Ieguvumi:
- Spēja pozicionēt AI kā palīgu, kas ģenerē hipotētiskus scenārijus ienākumu/izdevumu prognozēšanā
- Spēja rakstīt prognožu uzvednes ar diapazonu un jutīgumu, pamatojoties uz vēsturiskiem datiem un skaidriem pieņēmumiem
- Spēja atpazīt AI prognožu ierobežojumus un apvienot tos ar cilvēka spriedumiem
"Kāds būs mūsu apgrozījums nākamgad?" ir viens no grūtākajiem jautājumiem finanšu komandai. Prognozēšana ir nākotnes prognoze, pamatojoties uz pagātnes datiem un pieņēmumiem. Mākslīgais intelekts (AI) šeit var būt spēcīgs palīgs; Taču jau pašā sākumā ir jāpieņem fakts: modelis nezina nākotni. Tas apstrādā tikai jūsu sniegtos modeļus un pieņēmumus. Šajā nodaļā mēs iemācīsimies pozicionēt AI pareizajā prognozēšanā un atpazīt tās robežas.
Ko AI dara un ko nedara prognozē?
Tā veic: apkopo pagātnes tendences, atpazīst sezonalitāti (atkārtotas svārstības noteiktos mēnešos), veido scenārijus ar dažādiem pieņēmumiem, izskaidro prognožu loģiku un ievieto prognozi stāstījumā.
Tā nezina: tā nevar dot precīzu nākotni, nevar paredzēt ārējos satricinājumus (valūtas kursa krīze, regulējuma izmaiņas), tā nevar zināt faktu, kas nav datos. Tērzēšanas robota dotais teikums "nākamgad pieaugsi par 18%" nav pareģojums, bet gan jūsu izteikto pieņēmumu matemātisks atspoguļojums.
Padoms. Nekad nejautājiet modelim "vienu numuru". Vienmēr jautājiet par diapazonu un uz kādiem pieņēmumiem šis diapazons ir balstīts. Teikums "14-15M bāzes gadījumā, nosacījums: pašreizējais izaugsmes temps turpinās" ir daudz godīgāks un noderīgāks nekā singls "14,6M".
Soli pa solim: izveidojiet stabilu prognozi
- Sniedziet vēsturiskos datus. Notiek vismaz dažus periodus; katru mēnesi, ja iespējams.
- Skaidri uzrakstiet pieņēmumus. Izaugsmes temps, sezonalitāte, zināmās izmaiņas.
- Norādiet metodi. Vienkārša tendence, sezonāli koriģēta vai scenārija pamatā?
- Pieprasiet diapazonu un scenāriju. Optimists / bāze / pesimists.
- Lūdziet jutīgumu. "Kurš pieņēmums visvairāk maina rezultātu?"
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne: prognozējiet manu apgrozījumu nākamajā gadā. Šogad ieguvām 12 milj.
Tādējādi tiek iegūts viens skaitlis bez pamata; Nav skaidrs, uz kādu pieņēmumu tas ir balstīts, kas ir bīstams lēmumam.
Spēcīga uzvedne:Jūsu loma: finanšu plānošanas analītiķis.Uzdevums: Prognoze nākamajiem 12 mēnešiem, izmantojot šādus ikmēneša ienākumu datus.Metode:1) Vispirms apkopojiet tendences un sezonalitāti vēsturiskajos datos.2) Izveidojiet 3 scenārijus ar šādiem pieņēmumiem: - Bāze: pēdējo 12 mēnešu vidējais pieauguma temps turpinās - Turpinās - Optimistisks: Pieaugums +3 punkti 12 mēnešu kopējais un mēneša diapazons katram scenārijam.4) Sadaļa "Jūtība": kurš pieņēmums mainās, rezultāts mainās visvairāk?Ierobežojums: skaidri uzskaitiet pieņēmumus. Norādiet, ka aplēse ir prognoze, nevis pārliecība. Ņemiet vērā, ka jūs nevarat modelēt ārējos triecienus.<data>Janvāris..Decembra mēneša apgrozījuma rādītāji</data>
Šī uzvedne; Precīza skaitļa vietā tas rada pamatotu diapazonu, scenārijus un jutīguma analīzi, piemēram, "visneaizsargātāko pieņēmumu apkopošana/pieaugšanas temps". Lēmumu pieņēmējs pieņem lēmumus, redzot nenoteiktību.
Sezonalitāte ir visbiežāk aizmirstais temats prognozēšanā. Daudzu uzņēmumu pārdošanas apjomi atsevišķos mēnešos regulāri pieaug un samazinās: saldējuma ražotnes maksimums ir vasarā, suvenīru veikala maksimums brīvdienās. Plakana tendences līnija nevar redzēt šīs svārstības un nepareizi izveidos krājumu, personāla un naudas plānu. Ja AI sniedzat pietiekami daudz vēsturisko datu (ideālā gadījumā vismaz 24 mēnešus), tas pamanīs šo atkārtojošos modeli un attiecīgi pielāgos prognozi.
Prognozēšanas metodes un AI loma
Metode
Kad tas ir piemērots?
AI ieguldījums
robeža
vienkārša tendence
Stabili, nesezonāli dati
Ātri uztver tendenci
Nevar redzēt pārtraukumus
sezonālā korekcija
Pārdošanas apjoms svārstās pa mēnešiem
Izskaidro sezonas raksturu
Pārāk pieķēries pagātnei
Pamatojoties uz scenāriju
Augstas nenoteiktības periods
Ātri pārbauda hipotēzes
Atkarīgs no pieņēmuma kvalitātes
Pamatojoties uz draiveri
Ja ienākumi ir atkarīgi no vairākiem faktoriem
Izveido faktoru attiecības
Cilvēks pārbauda attiecības
Uz vadītāju balstīta prognozēšana
Apgrozījuma prognozēšana ar vienu pieauguma procentu bieži ir neapstrādāta. Stingrākais veids ir dalīt ieņēmumus pa faktoriem: ieņēmumi = klientu skaits × vidējais pārdošanas apjoms uz vienu klientu × atkārtošanās biežums. Prognozējot un reizinot katru vadītāju atsevišķi, tiek iegūta prognoze, kas ir gan precīzāka, gan apšaubāmāka; jo jūs skaidri redzat, kurš pieņēmums ir mainījies.
Novērtējiet manus ienākumus, pamatojoties uz vadītājiem. Ieņēmumi = aktīvo klientu skaits × vidējie mēneša ieņēmumi uz vienu klientu (ARPU). Izņemiet šos divus draiverus atsevišķi par pēdējiem 12 mēnešiem, interpretējiet katra tendences un pēc tam prognozējiet nākamos 12 mēnešus, projicējot divus draiverus atsevišķi. Katram vadītājam skaidri uzrakstiet pieņēmumu; Norādiet, kurš draiveris ir neskaidrāks. Datos izmantojiet tikai skaitļus, parādiet formulas.
Šīs metodes spēks ir tāds, ka tā vietā, lai teiktu "apgrozījums palielinās par 15%, jūs sakāt: "klientu skaits palielinās par 8%, ieņēmumi uz vienu klientu palielinās par 6%. Abus var apšaubīt atsevišķi; Ja kāds ir nereāls, no turienes pielāgojiet tāmi. Vadība arī jautā: "uz kādu pieņēmumu mēs paļaujamies?" var konkrēti atbildēt uz jautājumu.
Jutīguma un pieņēmuma disciplīna
Prognozes kvalitāte ir pieņēmumu kvalitāte. Vienmēr saglabājiet pieņēmumus redzamus AI un atgriezieties un atjauniniet tos, kad tie notiek (slīdošā prognoze, tas ir, mainīgā prognoze, kas tiek atjaunināta katru mēnesi).
Tālāk tabulas veidā uzskaitiet VISUS prognozēšanā izmantotos pieņēmumus: pieņēmums | vērtība | avots/iemesls | Ja šī vērtība mainās par 10%, tā ietekme uz gada rezultātu. Atzīmējiet 3 trauslākos pieņēmumus.
Sniedzot vadībai AI paredzamo rezultātu, iekļaujiet "pieņēmumu karti": trīs vissvarīgākos pieņēmumus, to vērtības un avotus. Tādējādi prognoze vairs nav melnā kaste; Katrs redz, uz ko liek likmes. Un, kad atziņa novirzās, jūs varat ātri diagnosticēt, kurš pieņēmums nebija spēkā, kas uzlabo nākamo prognozi.
Uzmanību! Neaizstāviet mākslīgā intelekta radīto prognozi, sakot "tā teica modelis". Atbildība par prognozi gulstas uz personu, kas to sniedz. Vienmēr iesniedziet vadībai ietvaru "šis ir scenārijs, kas balstīts uz šiem pieņēmumiem, aktualizācija var atšķirties".
Mini futrāļi
1. gadījums — prognoze, kas ņem vērā sezonalitāti. Mazumtirdzniecības uzņēmums AI sniedza 24 mēnešu pārdošanas datus. Modelis novembrī-decembrī pamanīja stabilu 40% lēcienu un attiecīgi koriģēja savu nākamā gada prognozi. Ja būtu izmantota vienota tendence, gada beigu krājumu plāns būtu nopietni nepareizs.
2. gadījums — nepāra skaitļa slazds. Jaunuzņēmums savu budžetu pamato ar AI prognozi "nākamajam gadam 18 miljoni". Bet tas bija balstīts uz pieņēmumu, ka "izaugsme turpinās, kā tā ir". 11 miljoni tika realizēti, kad aizgāja divi lieli klienti. Kad mācība bija apgūta, komanda pārgāja uz scenāriju diapazonu; Nākamā gada prognožu diapazons aptvēra to, kas patiesībā notika.
3. gadījums — jutīgums mainīja lēmumu. "Visneaizsargātākais pieņēmums ir izejvielu cena," AI teica ražotāja prognozē, parādot, ka 10% cenu pieaugums samazinātu gada peļņu par 22%. Pēc tam vadība parakstīja fiksētas cenas gada līgumu ar piegādātāju. Prognozes patiesā vērtība bija nevis cipars, bet gan šis sentimenta ieskats.
4. gadījums — uzvar mainīgā prognoze. Viens mazumtirgotājs katru mēnesi atjaunināja savu gada prognozi ar faktiskajiem rādītājiem, nevis uzstādīja to vienreiz un aizmirsa. Trešajā mēnesī bija redzams, ka pieņēmums "pieaugums 12%" faktiski bija 7%; Prognoze tika koriģēta agri un attiecīgi koriģēts gada beigu inventarizācijas un personāla plāns. Ja fiksētā prognoze būtu saglabāta, gada beigās būtu bijis milzīgs krājumu pārpalikums un naudas trūkums. Mācība: prognoze ir dzīvs dokuments, to vienreiz neuzstādi un noliek.
Biežas kļūdas
- Prasa nepāra skaitli. Prognozēšana bez diapazona un skripta rada nepatiesu noteiktību.
- Pieņēmumu slēpšana. Neredzams pieņēmums nozīmē prognozi, ko nevar apšaubīt un atjaunināt.
- Pārāk daudz paļaušanās uz pagātni. Modelis paplašina pagātnes modeli; nevar redzēt lūzumus un ārējos triecienus.
- Kļūdaini pareģojumu kā pareģojumu. AI nezina nākotni; Tas tikai ņem vērā jūsu pieņēmumus.
- Neveicot ritošo prognozi. Vienreiz iestatiet prognozi un aizmirstiet to; netiek atjaunināts, kā tas notiek.
Rezumējot
- Tas ir spēcīgs palīgs AI prognozēšanā: izņem tendences un sezonalitāti, veido scenāriju, izskaidro loģiku; bet tas nezina nākotni un nevar redzēt ārējos satricinājumus.
- Vienmēr lūdziet hipotētisku diapazonu un optimistiskus/bāzes/pesimistiskus scenārijus, nevis vienu skaitli.
- Skaidri uzskaitiet pieņēmumus un, izmantojot jutīguma analīzi, identificējiet visneaizsargātāko pieņēmumu.
- Atbildība par prognozi gulstas uz to sniedzēju; Prezentēt vadībai ar "scenārija, nevis noteiktības" ietvaru.
- Atjauniniet prognozi, k tas notiek ar Rolling prognoze; Instalējiet to vienreiz un neaizmirstiet.
Lietojumprogrammas uzdevums
Iegūstiet vismaz 12 mēnešu datus par faktiskajiem ieņēmumiem (faktiskajiem vai izlases datiem). Izveidojiet trīs scenāriju 12 mēnešu prognozi, izmantojot jaudīgu uzvednes veidni. Pēc tam noņemiet trīs trauslākos pieņēmumus, izmantojot jutīguma uzvedni. Vienreiz manuāli pārbaudiet modeļa bāzes gadījuma ikmēneša pieauguma tempu un apkopojiet prognozi slaidā, izmantojot ietvaru "scenārijs, nevis noteiktība".
kontrolsaraksts
- [ ] Esmu sniedzis pietiekami daudz vēsturisko datu (vēlams reizi mēnesī).
- [ ] Es skaidri uzskaitīju pieņēmumus un liku tos uzskaitīt modelī.
- [ ] Es gribēju skriptu diapazonu, nevis vienu numuru.
- [ ] Es identificēju trauslāko pieņēmumu, izmantojot jutīguma analīzi.
- [ ] Manuāli pārbaudīju bāzes gadījuma pieauguma aprēķinu.
- [ ] Es iesniedzu tāmi "scenārija, nevis noteiktības" ietvaros.