Прибыль:
- Возможность позиционировать ИИ как помощника, генерирующего гипотетические сценарии при прогнозировании доходов/расходов.
- Возможность писать прогнозы с диапазоном и чувствительностью на основе исторических данных и явных предположений.
- Способность распознавать ограничения прогнозов ИИ и совмещать их с человеческими суждениями.
«Какой будет наш оборот в следующем году?» — один из самых сложных вопросов для финансовой команды. Прогнозирование – это предсказание будущего на основе прошлых данных и предположений. Искусственный интеллект (ИИ) может стать здесь мощным помощником; Но необходимо с самого начала принять факт: модель не знает будущего. Он обрабатывает только шаблоны и предположения, которые вы даете. В этом модуле мы научимся позиционировать ИИ в его правильной роли в прогнозировании и осознавать его ограничения.
Что делает и не делает ИИ в прогнозировании?
Он делает: суммирует прошлые тенденции, распознает сезонность (повторяющиеся колебания в определенные месяцы), строит сценарии с различными предположениями, объясняет логику прогноза и помещает прогноз в повествование.
Это не так: он не может дать точное будущее, он не может предсказать внешние шоки (кризис валютного курса, изменение регулирования), он не может знать факт, которого нет в данных. Предложение «ваш рост на 18% в следующем году», данное чат-ботом, — это не пророчество, а математическое отражение ваших предположений.
Совет: никогда не спрашивайте у модели «один номер». Всегда спрашивайте диапазон и на каких предположениях он основан. Предложение «14-15 млн в базовом варианте, условие: текущие темпы роста продолжаются» гораздо более честное и полезное, чем одиночное «14,6 млн».
Шаг за шагом: построение надежного прогноза
- Приведите исторические данные. Происходящие в течение как минимум нескольких периодов; по возможности ежемесячно.
- Четко запишите предположения. Темп роста, сезонность, известные изменения.
- Укажите метод. Простой тренд, с учетом сезонных колебаний или основанный на сценарии?
- Спросите диапазон и сценарий. Оптимист/база/пессимист.
- Попросите проявить чувствительность. «Какое предположение больше всего меняет результат?»
Слабая подсказка/Сильная подсказка
Слабая подсказка: спрогнозируйте мой оборот в следующем году. В этом году мы заработали 12М.
Это дает одно число без основы; Неясно, на каком предположении оно основано, что опасно для принятия решения.
Сильная подсказка: Ваша роль: аналитик финансового планирования. Задача: спрогнозировать следующие 12 месяцев на основе следующих ежемесячных данных о доходах. Метод: 1) Сначала суммируйте тенденцию и сезонность в исторических данных. 2) Создайте 3 сценария со следующими предположениями: - База: средние темпы роста за последние 12 месяцев продолжаются - Оптимистический: рост +3 балла - Пессимистический: рост -5 баллов 3) Укажите общий объем за 12 месяцев и месячный диапазон для каждого сценария. 4) Раздел «Чувствительность»: при изменении какого предположения результат изменяется больше всего? Ограничение: четко перечислите предположения. Укажите, что оценка является прогнозом, а не уверенностью. Обратите внимание, что вы не можете моделировать внешние шоки.<data>Ежемесячные показатели оборота за январь..декабрь</data>
Это подсказка; Вместо точного числа он дает обоснованный диапазон, сценарии и анализ чувствительности, такой как «скорость сбора/роста наиболее уязвимых предположений». Лицо, принимающее решения, принимает решения, видя неопределенность.
Сезонность — наиболее часто упускаемая из виду тема в прогнозировании. Продажи многих предприятий регулярно растут и падают в определенные месяцы: пик мороженицы приходится на лето, пик сувенирной лавки приходится на праздники. Плоская линия тренда не может увидеть это колебание и приведет к неправильной настройке плана запасов, персонала и денежных средств. Если вы предоставите ИИ достаточно исторических данных (в идеале не менее 24 месяцев), он заметит эту повторяющуюся закономерность и соответствующим образом скорректирует прогноз.
Методы прогнозирования и роль ИИ
Метод
Когда это уместно?
Вклад ИИ
граница
простой тренд
Стабильные, несезонные данные
Быстро улавливает тренд
Не вижу перерывов
сезонная коррекция
Продажи колеблются по месяцам
Объясняет сезонный характер
Слишком привязан к прошлому
Основанный на сценарии
Период высокой неопределенности
Быстро проверяет гипотезы
Зависит от качества предположения
На основе драйвера
Если доход зависит от нескольких факторов
Устанавливает факторную связь
Человек проверяет отношения
Прогнозирование на основе драйверов
Прогнозирование оборота с помощью одного процента роста часто является грубым. Более надежный способ — разделить доход на его движущие силы: доход = количество клиентов × средний объем продаж на одного клиента × частота повторения. Прогнозирование и умножение каждого фактора в отдельности дает прогноз, который является одновременно более точным и более сомнительным; потому что вы ясно видите, какое предположение изменилось.
Оцените мой доход на основе водителей. Выручка = количество активных клиентов × среднемесячный доход на одного клиента (ARPU). Извлеките эти два фактора отдельно за последние 12 месяцев, интерпретируйте тенденцию каждого из них, а затем спрогнозируйте следующие 12 месяцев, прогнозируя два драйвера отдельно. Четко запишите предположение для каждого водителя; Уточните какой драйвер непонятнее. Используйте в данных только цифры, показывайте формулы.
Сила этого метода в том, что вместо того, чтобы говорить «оборот увеличивается на 15%», вы говорите «количество клиентов увеличивается на 8%, доход на одного клиента увеличивается на 6%». Их можно допросить отдельно; Если один из них нереален, вы корректируете оценку оттуда. Руководство также спрашивает: «На какое предположение мы полагаемся?» может ответить на вопрос конкретно.
Чувствительность и дисциплина предположения
Качество прогноза — это качество предположений. Всегда держите предположения видимыми для ИИ, возвращайтесь и обновляйте их по мере их возникновения (скользящий прогноз, то есть скользящий прогноз, который обновляется каждый месяц).
Перечислите ВСЕ допущения, которые вы использовали в прогнозе, ниже в табличной форме: предположение | ценность | источник/причина | Если это значение изменится на 10%, это повлияет на годовой результат. Отметьте 3 наиболее хрупких предположения.
Представляя руководству прогнозные результаты ИИ, включите «карту предположений»: три наиболее важных предположения, их значения и источники. Таким образом, прогноз больше не является черным ящиком; Каждый видит, на что делает ставку. А когда реализация отклоняется, вы можете быстро определить, какое предположение не выполнено, что улучшает следующий прогноз.
Внимание: не защищайте прогноз, сгенерированный ИИ, говоря: «Так сказала модель». Ответственность за предсказание лежит на том, кто его представляет. Всегда представляйте руководству концепцию «это сценарий, основанный на этих предположениях, реализация может отличаться».
Мини-кейсы
Случай 1 — Прогноз, учитывающий сезонность. Розничная компания предоставила ИИ данные о продажах за 24 месяца. Модель заметила устойчивый скачок на 40% в ноябре-декабре и соответствующим образом скорректировала свой прогноз на следующий год. Если бы использовался плоский тренд, план запасов на конец года был бы серьезно ошибочным.
Случай 2 — Ловушка нечетного числа. Стартап основывает свой бюджет на прогнозе AI «18 миллионов в следующем году». Но это было основано на предположении, что «рост продолжится, как есть». 11M была реализована, когда ушли два крупных клиента. Как только урок был усвоен, команда перешла к сценарному диапазону; Группа прогнозов на следующий год охватывала то, что произошло на самом деле.
Случай 3. Чувствительность изменила решение. «Наиболее уязвимым предположением является цена на сырье», — говорится в прогнозе производителя AI, показывая, что повышение цены на 10% приведет к сокращению годовой прибыли на 22%. Затем руководство подписало с поставщиком годовой контракт с фиксированной ценой. Реальная ценность прогноза заключалась не в цифрах, а в понимании настроений.
Случай 4. Выигрывает скользящий прогноз. Один розничный торговец обновлял свой годовой прогноз фактическими данными каждый месяц, вместо того, чтобы установить его один раз и забыть. На третьем месяце стало видно, что предположение о «росте на 12%» на самом деле составило 7%; Прогноз был досрочно скорректирован, и инвентаризация и штатное расписание на конец года были соответствующим образом скорректированы. Если бы фиксированный прогноз сохранился, в конце года произошел бы огромный избыток запасов и нехватка денежных средств. Урок: прогноз — это живой документ, его не составляют один раз и не убирают.
Распространенные ошибки
- Просит нечетное число. Прогнозирование без диапазона и сценария создает ложную уверенность.
- Сокрытие предположений. Невидимое предположение означает предсказание, которое нельзя подвергнуть сомнению и обновить.
- Слишком сильно полагаться на прошлое. Модель расширяет прошлую модель; не может видеть переломов и внешних потрясений.
- Принятие предсказания за пророчество. ИИ не знает будущего; Он просто принимает во внимание ваши предположения.
- Не делать скользящих прогнозов. Установите прогноз один раз и забудьте о нем; не обновляется, как это происходит.
В итоге
- Это мощный помощник в прогнозировании с помощью ИИ: извлекает тренд и сезонность, строит сценарий, объясняет логику; но оно не знает будущего и не видит внешних потрясений.
- Всегда спрашивайте гипотетический диапазон и оптимистические/базовые/пессимистические сценарии, а не одно число.
- Четко перечислите предположения и определите наиболее уязвимые предположения посредством анализа чувствительности.
- Ответственность за предсказание лежит на том, кто его делает; Представьте руководству концепцию «сценария, а не уверенности».
- Обновите прогноз, как это происходит при использовании скользящего прогноза; Установите его один раз и не забывайте.
Задача приложения
Получите данные о фактических доходах как минимум за 12 месяцев (фактические или выборочные). Создайте трехсценарный прогноз на 12 месяцев с помощью мощного шаблона подсказок. Затем удалите три наиболее хрупких предположения с помощью подсказки о чувствительности. Вручную проверьте ежемесячные темпы роста базового сценария модели один раз и суммируйте прогноз на слайде с помощью структуры «сценарий, а не определенность».
контрольный список
- [ ] Я предоставил достаточные исторические данные (желательно за месяц).
- [ ] Я явно перечислил допущения и включил их в модель.
- [ ] Мне нужен был заданный диапазон, а не одно число.
- [ ] Я выявил наиболее хрупкое предположение посредством анализа чувствительности.
- [ ] Я вручную проверил расчет роста базового сценария.
- [ ] Я представил оценку в рамках «сценария, а не уверенности».