Dobici:
- Sposobnost pozicioniranja umjetne inteligencije kao pomoćnika koji generira hipotetske scenarije u predviđanju prihoda/rashoda
- Sposobnost pisanja upita za prognozu s rasponom i osjetljivošću na temelju povijesnih podataka i eksplicitnih pretpostavki
- Sposobnost prepoznavanja ograničenja predviđanja umjetne inteligencije i njihovo spajanje s ljudskom prosudbom
"Koliki će nam biti prihod sljedeće godine?" jedno je od najtežih pitanja za financijski tim. Predviđanje je predviđanje budućnosti na temelju prošlih podataka i pretpostavki. Umjetna inteligencija (AI) ovdje može biti moćan pomoćnik; No, potrebno je od samog početka prihvatiti činjenicu: model ne poznaje budućnost. Obrađuje samo obrasce i pretpostavke koje date. U ovoj jedinici naučit ćemo postaviti AI u njegovu ispravnu ulogu u predviđanju i prepoznati njezina ograničenja.
Što AI radi, a što ne radi u predviđanju?
Ono 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: ne može dati točnu budućnost, ne može predvidjeti vanjske šokove (kriza tečaja, promjena propisa), ne može znati činjenicu koja nije u podacima. Rečenica "iduće godine ćete rasti 18%" koju je dao chatbot nije proročanstvo, već matematički odraz vaših pretpostavki.
Savjet: Nikada ne tražite od modela "jedan broj". Uvijek tražite raspon i na kojim se pretpostavkama taj raspon temelji. Rečenica "14-15M u osnovnom slučaju, uvjet: trenutna stopa rasta se nastavlja" mnogo je iskrenija i korisnija od jedne "14,6M".
Korak po korak: Izgradnja čvrste prognoze
- Navedite povijesne podatke. Javlja se barem nekoliko razdoblja; mjesečno ako je moguće.
- Jasno napišite pretpostavke. Stopa rasta, sezonalnost, poznate promjene.
- Navedite metodu. Jednostavan trend, sezonski prilagođen ili na temelju scenarija?
- Zatražite raspon i scenarij. Optimist / baza / pesimist.
- Pitajte za osjetljivost. "Koja pretpostavka najviše mijenja ishod?"
Slab upit / Jak upit
Slab upit: Predvidite moj promet sljedeće godine. Ove godine smo napravili 12M.
Ovo proizvodi jedan broj bez osnove; Nejasno je na kojoj se pretpostavci temelji, što je opasno za odluku.
Snažan upit: Vaša uloga: analitičar financijskog planiranja. Zadatak: Prognozirajte sljedećih 12 mjeseci na temelju sljedećih podataka o mjesečnom prihodu. Metoda: 1) Najprije sažmite trend i sezonske promjene u povijesnim podacima. 2) Postavite 3 scenarija sa sljedećim pretpostavkama: - Baza: prosječna stopa rasta u posljednjih 12 mjeseci se nastavlja - Optimistična: rast +3 boda - Pesimistična: rast -5 bodova 3) Dajte Ukupno 12 mjeseci i mjesečni raspon za svaki scenarij. 4) Odjeljak "Osjetljivost": koja se pretpostavka mijenja, rezultat se najviše mijenja? Ograničenje: eksplicitno navedite pretpostavke. Navedite da je procjena predviđanje, a ne izvjesnost. Imajte na umu da ne možete modelirati vanjske šokove.<data>Brojke mjesečnog prometa za siječanj..prosinac</data>
Ovaj upit; Umjesto točnog broja, daje obrazloženi raspon, scenarije i analizu osjetljivosti kao što je "najosetljivija pretpostavka prikupljanja/stopa rasta". Donositelj odluke donosi odluke videći neizvjesnost.
Sezonalnost je najčešće zanemarena tema u predviđanju. Prodaja mnogih poduzeća redovito raste i pada u određenim mjesecima: proizvođač sladoleda doseže vrhunac ljeti, trgovina suvenirima doseže vrhunac oko praznika. Ravna linija trenda ne može vidjeti ovu fluktuaciju i pogrešno će postaviti plan zaliha, osoblja i gotovine. Ako umjetnoj inteligenciji date dovoljno povijesnih podataka (idealno najmanje 24 mjeseca), ona će primijetiti ovaj ponavljajući obrazac i prilagoditi prognozu u skladu s tim.
Metode predviđanja i uloga umjetne inteligencije
metoda
Kada je prikladno?
AI doprinos
granica
jednostavan trend
Stabilni, nesezonski podaci
Brzo postaje trend
Ne mogu vidjeti prekide
sezonska korekcija
Prodaja varira po mjesecima
Objašnjava sezonski obrazac
Previše vezan za prošlost
Na temelju scenarija
Razdoblje visoke neizvjesnosti
Brzo testira hipoteze
Ovisi o kvaliteti pretpostavke
Na temelju vozača
Ako dohodak ovisi o više faktora
Uspostavlja odnos faktora
Čovjek provjerava odnos
Predviđanje na temelju vozača
Predviđanje prometa s jednim postotkom rasta često je grubo. Robusniji način je podijeliti prihod s njegovim pokretačima: prihod = broj kupaca × prosječna prodaja po kupcu × učestalost ponavljanja. Predviđanje i množenje svakog pokretača zasebno daje predviđanje koje je i točnije i upitnije; jer jasno vidite koja se pretpostavka promijenila.
Procijenite moj prihod na temelju vozača. Prihod = broj aktivnih kupaca × prosječni mjesečni prihod po korisniku (ARPU). Izdvojite ova dva pokretača zasebno za proteklih 12 mjeseci, protumačite trend svakog od njih, zatim prognozirajte sljedećih 12 mjeseci zasebno projicirajući dva pokretača. Jasno napišite pretpostavku za svakog vozača; Navedite koji je upravljački program nejasniji. Koristite samo brojeve u podacima, pokažite formule.
Snaga ove metode je da umjesto da kažete "promet se povećava za 15%", kažete "broj kupaca se povećava za 8%, prihod po kupcu se povećava za 6%". To dvoje se može ispitivati odvojeno; Ako je jedan nerealan, procjenu prilagođavate odatle. Uprava također pita "na koju se pretpostavku oslanjamo?" može konkretno odgovoriti na pitanje.
Osjetljivost i disciplina pretpostavke
Kvaliteta prognoze je kvaliteta pretpostavki. Neka pretpostavke uvijek budu vidljive AI-u i vratite se i ažurirajte ih kako se dogode (tekuća prognoza, odnosno tekuća prognoza koja se ažurira svaki mjesec).
Dolje navedite SVE pretpostavke koje ste koristili u prognozi u tabličnom obliku: pretpostavka | vrijednost | izvor/razlog | Ako se ova vrijednost promijeni za 10%, to će utjecati na godišnji rezultat. Označite 3 najkrhkije pretpostavke.
Kada rukovodstvu predstavljate prediktivne rezultate umjetne inteligencije, uključite "karticu pretpostavki": tri najkritičnije pretpostavke, njihove vrijednosti i izvore. Dakle, predviđanje više nije crna kutija; Svatko vidi na što se kladi. A kada realizacija odstupi, možete brzo dijagnosticirati koja pretpostavka nije održana, što poboljšava sljedeću prognozu.
Oprez: nemojte braniti predviđanje generirano umjetnom inteligencijom govoreći "to je ono što je model rekao." Odgovornost za predviđanje leži na osobi koja ga iznosi. Uvijek predstavite menadžmentu s okvirom "ovo je scenarij temeljen na ovim pretpostavkama, aktualizacija se može razlikovati".
Mini kućišta
Slučaj 1 — Prognoza koja uviđa sezonalnost. Maloprodajna tvrtka dostavila je AI podatke o prodaji za 24 mjeseca. Model je primijetio stalan skok od 40% u studenom i prosincu i sukladno tome prilagodio svoju prognozu za sljedeću godinu. Da je korišten stalni trend, plan zaliha na kraju godine bio bi ozbiljno pogrešan.
Slučaj 2 — Zamka neparnog broja. Startup temelji svoj proračun na AI-jevoj prognozi "18 milijuna sljedeće godine". Ali to se temeljilo na pretpostavci da se "rast nastavlja kakav jest". 11M je realizirano odlaskom dva velika kupca. Nakon što je lekcija naučena, tim je prešao na niz scenarija; Raspon prognoze za sljedeću godinu pokrivao je ono što se zapravo dogodilo.
Slučaj 3 — Osjetljivost je promijenila odluku. "Najosetljivija pretpostavka je cijena sirovina", rekao je AI u prognozi proizvođača, pokazujući da bi povećanje cijene od 10% smanjilo godišnji profit za 22%. Uprava je tada s dobavljačem potpisala godišnji ugovor s fiksnom cijenom. Prava vrijednost prognoze nije bila brojka, već ovaj uvid u raspoloženje.
Slučaj 4 — Tekuća prognoza pobjeđuje. Jedan je trgovac ažurirao svoju godišnju prognozu stvarnim vrijednostima svaki mjesec, umjesto da ju je jednom postavio i zaboravio. U trećem mjesecu vidjelo se da je pretpostavka o "rastu od 12%" zapravo 7%; Predviđanje je rano korigirano, a inventar na kraju godine i plan osoblja prilagođeni su u skladu s tim. Da se fiksna prognoza održala, došlo bi do ogromnog viška zaliha i novčane krize na kraju godine. Pouka: prognoza je živi dokument, ne postavlja se jednom i odlaže.
Uobičajene greške
- Traženje neparnog broja. Predviđanje bez raspona i scenarija stvara lažnu sigurnost.
- Skrivanje pretpostavki. Nevidljiva pretpostavka znači predviđanje koje se ne može preispitivati i ažurirati.
- Previše se oslanja na prošlost. Uzorak proširuje prošli obrazac; ne može vidjeti prijelome i vanjske udare.
- Zamijeniti predviđanje kao proročanstvo. AI ne poznaje budućnost; Samo uzima u obzir vaše pretpostavke.
- Ne pravim tekuću prognozu. Postavite prognozu jednom i zaboravite je; ne ažurira kako se to događa.
Ukratko
- To je moćan pomoćnik u AI predviđanju: izdvaja trend i sezonalnost, gradi scenarij, objašnjava logiku; ali ne poznaje budućnost i ne može vidjeti vanjske šokove.
- Uvijek tražite hipotetski raspon i optimistične/osnovne/pesimistične scenarije umjesto jednog broja.
- Imajte jasno navedene pretpostavke i identificirajte najosjetljiviju pretpostavku analizom osjetljivosti.
- Odgovornost za predviđanje leži na osobi koja ga predstavlja; Predstavite menadžmentu s okvirom "scenarija, a ne izvjesnosti".
- Ažurirajte prognozu onako kako se to događa s Tekućom prognozom; Instalirajte jednom i ne zaboravite.
Zadatak aplikacije
Pribavite podatke o stvarnom prihodu (stvarnom ili uzorku) za najmanje 12 mjeseci. Stvorite 12-mjesečnu prognozu s tri scenarija pomoću moćnog predloška s uputama. Zatim uklonite tri najosjetljivije pretpostavke s upitom za osjetljivost. Jednom ručno provjerite mjesečnu stopu rasta osnovnog slučaja modela i sažmite prognozu na slajdu s okvirom "scenarija, a ne sigurnosti".
popis za provjeru
- [ ] Dao sam dovoljno povijesnih podataka (po mogućnosti mjesečno).
- [ ] Eksplicitno sam naveo pretpostavke i dao ih navesti u modelu.
- [ ] Htio sam skriptirani raspon, a ne jedan broj.
- [ ] Identificirao sam najosjetljiviju pretpostavku kroz analizu osjetljivosti.
- [ ] Ručno sam provjerio izračun rasta osnovnog slučaja.
- [ ] Predstavio sam procjenu u okviru "scenarija, a ne sigurnosti".