Вказані методи досить складні та в процесі розв’язання задач використовують також статистичні методи, тому надалі вони розглядатися не будуть.

Відомий американський фахівець з прогнозування Макридакис [4] за допомогою емпіричних досліджень та лабораторних експериментів доказав, що прогнози побудовані за допомогою кількісних методів більш точні ніж побудовані за допомогою якісних методів. Людина намагається бути оптимістом і недооцінює ступінь невизначеності майбутнього. До того ж вартість прогнозування якісними методами часто буває вище ніж при використанні кількісних методів.

Але це не означає, що потрібно відкинути якісні методи. Тільки сполучання обох методів, розуміння й фахова оцінка результатів кількісного прогнозування надає змогу обґрунтувати рішення, що приймаються. Сучасні комп’ютерні технології прогнозування базуються на інтерактивних статистичних методах прогнозування з використанням економетричних баз даних, імітаційних і економіко-математичних динамічних моделях, які сполучають експертні, математико-статистичні та моделюючі блоки.

Прогнози, що складаються на майбутнє, класифікуються на короткострокові (до 1 року) й довгострокові. Довгострокові прогнози використовуються керівництвом підприємства для визначення стратегії розвитку бізнесу. Короткострокові прогнози використовуються фахівцями середнього і нижчого ланцюгів для розробки термінових рішень.

При обранні методів прогнозування слід керуватися тезою, що метод повинний давати точний, своєчасний і зрозумілий для фахівця прогноз для обґрунтування рішення, що приймається. Крім того, результати процедури прогнозування повинні приносити прибуток, який покриває витрати на її здійснення.

Процес прогнозування складається з 5 етапів:

1. Збирання даних. Дуже важливий і не простий етап, від якого залежить кінцевий результат, тому що точність прогнозу залежить від достовірності тих даних, на яких він побудований. Тому для прогнозування дані повинні бути достовірними і точними, відображати ті обставини, які аналізуються, узгодженими з попередніми спостереженнями (наприклад, зміна цін, складу корзини споживача і т. ін.), збиратися через визначені інтервали часу.

2. Редукція або стиснення даних. Якщо зібрано дуже багато або, навпаки, мало даних, дані не мають прямого відношення до задачі і т. ін. Всі такі обставини знижують точність прогнозу.

3. Побудова моделі та її оцінка. На цьому етапі підбирається модель, яка відповідає особливостям назбираних даних і має найменшу помилку прогнозу. При цьому модель повинна бути зрозуміла фахівцям, що приймають рішення.

4. Екстраполяція обраної моделі. Фактичний прогноз по одержаних і перевірених даних.

5. Оцінка одержаного прогнозу – порівняння одержаних значень з фактичними даними. Є цілий ряд методів оцінки рівня помилок, які допускає метод, що застосовувався.

Для прогнозування був розроблений цілий ряд програмних засобів, що прискорюють виконання роботи й значно зменшують її трудоємність. До них відносяться два типа пакетів програм: статистичні пакети (SPSS, Minitab, SAS, СТАТПРО та ін.) і пакети саме для прогнозування (Вериста, Олімп, Forecast Expert російської фірми Pro-Invest, MetaStock, Matlab та ін.).

Однак перелічені пакети мають досить високу вартість і потребують затрат на навчання персоналу, тому багато користувачів обрали використання графічних і статистичних функцій Microsoft Excel. Excel – це вже невід’ємна частина робочого місця фахівця, її знають, легко навчаються її використовувати, деякі графічні функції Excel створюють більш ясне візуальне уявлення даних ніж деякі статистичні пакети. Але у Excel були знайдені помилки у деяких статистичних функціях, що приводить до некоректних результатів. Все з часом змінюється, програми удосконалюються, питання, має Excel більше переваг або недоліків для прогнозування не вирішене остаточно і мабуть не буде вирішене ніколи. А саме Excel надає нам можливість засвоїти найбільш використані у практиці методи прогнозування.