লাভ:
- এআই সহ একটি আর্থিক মডেলের অনুমান, ড্রাইভার এবং আউটপুট স্তরগুলিকে স্পষ্টভাবে আলাদা করার ক্ষমতা
- AI সমর্থন সহ আশাবাদী/বেস/হতাশাবাদী পরিস্থিতি এবং একক সংবেদনশীলতা টেবিল সেট আপ করার ক্ষমতা
- সার্কুলার রেফারেন্সিং, সূত্র এবং অনুমানের ধারাবাহিকতার পরিপ্রেক্ষিতে AI এর মডেল লজিক যাচাই করার ক্ষমতা
একটি আর্থিক মডেল হল একটি কাঠামোগত অ্যাকাউন্টিং কাঠামো যা সংখ্যা সহ একটি কোম্পানি বা প্রকল্পের ভবিষ্যত অনুকরণ করে। এর সহজতম ক্ষেত্রে, এটি একটি "কিছু অনুমান রাখুন, ফলাফল পান" সেটআপ: আপনি যখন বৃদ্ধির হার, ব্যয়ের হার এবং বিনিয়োগের পরিমাণ পরিবর্তন করেন তখন কীভাবে লাভ, নগদ এবং মূল্য পরিবর্তন হয়? একটি ভাল মডেল তিনটি স্পষ্ট স্তর নিয়ে গঠিত: অনুমান (আপনি যে সংখ্যাগুলি ইনপুট করেন), ড্রাইভার (লজিক যা সেই সংখ্যাগুলিকে আউটপুটে সংযুক্ত করে), এবং আউটপুট (লাভ, নগদ, হার)। এআই বিভিন্ন উপায়ে মডেলিং প্রক্রিয়াকে গতিশীল করে: এটি মডেল কঙ্কাল প্রস্তাব করে, সূত্র যুক্তি প্রতিষ্ঠা করে, পরিস্থিতির প্রতিলিপি করে এবং সংবেদনশীলতা টেবিল প্রস্তুত করে। কিন্তু মডেলের সবচেয়ে বিপজ্জনক ত্রুটিগুলি হল অদৃশ্যগুলি: একটি ভুল সূত্র, একটি লুকানো বৃত্তাকার রেফারেন্স, বা একটি অসঙ্গত অনুমান নীরবে মডেলটিকে ভুল করে তোলে৷ এই ইউনিটের সারমর্ম হল মডেল লজিক পরীক্ষা করা যা AI তৈরি করে।
এই ইউনিটে, আমরা মডেলের তিনটি স্তর আলাদা করতে শিখব, আশাবাদী/বেসলাইন/হতাশাবাদী পরিস্থিতি এবং সেন্টিমেন্ট টেবিল সেট আপ করব এবং AI-এর মডেল লজিককে যাচাই করব।
ধারণা: অনুমান: আপনি যে নম্বরটি ম্যানুয়ালি মডেলে প্রবেশ করেন (যেমন বৃদ্ধি 10%)। ড্রাইভার: সূত্র যুক্তি যা অনুমানকে আউটপুটে সংযুক্ত করে। দৃশ্যকল্প: অনুমানের একটি সেটের সম্পূর্ণ পরিবর্তন (আশাবাদী/বেস/হতাশাবাদী)। সংবেদনশীলতা বিশ্লেষণ: ধাপে ধাপে একটি একক অনুমান পরিবর্তন করা এবং আউটপুটে প্রভাব দেখা। সার্কুলার রেফারেন্স: নিজের সাথে একটি সেলের প্রত্যক্ষ/পরোক্ষ সংযোগ।
মডেলের তিনটি স্তর
একটি মডেলের সবচেয়ে গুরুত্বপূর্ণ নিয়মানুবর্তিতা হল গণনা থেকে অনুমানকে আলাদা করা। অনুমান এক জায়গায় সংগ্রহ করা হয়, তাদের সাথে খাতা বাঁধা হয়; যাতে আপনি যখন একটি অনুমান পরিবর্তন করেন, সমগ্র মডেলটি ধারাবাহিকভাবে আপডেট হয়। AI বিল্ড মডেল থাকাকালীন এই পার্থক্যটি প্রয়োগ করুন।
স্তর
বিষয়বস্তু
ভালো ডিজাইনের নিয়ম
অনুমান
বৃদ্ধি, মার্জিন, পরিপক্কতা, ডিসকাউন্ট, বিনিয়োগ
এক জায়গা, লেবেল খুলুন
ড্রাইভার
সূত্র যেমন রাজস্ব = মূল্য × আয়তন
অনুমান উল্লেখ করে, কোন নির্দিষ্ট এমবেডেড সংখ্যা নেই
আউটপুট
লাভ, নগদ, হার, মান
এটি শুধুমাত্র গণনা থেকে উদ্ভূত, এটি হাতে লেখা নয়।
পরামর্শ: মডেলের সূত্রে কখনই একটি "নির্দিষ্ট" সংখ্যা এম্বেড করবেন না (যেমন = টার্নওভার*0.55)। পরিবর্তে, অনুমান কক্ষে 0.55 রাখুন এবং এটি উল্লেখ করুন। এইভাবে, যখন অনুমান পরিবর্তন হয়, মডেলটি একটি একক বিন্দু থেকে আপডেট করা হয় এবং আপনি সহজেই AI এম্বেড করা লুকানো ধ্রুবকগুলি ক্যাপচার করতে পারেন।
স্ক্রিপ্ট এবং সংবেদনশীলতা
দৃশ্যকল্প এবং সংবেদনশীলতা ভিন্ন জিনিস এবং বিভ্রান্ত হতে পারে। দৃশ্যকল্প একসাথে একাধিক অনুমান পরিবর্তন করে (হতাশাবাদী বিশ্বে, বৃদ্ধি হ্রাস এবং খরচ বৃদ্ধি উভয়ই)। সংবেদনশীলতা একটি একক অনুমানকে বিচ্ছিন্ন করে এবং আউটপুটের উপর এর প্রভাব পরিমাপ করে (কীভাবে মান পরিবর্তন হয় যদি শুধুমাত্র ডিসকাউন্ট রেট পরিবর্তন হয়)। তারা একসাথে দেখায় যেখানে মডেলটি ভঙ্গুর।
মডেল কঙ্কাল প্রম্পট: "একটি SaaS কোম্পানির জন্য একটি সহজ 3-বছরের আয়-লাভের মডেল সেট আপ করুন। স্তরগুলিকে আলাদা করুন: (1) অনুমান (শুরুতে গ্রাহক 500, মাসিক বৃদ্ধি 4%, মাসিক সাবস্ক্রিপশন 1,200 TL, গ্রস মার্জিন 78%, মাসিক স্থির খরচ (0DR2000DR) মাসিক খরচ) গ্রাহক, রাজস্ব, ব্যয় সূত্র), (3) আউটপুট (মাসিক রাজস্ব, মোট মুনাফা, পরিচালন মুনাফা) সূত্রগুলিতে ধ্রুবক সংখ্যাগুলি রাখবেন না, কেবল এটি সবই ধরে নিন।"
দৃশ্যকল্প প্রম্পট: "এই মডেলে তিনটি পরিস্থিতি যুক্ত করুন। ভিত্তি: প্রদত্ত অনুমান। আশাবাদী: মাসিক বৃদ্ধি 6%, মার্জিন 80%। নিরাশাবাদী: মাসিক বৃদ্ধি 2%, মার্জিন 72%, নির্দিষ্ট ব্যয় 10% বেশি। তিনটির পাশাপাশি 36 তম মাসের অপারেটিং লাভের সারণী করুন।"
সংবেদনশীলতা টেবিল প্রম্পট: "মাসিক বৃদ্ধির হারে 36 তম মাসের অপারেটিং মুনাফার সংবেদনশীলতা দেখান। 1 পয়েন্ট ধাপে 1% থেকে 7% বৃদ্ধি পরিবর্তন করুন, অন্যান্য অনুমানগুলি স্থির রাখুন এবং টেবিলের প্রতিটি ধাপে মুনাফা রেকর্ড করুন। একটি বাক্যে লাভ বৃদ্ধির জন্য কতটা সংবেদনশীল তা সংক্ষিপ্ত করুন।"
মডেল অডিট প্রম্পট: "আপনি যে মডেলটি তৈরি করেছেন তাতে: (1) সূত্রগুলিতে এমবেড করা নির্দিষ্ট সংখ্যা আছে যা অনুমানের উপর ভিত্তি করে নয়? (2) কোন সার্কুলার রেফারেন্স ঝুঁকি আছে কি? (3) ইউনিটগুলি কি সামঞ্জস্যপূর্ণ (মাসিক/বার্ষিক, TL/হাজার TL)? আইটেমাইজ করে আপনি প্রতিটি ঝুঁকির রিপোর্ট করুন।"
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল: "আমাকে একটি 3-বছরের আর্থিক মডেল তৈরি করুন।" (ফলাফল: মিশ্র স্তর সহ একটি গণনা, এমবেডেড ধ্রুবক, অডিট করা কঠিন।) স্ট্রং: "একটি পৃথক অনুমান/ড্রাইভার/আউটপুট স্তর সহ একটি 3-বছরের মডেল তৈরি করুন, সূত্রগুলিতে কোনও নির্দিষ্ট এমবেড করা নেই, বৃদ্ধি এবং মার্জিন অনুমান যা এক জায়গায় পরিবর্তন করা যেতে পারে; তারপরে বৃদ্ধিযোগ্য সংবেদনশীলতা এবং ইউনিটের ঝুঁকিপূর্ণ সংবেদনশীলতা চেক করুন মডেলে।"
মিনি কেস
কেস 1 — এম্বেড করা ধ্রুবকের খরচ। একজন বিশ্লেষক AI-নির্মিত মডেলে মার্জিন 78% থেকে 75% কমিয়ে আনেন, কিন্তু পরিচালন মুনাফা প্রত্যাশার চেয়ে কম পরিবর্তিত হয়। যখন তিনি কন্ট্রোল প্রম্পট চালান, তখন তিনি দেখেন যে খরচ সূত্রটি এমবেডেড 0.22 ধ্রুবকের উপর ভিত্তি করে, অনুমান নয়। এমনকি যদি মার্জিন সেল পরিবর্তিত হয়, সূত্রটি পুরানো মান ব্যবহার করে। একটি নির্দিষ্ট অনুমানের উপর ভিত্তি করে মডেলটি সঠিকভাবে প্রতিক্রিয়া জানায়।
কেস 2 — ভঙ্গুর মান। একটি বিনিয়োগ সিদ্ধান্ত মডেলে, ভিত্তি দৃশ্যকল্প আকর্ষণীয় দেখায়। যখন বিশ্লেষক একটি সংবেদনশীলতা সারণী তৈরি করেন, তখন তিনি দেখেন যে অপারেটিং মুনাফা অর্ধেক হয়ে যায় যখন বৃদ্ধি 5% থেকে 3% এ কমে যায়। সুতরাং মডেলের সম্পূর্ণ আবেদন একটি একক আশাবাদী বৃদ্ধি অনুমানের উপর নির্ভর করে। এই সচেতনতা সিদ্ধান্তকে "নির্দিষ্ট হ্যাঁ" থেকে "বৃদ্ধি নিশ্চিত হওয়ার আগে সতর্ক" এ পরিবর্তন করে।
কেস 3 - চক্রীয় ফাঁদ। একটি ধার নেওয়া মডেলে, সুদের ব্যয় নির্ভর করে ঋণের ভারসাম্যের উপর, ঋণের ভারসাম্য নগদ প্রয়োজনের উপর নির্ভর করে এবং নগদ প্রয়োজন সুদের উপর নির্ভর করে। AI ইনস্টল করার সময়, একটি সার্কুলার রেফারেন্স ঘটে এবং এক্সেল একটি সতর্কতা দেয়। সতর্কতা বন্ধ এবং চালিয়ে যাওয়ার পরিবর্তে, বিশ্লেষক যুক্তি সংশোধন করেন এবং পূর্ববর্তী সময়ের ভারসাম্যের সুদ গণনা করার জন্য চেইনটি ভেঙে দেন। সুতরাং, ফলাফল উভয়ই নির্ভুল এবং সনাক্তযোগ্য।
সতর্কতা: একটি মডেল কখনই একটি একক দৃশ্যের দ্বারা ন্যায়সঙ্গত হয় না যা ভাল দেখায়। "বেস দৃশ্যকল্পে এটি খুবই লাভজনক" বাক্যটি হতাশাবাদী পরিস্থিতিতে কী ঘটে তা না জেনে সিদ্ধান্তের জন্য যুক্তিযুক্ত হতে পারে না। প্রতিটি মডেলে, ন্যূনতম আশাবাদী/বেস/হতাশাবাদী ত্রয়ী এবং সমালোচনামূলক অনুমানের প্রতি সংবেদনশীলতার জন্য জিজ্ঞাসা করুন।
মডেল চেকিং এর চারটি প্রশ্ন
AI এই চারটি প্রশ্ন তৈরি করে এমন প্রতিটি মডেলকে জিজ্ঞাসা করুন:
- কোন এমবেডেড স্থির আছে? প্রতিটি সংখ্যা কি একটি অনুমানের উপর ভিত্তি করে বা সূত্রে এমবেড করা হয়?
- ইউনিটগুলো কি সামঞ্জস্যপূর্ণ? মাসিক এবং বার্ষিক, TL এবং হাজার TL মিশ্রিত হয়?
- একটি সার্কুলার রেফারেন্স আছে? একটি সেল কি নিজের সাথে সংযোগ স্থাপন করছে?
- আউটপুট অনুমান সঠিকভাবে প্রতিক্রিয়া? আপনি যখন একটি অনুমান পরিবর্তন করেন, আউটপুট কি প্রত্যাশিত দিক পরিবর্তন করে?
সাধারণ ভুল
- গণনা থেকে অনুমানকে আলাদা করা নয়। যখন ধ্রুবকগুলি সূত্রে এম্বেড করা হয়, তখন মডেলটি নিয়ন্ত্রণ করা যায় না এবং ভুলভাবে প্রতিক্রিয়া দেখায়।
- একটি একক দৃশ্যকল্প সঙ্গে সিদ্ধান্ত. একটি হতাশাবাদী পরিস্থিতি না দেখে নেওয়া একটি সিদ্ধান্ত ঝুঁকিপূর্ণ।
- চক্রীয় সতর্কতা বন্ধ করুন। একটি সতর্কতা একটি ভুলের চিহ্ন, নীরব করা বিরক্তিকর নয়।
- সংবেদনশীলতা এড়িয়ে যাওয়া। ফলাফল কোন অনুমানের উপর নির্ভর করে তা না জেনে মডেলের দৃঢ়তা পরিমাপ করা যায় না।
- ইউনিট বিভ্রান্তি। মাসিক/বার্ষিক এবং TL/হাজার TL অসঙ্গতি নীরব কিন্তু বড় ত্রুটি তৈরি করে।
সংক্ষেপে
একটি আর্থিক মডেল হল একটি অ্যাকাউন্টিং কাঠামো যা অনুমানের সাথে ভবিষ্যতের অনুকরণ করে এবং এর শক্তি স্তরগুলির স্বচ্ছতা থেকে আসে। এআই ফ্রেমওয়ার্ক দ্রুত পরিস্থিতি এবং অনুভূতির টেবিল তৈরি করে; কিন্তু এটি অদৃশ্য ত্রুটি যেমন এমবেডেড ধ্রুবক, বৃত্তাকার রেফারেন্স এবং ইউনিট অসঙ্গতি প্রবর্তন করতে পারে। গণনা থেকে অনুমানকে আলাদা করুন, প্রতিটি মডেলে আশাবাদী/বেস/নিরাশাবাদী ত্রয়ী এবং সমালোচনামূলক অনুমানের প্রতি সংবেদনশীলতা যোগ করুন, একবারে চারটি অডিট প্রশ্ন জিজ্ঞাসা করুন। একটি একক ভাল দৃশ্যকল্প একটি সিদ্ধান্ত ন্যায্যতা দিতে পারে না.
আবেদন টাস্ক
AI-কে তিনটি স্তরে বিভক্ত একটি সহজ 3-বছরের আয়-লাভ মডেল তৈরি করতে বলুন (অনুমান/ড্রাইভার/আউটপুট) এবং সূত্রগুলিতে এম্বেড করা কোনও ধ্রুবক না জিজ্ঞাসা করুন৷ তিনটি আশাবাদী/বেসলাইন/হতাশাবাদী পরিস্থিতি যোগ করুন এবং সর্বশেষ অপারেটিং মুনাফা পাশাপাশি রাখুন। তারপর সবচেয়ে সমালোচনামূলক অনুমানের জন্য একটি সংবেদনশীলতা টেবিলের জন্য জিজ্ঞাসা করুন (যেমন বৃদ্ধি)। অবশেষে, মডেল চেক প্রম্পট চালান এবং এমবেডেড ধ্রুবক, চক্রীয় রেফারেন্স এবং ইউনিটের অসঙ্গতি পরীক্ষা করুন এবং ফলাফলগুলি নোট করুন।
চেকলিস্ট
- [ ] আমি অনুমান, ড্রাইভার এবং আউটপুট স্তরগুলি পৃথক করেছি।
- [ ] আমি যাচাই করেছি যে সূত্রগুলিতে এমবেড করা কোন ধ্রুবক নেই৷
- আমি অন্তত তিনটি আশাবাদী/কিছু/হতাশাবাদী পরিস্থিতি সেট আপ করেছি।
- আমি সমালোচনামূলক অনুমানের জন্য একটি সংবেদনশীলতা টেবিল যোগ করেছি।
- [] আমি সার্কুলার রেফারেন্সের জন্য চেক করেছি।
- [ ] আমি ইউনিটের সামঞ্জস্য যাচাই করেছি (মাসিক/বার্ষিক, TL/হাজার TL)।
- [ ] আমি একটি অনুমান পরিবর্তন করেছি এবং পরীক্ষা করেছি যে আউটপুট সঠিকভাবে সাড়া দিয়েছে।