Zyski:
- Możliwość pozycjonowania AI jako asystenta generującego hipotetyczne scenariusze w prognozowaniu przychodów/wydatków
- Możliwość pisania podpowiedzi prognozowych z zakresem i czułością w oparciu o dane historyczne i jednoznaczne założenia
- Umiejętność rozpoznawania ograniczeń przewidywań AI i łączenia ich z ludzką oceną
„Jakie będą nasze obroty w przyszłym roku?” to jedno z najtrudniejszych pytań dla zespołu finansowego. Prognozowanie polega na przewidywaniu przyszłości na podstawie przeszłych danych i założeń. Sztuczna inteligencja (AI) może być tutaj potężnym pomocnikiem; Trzeba jednak od początku zaakceptować fakt: model nie zna przyszłości. Przetwarza jedynie wzorce i założenia, które podasz. W tej części nauczymy się pozycjonować sztuczną inteligencję we właściwej roli w prognozowaniu i rozpoznawać jej ograniczenia.
Co robi sztuczna inteligencja, a czego nie robi w prognozach?
Robi: podsumowuje przeszły trend, rozpoznaje sezonowość (powtarzające się wahania w niektórych miesiącach), buduje scenariusze z różnymi założeniami, wyjaśnia logikę prognozy i umieszcza prognozę w narracji.
Nie: nie może przewidzieć dokładnej przyszłości, nie może przewidzieć wstrząsów zewnętrznych (kryzys walutowy, zmiana przepisów), nie może poznać faktu, którego nie ma w danych. Zdanie „w przyszłym roku wzrośniesz o 18%” wypowiedziane przez chatbota nie jest przepowiednią, ale matematycznym odzwierciedleniem przyjętych przez Ciebie założeń.
Wskazówka: nigdy nie proś modelki o „jedną liczbę”. Zawsze pytaj o zakres i założenia, na jakich ten zakres się opiera. Zdanie „14-15 mln w scenariuszu bazowym, warunek: kontynuacja obecnego tempa wzrostu” jest o wiele bardziej szczere i przydatne niż pojedyncze „14,6 mln”.
Krok po kroku: budowanie solidnej prognozy
- Podaj dane historyczne. Występuje przez co najmniej kilka okresów; jeśli to możliwe, co miesiąc.
- Zapisz założenia jasno. Tempo wzrostu, sezonowość, znane zmiany.
- Określ metodę. Prosty trend, dostosowany sezonowo czy oparty na scenariuszu?
- Zapytaj o zasięg i scenariusz. Optymista / bazowy / pesymista.
- Proś o wrażliwość. „Które założenie najbardziej zmienia wynik?”
Słaba podpowiedź/silna podpowiedź
Słaba zachęta: przewiduj moje obroty w przyszłym roku. W tym roku zebraliśmy 12 mln.
Daje to pojedynczą liczbę bez podstawy; Nie jest jasne, na jakim założeniu się opiera, co jest niebezpieczne dla decyzji.
Mocna wskazówka: Twoja rola: analityk planowania finansowego. Zadanie: Prognozuj następne 12 miesięcy na podstawie następujących miesięcznych danych o dochodach. Metoda: 1) Najpierw podsumuj trend i sezonowość w danych historycznych.2) Stwórz 3 scenariusze z następującymi założeniami: - Bazowy: średnia stopa wzrostu z ostatnich 12 miesięcy trwa - Optymistyczny: wzrost +3 punkty - Pesymistyczny: wzrost -5 punktów3) Podaj 12-miesięczny przedział całkowity i miesięczny dla każdego scenariusza.4) Sekcja „Wrażliwość”: które założenia się zmieniają, wynik zmienia się najbardziej? Ograniczenie: Wymień wyraźnie założenia. Należy stwierdzić, że oszacowanie jest przewidywaniem, a nie pewnością. Należy pamiętać, że nie można modelować szoków zewnętrznych.<data>Styczeń..Miesięczne obroty w grudniu</data>
Ten monit; Zamiast dokładnej liczby tworzy uzasadniony zakres, scenariusze i analizę wrażliwości, np. „stopę zbierania/wzrostu najbardziej wrażliwych założeń”. Osoba podejmująca decyzję podejmuje decyzje, widząc niepewność.
Sezonowość jest najczęściej pomijanym tematem w prognozowaniu. Sprzedaż wielu przedsiębiorstw regularnie rośnie i spada w określonych miesiącach: w przypadku producenta lodów osiąga się szczyt latem, a w sklepie z pamiątkami w okresie wakacji. Płaska linia trendu nie pozwala na wykrycie tej fluktuacji i spowoduje nieprawidłowe skonfigurowanie planu zapasów, personelu i środków pieniężnych. Jeśli podasz AI wystarczającą ilość danych historycznych (najlepiej co najmniej 24 miesiące), zauważy ona ten powtarzający się schemat i odpowiednio dostosuje prognozę.
Metody przewidywania i rola sztucznej inteligencji
Metoda
Kiedy jest to właściwe?
Wkład AI
granica
prosty trend
Stabilne, niesezonowane dane
Szybko łapie trend
Nie widzę przerw
korekta sezonowa
Sprzedaż zmienia się w zależności od miesiąca
Wyjaśnia wzór sezonowy
Zbyt przywiązany do przeszłości
Oparte na scenariuszu
Okres dużej niepewności
Szybko testuje hipotezy
Zależy od jakości założenia
Oparte na sterownikach
Jeśli dochód zależy od kilku czynników
Ustala związek czynnikowy
Człowiek weryfikuje związek
Przewidywanie oparte na sterownikach
Przewidywanie obrotów przy pojedynczym procentowym wzroście jest często niedokładne. Bardziej niezawodnym sposobem jest podzielenie przychodów według czynników: przychody = liczba klientów × średnia sprzedaż na klienta × częstotliwość powtarzania. Przewidywanie i mnożenie każdego czynnika z osobna daje przewidywanie, które jest zarówno dokładniejsze, jak i bardziej wątpliwe; ponieważ wyraźnie widać, które założenie uległo zmianie.
Oszacuj moje dochody na podstawie kierowców. Przychody = liczba aktywnych klientów × średni miesięczny przychód na klienta (ARPU). Wyodrębnij oddzielnie te dwa czynniki dla ostatnich 12 miesięcy, zinterpretuj trend każdego z nich, a następnie prognozuj na następne 12 miesięcy, prognozując oba czynniki oddzielnie. Zapisz wyraźnie założenia dla każdego sterownika; Określ, który sterownik jest bardziej niejasny. Używaj w danych wyłącznie liczb, pokazuj formuły.
Siła tej metody polega na tym, że zamiast mówić „obrót wzrasta o 15%”, mówisz „liczba klientów wzrasta o 8%, przychód na klienta wzrasta o 6%”. Można je kwestionować oddzielnie; Jeżeli jest to nierealne, należy na tej podstawie skorygować oszacowanie. Kierownictwo pyta również „na jakich założeniach się opieramy?” potrafi konkretnie odpowiedzieć na pytanie.
Wrażliwość i dyscyplina założenia
Jakość prognozy to jakość założeń. Zawsze utrzymuj założenia widoczne dla AI i wracaj do nich i aktualizuj je na bieżąco (prognoza krocząca, czyli prognoza krocząca, która jest aktualizowana co miesiąc).
Wymień WSZYSTKIE założenia, których użyłeś w poniższej prognozie, w formie tabelarycznej: założenie | wartość | źródło/przyczyna | Zmiana tej wartości o 10% ma wpływ na wynik roczny. Zaznacz 3 najbardziej kruche założenia.
Prezentując kierownictwu wyniki predykcyjne sztucznej inteligencji, dołącz „kartę założeń”: trzy najważniejsze założenia, ich wartości i źródła. Zatem przewidywanie nie jest już czarną skrzynką; Każdy widzi, na co stawia. A gdy realizacja odbiega od normy, można szybko zdiagnozować, które założenie się nie sprawdziło, co poprawia kolejną prognozę.
Uwaga: nie broń przewidywań wygenerowanych przez sztuczną inteligencję, mówiąc „tak powiedział model”. Odpowiedzialność za prognozę ponosi osoba ją przedstawiająca. Zawsze przedstawiaj kierownictwu stwierdzenie „jest to scenariusz oparty na tych założeniach, realizacja może się różnić”.
Mini etui
Przypadek 1 — Prognoza uwzględniająca sezonowość. Firma zajmująca się sprzedażą detaliczną przekazała sztucznej inteligencji dane dotyczące sprzedaży z 24 miesięcy. Model zaobserwował stały wzrost o 40% w okresie listopad-grudzień i odpowiednio skorygował swoją prognozę na przyszły rok. Gdyby zastosowano trend płaski, plan akcji na koniec roku byłby poważnie błędny.
Przypadek 2 — Pułapka liczby nieparzystej. Startup opiera swój budżet na prognozie AI „18M w przyszłym roku”. Opierało się to jednak na założeniu, że „wzrost będzie kontynuowany bez zmian”. 11M zostało zrealizowane po odejściu dwóch głównych klientów. Po wyciągnięciu wniosków zespół przeszedł do opracowania scenariuszy; Zespół prognozy na kolejny rok obejmował to, co faktycznie się wydarzyło.
Przypadek 3 – Wrażliwość zmieniła decyzję. „Najbardziej wrażliwym założeniem jest cena surowca” – stwierdziła AI w prognozie producenta, pokazując, że wzrost ceny o 10% zmniejszyłby roczne zyski o 22%. Następnie kierownictwo podpisało z dostawcą roczną umowę o stałej cenie. Prawdziwą wartością prognozy nie była liczba, ale wgląd w nastroje.
Przypadek 4 — Wygrywa prognoza krocząca. Zamiast ustalać ją raz i zapomnieć, jeden ze sprzedawców detalicznych co miesiąc aktualizował swoją roczną prognozę o rzeczywiste dane. W trzecim miesiącu okazało się, że założenie „wzrostu o 12%” w rzeczywistości wynosiło 7%; Prognoza została wcześniej skorygowana, w związku z czym dokonano stosownej korekty planu zapasów i kadr na koniec roku. Gdyby sztywna prognoza została utrzymana, pod koniec roku doszłoby do ogromnego nadmiaru zapasów i kryzysu gotówkowego. Lekcja: prognoza to żywy dokument, nie tworzy się jej raz i nie odkłada.
Typowe błędy
- Pytanie o liczbę nieparzystą. Prognozowanie bez zakresu i scenariusza stwarza fałszywą pewność.
- Ukrywanie założeń. Niewidzialne założenie oznacza przewidywanie, którego nie można kwestionować i aktualizować.
- Za bardzo polegamy na przeszłości. Wzór stanowi kontynuację poprzedniego wzoru; nie widzi pęknięć i wstrząsów zewnętrznych.
- Mylenie przepowiedni z proroctwem. AI nie zna przyszłości; Uwzględnia jedynie Twoje założenia.
- Nie sporządzam prognozy kroczącej. Ustaw prognozę raz i zapomnij o niej; nie aktualizuje się tak, jak to się dzieje.
Podsumowując
- Jest potężnym asystentem prognoz AI: wyodrębnia trendy i sezonowość, buduje scenariusze, wyjaśnia logikę; nie zna jednak przyszłości i nie widzi wstrząsów zewnętrznych.
- Zawsze pytaj o hipotetyczny zakres i optymistyczne/bazowe/pesymistyczne scenariusze, a nie o pojedynczą liczbę.
- Należy jasno wymienić założenia i zidentyfikować najbardziej podatne na zagrożenia założenia poprzez analizę wrażliwości.
- Odpowiedzialność za prognozę ponosi osoba ją przedstawiająca; Przedstaw kierownictwu ramy „scenariusza, a nie pewności”.
- Aktualizuj prognozę tak, jak to się dzieje w przypadku prognozy kroczącej; Zainstaluj go raz i nie zapomnij.
Zadanie aplikacji
Uzyskaj dane o rzeczywistych przychodach z co najmniej 12 miesięcy (rzeczywiste lub próbne). Utwórz 12-miesięczną prognozę składającą się z trzech scenariuszy za pomocą zaawansowanego szablonu podpowiedzi. Następnie usuń trzy najbardziej delikatne założenia za pomocą monitu o czułość. Raz ręcznie zweryfikuj miesięczną stopę wzrostu przypadku podstawowego modelu i podsumuj prognozę na slajdzie w oparciu o strukturę „scenariusz, a nie pewność”.
lista kontrolna
- [ ] Podałem wystarczające dane historyczne (najlepiej miesięczne).
- [ ] Wyraźnie wymieniłem założenia i umieściłem je w modelu.
- [ ] Chciałem zakres skryptowy, a nie pojedynczą liczbę.
- [ ] Dzięki analizie wrażliwości zidentyfikowałem najbardziej kruche założenie.
- [ ] Ręcznie zweryfikowałem obliczenia wzrostu dla przypadku podstawowego.
- [ ] Szacunek przedstawiłem w oparciu o „scenariusz, a nie pewność”.