., Logistic Decisions - Text and Cases, The Dryden Press, USA, 1984. 109. Schoemaker, P.J.H., and Waid, C.C., An Experimental Comparison of Different Approaches to Determining Weights in Additive Unity Models, 1982, Man.Science 28, pp.182-196. 110. Simon, H.A., A Behavioral Model of Rational Choice, The Quaterly Journal of Economics, vol.LXIX, 1955, Cowles Foundation Paper 98, pp.1-20. 111. Singer, M., Thoughts of a Nonmillenarian, 1997, Bulletin of the American Academy of Arts and Sciences, 51. 112. Solymosi, T., and Dombi, J., A Method for determining the weights of criteria: The centralized weights,1986, European Journal of Operational Research, 26, pp. 35-41. 113. Stasser, G., Taylor, L.A., Hanna, C., Information sampling in structured and unstructured discussions of three - and six - persons groups, 1989, Journal of Personality and Social Psychology 57, pp. 67-78. 114. Statut DP ''ZASTAVA TAPACIRNICA'', Kragujevac, 2003. 115. Stewart, T.R., The Delphi technique and judgmental forecasting, 1987, Climatic Change 11, pp. 97-106. 116. Stock, J.R., and Lambert, D.M., Strategic Logistic Management, Richard D. Irvin Inc., USA, 1987. 117. Tellis, G.J., The price elasticity selected demand, 1988, Journal of Marketing Research 25, pp. 331-341. 118. Tversky, A., and Kahneman, D., Judgment under uncertainty:heurristic and biases, 1974, Science, 185, pp.1124-1131. 119. Ulengin, F., and Ulengin, B., Forecasting foreign exchange rates:a comparative evaluation of AHP, 1994, Omega, 22, pp. 505-519. 120. Von Winterfeldt, D., and Edwards, W., Decision Analysis and Behavioral Research, 1986, Cambridge University Press, Cambridge. 121. Vujošević, M., Operativni menadžment: kvantitativne metode, 1997, Društvo operacionih istraživača, Beograd. 122. Vujošević, M., Sistemski pristupi slabo strukturiranim problemima – izazov operacionim istraživačima, SYMOPIS 94, Kotor, Zbornik radova, pp. 12-15. 123. Weal, M., Camba-Mendez, G., Kapetanios, G., and Smith, R., The Forecasting Performance of the OECD Composite Leading Indicators for France, Germany, Italy and UK, in: Clements, M.P., and Hendry(eds.), Companion to Economic Forecasting, 2001, Basil Blackwell. 124. Wind, Y., Saaty, T., Marketing applications of the analytic hierarchy process, 1980, Management Science, 26(7), pp. 641-658. 125. Wolfe, C. and Flores, B., Judgmental adjustment of earning forecasts, 1990, Journal of Forecasting, 9, pp. 389-405. 126. Wolfe, C., and Flores, B., Judgmental adjustment of forecasts: a comparison of methods, 1992, International Journal of Forecasting, 7, pp. 421-433. 127. Wolfe, C., and Flores, B., An analysis of hierchically adjusted earnings forecasts, 1990, Journal of Forecasting 4, pp. 389-405. 128. Wright, G., and Aiton, P., Judgmental probability forecasting in the immediate and medium term, Organisational Behavior and Human Decision Process, 1992, 51, pp. 344-363. 129. Wright, G., and Aiton, P., Tasks influences on judgmental forecasting, Scandinavian Journal of Psychology, 1987, 28, pp.115-127. 130. Yates, J.F., External corespondence: Decompositions of the mean probability score, Organisational Behavior and Human Decision Process, 1982, 57, pp.1-25. 131. Yokum, J.T. and Armstrong, J.S., Beyond accuracy: Comparison of criteria used to select forecasting methods, 1995, International Journal of forecasting 11, pp. 591-597. 132. Zahedi, F., The Analytic Hierarchy Process - A Survey of the Method and its Appllicatios, Interfaces, (Vol.16, 1986), pp. 96-108. 133. Zahedi, F., Group consensus function estimation when preferences are uncertain, 1986, Operation research 34(6), pp. 883-894.