תמיכה בתחזית ותחזית

רווחים:

• יכולת למצב בינה מלאכותית כעוזר שיוצר תרחישים היפותטיים בחיזוי הכנסות/הוצאות
• יכולת לכתוב הנחיות תחזית עם טווח ורגישות על סמך נתונים היסטוריים והנחות מפורשות
• יכולת להכיר במגבלות של תחזיות AI ולמזג אותן עם שיקול דעת אנושי

"מה יהיה המחזור שלנו בשנה הבאה?" היא אחת השאלות הקשות ביותר עבור צוות הכספים. חיזוי הוא ביצוע תחזית לגבי העתיד בהתבסס על נתונים והנחות עבר. בינה מלאכותית (AI) יכולה להיות עוזר חזק כאן; אבל יש צורך לקבל עובדה כבר מההתחלה: המודל אינו יודע את העתיד. זה רק מעבד דפוסים והנחות שאתה נותן. ביחידה זו נלמד למקם את AI בתפקידו הנכון בחיזוי ונזהה את גבולותיו.

מה AI עושה ומה לא עושה בתחזית?

הוא כן: מסכם את מגמת העבר, מזהה עונתיות (תנודות חוזרות ונשנות בחודשים מסוימים), בונה תרחישים עם הנחות שונות, מסביר את היגיון התחזית ומכניס את התחזית לנרטיב.

זה לא: הוא לא יכול לתת עתיד מדויק, הוא לא יכול לחזות זעזועים חיצוניים (משבר שער החליפין, שינוי רגולציה), הוא לא יכול לדעת עובדה שאינה בנתונים. המשפט "בשנה הבאה תגדל ב-18%" שניתן על ידי צ'טבוט אינו נבואה, אלא שיקוף מתמטי של ההנחות שאתה מניח.

טיפ: לעולם אל תבקש מהדוגמנית "מספר בודד". בקש תמיד טווח ועל אילו הנחות טווח זה מבוסס. המשפט "14-15M במקרה הבסיס, תנאי: קצב הצמיחה הנוכחי ממשיך" הוא הרבה יותר כנה ושימושי מהסינגל "14.6M".

צעד אחר צעד: בניית תחזית מוצקה

1. תן נתונים היסטוריים. מתרחש לפחות לכמה תקופות; חודשי אם אפשר.
2. כתבו את ההנחות בצורה ברורה. קצב צמיחה, עונתיות, שינויים ידועים.
3. ציין שיטה. טרנד פשוט, מנוכי עונתיות או מבוסס תרחיש?
4. בקש טווח ותרחיש. אופטימיסט / בסיס / פסימי.
5. בקשו רגישות. "איזו הנחה הכי משנה את התוצאה?"

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה: חזה את המחזור שלי בשנה הבאה. השנה עשינו 12 מיליון.

זה מייצר מספר בודד ללא בסיס; לא ברור על איזו הנחה היא מבוססת, מה שמסוכן להחלטה.

הנחיה חזקה:תפקידך: מנתח תכנון פיננסי.משימה: תחזית את 12 החודשים הבאים מנתוני ההכנסה החודשיים הבאים.שיטה:1) תחילה סכם את המגמה והעונתיות בנתונים היסטוריים.2) הגדר 3 תרחישים עם ההנחות הבאות: - בסיס: קצב הצמיחה הממוצע של 12 החודשים האחרונים ממשיך: +3 נקודות צמיחה אופטימית -5 נקודות צמיחה: P3 טווח כולל וחודשי של 12 חודשים עבור כל תרחיש.4) סעיף "רגישות": איזו הנחה משתנה, התוצאה משתנה הכי הרבה? אילוץ: רשום את ההנחות במפורש. ציינו שהאומדן הוא תחזית ולא ודאות. שימו לב שלא ניתן לדגמן זעזועים חיצוניים.<data>ינואר..נתוני מחזור חודשיים בדצמבר</data>

הנחיה זו; במקום מספר מדויק, הוא מייצר טווח מנומק, תרחישים וניתוח רגישות כגון "איסוף ההנחות הפגיעות ביותר/קצב צמיחה". מקבל ההחלטות מקבל החלטות מתוך ראיית אי ודאות.

עונתיות היא הנושא המתעלם בתחזיות בתדירות הגבוהה ביותר. המכירות של עסקים רבים עולות ויורדות באופן קבוע בחודשים מסוימים: יצרנית גלידה מגיעה לשיא בקיץ, חנות מזכרות מגיעה לשיא בסביבות החגים. קו מגמה שטוח לא יכול לראות את התנודה הזו ויגדיר את המניות, כוח האדם ומזומנים בצורה שגויה. אם תיתן ל-AI מספיק נתונים היסטוריים (באופן אידיאלי לפחות 24 חודשים), הוא יבחין בדפוס החוזר הזה ויתאים את התחזית בהתאם.

שיטות חיזוי ותפקיד הבינה המלאכותית

שיטה

מתי זה מתאים?

תרומת AI

גבול

טרנד פשוט

נתונים יציבים ולא עונתיים

מקבל את הטרנד מהר

לא רואה את ההפסקות

תיקון עונתי

המכירות משתנות לפי חודש

מסביר את הדפוס העונתי

מחובר יותר מדי לעבר

מבוסס על תרחיש

תקופה של אי ודאות גבוהה

בודק השערות במהירות

תלוי באיכות ההנחה

מבוסס נהגים

אם ההכנסה תלויה במספר גורמים

יוצר קשר בין גורמים

אנושי מאמת את הקשר

חיזוי מבוסס נהג

חיזוי מחזור עם אחוז צמיחה בודד הוא לרוב גס. הדרך החזקה יותר היא לחלק את ההכנסות לפי המניעים שלה: הכנסה = מספר לקוחות × מכירות ממוצעות ללקוח × תדירות חוזרת. חיזוי והכפלה של כל נהג בנפרד נותן חיזוי שהוא גם מדויק יותר וגם מפוקפק יותר; כי אתה רואה בבירור איזו הנחה השתנתה.

הערכת ההכנסה שלי על סמך נהגים. הכנסה = מספר לקוחות פעילים × הכנסה חודשית ממוצעת ללקוח (ARPU). חלץ את שני הנהגים הללו בנפרד במשך 12 החודשים האחרונים, פרש את המגמה של כל אחד מהם, ואז חזה את 12 החודשים הבאים על ידי הקרנת שני הנהגים בנפרד. כתוב את ההנחה בבירור עבור כל נהג; ציין איזה דרייבר לא ברור יותר. השתמש רק במספרים בנתונים, הצג נוסחאות.

הכוח של השיטה הזו הוא שבמקום להגיד "המחזור גדל ב-15%", אתה אומר "מספר הלקוחות עולה ב-8%, ההכנסה ללקוח עולה ב-6%". ניתן לחקור את השניים בנפרד; אם אחד מהם אינו ריאלי, אתה משנה את האומדן משם. ההנהלה גם שואלת "על איזו הנחה אנחנו מסתמכים?" יכול לענות על השאלה באופן קונקרטי.

רגישות והנחה משמעת

איכות התחזית היא איכות ההנחות. שמור תמיד את ההנחות גלויות ל-AI וחזור ועדכן אותן כשהן מתרחשות (תחזית מתגלגלת, כלומר, תחזית מתגלגלת שמתעדכנת מדי חודש).

רשום את כל ההנחות שבהן השתמשת בתחזית למטה בצורה טבלה: הנחה | ערך | מקור/סיבה | אם ערך זה משתנה ב-10%, השפעתו על התוצאה השנתית. סמן את 3 ההנחות השבריריות ביותר.

בעת הצגת הפלט החזוי של ה-AI להנהלה, כלול "כרטיס הנחה": שלוש ההנחות הקריטיות ביותר, הערכים שלהן ומקורותיהן. לפיכך, התחזית אינה עוד קופסה שחורה; כולם רואים על מה הם מהמרים. וכשהמימוש סוטה, ניתן לאבחן במהירות איזו הנחה לא התקיימה, מה שמשפר את התחזית הבאה.

זהירות: אל תגן על החיזוי שנוצר בינה מלאכותית באמירה "זה מה שהמודל אמר." האחריות לתחזית היא של האדם שמציג אותה. הצג תמיד בפני ההנהלה את המסגרת של "זהו תרחיש המבוסס על הנחות אלו, המימוש עשוי להיות שונה".

מיני מארזים

מקרה 1 - תחזית שרואה עונתיות. חברה קמעונאית הזינה 24 חודשים של נתוני מכירות לבינה מלאכותית. הדגם הבחין בזינוק קבוע של 40% בחודשים נובמבר-דצמבר והתאים את התחזית שלו לשנה הבאה בהתאם. אם היה נעשה שימוש במגמה שטוחה, תוכנית המניות לסוף השנה הייתה שגויה חמורה.

מקרה 2 - מלכודת המספר האי-זוגי. סטארטאפ מבסס את התקציב שלו על תחזית "18 מיליון בשנה הבאה" של AI. אבל זה התבסס על ההנחה ש"הצמיחה נמשכת כפי שהיא". 11M התממשה כששני לקוחות גדולים עזבו. לאחר שנלמד הלקח, הצוות עבר לטווח התרחישים; להקת התחזית של השנה הבאה סיקרה את מה שקרה בפועל.

מקרה 3 - רגישות שינתה את ההחלטה. "ההנחה הפגיעה ביותר היא מחיר חומר הגלם", אמר AI בתחזית של יצרן, והראתה שעליית מחירים של 10% תפחית את הרווחים השנתיים ב-22%. לאחר מכן חתמה ההנהלה על חוזה שנתי במחיר קבוע עם הספק. הערך האמיתי של התחזית לא היה המספר, אלא התובנה הסנטימנטלית הזו.

מקרה 4 - תחזית מתגלגלת מנצחת. קמעונאי אחד עדכן את התחזית השנתית שלו בנתונים בפועל מדי חודש, במקום לקבוע אותה פעם אחת ולשכוח אותה. בחודש השלישי נראה כי הנחת "צמיחה 12%" הייתה למעשה 7%; התחזית תוקנה מוקדם ובהתאם הותאמו המלאי ותוכנית האיוש לסוף השנה. אם התחזית הקבועה הייתה נשמרת, היה נוצר עודף מלאי ומזומנים עצום בסוף השנה. לקח: תחזית היא מסמך חי, לא מגדירים אותה פעם אחת ומניחים אותה.

טעויות נפוצות

• מבקש מספר אי זוגי. חיזוי ללא טווח ותסריט יוצר ודאות כוזבת.
• הסתרת הנחות. הנחה בלתי נראית פירושה תחזית שלא ניתן להטיל ספק ולעדכן אותה.
• להסתמך יותר מדי על העבר. התבנית מרחיבה את תבנית העבר; לא יכול לראות שברים וזעזועים חיצוניים.
• טעות בתחזית כנבואה. AI לא יודע את העתיד; זה רק לוקח בחשבון את ההנחות שלך.
• לא עושה תחזית מתגלגלת. הגדר את התחזית פעם אחת ותשכח ממנה; לא מתעדכן בזמן שזה קורה.

לסיכום

• זהו עוזר רב עוצמה בתחזית AI: מחלץ מגמה ועונתיות, בונה תרחיש, מסביר היגיון; אבל הוא לא יודע את העתיד ולא יכול לראות זעזועים חיצוניים.
• בקש תמיד טווח היפותטי ותרחישים אופטימיים/בסיסיים/פסימיים ולא מספר בודד.
• יש לרשום את ההנחות בצורה ברורה ולזהות את ההנחה הפגיעה ביותר באמצעות ניתוח רגישות.
• האחריות לתחזית מוטלת על האדם המציג אותה; הצג להנהלה במסגרת "תרחיש, לא ודאות".
• עדכן את התחזית כפי שהיא מתרחשת עם תחזית מתגלגלת; התקן את זה פעם אחת ואל תשכח.

משימת יישום

השג לפחות 12 חודשים של נתוני הכנסה בפועל (בפועל או לדוגמה). צור תחזית של שלושה תרחישים ל-12 חודשים עם תבנית הנחיה רבת עוצמה. לאחר מכן הסר את שלוש ההנחות השבריריות ביותר עם הנחיית הרגישות. אמת ידנית את קצב הצמיחה החודשי של מקרה הבסיס של המודל פעם אחת וסכם את התחזית בשקופית עם מסגרת "תרחיש, לא ודאות".

רשימת בדיקה

• [ ] סיפקתי מספיק נתונים היסטוריים (רצוי מדי חודש).
• [ ] רשמתי את ההנחות במפורש והרשמתי אותן במודל.
• [ ] רציתי טווח תסריטאי, לא מספר אחד.
• [ ] זיהיתי את ההנחה השברירית ביותר באמצעות ניתוח רגישות.
• [ ] אימתתי ידנית את חישוב הצמיחה של מקרה הבסיס.
• [ ] הצגתי את האומדן במסגרת "תרחיש, לא ודאות".