Guadagni:
- Capacità di posizionare l'intelligenza artificiale come assistente che genera scenari ipotetici nella previsione di entrate/spese
- Capacità di scrivere richieste di previsione con intervallo e sensibilità basate su dati storici e ipotesi esplicite
- Capacità di riconoscere i limiti delle previsioni dell'intelligenza artificiale e di fonderli con il giudizio umano
"Quale sarà il nostro fatturato l'anno prossimo?" è una delle domande più difficili per il team finanziario. La previsione consiste nel fare una previsione sul futuro sulla base di dati e ipotesi passati. L’intelligenza artificiale (AI) può essere un potente assistente in questo caso; Ma è necessario accettare fin dall’inizio un fatto: il modello non conosce il futuro. Elabora solo i modelli e le ipotesi che fornisci. In questa unità impareremo a posizionare l'intelligenza artificiale nel suo ruolo corretto nella previsione e a riconoscerne i limiti.
Cosa fa e cosa non fa l'intelligenza artificiale nelle previsioni?
Lo fa: riassume la tendenza passata, riconosce la stagionalità (fluttuazioni ripetute in determinati mesi), costruisce scenari con ipotesi diverse, spiega la logica della previsione e inserisce la previsione in una narrazione.
Non lo fa: non può fornire un futuro accurato, non può prevedere shock esterni (crisi del tasso di cambio, cambiamento della regolamentazione), non può conoscere un fatto che non sia nei dati. La frase "crescerai del 18% l'anno prossimo" pronunciata da un chatbot non è una profezia, ma un riflesso matematico delle ipotesi che fai.
Suggerimento: non chiedere mai al modello un "numero unico". Chiedi sempre un intervallo e su quali presupposti si basa tale intervallo. La frase "14-15 milioni nel caso base, condizione: il tasso di crescita attuale continua" è molto più onesta e utile della sola "14,6 milioni".
Passo dopo passo: costruire una previsione solida
- Fornire dati storici. Si verifica per almeno alcuni periodi; mensilmente se possibile.
- Scrivi chiaramente le ipotesi. Tasso di crescita, stagionalità, cambiamenti noti.
- Specificare il metodo. Tendenza semplice, destagionalizzata o basata su scenari?
- Richiedi autonomia e scenario. Ottimista/base/pessimista.
- Richiedi sensibilità. “Quale ipotesi cambia maggiormente il risultato?”
Prompt debole / Prompt forte
Suggerimento debole: prevedere il mio fatturato l'anno prossimo. Quest'anno abbiamo realizzato 12 milioni.
Ciò produce un singolo numero senza base; Non è chiaro su quale presupposto si basi, il che è pericoloso per la decisione.
Suggerimento forte: Il tuo ruolo: un analista di pianificazione finanziaria. Compito: prevedere i prossimi 12 mesi dai seguenti dati mensili sul reddito. Metodo: 1) Innanzitutto riepilogare la tendenza e la stagionalità nei dati storici.2) Impostare 3 scenari con le seguenti ipotesi: - Base: tasso di crescita medio degli ultimi 12 mesi continua - Ottimista: crescita +3 punti - Pessimistico: crescita -5 punti3) Fornire il totale di 12 mesi e l'intervallo mensile per ciascuno scenario.4) Sezione "Sensibilità": quale ipotesi cambia, il risultato cambia di più? Vincolo: elenca le ipotesi in modo esplicito. Precisare che la stima è una previsione e non una certezza. Tieni presente che non è possibile modellare shock esterni.<data>Cifre di fatturato mensile di gennaio..dicembre</data>
Questo suggerimento; Invece di un numero esatto, produce un intervallo ragionato, scenari e un'analisi di sensibilità come "il tasso di raccolta/crescita delle ipotesi più vulnerabili". Il decisore prende decisioni vedendo l’incertezza.
La stagionalità è l’argomento più spesso trascurato nelle previsioni. Le vendite di molte attività commerciali aumentano e diminuiscono regolarmente in determinati mesi: un gelatiere ha il suo picco in estate, un negozio di souvenir il suo picco durante le vacanze. Una linea di tendenza piatta non può vedere questa fluttuazione e imposterà in modo errato il piano delle scorte, del personale e della liquidità. Se fornisci all’IA dati storici sufficienti (idealmente almeno 24 mesi), noterà questo schema ripetuto e adeguerà la previsione di conseguenza.
Metodi di previsione e ruolo dell'intelligenza artificiale
Metodo
Quando è opportuno?
Contributo dell'IA
confine
tendenza semplice
Dati stabili e non stagionali
Ottiene rapidamente la tendenza
Non riesco a vedere le interruzioni
correzione stagionale
Vendite fluttuanti di mese in mese
Spiega il modello stagionale
Troppo attaccato al passato
Basato su scenari
Un periodo di grande incertezza
Verifica rapidamente le ipotesi
Dipende dalla qualità dell'ipotesi
Basato su driver
Se il reddito dipende da diversi fattori
Stabilisce la relazione tra i fattori
L'essere umano verifica la relazione
Previsione basata sui driver
Prevedere il fatturato con un’unica percentuale di crescita è spesso approssimativo. Il modo più efficace è dividere le entrate in base ai fattori determinanti: entrate = numero di clienti × vendite medie per cliente × frequenza di ripetizione. Prevedere e moltiplicare ciascun conducente separatamente fornisce una previsione che è allo stesso tempo più accurata e più discutibile; perché vedi chiaramente quale presupposto è cambiato.
Stima il mio reddito in base ai conducenti. Entrate = numero di clienti attivi × entrate mensili medie per cliente (ARPU). Estrai questi due fattori separatamente per gli ultimi 12 mesi, interpreta il trend di ciascuno, quindi fai una previsione per i prossimi 12 mesi proiettando i due fattori separatamente. Scrivere chiaramente l'ipotesi per ciascun conducente; Specificare quale driver è più poco chiaro. Utilizza solo numeri nei dati, mostra formule.
La forza di questo metodo è che invece di dire "il fatturato aumenta del 15%", si dice "il numero di clienti aumenta dell'8%, il fatturato per cliente aumenta del 6%". I due possono essere interrogati separatamente; Se uno non è realistico, modifichi la stima da lì. Il management si chiede anche "su quale presupposto facciamo affidamento?" può rispondere concretamente alla domanda.
Sensibilità e disciplina dell'assunzione
La qualità delle previsioni è la qualità delle ipotesi. Mantieni sempre le ipotesi visibili all'IA e torna indietro e aggiornale man mano che si verificano (previsione mobile, ovvero una previsione mobile che viene aggiornata ogni mese).
Elenca TUTTE le ipotesi che hai utilizzato nella previsione di seguito in forma tabellare: ipotesi | valore | fonte/motivo | Se questo valore cambia del 10%, il suo effetto sul risultato annuale. Spunta le 3 ipotesi più fragili.
Quando si presentano i risultati predittivi dell'IA al management, includere una "carta dei presupposti": i tre presupposti più critici, i loro valori e le loro fonti. Pertanto, la previsione non è più una scatola nera; Tutti vedono su cosa stanno scommettendo. E quando la realizzazione devia, puoi diagnosticare rapidamente quale ipotesi non è stata valida, il che migliora la previsione successiva.
Attenzione: non difendere la previsione generata dall'intelligenza artificiale dicendo "questo è ciò che ha detto il modello". La responsabilità della previsione è di chi la presenta. Sempre presente al management con il quadro di “questo è uno scenario basato su questi presupposti, la realizzazione potrebbe differire”.
Mini custodie
Caso 1: previsione che considera la stagionalità. Una società di vendita al dettaglio ha fornito all'intelligenza artificiale 24 mesi di dati sulle vendite. Il modello ha notato un aumento costante del 40% nel periodo novembre-dicembre e ha adeguato di conseguenza le sue previsioni per il prossimo anno. Se si fosse utilizzato un trend piatto, il piano azionario di fine anno sarebbe stato gravemente sbagliato.
Caso 2 – La trappola del numero dispari. Una startup basa il proprio budget sulle previsioni dell'intelligenza artificiale "18 milioni l'anno prossimo". Ma questo si basava sul presupposto che "la crescita continua così com'è". 11M è stato realizzato quando due importanti clienti se ne sono andati. Una volta appresa la lezione, la squadra è passata alla gamma dello scenario; La fascia di previsione per l'anno successivo copriva ciò che realmente accadde.
Caso 3 – La sensibilità ha cambiato la decisione. “L’ipotesi più vulnerabile è il prezzo delle materie prime”, ha affermato AI nelle previsioni di un produttore, dimostrando che un aumento del prezzo del 10% ridurrebbe i profitti annuali del 22%. La direzione ha quindi firmato un contratto annuale a prezzo fisso con il fornitore. Il vero valore della previsione non era il numero, ma questa intuizione del sentiment.
Caso 4: la previsione mobile vince. Un rivenditore ha aggiornato le sue previsioni annuali con i dati effettivi ogni mese, invece di impostarle una volta e dimenticarle. Nel terzo mese si è visto che l'ipotesi di “crescita del 12%” era in realtà del 7%; La previsione è stata corretta in anticipo e l'inventario di fine anno e il piano del personale sono stati adeguati di conseguenza. Se le previsioni fisse fossero state mantenute, alla fine dell'anno si sarebbe verificato un enorme eccesso di scorte e una crisi di liquidità. Lezione: una previsione è un documento vivo, non viene impostata una volta e poi messa da parte.
Errori comuni
- Chiedere un numero dispari. Fare previsioni senza range e script crea false certezze.
- Nascondere le ipotesi. Presupposto invisibile significa una previsione che non può essere messa in discussione e aggiornata.
- Fare troppo affidamento sul passato. Il modello estende il modello passato; non si vedono fratture e shock esterni.
- Confondere una predizione con una profezia. L’intelligenza artificiale non conosce il futuro; Tiene semplicemente conto delle tue supposizioni.
- Non fare una previsione mobile. Imposta la previsione una volta e dimenticala; non si aggiorna come accade.
In sintesi
- È un potente assistente nelle previsioni dell'intelligenza artificiale: estrae trend e stagionalità, costruisce scenari, spiega la logica; ma non conosce il futuro e non riesce a vedere gli shock esterni.
- Chiedi sempre un intervallo ipotetico e scenari ottimistici/di base/pessimistici piuttosto che un singolo numero.
- Elenca chiaramente le ipotesi e identifica l'ipotesi più vulnerabile attraverso l'analisi di sensibilità.
- La responsabilità della previsione è di chi la presenta; Presentarsi al management con un quadro di “scenario, non certezza”.
- Aggiorna la previsione man mano che accade con la previsione mobile; Installalo una volta e non dimenticare.
Compito dell'applicazione
Ottenere almeno 12 mesi di dati sulle entrate effettive (effettivi o campione). Crea una previsione per 12 mesi composta da tre scenari con un potente modello di prompt. Quindi rimuovi i tre presupposti più fragili con il suggerimento sulla sensibilità. Verifica manualmente una volta il tasso di crescita mensile del caso base del modello e riepiloga la previsione su una diapositiva con un quadro di "scenario, non certezza".
lista di controllo
- [ ] Ho fornito dati storici sufficienti (preferibilmente mensili).
- [ ] Ho elencato esplicitamente le ipotesi e le ho inserite nel modello.
- [ ] Volevo un intervallo con script, non un singolo numero.
- [ ] Ho identificato l'ipotesi più fragile attraverso l'analisi di sensibilità.
- [ ] Ho verificato manualmente il calcolo della crescita del caso base.
- [ ] Ho presentato la stima in un quadro di “scenario, non certezza”.