Kasu:
- Võimalus positsioneerida tehisintellekti abilisena, mis genereerib tulude/kulude prognoosimisel hüpoteetilisi stsenaariume
- Võimalus kirjutada ajalooliste andmete ja selgesõnaliste eelduste põhjal vahemiku ja tundlikkusega prognoosiviipasid
- Võimalus ära tunda tehisintellekti ennustuste piiranguid ja ühendada need inimeste hinnangutega
"Milline on meie käive järgmisel aastal?" on finantsmeeskonna jaoks üks raskemaid küsimusi. Prognoosimine on minevikuandmete ja eelduste põhjal tuleviku ennustamine. Tehisintellekt (AI) võib siin olla võimas abiline; Kuid algusest peale tuleb leppida tõsiasjaga: mudel ei tea tulevikku. See töötleb ainult teie antud mustreid ja eeldusi. Selles õppetükis õpime positsioneerima tehisintellekti selle õigesse rolli prognoosimisel ja ära tundma selle piire.
Mida AI prognoosides teeb ja mida ei tee?
Teeb: teeb kokkuvõtte minevikutrendist, tunneb ära hooajalisuse (teatud kuude korduv kõikumine), koostab erinevate eeldustega stsenaariume, selgitab prognoosiloogikat ja paneb prognoosi narratiivi.
Ta ei tea: ta ei saa anda täpset tulevikku, ei saa ennustada väliseid šokke (kursikriis, regulatsiooni muutus), ta ei saa teada fakti, mida andmetes ei ole. Juturoboti antud lause "kasvad järgmisel aastal 18%" ei ole ennustus, vaid sinu tehtud oletuste matemaatiline peegeldus.
Näpunäide: ärge kunagi küsige mudelilt "üht numbrit". Küsige alati vahemikku ja millistel eeldustel see vahemik põhineb. Lause "14-15M põhijuhtumil, tingimus: praegune kasvutempo jätkub" on palju ausam ja kasulikum kui singel "14,6M".
Samm-sammult: kindla prognoosi koostamine
- Esitage ajaloolised andmed. Esineb vähemalt mõne perioodi jooksul; võimalusel kord kuus.
- Kirjutage eeldused selgelt. Kasvutempo, hooajalisus, teadaolevad muutused.
- Määrake meetod. Lihtne trend, hooajaliselt korrigeeritud või stsenaariumipõhine?
- Küsige vahemikku ja stsenaariumi. Optimist / alus / pessimist.
- Küsige tundlikkust. "Milline eeldus muudab tulemust kõige rohkem?"
Nõrk viip / Tugev viip
Nõrk viip: ennustage mu käivet järgmisel aastal. Sel aastal tegime 12 miljonit.
See annab ühe arvu, millel pole alust; Jääb selgusetuks, millisel oletusel see põhineb, mis on otsusele ohtlik.
Tugev üleskutse:Teie roll: finantsplaneerimise analüütik.Ülesanne: Prognoosige järgmise 12 kuu jooksul järgmiste igakuiste sissetulekute andmete põhjal.Meetod:1) Tehke esmalt kokkuvõte trendist ja hooajalisusest ajaloolistes andmetes.2) Seadke 3 stsenaariumi järgmiste eeldustega: - Alus: viimase 12 kuu keskmine kasvutempo jätkub - Optimistlik -5 punkti kasv +3 punkti 12-kuuline kogu- ja igakuine vahemik iga stsenaariumi jaoks.4) Jaotis "Tundlikkus": milline eeldus muutub, tulemus muutub kõige rohkem?Piirang: loetlege eeldused selgesõnaliselt. Öelge, et hinnang on ennustus, mitte kindlus. Pange tähele, et te ei saa väliseid šokke modelleerida.<data>Jaanuar..Detsembri kuu käibenumbrid</data>
See viip; Täpse arvu asemel loob see põhjendatud vahemiku, stsenaariumid ja tundlikkusanalüüsi, näiteks "kõige haavatavamate eelduste kogumine/kasvutempo". Otsustaja teeb otsuseid ebakindlust nähes.
Hooajalisus on prognoosimisel kõige sagedamini tähelepanuta jäetud teema. Paljude ettevõtete müük tõuseb ja langeb teatud kuudel regulaarselt: jäätisevalmistaja tipp on suvel, suveniiripood pühade ajal. Lame trendijoon ei näe seda kõikumist ja seab aktsia-, personali- ja rahaplaani valesti. Kui annate tehisintellektile piisavalt ajaloolisi andmeid (ideaaljuhul vähemalt 24 kuud), märkab see korduvat mustrit ja kohandab prognoosi vastavalt.
Ennustusmeetodid ja tehisintellekti roll
meetod
Millal see on asjakohane?
AI panus
piir
lihtne trend
Stabiilsed, mittehooajalised andmed
Saab trendi kiiresti kätte
Pause ei näe
hooajaline korrektsioon
Müük kõigub kuude lõikes
Selgitab hooajalist mustrit
Liiga kiindunud minevikku
Stsenaariumipõhine
Suure ebakindluse periood
Kontrollib hüpoteese kiiresti
Oleneb eelduse kvaliteedist
Juhipõhine
Kui sissetulek sõltub mitmest tegurist
Loob teguri seose
Inimene kontrollib suhet
Juhipõhine ennustus
Käibe ennustamine ühe kasvuprotsendiga on sageli toores. Tugevam viis on jagada tulud selle teguritega: tulu = klientide arv × keskmine müük kliendi kohta × korduste sagedus. Iga juhi eraldi ennustamine ja korrutamine annab ennustuse, mis on nii täpsem kui ka küsitavam; sest näete selgelt, milline eeldus on muutunud.
Hinda mu sissetulekuid juhtide põhjal. Tulu = aktiivsete klientide arv × keskmine kuutulu kliendi kohta (ARPU). Ekstraheerige need kaks draiverit eraldi viimase 12 kuu kohta, tõlgendage kummagi suundumust ja seejärel prognoosige järgmised 12 kuud, prognoosides kaks draiverit eraldi. Kirjutage eeldus selgelt iga juhi jaoks; Täpsustage, milline draiver on ebaselgem. Kasutage andmetes ainult numbreid, näidake valemeid.
Selle meetodi jõud seisneb selles, et selle asemel, et öelda "käive kasvab 15%," ütlete "klientide arv suureneb 8%, tulu kliendi kohta suureneb 6% võrra". Neid kahte võib eraldi küsitleda; Kui see on ebareaalne, kohandate hinnangut sealt. Juhtkond küsib ka "millisele eeldusele me toetume?" oskab küsimusele konkreetselt vastata.
Tundlikkus ja oletusdistsipliin
Prognoosi kvaliteet on eelduste kvaliteet. Hoidke eeldused alati tehisintellektile nähtaval ja minge tagasi ja värskendage neid niipea, kui need juhtuvad (jooksev prognoos, st jooksev prognoos, mida uuendatakse iga kuu).
Loetlege KÕIK eeldused, mida kasutasite allolevas prognoosis tabelina: oletus | väärtus | allikas/põhjus | Kui see väärtus muutub 10%, siis selle mõju aastatulemusele. Märkige linnukesega 3 kõige hapramat eeldust.
Tehisintellekti ennustava väljundi juhtkonnale esitamisel lisage "eelduskaart": kolm kõige kriitilisemat eeldust, nende väärtused ja allikad. Seega pole ennustus enam must kast; Igaüks näeb, millele panustab. Ja kui teostus kaldub kõrvale, saate kiiresti diagnoosida, milline eeldus ei kehtinud, mis parandab järgmist prognoosi.
Ettevaatust. Ärge kaitske tehisintellekti loodud ennustust, öeldes: "Nii ütles mudel". Vastutus ennustuse eest lasub selle esitajal. Esitage juhtkonnale alati raamistikku "see on nendel eeldustel põhinev stsenaarium, tegelikkus võib erineda".
Mini korpused
Juhtum 1 – prognoos, mis näeb hooajalisust. Jaemüügiettevõte edastas tehisintellektile 24 kuu müügiandmed. Mudel märkas novembris-detsembris stabiilset 40% hüpet ja korrigeeris vastavalt oma järgmise aasta prognoosi. Kui oleks kasutatud ühtlast trendi, oleks aastalõpu aktsiaplaan tõsiselt vale.
Juhtum 2 – paaritu numbri lõks. Startup lähtub oma eelarves tehisintellekti prognoosist "järgmisel aastal 18 miljonit". Kuid see põhines eeldusel, et "kasv jätkub nii nagu see on". 11 miljonit realiseeriti kahe suurema kliendi lahkumisel. Kui õppetund oli saadud, liikus meeskond edasi stsenaariumivahemiku juurde; Järgmise aasta prognoosiriba kajastas seda, mis tegelikult juhtus.
Juhtum 3 – tundlikkus muutis otsust. "Kõige haavatavam eeldus on tooraine hind," ütles AI tootja prognoosis, mis näitab, et 10% hinnatõus vähendab aastakasumit 22%. Seejärel sõlmis juhtkond tarnijaga fikseeritud hinnaga aastase lepingu. Prognoosi tegelik väärtus ei olnud number, vaid see sentimentaalne arusaam.
Juhtum 4 – jooksev prognoos võidab. Üks jaemüüja uuendas oma aastaprognoosi iga kuu tegelike andmetega, mitte ei määranud seda ühe korra ja unustas selle. Kolmandal kuul oli näha, et "kasv 12%" oli tegelikult 7%; Prognoosi korrigeeriti varakult ning vastavalt korrigeeriti aastalõpu inventuuri ja personaliplaani. Kui fikseeritud prognoos oleks püsinud, oleks aasta lõpus tekkinud tohutu ülejääk ja rahapuudus. Õppetund: prognoos on elav dokument, seda ei panda üks kord paika ja ära ei panda.
Levinud vead
- Paaritu numbri küsimine. Ilma ulatuse ja skriptita prognoosimine loob valekindluse.
- Eelduste varjamine. Nähtamatu oletus tähendab ennustust, mida ei saa kahtluse alla seada ega ajakohastada.
- Liiga palju minevikule toetumine. Muster pikendab minevikumustrit; ei näe luumurde ja väliseid lööke.
- Ennustuse eksimine ettekuulutuseks. AI ei tea tulevikku; See võtab lihtsalt arvesse teie eeldusi.
- Ei tee jooksvat prognoosi. Seadke prognoos üks kord ja unustage see; ei värskendata, nagu see juhtub.
Kokkuvõttes
- See on AI prognoosimise võimas abimees: võtab välja trendid ja hooajalisuse, koostab stsenaariumi, selgitab loogikat; kuid ta ei tea tulevikku ega näe väliseid šokke.
- Küsige alati hüpoteetilist vahemikku ja optimistlikke/algtaseme/pessimistlikke stsenaariume, mitte ühte numbrit.
- Laske eeldused selgelt loetleda ja tuvastage tundlikkusanalüüsi abil kõige haavatavam eeldus.
- Vastutus ennustuse eest lasub selle esitajal; Esitage juhtkonnale "stsenaariumi, mitte kindluse" raamistikuga.
- Värskendage prognoosi, nagu see juhtub Rolling prognoosiga; Installige see üks kord ja ärge unustage.
Rakenduse ülesanne
Hankige vähemalt 12 kuu tegelikud tuluandmed (tegelikud või näidis). Looge võimsa viipamalliga kolmestsenaariumiline 12-kuuline prognoos. Seejärel eemaldage tundlikkuse viipaga kolm kõige hapramat eeldust. Kontrollige käsitsi mudeli põhijuhtumi igakuist kasvumäära ja tehke prognoos slaidil kokkuvõtlikult "stsenaariumi, mitte kindluse" raamistikuga.
kontrollnimekiri
- [ ] Olen esitanud piisavalt ajaloolisi andmeid (soovitavalt igakuiselt).
- [ ] Loetlesin eeldused selgesõnaliselt ja lasin need mudelisse loetleda.
- [ ] Tahtsin skriptitud vahemikku, mitte ühte numbrit.
- [ ] Tuvastasin tundlikkusanalüüsi abil kõige haprama eelduse.
- [ ] Kontrollisin käsitsi baasjuhtumi kasvuarvutust.
- [ ] Esitasin hinnangu "stsenaariumi, mitte kindluse" raamistikus.