Наукастинг — модель прогнозирования, которая появилась после «кризиса доткомов». Тогда стало ясно, что стандартные прогнозы в кризисных условиях работают плохо; такие традиционные прогнозы опирались на официально публикуемые данные и часто запаздывали. В наукастинге применяются сложные эконометрические инструменты для моделирования данных о множестве одновременно происходящих событий. В результате получается картина экономических индикаторов и факторов, позволяющая строить более точный прогноз на ближайшие месяцы. В данной статье подробнее посмотрим на рекомендации McKinsey по прогнозированию во время кризиса.
Почему модель Nowcasting начинает устаревать?
Nowcasting сейчас начинает устаревать. С одной стороны, из-за структурных сдвигов в экономике — торговая война между США и Китаем, Brexit, COVID-19 — связи между привычными индикаторами, используемыми в таких прогнозах, нарушаются. С другой стороны, прогнозные модели постоянно усложняются (некоторые насчитывают больше 50 факторов экономического роста). Вдобавок появляется масса высокоизменчивых факторов, которые в традиционные модели наукастинга не включались (например, поисковые запросы, данные о вредных выбросах и т. п.).
Новый подход McKinsey к наукастингу
Суть этого подхода — привлечь отраслевых и региональных экспертов, чтобы вдумчиво сократить количество переменных с учетом специфики региона, отрасли и конкретных экономических условий. При таком тщательном подборе переменных связи между ними останутся стабильными даже в кризис.
Организациям, которые хотели бы использовать обновлённую модель наукастинга, можно для начала определить КПЭ, которые публикуются сравнительно редко, но критически важны для принятия решений. Затем нужно привлечь экспертов, которые помогут статистически связать эти KPI (ключевые показатели эффективности) с релевантными переменными, которые обновляются чаще. Полученную модель затем можно обновлять в зависимости от её точности и доступности новых данных.
Подписывайтесь на канал AlfaProExpert, чтобы узнать больше о карьере, заработных платах, лучших работодателях, прохождении интервью, поступлению в ВУЗ, образовании известных людей, лучших университетах и многом другом.