Dobici:
- Sposobnost pozicioniranja AI kao pomoćnika koji generiše hipotetičke scenarije u predviđanju prihoda/rashoda
- Sposobnost pisanja upitnika za prognozu s rasponom i osjetljivošću na osnovu historijskih podataka i eksplicitnih pretpostavki
- Sposobnost prepoznavanja ograničenja AI predviđanja i spajanja ih s ljudskim prosuđivanjem
"Kakav će biti naš promet sljedeće godine?" je jedno od najtežih pitanja za finansijski tim. Predviđanje je predviđanje budućnosti na osnovu prošlih podataka i pretpostavki. Umjetna inteligencija (AI) ovdje može biti moćan asistent; Ali potrebno je prihvatiti činjenicu od samog početka: model ne poznaje budućnost. Obrađuje samo obrasce i pretpostavke koje vi date. U ovoj cjelini naučit ćemo pozicionirati AI u njegovoj ispravnoj ulozi u predviđanju i prepoznati njene granice.
Šta AI radi, a šta ne radi u prognozi?
To čini: Sažima prošli trend, prepoznaje sezonalnost (ponovljene fluktuacije u određenim mjesecima), gradi scenarije s različitim pretpostavkama, objašnjava logiku prognoze i stavlja prognozu u narativ.
Ne može: ne može dati tačnu budućnost, ne može predvidjeti vanjske šokove (kriza kursa, promjena regulative), ne može znati činjenicu koja nije u podacima. Rečenica "narasti ćete 18% sljedeće godine" koju je dao chatbot nije proročanstvo, već matematički odraz vaših pretpostavki.
Savjet: Nikada ne tražite od modela "jedan broj". Uvijek pitajte za raspon i na kojim se pretpostavkama taj raspon zasniva. Rečenica "14-15M u osnovnom slučaju, uslov: trenutna stopa rasta se nastavlja" mnogo je iskrenija i korisnija od singla "14,6M".
Korak po korak: Izgradnja solidne prognoze
- Dajte istorijske podatke. Pojavljuje se u najmanje nekoliko perioda; mjesečno ako je moguće.
- Jasno napišite pretpostavke. Stopa rasta, sezonalnost, poznate promjene.
- Navedite metodu. Jednostavan trend, sezonski prilagođen ili zasnovan na scenariju?
- Pitajte za domet i scenario. Optimista / baza / pesimista.
- Pitajte za osjetljivost. “Koja pretpostavka najviše mijenja ishod?”
Slaba prompt / jaka prompt
Slabo obaveštenje: Predvidite moj promet sledeće godine. Ove godine smo napravili 12 miliona.
Ovo proizvodi jedan broj bez osnove; Nejasno je na kojoj se pretpostavci zasniva, što je opasno za odluku.
Snažan upit: Vaša uloga: analitičar finansijskog planiranja. Zadatak: Predvidite sljedećih 12 mjeseci na osnovu sljedećih mjesečnih podataka o prihodima. Metoda: 1) Prvo sumirajte trend i sezonalnost u historijskim podacima. 2) Postavite 3 scenarija sa sljedećim pretpostavkama: - Osnova: prosječna stopa rasta u posljednjih 12 mjeseci se nastavlja: - 3 boda rasta - 3 poena - 5 poena rasta: rast - 5 12-mjesečni ukupni i mjesečni raspon za svaki scenario.4) Odjeljak "Osjetljivost": koja se pretpostavka mijenja, rezultat se najviše mijenja? Ograničenje: Eksplicitno navedite pretpostavke. Navedite da je procjena predviđanje, a ne sigurnost. Imajte na umu da ne možete modelirati eksterne šokove.<data>Januar..Mjesečni podaci o prometu u decembru</data>
Ovaj prompt; Umjesto tačnog broja, on proizvodi razuman raspon, scenarije i analizu osjetljivosti kao što je "najranjivija naplata/stopa rasta pretpostavki". Donosilac odluka donosi odluke videći neizvjesnost.
Sezonalnost je tema koja se najčešće zanemaruje u predviđanju. Prodaja mnogih preduzeća redovno raste i pada u određenim mjesecima: proizvođač sladoleda je vrhunac ljeti, a suvenirnica je vrhunac oko praznika. Ravna linija trenda ne može vidjeti ovu fluktuaciju i pogrešno će postaviti plan zaliha, osoblja i gotovine. Ako AI date dovoljno historijskih podataka (idealno najmanje 24 mjeseca), primijetit će ovaj obrazac koji se ponavlja i prema tome prilagoditi prognozu.
Metode predviđanja i uloga AI
Metoda
Kada je prikladno?
AI doprinos
granica
jednostavan trend
Stabilni, nesezonski podaci
Brzo dobija trend
Ne mogu vidjeti pauze
sezonska korekcija
Prodaja varira po mjesecima
Objašnjava sezonski obrazac
Previše vezan za prošlost
Scenario based
Period velike neizvjesnosti
Brzo testira hipoteze
Zavisi od kvaliteta pretpostavke
Na osnovu vozača
Ako prihod zavisi od više faktora
Uspostavlja faktorski odnos
Čovjek potvrđuje vezu
Predviđanje na osnovu vozača
Predviđanje prometa sa jednim procentom rasta je često grubo. Robusniji način je podijeliti prihod prema njegovim pokretačima: prihod = broj kupaca × prosječna prodaja po kupcu × učestalost ponavljanja. Predviđanje i množenje svakog pokretača posebno daje predviđanje koje je i preciznije i upitnije; jer jasno vidite koja se pretpostavka promijenila.
Procijenite moj prihod na osnovu vozača. Prihod = broj aktivnih kupaca × prosječni mjesečni prihod po korisniku (ARPU). Izdvojite ova dva pokretača odvojeno za proteklih 12 mjeseci, protumačite trend svakog od njih, a zatim predvidite sljedećih 12 mjeseci tako što ćete posebno projicirati dva pokretača. Jasno napišite pretpostavku za svakog vozača; Odredite koji drajver je nejasniji. Koristite samo brojeve u podacima, prikažite formule.
Snaga ove metode je u tome što umjesto da kažete "promet se povećava za 15%", kažete "broj kupaca se povećava za 8%, prihod po kupcu se povećava za 6%". Njih dvoje se mogu ispitivati odvojeno; Ako je jedan nerealan, prilagodite procjenu odatle. Uprava se također pita "na koju se pretpostavku oslanjamo?" može konkretno odgovoriti na pitanje.
Disciplina osjetljivosti i pretpostavke
Kvalitet prognoze je kvalitet pretpostavki. Uvijek neka pretpostavke budu vidljive AI-u i vratite se i ažurirajte ih kako se dogode (prognoza koja se kreće, to jest, pomična prognoza koja se ažurira svakog mjeseca).
Navedite SVE pretpostavke koje ste koristili u prognozi u nastavku u obliku tabele: pretpostavka | vrijednost | izvor/razlog | Ako se ova vrijednost promijeni za 10%, to će uticati na godišnji rezultat. Označite 3 najkrhkije pretpostavke.
Prilikom predstavljanja prediktivnog izlaza AI menadžmentu, uključite "kartu pretpostavki": tri najkritičnije pretpostavke, njihove vrijednosti i izvore. Dakle, predviđanje više nije crna kutija; Svi vide na šta se klade. A kada realizacija odstupi, možete brzo dijagnosticirati koja se pretpostavka nije održala, što poboljšava sljedeću prognozu.
Oprez: Nemojte braniti predviđanje generisano umjetnom inteligencijom govoreći "to je ono što je model rekao". Odgovornost za predviđanje leži na osobi koja ga predstavlja. Uvek predstavite menadžmentu okvirom „ovo je scenario zasnovan na ovim pretpostavkama, a realizacija se može razlikovati“.
Mini Cases
Slučaj 1 — Prognoza koja vidi sezonalnost. Maloprodajna kompanija je AI predala podatke o prodaji za 24 mjeseca. Model je zabilježio stalan skok od 40% u novembru-decembru i prema tome prilagodio svoju prognozu za narednu godinu. Da se koristio stalan trend, plan dionica na kraju godine bio bi ozbiljno pogrešan.
Slučaj 2 — Zamka neparnog broja. Startup bazira svoj budžet na predviđanju AI-a "18M sljedeće godine". Ali to se zasnivalo na pretpostavci da se "rast nastavlja kakav jeste". 11M je realizovan kada su dva velika kupca otišla. Nakon što je lekcija naučena, tim je prešao na raspon scenarija; Grupa prognoza za narednu godinu pokrivala je šta se zapravo dogodilo.
Slučaj 3 — Osetljivost je promenila odluku. "Najranjivija pretpostavka je cijena sirovina", rekao je AI u prognozi proizvođača, pokazujući da bi povećanje cijene od 10 posto smanjilo godišnju dobit za 22 posto. Uprava je tada potpisala godišnji ugovor sa fiksnom cijenom sa dobavljačem. Prava vrijednost prognoze nije bio broj, već uvid u osjećaj.
Slučaj 4 — Pokretna prognoza pobjeđuje. Jedan trgovac je ažurirao svoju godišnju prognozu sa stvarnim svakim mjesecom, umjesto da je postavi jednom i zaboravi. U trećem mesecu se videlo da je pretpostavka „rast od 12%“ zapravo bila 7%; Prognoza je korigovana rano, a inventura na kraju godine i kadrovski plan su u skladu s tim prilagođeni. Da je fiksna prognoza zadržana, došlo bi do ogromnih zaliha i smanjenja gotovine na kraju godine. Pouka: prognoza je živi dokument, ne postavlja se jednom i ne odlaže.
Uobičajene greške
- Tražim neparan broj. Predviđanje bez raspona i skripte stvara lažnu sigurnost.
- Skrivanje pretpostavki. Nevidljiva pretpostavka znači predviđanje koje se ne može dovesti u pitanje i ažurirati.
- Previše se oslanjaju na prošlost. Obrazac proširuje prošli obrazac; ne vidi frakture i vanjske udare.
- Pogrešiti predviđanje kao proročanstvo. AI ne poznaje budućnost; Samo uzima u obzir vaše pretpostavke.
- Ne pravim rotirajuću prognozu. Postavite prognozu jednom i zaboravite je; ne ažurira se kako se dešava.
Ukratko
- To je moćan pomoćnik u AI prognozi: izdvaja trend i sezonalnost, gradi scenario, objašnjava logiku; ali ne poznaje budućnost i ne može vidjeti vanjske šokove.
- Uvijek tražite hipotetički raspon i optimistične/osnovne/pesimistične scenarije, a ne jedan broj.
- Neka pretpostavke budu jasno navedene i identifikujte najranjiviju pretpostavku kroz analizu osjetljivosti.
- Odgovornost za predviđanje leži na osobi koja ga predstavlja; Predstavite menadžmentu okvirom "scenarij, a ne sigurnost".
- Ažurirajte prognozu kako se to dešava sa Rolling forecast; Instalirajte ga jednom i ne zaboravite.
Zadatak aplikacije
Pribavite podatke o stvarnim prihodima za najmanje 12 mjeseci (stvarnih ili uzoraka). Kreirajte 12-mjesečnu prognozu u tri scenarija sa moćnim predloškom za brze upute. Zatim uklonite tri najkrhkije pretpostavke sa promptom osjetljivosti. Jednom ručno provjerite mjesečnu stopu rasta osnovnog slučaja modela i sumirajte prognozu na slajdu sa okvirom "scenarij, a ne sigurnost".
kontrolna lista
- [ ] Dao sam dovoljno istorijskih podataka (po mogućnosti mjesečno).
- [ ] Eksplicitno sam naveo pretpostavke i dao ih navesti u modelu.
- [ ] Htio sam skriptirani raspon, a ne jedan broj.
- [ ] Identifikovao sam najkrhkiju pretpostavku kroz analizu osjetljivosti.
- [ ] Ručno sam provjerio proračun rasta osnovnog slučaja.
- [ ] Predstavio sam procjenu u okviru "scenarija, a ne sigurnosti".