Κέρδη:
- Δυνατότητα διατήρησης αποκλίσεων από την υλοποίηση του προϋπολογισμού και υπολογισμού και ερμηνείας τους ως ποσοστά
- Δυνατότητα δημιουργίας εβδομαδιαίων προβολών από δεδομένα ταμειακών ροών και προσδιορισμού βραχυπρόθεσμων κινδύνων ρευστότητας
- Δυνατότητα υποβολής ερωτήσεων «τι θα γινόταν-αν» βάσει σεναρίων με σαφή προτροπή
Η υγεία μιας επιχείρησης μετριέται με δύο ερωτήσεις: «Πάμε σύμφωνα με το σχέδιο;» και "Υπάρχουν αρκετά χρήματα στο χρηματοκιβώτιο;" Το πρώτο είναι ο προϋπολογισμός έναντι της πραγματικής ανάλυσης. Το δεύτερο είναι η διαχείριση ταμειακών ροών. Ακόμη και μια εταιρεία που φαίνεται κερδοφόρα μπορεί να δυσκολευτεί την ημέρα πληρωμής εάν δεν γίνεται διαχείριση μετρητών. Σε αυτήν την ενότητα, θα μάθουμε να χρησιμοποιούμε την τεχνητή νοημοσύνη (AI) ως βοηθό ανάλυσης και στα δύο, αλλά θα διατηρήσουμε την απόφαση.
Τι είναι ο προϋπολογισμός έναντι του πραγματικού;
Ο προϋπολογισμός είναι το σχέδιο που θέτεις σε εφαρμογή στην αρχή του εξαμήνου. Η συνειδητοποίηση είναι αυτό που συμβαίνει στην πραγματικότητα. Η διαφορά μεταξύ των δύο ονομάζεται διακύμανση. Η διακύμανση εκφράζεται με δύο τρόπους: ως ποσό (πραγματικό − προϋπολογισμός) και ως ποσοστό (διαφορά / προϋπολογισμός × 100). Το αν είναι θετικό ή αρνητικό εξαρτάται από το στοιχείο: Είναι καλό αν το πραγματικό εισόδημα υπερβαίνει τον προϋπολογισμό και αντίστροφα για τα έξοδα.
Η δουλειά του AI εδώ είναι διπλή: να υπολογίζει τις αποκλίσεις (τις οποίες πρέπει να επαληθεύσετε) και να ερμηνεύει πιθανές αιτίες μεγάλων αποκλίσεων (που πρέπει να επιβεβαιώσετε).
Συμβουλή: Ζητήστε από το μοντέλο να πει "ταξινομήστε τις 5 μεγαλύτερες αποκλίσεις κατά απόλυτο ποσοστό". Έτσι, τα παραβλεφθέντα αλλά πιο κρίσιμα στοιχεία στον προϋπολογισμό των 100 γραμμών έρχονται στην κορυφή.
Βήμα προς βήμα: Ανάλυση απόκλισης
- Δώστε τον προϋπολογισμό και το πραγματικό μαζί. Στοιχείο, προϋπολογισμός, πραγματικός είναι τρεις στήλες.
- Κρατήστε την απόκλιση και υπολογίστε την ως ποσοστό. Αφήστε το να δείξει και τον τύπο.
- Προσδιορίστε την κατεύθυνση. Πείτε αν έρχεται ή πηγαίνει ώστε να ερμηνεύεται σωστά το "καλό/κακό".
- Βάλτε ένα κατώφλι. Όπως "Επισήμανση αποκλίσεων μεγαλύτερες από 10%".
- Γιατί σχολιάστε, αλλά επιβεβαιώστε. Οι λόγοι που προτείνονται από το μοντέλο είναι υποθέσεις. Βρίσκεις την πηγή.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο μήνυμα: Πώς πάει ο προϋπολογισμός μου; [ψηφία]
Αυτό δίνει μια άχρηστη απάντηση όπως "γενικά καλή" που δεν υποδεικνύει ποιο στυλό έχει απόκλιση κατά πόσο.
Ισχυρή προτροπή: Ο ρόλος σας: ειδικός FP&A (οικονομικός προγραμματισμός και ανάλυση). Εργασία: Αναλύστε τον παρακάτω πίνακα προϋπολογισμού έως υλοποίησης. Βήματα: 1) Για κάθε στοιχείο, υπολογίστε την απόκλιση = πραγματικός - προϋπολογισμός (ποσό) και απόκλιση% = απόκλιση / προϋπολογισμός * 100 (εμφάνιση στοιχείων εσόδων ως θετικά στοιχεία απόκλισης). "αρνητικό".3) Κατατάξτε τις 5 μεγαλύτερες αποκλίσεις κατά απόλυτο ποσοστό.4) Κάθε μια προτείνει 1-2 ΠΙΘΑΝΟΥΣ λόγους για τη μεγάλη απόκλιση και σημειώστε τους ως "υπόθεση". Περιορισμός: Χρησιμοποιήστε μόνο αριθμούς από τα δεδομένα.<data>Μολύβι | Προϋπολογισμός | Πραγματοποιημένες Καθαρές Πωλήσεις | 5.000.000 | 4.300.000Μάρκετινγκ | 400.000 | 610.000 Προσωπικό | 1.200.000 | 1.180.000 Logistics | 300.000 | 470.000</data>
Αυτή η προτροπή δείχνει ξεκάθαρα ότι οι πωλήσεις είναι κάτω από 14%, το μάρκετινγκ είναι πάνω από 52% και τα logistics είναι πάνω από 57%. Ανοίγει το ερώτημα που πρέπει να θέσει η διοίκηση, όπως «οι δαπάνες μάρκετινγκ αυξήθηκαν αλλά οι πωλήσεις μειώθηκαν».
Ταμειακές ροές: Διαφορά από το κέρδος
Το κέρδος είναι μια λογιστική έννοια. Τα μετρητά είναι πραγματικά χρήματα στο χρηματοκιβώτιο. Μια πώληση καταγράφεται ως έσοδα όταν εκδίδεται ένα τιμολόγιο, αλλά τα χρήματα ενδέχεται να φτάσουν 60 ημέρες αργότερα. Η ανάλυση ταμειακών ροών ρωτά: "Είναι τα μετρητά σε πλεόνασμα τις επόμενες εβδομάδες;" αναζητά απάντηση στο ερώτημα. Η τεχνητή νοημοσύνη βοηθά στη δημιουργία μιας εβδομαδιαίας προβολής μετρητών από στοιχεία συλλογής και πληρωμής και στη σήμανση ανοιχτών εβδομάδων.
Εξάγετε την εβδομαδιαία προβολή μετρητών από το ακόλουθο πρόγραμμα είσπραξης και πληρωμής 8 εβδομάδων: - Κάθε εβδομάδα: άνοιγμα μετρητών + είσπραξη - πληρωμή = μετρητά κλεισίματος - Σημειώστε εβδομάδες στο κλείσιμο μετρητών αρνητικά ως "ΚΙΝΔΥΝΟΣ ΡΕΥΣΤΟΤΗΤΑΣ" - Συνοψίστε την πρώτη εβδομάδα κινδύνου και το ποσό του ελλείμματος στην κορυφήΈναρξη μετρητών: 250,0 ...
Προσοχή: Οι προβολές μετρητών είναι εξίσου καλές με τις παραδοχές είσπραξης στην είσοδο. Αν δεν γίνει πραγματικότητα η υπόθεση «θα το μαζέψουμε σε 60 μέρες», το έργο θα καταρρεύσει. Εκτυπώστε ρητά τις υποθέσεις στο μοντέλο και συγκρίνετε τις με την πραγματικότητα.
Ανάλυση Σεναρίου (Τι-αν).
Η διοίκηση ρωτά συχνά "τι γίνεται αν οι πωλήσεις μειωθούν κατά 10%;" ρωτάει. Το AI δημιουργεί γρήγορα αυτά τα σενάρια:
Υπολογίστε τρεις περιπτώσεις με βάση το ακόλουθο βασικό σενάριο:- Αισιόδοξο: πωλήσεις +10%, περίοδος είσπραξης -5 ημέρες- Βασική γραμμή: καμία αλλαγή- Απαισιόδοξη: πωλήσεις -15%, περίοδος είσπραξης +15 ημέρεςΓια κάθε σενάριο, καταγράψτε σε πίνακα την ελάχιστη εβδομάδα κλεισίματος μετρητών και κινδύνου 8 εβδομάδων. Καταγράψτε τις υποθέσεις με σαφήνεια.
Σενάριο
αλλαγή πωλήσεων
τα χαμηλότερα μετρητά
εβδομάδα κινδύνου
αισιόδοξος
+10%
180.000
Κανένα
βάση
0
40.000
εβδομάδα 6 (κρίσιμη)
απαισιόδοξος
−15%
−220.000
εβδομάδα 4 (ανοιχτό)
Σωστή ανάγνωση της απόκλισης: Μόνιμη ή Προσωρινή;
Δεν έχει κάθε απόκλιση την ίδια σημασία. Ακριβώς επειδή ένα στοιχείο υπερβαίνει τον προϋπολογισμό για ένα μήνα δεν σημαίνει ότι αυτό το στοιχείο έχει διακοπεί οριστικά. Αξιολογήστε την απόκλιση από την τεχνητή νοημοσύνη σε δύο άξονες: μέγεθος (ποσό και ποσοστό) και εμμονή (εφάπαξ ή επαναλαμβανόμενο). Για παράδειγμα, μια αμοιβή παροχής συμβουλών που καταβάλλεται μία φορά μπορεί να υπερβαίνει τον προϋπολογισμό, αλλά δεν επηρεάζει τον επόμενο μήνα. Ωστόσο, το αυξανόμενο κόστος προσωπικού επαναλαμβάνεται κάθε μήνα και ο ετήσιος αντίκτυπός τους είναι πολύ μεγαλύτερος.
Ταξινομήστε κάθε στοιχείο στη λίστα απόκλισης παρακάτω σε αυτούς τους δύο άξονες: - Εμμονή: "εφάπαξ" ή "επαναλαμβανόμενο" (γράψτε την αιτιολόγησή σας) - Ετήσιος αντίκτυπος: εάν αυτή η απόκλιση διαρκεί για 12 μήνες, ποιος θα είναι ο αντίκτυπος στο ετήσιο ποσό; Σημειώστε ως «προτεραιότητα» τις αποκλίσεις που είναι επαναλαμβανόμενες και έχουν υψηλό ετήσιο αντίκτυπο. Η ταξινόμηση είναι μια υπόθεση. Εάν δεν υπάρχουν οριστικές πληροφορίες, προσθέστε "απαιτείται επιβεβαίωση".
Αυτή η διάκριση κατευθύνει την προσοχή της διοίκησης σε αυτό που πραγματικά έχει σημασία. Αντί για μια εφάπαξ απόκλιση 50.000 $, μια επαναλαμβανόμενη διαρροή 8.000 $ το μήνα (96.000 $ ανά έτος) είναι πολύ πιο κρίσιμη. αλλά όταν κοιτάξεις το ποσό, το πρώτο φαίνεται μεγαλύτερο.
Συμβουλή: Ενημερώστε την προβολή μετρητών κάθε εβδομάδα (λογική κυλιόμενης πρόβλεψης). Η σύγκριση της πρόβλεψης της περασμένης εβδομάδας με αυτό που πραγματικά συνέβη θα δείξει πόσο ακριβείς είναι οι υποθέσεις σας και θα βελτιώσει την πρόβλεψή σας.
Μίνι Θήκες
Περίπτωση 1 — Αθόρυβη διαρροή logistics. Σε μια εταιρεία ηλεκτρονικού εμπορίου, η δαπάνη logistics ήταν 57% πάνω από τον προϋπολογισμό, αλλά αγνοήθηκε επειδή ήταν ένα μικρό στοιχείο συνολικά. Όταν η τεχνητή νοημοσύνη έκανε μια απόλυτη ποσοστιαία κατάταξη, η πένα βγήκε στην κορυφή. Η έρευνα αποκάλυψε ότι η εταιρεία φορτίου χρέωνε πρόσθετα τέλη εκτός σύμβασης χωρίς καμία αύξηση. Τα ετήσια κέρδη είναι περίπου 180.000 TL.
Περίπτωση 2 — Αποφεύχθηκε η κρίση της εβδομάδας πληρωμής. Η πρόβλεψη μετρητών έδειξε ότι την εβδομάδα 6 τα μετρητά κλεισίματος θα έπεφταν στις 40.000, ενώ υπήρχε πληρωμή μισθού 320.000 TL εκείνη την εβδομάδα. Ο CFO διαπραγματεύτηκε μια έκπτωση έγκαιρης πληρωμής με τον πελάτη για να φέρει μια μεγάλη συλλογή μπροστά μια εβδομάδα και απέτρεψε την κρίση.
Περίπτωση 3 — Το κόστος της λανθασμένης υπόθεσης. Μια ομάδα πανικοβλήθηκε, πιστεύοντας ότι το χάσμα «-220.000» στο απαισιόδοξο σενάριο της AI ήταν πραγματικό. Ωστόσο, το σενάριο βασίστηκε στην υπόθεση ότι η είσπραξη θα καθυστερούσε κατά 15 ημέρες και αυτό δεν ήταν ρεαλιστικό για την εταιρεία. Τους τελευταίους 12 μήνες, οι συλλογές δεν καθυστέρησαν ποτέ περισσότερο από 5 ημέρες. Όταν η υπόθεση ενημερώθηκε με πραγματικά δεδομένα, τα χαμηλότερα μετρητά στο απαισιόδοξο σενάριο μετατράπηκαν από -220.000 σε +15.000 και ο πανικός αποδείχθηκε αβάσιμος. Μάθημα: η έξοδος του σεναρίου είναι υποθετική. Μην αναλάβετε δράση χωρίς να ελέγξετε την υπόθεση με ιστορικά δεδομένα.
Συνήθη λάθη
- Χωρίς αναφορά της κατεύθυνσης εσόδων/εξόδων. Το μοντέλο μπορεί να μπερδέψει τη θετική προκατάληψη ως «καλή» παντού. Είναι ακριβώς το αντίθετο στα έξοδα.
- Θεωρώντας την απόκλιση μόνο ως ποσό. Μια μεγάλη ποσοστιαία απόκλιση σε ένα μικρό αντικείμενο παραβλέπεται. Ταξινόμηση κατά απόλυτο ποσοστό.
- Να βάλουμε τους λόγους στην έκθεση χωρίς να τους επιβεβαιώσουμε. Ο λόγος που προτείνεται από το μοντέλο είναι η υπόθεση. Ο άνθρωπος βρίσκει την πηγή του.
- Αφήνοντας ιδιωτικές τις υποθέσεις μετρητών. Εάν οι κρίσιμες παραδοχές, όπως η περίοδος συλλογής, δεν είναι γραμμένες με σαφήνεια, η προβολή θα είναι παραπλανητική.
- Μπερδεύοντας το κέρδος με τα μετρητά. Ένας κερδοφόρος μήνας μπορεί να τελειώσει με ταμειακό έλλειμμα. Πρόκειται για δύο ξεχωριστές αναλύσεις.
Συνοπτικά
- Στην ανάλυση υλοποίησης του προϋπολογισμού, δώστε τον προϋπολογισμό και τον πραγματικό μαζί και υπολογίστε την απόκλιση ως ποσοστό. Έδειξες τον τύπο.
- Ο καθορισμός της κατεύθυνσης εσόδων/εξόδων και η ταξινόμηση κατά απόλυτο ποσοστό υπογραμμίζουν τις πιο κρίσιμες αποκλίσεις.
- Οι αιτίες της απόκλισης που προτείνονται από το μοντέλο είναι υποθέσεις. Ο άνθρωπος επιβεβαιώνει πριν το βάλει στην αναφορά.
- Η ταμειακή ροή είναι διαφορετική από το κέρδος. Πιάστε τον κίνδυνο ρευστότητας εβδομάδες νωρίτερα με εβδομαδιαίες προβλέψεις.
- Η ανάλυση σεναρίων είναι ισχυρή αλλά εντελώς εικαστική. Εκτυπώστε τις υποθέσεις σας και συγκρίνετε τις με την πραγματικότητα.
Εργασία εφαρμογής
Ετοιμάστε έναν πίνακα υλοποίησης προϋπολογισμού 10-15 στοιχείων. Να υπολογίσετε τις αποκλίσεις και να αναφέρετε τις κορυφαίες 5 με το ισχυρό πρότυπο προτροπής. Επαληθεύστε χειροκίνητα τουλάχιστον δύο ποσοστιαίες αποκλίσεις. Στη συνέχεια, ορίστε μια απλή προβολή μετρητών 8 εβδομάδων, εκτελέστε βασικά/απαισιόδοξα σενάρια και καθορίστε την εβδομάδα κινδύνου. Τέλος, διερευνήστε και επιβεβαιώστε ή διαψεύστε μόνοι σας τον λόγο μιας απόκλισης που προτείνει το μοντέλο.
λίστα ελέγχου
- [ ] Έχω δώσει τον προϋπολογισμό και τα πραγματικά στοιχεία μαζί, ανά στοιχείο.
- [ ] Υπολόγισα την απόκλιση ως ποσοστό και τον τύπο της.
- [ ] Προσδιόρισα την κατεύθυνση εσόδων/εξόδων και την ταξινόμησα κατά απόλυτο ποσοστό.
- [ ] Επιβεβαίωσα με μη αυτόματο τρόπο τουλάχιστον δύο ποσοστιαίες αποκλίσεις.
- [ ] Έχω τυπώσει ξεκάθαρα τις παραδοχές στην προβολή μετρητών.
- [ ] Σημείωσα τους λόγους για την απόκλιση του μοντέλου ως «υπόθεση» και τους επιβεβαίωσα.