Печалби:
- Възможност за позициониране на AI като помощник, който генерира хипотетични сценарии при прогнозиране на приходи/разходи
- Възможност за писане на подкани за прогнози с диапазон и чувствителност въз основа на исторически данни и изрични предположения
- Способност да разпознавате ограниченията на AI прогнозите и да ги смесвате с човешката преценка
„Какъв ще бъде оборотът ни догодина? е един от най-трудните въпроси за финансовия екип. Прогнозирането е правене на прогнози за бъдещето въз основа на минали данни и предположения. Изкуственият интелект (AI) може да бъде мощен помощник тук; Но е необходимо да се приеме един факт от самото начало: моделът не знае бъдещето. Той обработва само модели и предположения, които давате. В този модул ще се научим да позиционираме ИИ в правилната му роля при прогнозирането и да разпознаваме неговите ограничения.
Какво прави AI и какво не прави в прогнозата?
Той: Обобщава миналата тенденция, разпознава сезонността (повтарящи се колебания през определени месеци), изгражда сценарии с различни допускания, обяснява логиката на прогнозата и поставя прогнозата в разказ.
Не: не може да даде точно бъдеще, не може да предвиди външни сътресения (криза на обменния курс, промяна на регулирането), не може да знае факт, който не е в данните. Изречението „ще нараснете с 18% през следващата година“, дадено от чатбот, не е пророчество, а математическо отражение на предположенията, които правите.
Съвет: Никога не искайте от модела "един номер". Винаги питайте за диапазон и на какви предположения се основава този диапазон. Изречението „14-15 милиона в базовия случай, условие: текущият темп на растеж продължава“ е много по-честно и полезно от единичното „14,6 милиона“.
Стъпка по стъпка: Изграждане на солидна прогноза
- Дайте исторически данни. Среща се поне за няколко периода; месечно, ако е възможно.
- Напишете предположенията ясно. Темп на растеж, сезонност, известни промени.
- Посочете метод. Проста тенденция, сезонно коригирана или базирана на сценарий?
- Поискайте диапазон и сценарий. Оптимист / низък / песимист.
- Поискайте чувствителност. „Кое предположение променя резултата най-много?“
Слаба подкана / Силна подкана
Слаба подкана: Прогнозирайте оборота ми през следващата година. Тази година направихме 12 милиона.
Това произвежда едно число без основа; Не е ясно на какво предположение се основава, което е опасно за решението.
Силна подкана: Вашата роля: анализатор на финансовото планиране. Задача: Прогнозирайте следващите 12 месеца от следните месечни данни за доходите. Метод: 1) Първо обобщете тенденцията и сезонността в историческите данни. 2) Настройте 3 сценария със следните допускания: - База: средният темп на растеж от последните 12 месеца продължава - Оптимистичен: растеж +3 точки - Песимистичен: растеж -5 точки 3) Дайте 12-месечен общ и месечен диапазон за всеки сценарий. 4) Раздел „Чувствителност“: кое предположение се променя, резултатът се променя най-много? Ограничение: Изрично избройте предположенията. Посочете, че оценката е прогноза, а не сигурност. Имайте предвид, че не можете да моделирате външни сътресения.<data>Януари..Декември месечен оборот</data>
Тази подкана; Вместо точно число, той създава обоснован диапазон, сценарии и анализ на чувствителността като „най-уязвимо събиране на предположения/темп на растеж“. Лицето, което взема решения, взема решения, като вижда несигурността.
Сезонността е най-често пренебрегваната тема при прогнозирането. Продажбите на много фирми се повишават и падат редовно през определени месеци: производител на сладолед достига пик през лятото, магазин за сувенири достига пик около празниците. Плоската тренд линия не може да види това колебание и ще настрои неправилно запасите, персонала и паричния план. Ако предоставите на AI достатъчно исторически данни (в идеалния случай поне 24 месеца), той ще забележи този повтарящ се модел и ще коригира прогнозата съответно.
Методи за прогнозиране и ролята на AI
Метод
Кога е подходящо?
Принос на AI
граница
проста тенденция
Стабилни, несезонни данни
Получава тенденцията бързо
Не мога да видя прекъсванията
сезонна корекция
Продажбите варират по месеци
Обяснява сезонния модел
Твърде привързан към миналото
Базиран на сценарий
Период на висока несигурност
Тества бързо хипотези
Зависи от качеството на предположението
Базиран на драйвери
Ако доходът зависи от няколко фактора
Установява факторна връзка
Човекът проверява връзката
Прогноза, базирана на водача
Прогнозирането на оборота с един процент на растеж често е грубо. По-стабилният начин е да се разделят приходите на техните двигатели: приходи = брой клиенти × средни продажби на клиент × честота на повторение. Прогнозирането и умножаването на всеки драйвер поотделно дава прогноза, която е едновременно по-точна и по-съмнителна; защото ясно виждате кое предположение се е променило.
Оценете доходите ми въз основа на шофьори. Приходи = брой активни клиенти × среден месечен приход на клиент (ARPU). Извлечете тези два фактора поотделно за последните 12 месеца, интерпретирайте тенденцията на всеки, след което прогнозирайте следващите 12 месеца, като проектирате двата фактора поотделно. Напишете предположението ясно за всеки водач; Посочете кой драйвер е по-неясен. Използвайте само числа в данните, покажете формули.
Силата на този метод е, че вместо да кажете „оборотът се увеличава с 15%“, казвате „броят клиенти се увеличава с 8%, приходите на клиент се увеличават с 6%“. Двамата могат да бъдат разпитани поотделно; Ако някой е нереалистичен, коригирате оценката от там. Ръководството също пита "на какво предположение разчитаме?" може да отговори конкретно на въпроса.
Чувствителност и дисциплина на допускането
Качеството на прогнозата е качеството на предположенията. Винаги дръжте предположенията видими за AI и се връщайте и ги актуализирайте, когато се случват (текуща прогноза, т.е. текуща прогноза, която се актуализира всеки месец).
Избройте ВСИЧКИ предположения, които сте използвали в прогнозата по-долу в таблична форма: предположение | стойност | източник/причина | Ако тази стойност се промени с 10%, ефектът й върху годишния резултат. Отбележете 3-те най-крехки предположения.
Когато представяте прогнозния резултат на AI на ръководството, включете „карта с предположения“: трите най-критични допускания, техните стойности и техните източници. Така прогнозата вече не е черна кутия; Всеки вижда на какво залага. И когато реализацията се отклони, можете бързо да диагностицирате кое предположение не е издържано, което подобрява следващата прогноза.
Внимание: Не защитавайте прогнозата, генерирана от AI, като казвате „това каза моделът“. Отговорността за предсказанието е на лицето, което го представя. Винаги представяйте на ръководството рамката на „това е сценарий, базиран на тези допускания, актуализацията може да се различава“.
Мини калъфи
Случай 1 — Прогноза, която вижда сезонността. Компания за търговия на дребно предостави на AI данни за продажби за 24 месеца. Моделът забеляза стабилен скок от 40% през ноември-декември и съответно коригира прогнозата си за следващата година. Ако беше използван плосък тренд, планът за запасите в края на годината би бил сериозно погрешен.
Случай 2 — Капанът на нечетното число. Стартъп базира бюджета си на прогнозата на AI „18 милиона следващата година“. Но това се основаваше на предположението, че „растежът продължава такъв, какъвто е“. 11M беше реализиран, когато двама големи клиенти напуснаха. След като урокът беше научен, екипът премина към обхвата на сценария; Прогнозната лента за следващата година покриваше какво всъщност се е случило.
Случай 3 — Чувствителността промени решението. „Най-уязвимото предположение е цената на суровината“, каза AI в прогнозата на производителя, показвайки, че увеличение на цената с 10% ще намали годишните печалби с 22%. След това ръководството подписа годишен договор с доставчика с фиксирана цена. Истинската стойност на прогнозата не беше числото, а това прозрение.
Случай 4 — Подвижната прогноза печели. Един търговец на дребно актуализира годишната си прогноза с действителни стойности всеки месец, вместо да я зададе веднъж и да я забрави. През третия месец се видя, че предположението за „растеж от 12%“ всъщност е 7%; Прогнозата беше коригирана рано и инвентаризацията в края на годината и планът за персонал бяха съответно коригирани. Ако фиксираната прогноза беше запазена, щеше да има огромен излишък от запаси и парична криза в края на годината. Поука: прогнозата е жив документ, тя не се създава веднъж и не се прибира.
Често срещани грешки
- Питане за нечетно число. Прогнозирането без диапазон и скрипт създава фалшива сигурност.
- Скриване на предположения. Невидимото предположение означава предсказание, което не може да бъде оспорено и актуализирано.
- Разчитайки твърде много на миналото. Моделът разширява миналия модел; не вижда счупвания и външни удари.
- Объркайте предсказанието с пророчество. ИИ не познава бъдещето; Той просто взема предвид вашите предположения.
- Не правя текуща прогноза. Задайте прогнозата веднъж и я забравете; не се актуализира, както се случва.
В обобщение
- Той е мощен помощник в AI прогноза: извлича тенденция и сезонност, изгражда сценарий, обяснява логиката; но не познава бъдещето и не може да види външни шокове.
- Винаги искайте хипотетичен диапазон и оптимистични/базови/песимистични сценарии, а не едно число.
- Предположенията са ясно изброени и идентифицирайте най-уязвимото предположение чрез анализ на чувствителността.
- Отговорността за предсказанието е на лицето, което го представя; Представете на ръководството с рамка „сценарий, а не сигурност“.
- Актуализирайте прогнозата, както се случва с Rolling прогноза; Инсталирайте го веднъж и не забравяйте.
Задача за приложение
Получете поне 12 месеца действителни данни за приходите (действителни или примерни). Създайте 12-месечна прогноза с три сценария с мощен шаблон за подкана. След това премахнете трите най-крехки предположения с подканата за чувствителност. Ръчно проверете веднъж месечния темп на растеж на базовия случай на модела и обобщете прогнозата на слайд с рамка „сценарий, а не сигурност“.
контролен списък
- [ ] Предоставих достатъчно исторически данни (за предпочитане месечни).
- [ ] Изрично изброих предположенията и ги изброих в модела.
- [ ] Исках скриптиран диапазон, а не едно число.
- [ ] Идентифицирах най-крехкото предположение чрез анализ на чувствителността.
- [ ] Проверих ръчно изчислението на растежа на основния случай.
- [ ] Представих оценката в рамките на „сценарий, а не сигурност“.