Прибуток:
- Можливість позиціонувати ШІ як помічника, який генерує гіпотетичні сценарії у прогнозуванні доходів/витрат
- Можливість писати прогнозні підказки з діапазоном і чутливістю на основі історичних даних і явних припущень
- Здатність розпізнавати обмеження передбачень ШІ та поєднувати їх із людським судженням
«Який буде наш товарообіг наступного року?» одне з найскладніших питань для фінансової команди. Прогнозування – це прогнозування майбутнього на основі минулих даних і припущень. Тут потужним помічником може стати штучний інтелект (ШІ); Але з самого початку варто прийняти факт: модель не знає майбутнього. Він обробляє лише шаблони та припущення, які ви надаєте. У цьому розділі ми навчимося позиціонувати штучний інтелект у своїй правильній ролі в прогнозуванні та розпізнавати його межі.
Що робить і чого не робить AI у прогнозі?
Він: підсумовує минулу тенденцію, розпізнає сезонність (повторні коливання в певні місяці), будує сценарії з різними припущеннями, пояснює логіку прогнозу та поміщає прогноз у розповідь.
Він не: він не може дати точне майбутнє, він не може передбачити зовнішні потрясіння (криза обмінного курсу, зміна регулювання), він не може знати факт, якого немає в даних. Фраза чат-бота «ви зростете на 18% наступного року» не є пророцтвом, а математичним відображенням ваших припущень.
Порада: ніколи не просіть у моделі «єдине число». Завжди запитуйте про діапазон і на яких припущеннях цей діапазон ґрунтується. Речення «14-15 млн у базовому випадку, умова: поточний темп зростання продовжується» є набагато чеснішим і кориснішим, ніж одне «14,6 млн».
Крок за кроком: створення надійного прогнозу
- Наведіть історичні дані. Виникає принаймні кілька періодів; щомісяця, якщо це можливо.
- Чітко запишіть припущення. Швидкість зростання, сезонність, відомі зміни.
- Вкажіть спосіб. Проста тенденція, з поправкою на сезон чи на основі сценарію?
- Запитайте діапазон і сценарій. Оптиміст / низький / песиміст.
- Попросіть про чуйність. «Яке припущення найбільше змінює результат?»
Слабка підказка / Сильна підказка
Слабка підказка: передбачте мій оборот наступного року. Цього року ми зробили 12 млн.
Це створює єдине число без основи; Незрозуміло, на якому припущенні це ґрунтується, що є небезпечним для рішення.
Суттєва підказка: Ваша роль: аналітик з фінансового планування. Завдання: Спрогнозуйте наступні 12 місяців на основі наступних місячних даних про доходи. Метод: 1) Спочатку узагальніть тенденцію та сезонність в історичних даних. 2) Налаштуйте 3 сценарії з такими припущеннями: - База: середні темпи зростання за останні 12 місяців тривають - Оптимістичний: зростання +3 бали - Песимістичний: зростання -5 балів3) Дайте 12-місячний загальний і місячний діапазон для кожного сценарію. 4) Розділ «Чутливість»: яке припущення змінюється, результат змінюється найбільше? Обмеження: чітко вкажіть припущення. Зазначте, що оцінка є прогнозом, а не певністю. Зауважте, що ви не можете моделювати зовнішні потрясіння.<data>Місячні цифри обороту за січень..грудень</data>
Ця підказка; Замість точного числа він створює обґрунтований діапазон, сценарії та аналіз чутливості, наприклад «найбільш вразливе припущення, збір/темп зростання». Особа, яка приймає рішення, приймає рішення, бачачи невизначеність.
Сезонність є темою, яку найчастіше забувають про прогнозування. Продажі багатьох підприємств регулярно зростають і падають у певні місяці: виробник морозива досягає піку влітку, магазин сувенірів досягає максимуму під час свят. Плоска лінія тренду не може побачити це коливання і неправильно налаштує запаси, кадри та грошовий план. Якщо ви надасте штучному інтелекту достатньо історичних даних (в ідеалі принаймні за 24 місяці), він помітить цю повторювану закономірність і відповідно скоригує прогноз.
Методи прогнозування та роль ШІ
метод
Коли це доречно?
внесок ШІ
кордону
проста тенденція
Стабільні, несезонні дані
Швидко отримує тенденцію
Не видно розривів
сезонна корекція
Продажі коливаються по місяцях
Пояснює сезонність
Надто прив'язаний до минулого
На основі сценарію
Період високої невизначеності
Швидко перевіряє гіпотези
Залежить від якості припущення
На основі драйвера
Якщо дохід залежить від кількох факторів
Встановлює факторний зв'язок
Людина перевіряє стосунки
Прогнозування на основі драйверів
Прогнозування товарообігу з одним відсотком зростання часто є грубим. Більш надійний спосіб полягає в тому, щоб розділити дохід на його чинники: дохід = кількість клієнтів × середній обсяг продажів на клієнта × частота повторень. Прогнозування та множення кожного драйвера окремо дає прогноз, який є водночас точнішим і більш сумнівним; тому що ви чітко бачите, яке припущення змінилося.
Оцініть мій дохід на основі водіїв. Дохід = кількість активних клієнтів × середньомісячний дохід на клієнта (ARPU). Отримайте ці два драйвери окремо за останні 12 місяців, інтерпретуйте тенденцію кожного, а потім спрогнозуйте наступні 12 місяців, спроектувавши два драйвери окремо. Чітко запишіть припущення для кожного водія; Вкажіть, який драйвер більш незрозумілий. Використовуйте в даних лише числа, показуйте формули.
Сила цього методу полягає в тому, що замість того, щоб сказати «обіг збільшується на 15%», ви говорите «кількість клієнтів збільшується на 8%, дохід на одного клієнта збільшується на 6%». Обидва можуть бути допитані окремо; Якщо один нереалістичний, ви змінюєте оцінку звідти. Керівництво також запитує "на яке припущення ми покладаємося?" може конкретно відповісти на запитання.
Чутливість і дисциплінованість
Якість прогнозу - це якість припущень. Завжди тримайте припущення видимими для ШІ та повертайтеся та оновлюйте їх, коли вони відбуваються (змінний прогноз, тобто поточний прогноз, який оновлюється щомісяця).
Перелічіть УСІ припущення, які ви використовували в прогнозі, у табличній формі: припущення | значення | джерело/причина | Якщо це значення змінюється на 10%, це впливає на річний результат. Позначте 3 найкрихкіших припущення.
Представляючи прогнозні результати штучного інтелекту керівництву, додайте «картку припущень»: три найважливіші припущення, їхні значення та джерела. Таким чином, прогноз більше не є чорним ящиком; Кожен бачить, на що робить ставку. І коли усвідомлення відхиляється, ви можете швидко діагностувати, яке припущення не витримало, що покращує наступний прогноз.
Застереження: не захищайте створений штучним інтелектом прогноз, кажучи «це те, що сказала модель». Відповідальність за прогноз лежить на тому, хто його представляє. Завжди представляйте керівництву структуру «це сценарій, заснований на цих припущеннях, реалізація може відрізнятися».
Міні-чохли
Випадок 1 — Прогноз, що враховує сезонність. Роздрібна компанія передала дані про продажі за 24 місяці в ШІ. Модель помітила стійкий стрибок на 40% у листопаді-грудні та відповідно скоригувала свій прогноз на наступний рік. Якби використовувався рівний тренд, план запасів на кінець року був би серйозно неправильним.
Випадок 2 — пастка непарного числа. Стартап базує свій бюджет на основі прогнозу AI «18 мільйонів наступного року». Але це ґрунтувалося на припущенні, що «зростання продовжується, як є». 11M було реалізовано, коли два основних клієнти пішли. Після того, як урок було засвоєно, команда перейшла до діапазону сценаріїв; Смуга прогнозу на наступний рік охоплює те, що насправді сталося.
Випадок 3 — Делікатність змінила рішення. «Найбільш вразливим припущенням є ціна на сировину», — сказав AI у прогнозі виробника, показавши, що підвищення ціни на 10% зменшить річний прибуток на 22%. Тоді керівництво підписало з постачальником річний контракт із фіксованою ціною. Справжньою цінністю прогнозу була не кількість, а це розуміння настроїв.
Випадок 4 — ковзний прогноз виграє. Один роздрібний продавець оновлював свій річний прогноз фактичними даними щомісяця, замість того, щоб установити його один раз і забути. На третьому місяці було видно, що припущення про «зростання 12%» насправді становило 7%; Прогноз був скоригований завчасно, і план інвентаризації та кадрового забезпечення на кінець року був відповідно скоригований. Якби фіксований прогноз зберігся, наприкінці року виник би величезний надлишок запасів і грошова криза. Урок: прогноз – це живий документ, його не заводять один раз і не відкладають.
Поширені помилки
- Запитує непарне число. Прогнозування без діапазону та сценарію створює помилкову впевненість.
- Приховування припущень. Невидиме припущення означає передбачення, яке неможливо поставити під сумнів і оновити.
- Занадто покладається на минуле. Шаблон продовжує минулий шаблон; не бачить переломів і зовнішніх ударів.
- Приймаючи передбачення за пророцтво. ШІ не знає майбутнього; Він просто враховує ваші припущення.
- Не роблячи поточного прогнозу. Поставте прогноз один раз і забудьте про нього; не оновлюється, як це трапляється.
Підсумовуючи
- Це потужний помічник у прогнозі AI: виділяє тренд і сезонність, будує сценарій, пояснює логіку; але вона не знає майбутнього і не бачить зовнішніх потрясінь.
- Завжди вимагайте гіпотетичний діапазон і оптимістичні/базові/песимістичні сценарії, а не одне число.
- Отримайте чіткий перелік припущень і визначте найбільш вразливе припущення за допомогою аналізу чутливості.
- Відповідальність за передбачення лежить на особі, яка його представляє; Подайте керівництву структуру «сценарій, а не певність».
- Оновлення прогнозу, як це відбувається з ковзним прогнозом; Встановіть один раз і не забудьте.
Аплікаційне завдання
Отримайте принаймні 12 місяців фактичних даних про доходи (фактичних або зразкових). Створіть прогноз на 12 місяців із трьома сценаріями за допомогою потужного шаблону підказок. Потім видаліть три найбільш крихкі припущення за допомогою підказки чутливості. Перевірте вручну місячні темпи зростання базового сценарію моделі один раз і узагальніть прогноз на слайді за допомогою «сценарію, а не визначеності».
контрольний список
- [ ] Я надав достатньо історичних даних (бажано щомісяця).
- [] Я чітко перерахував припущення та вказав їх у моделі.
- [ ] Мені потрібен сценарійний діапазон, а не одне число.
- [ ] Я визначив найбільш крихке припущення за допомогою аналізу чутливості.
- [ ] Я вручну перевірив розрахунок зростання базового випадку.
- [ ] Я представив оцінку в рамках «сценарію, а не визначеності».