लाभ:
- एआई को एक सहायक के रूप में स्थापित करने की क्षमता जो आय/व्यय पूर्वानुमान में काल्पनिक परिदृश्य उत्पन्न करती है
- ऐतिहासिक डेटा और स्पष्ट मान्यताओं के आधार पर सीमा और संवेदनशीलता के साथ पूर्वानुमान संकेत लिखने की क्षमता
- एआई भविष्यवाणियों की सीमाओं को पहचानने और उन्हें मानवीय निर्णय के साथ मिश्रित करने की क्षमता
"अगले साल हमारा टर्नओवर क्या होगा?" वित्त टीम के लिए सबसे कठिन प्रश्नों में से एक है। पूर्वानुमान पिछले डेटा और धारणाओं के आधार पर भविष्य के बारे में भविष्यवाणी करना है। कृत्रिम बुद्धिमत्ता (एआई) यहां एक शक्तिशाली सहायक हो सकती है; लेकिन एक तथ्य को शुरू से ही स्वीकार करना आवश्यक है: मॉडल को भविष्य का पता नहीं है। यह केवल आपके द्वारा दिए गए पैटर्न और धारणाओं को संसाधित करता है। इस इकाई में, हम पूर्वानुमान में एआई को उसकी सही भूमिका में रखना और उसकी सीमाओं को पहचानना सीखेंगे।
पूर्वानुमान में AI क्या करता है और क्या नहीं?
यह करता है: पिछली प्रवृत्ति को सारांशित करता है, मौसमी (कुछ महीनों में बार-बार उतार-चढ़ाव) को पहचानता है, विभिन्न मान्यताओं के साथ परिदृश्य बनाता है, पूर्वानुमान तर्क की व्याख्या करता है, और पूर्वानुमान को एक कथा में डालता है।
ऐसा नहीं है: यह एक सटीक भविष्य नहीं दे सकता है, यह बाहरी झटकों (विनिमय दर संकट, विनियमन परिवर्तन) की भविष्यवाणी नहीं कर सकता है, यह उस तथ्य को नहीं जान सकता है जो डेटा में नहीं है। चैटबॉट द्वारा दिया गया वाक्य "आप अगले वर्ष 18% बढ़ेंगे" कोई भविष्यवाणी नहीं है, बल्कि आपके द्वारा बनाई गई धारणाओं का गणितीय प्रतिबिंब है।
युक्ति: मॉडल से कभी भी "एकल संख्या" न पूछें। हमेशा एक सीमा के बारे में पूछें और वह सीमा किन धारणाओं पर आधारित है। वाक्य "बेस केस में 14-15M, स्थिति: वर्तमान विकास दर जारी है" एकल "14.6M" की तुलना में बहुत अधिक ईमानदार और उपयोगी है।
चरण दर चरण: एक ठोस पूर्वानुमान बनाना
- ऐतिहासिक आँकड़े दीजिए। कम से कम कुछ अवधियों तक घटित होना; यदि संभव हो तो मासिक.
- धारणाओं को स्पष्ट रूप से लिखें. विकास दर, मौसमी, ज्ञात परिवर्तन।
- विधि निर्दिष्ट करें. सरल प्रवृत्ति, मौसमी रूप से समायोजित या परिदृश्य आधारित?
- सीमा और परिदृश्य के लिए पूछें. आशावादी/आधार/निराशावादी।
- संवेदनशीलता के लिए पूछें. "कौन सी धारणा परिणाम को सबसे अधिक बदलती है?"
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत: अगले वर्ष मेरे टर्नओवर की भविष्यवाणी करें। इस साल हमने 12एम बनाया।
यह बिना किसी आधार के एकल संख्या उत्पन्न करता है; यह स्पष्ट नहीं है कि यह किस धारणा पर आधारित है, जो निर्णय के लिए खतरनाक है।
मजबूत संकेत: आपकी भूमिका: एक वित्तीय नियोजन विश्लेषक। कार्य: निम्नलिखित मासिक आय डेटा से अगले 12 महीनों का पूर्वानुमान लगाएं। विधि: 1) पहले ऐतिहासिक डेटा में प्रवृत्ति और मौसमी को संक्षेप में प्रस्तुत करें। 2) निम्नलिखित धारणाओं के साथ 3 परिदृश्य स्थापित करें: - आधार: पिछले 12 महीनों की औसत वृद्धि दर जारी है - आशावादी: विकास +3 अंक - निराशावादी: विकास -5 अंक 3) प्रत्येक परिदृश्य के लिए 12 महीने की कुल और मासिक सीमा दें। 4) "संवेदनशीलता" अनुभाग: कौन सी धारणा बदलती है, परिणाम सबसे अधिक बदलता है? बाधा: धारणाओं को स्पष्ट रूप से सूचीबद्ध करें। बताएं कि अनुमान एक भविष्यवाणी है न कि कोई निश्चितता। ध्यान दें कि आप बाहरी झटकों का मॉडल नहीं बना सकते।<डेटा>जनवरी..दिसंबर मासिक कारोबार के आंकड़े</डेटा>
यह संकेत; एक सटीक संख्या के बजाय, यह एक तर्कसंगत सीमा, परिदृश्य और "सबसे कमजोर धारणा संग्रह/विकास दर" जैसे संवेदनशीलता विश्लेषण उत्पन्न करता है। निर्णय लेने वाला अनिश्चितता देखकर निर्णय लेता है।
मौसम संबंधी पूर्वानुमान में सबसे अधिक बार अनदेखा किया जाने वाला विषय है। कई व्यवसायों की बिक्री कुछ महीनों में नियमित रूप से बढ़ती और घटती रहती है: गर्मियों में आइसक्रीम बनाने वाली कंपनी की बिक्री चरम पर होती है, छुट्टियों के दौरान एक स्मारिका दुकान की बिक्री चरम पर होती है। एक सपाट प्रवृत्ति रेखा इस उतार-चढ़ाव को नहीं देख सकती है और स्टॉक, कार्मिक और नकदी योजना को गलत तरीके से स्थापित करेगी। यदि आप एआई को पर्याप्त ऐतिहासिक डेटा (आदर्श रूप से कम से कम 24 महीने) देते हैं, तो यह इस दोहराव वाले पैटर्न को नोटिस करेगा और तदनुसार पूर्वानुमान को समायोजित करेगा।
भविष्यवाणी के तरीके और एआई की भूमिका
विधि
यह कब उचित है?
एआई योगदान
सीमा
सरल प्रवृत्ति
स्थिर, बेमौसमी डेटा
तेजी से चलन मिलता है
ब्रेक नहीं देख सकते
मौसमी सुधार
बिक्री में महीने दर महीने उतार-चढ़ाव हो रहा है
मौसमी पैटर्न की व्याख्या करता है
अतीत से बहुत जुड़ा हुआ
परिदृश्य आधारित
अत्यधिक अनिश्चितता का दौर
परिकल्पनाओं का शीघ्रता से परीक्षण करता है
धारणा की गुणवत्ता पर निर्भर करता है
ड्राइवर आधारित
यदि आय कई कारकों पर निर्भर करती है
कारक संबंध स्थापित करता है
रिश्ते को इंसान ही परखता है
ड्राइवर-आधारित भविष्यवाणी
एकल विकास प्रतिशत के साथ टर्नओवर की भविष्यवाणी करना अक्सर अपरिष्कृत होता है। अधिक मजबूत तरीका राजस्व को उसके चालकों द्वारा विभाजित करना है: राजस्व = ग्राहकों की संख्या × प्रति ग्राहक औसत बिक्री × दोहराव आवृत्ति। प्रत्येक ड्राइवर की अलग-अलग भविष्यवाणी करना और गुणा करना एक भविष्यवाणी देता है जो अधिक सटीक और अधिक संदिग्ध दोनों है; क्योंकि आप स्पष्ट रूप से देख सकते हैं कि कौन सी धारणा बदल गई है।
ड्राइवरों के आधार पर मेरी आय का अनुमान लगाएं। राजस्व = सक्रिय ग्राहकों की संख्या × प्रति ग्राहक औसत मासिक राजस्व (एआरपीयू)। पिछले 12 महीनों के लिए इन दोनों ड्राइवरों को अलग-अलग निकालें, प्रत्येक की प्रवृत्ति की व्याख्या करें, फिर दोनों ड्राइवरों को अलग-अलग पेश करके अगले 12 महीनों का पूर्वानुमान लगाएं। प्रत्येक ड्राइवर के लिए धारणा स्पष्ट रूप से लिखें; निर्दिष्ट करें कि कौन सा ड्राइवर अधिक अस्पष्ट है। डेटा में केवल संख्याओं का उपयोग करें, सूत्र दिखाएं।
इस पद्धति की शक्ति यह है कि "कारोबार 15% बढ़ जाता है" कहने के बजाय, आप कहते हैं "ग्राहकों की संख्या 8% बढ़ जाती है, प्रति ग्राहक राजस्व 6% बढ़ जाता है"। दोनों से अलग-अलग पूछताछ की जा सकती है; यदि कोई अवास्तविक है, तो आप अनुमान को वहीं से समायोजित कर सकते हैं। प्रबंधन यह भी पूछता है कि "हम किस धारणा पर भरोसा करते हैं?" प्रश्न का ठोस उत्तर दे सकते हैं।
संवेदनशीलता और धारणा अनुशासन
पूर्वानुमान की गुणवत्ता अनुमानों की गुणवत्ता है। हमेशा मान्यताओं को एआई के लिए दृश्यमान रखें और वापस जाएं और उन्हें घटित होने पर अपडेट करें (रोलिंग पूर्वानुमान, यानी एक रोलिंग पूर्वानुमान जो हर महीने अपडेट किया जाता है)।
पूर्वानुमान में आपके द्वारा उपयोग की गई सभी धारणाओं को नीचे सारणीबद्ध रूप में सूचीबद्ध करें: धारणा | मूल्य | स्रोत/कारण | यदि यह मान 10% बदलता है, तो इसका प्रभाव वार्षिक परिणाम पर पड़ता है। 3 सबसे नाजुक धारणाओं पर निशान लगाएँ।
प्रबंधन के लिए एआई के पूर्वानुमानित आउटपुट को प्रस्तुत करते समय, एक "धारणा कार्ड" शामिल करें: तीन सबसे महत्वपूर्ण धारणाएं, उनके मूल्य और उनके स्रोत। इस प्रकार, भविष्यवाणी अब एक ब्लैक बॉक्स नहीं है; हर कोई देखता है कि वे किस पर दांव लगा रहे हैं। और जब अहसास भटक जाता है, तो आप तुरंत निदान कर सकते हैं कि कौन सी धारणा सही नहीं थी, जो अगले पूर्वानुमान में सुधार करती है।
सावधानी: एआई-जनरेटेड भविष्यवाणी का यह कहकर बचाव न करें कि "मॉडल ने यही कहा है।" भविष्यवाणी की जिम्मेदारी उसे प्रस्तुत करने वाले व्यक्ति की होती है। प्रबंधन को हमेशा "यह इन धारणाओं पर आधारित परिदृश्य है, वास्तविकता भिन्न हो सकती है" के ढांचे के साथ प्रस्तुत करें।
मिनी मामले
केस 1 - पूर्वानुमान जो मौसमीता को देखता है। एक रिटेल कंपनी ने एआई को 24 महीने का बिक्री डेटा फीड किया। मॉडल ने नवंबर-दिसंबर में लगातार 40% उछाल देखा और अगले वर्ष के लिए अपने पूर्वानुमान को तदनुसार समायोजित किया। यदि एक सपाट प्रवृत्ति का उपयोग किया गया होता, तो साल के अंत की स्टॉक योजना गंभीर रूप से गलत होती।
केस 2 - विषम संख्या का जाल। एक स्टार्टअप अपना बजट AI के "अगले वर्ष 18M" पूर्वानुमान पर आधारित करता है। लेकिन यह इस धारणा पर आधारित था कि "विकास वैसे ही जारी रहेगा"। 11M का एहसास तब हुआ जब दो प्रमुख ग्राहक चले गए। एक बार जब सबक सीख लिया गया, तो टीम परिदृश्य सीमा पर चली गई; अगले वर्ष के पूर्वानुमान बैंड में बताया गया कि वास्तव में क्या हुआ था।
केस 3 - संवेदनशीलता ने निर्णय बदल दिया। एआई ने एक निर्माता के पूर्वानुमान में कहा, "सबसे कमजोर धारणा कच्चे माल की कीमत है," यह दर्शाता है कि 10% मूल्य वृद्धि से वार्षिक लाभ 22% कम हो जाएगा। फिर प्रबंधन ने आपूर्तिकर्ता के साथ एक निश्चित मूल्य वाले वार्षिक अनुबंध पर हस्ताक्षर किए। पूर्वानुमान का वास्तविक मूल्य संख्या नहीं, बल्कि यह भावना अंतर्दृष्टि थी।
केस 4 - रोलिंग पूर्वानुमान जीतता है। एक रिटेलर ने अपने वार्षिक पूर्वानुमान को एक बार सेट करने और भूलने के बजाय हर महीने वास्तविक आंकड़ों के साथ अपडेट किया। तीसरे महीने में, यह देखा गया कि "विकास 12%" की धारणा वास्तव में 7% थी; पूर्वानुमान को जल्दी ही सही कर लिया गया और साल के अंत की सूची और स्टाफिंग योजना को तदनुसार समायोजित किया गया। यदि निश्चित पूर्वानुमान बरकरार रखा गया होता, तो वर्ष के अंत में भारी स्टॉक और नकदी की कमी हो जाती। सबक: पूर्वानुमान एक जीवित दस्तावेज़ है, इसे एक बार स्थापित करके हटा नहीं दिया जाता है।
सामान्य गलतियाँ
- एक विषम संख्या पूछ रहा हूँ. सीमा और स्क्रिप्ट के बिना पूर्वानुमान झूठी निश्चितता पैदा करता है।
- धारणाओं को छिपाना। अदृश्य धारणा का अर्थ ऐसी भविष्यवाणी है जिस पर सवाल नहीं उठाया जा सकता और अद्यतन नहीं किया जा सकता।
- अतीत पर बहुत अधिक भरोसा करना. पैटर्न पिछले पैटर्न का विस्तार करता है; फ्रैक्चर और बाहरी झटके नहीं देख सकते.
- किसी भविष्यवाणी को भविष्यवाणी समझ लेना। एआई भविष्य नहीं जानता; यह सिर्फ आपकी धारणाओं को ध्यान में रखता है।
- कोई रोलिंग पूर्वानुमान नहीं लगाना. एक बार पूर्वानुमान निर्धारित करें और इसे भूल जाएं; जैसा होता है वैसा अपडेट नहीं हो रहा है।
सारांश
- यह एआई पूर्वानुमान में एक शक्तिशाली सहायक है: प्रवृत्ति और मौसमी को निकालता है, परिदृश्य बनाता है, तर्क की व्याख्या करता है; लेकिन यह भविष्य नहीं जानता और बाहरी झटके नहीं देख सकता।
- हमेशा एक संख्या के बजाय एक काल्पनिक सीमा और आशावादी/आधारभूत/निराशावादी परिदृश्यों के बारे में पूछें।
- धारणाओं को स्पष्ट रूप से सूचीबद्ध करें और संवेदनशीलता विश्लेषण के माध्यम से सबसे कमजोर धारणा की पहचान करें।
- भविष्यवाणी की जिम्मेदारी उसे प्रस्तुत करने वाले व्यक्ति की होती है; प्रबंधन को "परिदृश्य, निश्चितता नहीं" ढांचे के साथ प्रस्तुत करें।
- पूर्वानुमान को अपडेट करें जैसा कि रोलिंग पूर्वानुमान के साथ होता है; इसे एक बार इंस्टॉल करें और भूलें नहीं.
आवेदन कार्य
कम से कम 12 महीने का वास्तविक राजस्व डेटा (वास्तविक या नमूना) प्राप्त करें। एक शक्तिशाली संकेत टेम्पलेट के साथ तीन-परिदृश्य 12-महीने का पूर्वानुमान बनाएं। फिर संवेदनशीलता संकेत के साथ तीन सबसे नाजुक धारणाओं को हटा दें। मॉडल के आधार मामले की मासिक वृद्धि दर को एक बार मैन्युअल रूप से सत्यापित करें और "परिदृश्य, निश्चितता नहीं" ढांचे के साथ एक स्लाइड पर पूर्वानुमान को सारांशित करें।
चेकलिस्ट
- [ ] मैंने पर्याप्त ऐतिहासिक डेटा (अधिमानतः मासिक) प्रदान किया है।
- [ ] मैंने मान्यताओं को स्पष्ट रूप से सूचीबद्ध किया और उन्हें मॉडल में सूचीबद्ध किया।
- [ ] मुझे एक स्क्रिप्टेड रेंज चाहिए थी, एक भी नंबर नहीं।
- [ ] मैंने संवेदनशीलता विश्लेषण के माध्यम से सबसे नाजुक धारणा की पहचान की।
- [ ] मैंने आधार मामले की वृद्धि गणना को मैन्युअल रूप से सत्यापित किया।
- [ ] मैंने अनुमान को "परिदृश्य, निश्चितता नहीं" ढांचे में प्रस्तुत किया।