收益：
- 能够保持预算实现偏差并将其计算和解释为百分比
- 能够根据现金流数据建立每周预测并确定短期流动性风险
- 能够在明确的提示下提出基于场景的“假设”问题
企业的健康状况由两个问题来衡量：“我们是否按计划进行？”以及“保险箱里的钱够吗？”首先是预算与实际分析；二是现金流管理。如果现金管理不当，即使是看似盈利的公司也可能在发薪日陷入困境。在本单元中，我们将学习使用人工智能 (AI) 作为两者的分析助手，但保留决策权。
什么是预算与实际？
预算是您在学期开始时制定的计划；实现就是实际发生的事情。两者之间的差异称为方差。差异以两种方式表示：金额（实际 - 预算）和百分比（差异 / 预算 × 100）。是正还是负取决于项目：实际收入超过预算就是好，支出超过预算就是好。
人工智能在这里的工作是双重的：计算偏差（您需要验证）并解释大偏差的可能原因（您需要确认）。
提示：让模型说“按绝对百分比对 5 个最大偏差进行排序”。因此，100行预算中被忽视但最关键的项目排在了最前面。
一步一步：偏差分析
- 把预算和实际放在一起。项目、预算、实际三栏。
- 保留偏差并将其计算为百分比。让它也显示公式。
- 指定方向。说出它是来还是去，以便正确解释“好/坏”。
- 设置一个门槛。比如“突出显示偏差大于 10%”。
- 为什么要评论，但要确认。模型提出的原因是假设；你找到源头了。
弱提示/强提示
弱提示：我的预算怎么样？ [数字]
这给出了一个无用的答案，比如“一般好”，它并不表明哪支笔偏差了多少。
强烈提示：您的角色：FP&A（财务规划与分析）专家。任务：分析下面的预算实现表。步骤：1）对于每个项目，计算偏差=实际-预算（金额），偏差%=偏差/预算*100（显示公式）。2）将收入项目的正偏差标记为“正”，将支出项目的正偏差标记为“负”。3）按绝对百分比对5个最大偏差进行排名。4）每项建议1-2大偏差的可能原因并将其标记为“假设”。约束：仅使用数据中的数字。<数据>铅笔 |预算|已实现净销售额| 5,000,000 | 4,300,000 营销 | 400,000 | 610,000 名员工 | 1,200,000 | 1,200,000 1.180.000物流 | 300,000 | 470,000</数据>
这个提示明确显示销售低于14%，营销高于52%，物流高于57%；它提出了管理层应该提出的问题，例如“营销支出增加但销售额下降”。
现金流量：与利润的差额
利润是一个会计概念；现金是保险箱里的真钱。开具发票时，销售记录为收入，但资金可能会在 60 天后到达。现金流量分析询问“未来几周现金是否过剩？”寻找问题的答案。人工智能有助于根据收款和付款项目建立每周现金预测，并标记开放周。
从以下 8 周收款和付款计划中得出每周现金预测：- 每周：期初现金 + 收款 - 付款 = 期末现金 - 将期末现金为负数的周标记为“流动性风险” - 总结最早一周的风险和顶部的缺口金额起始现金：250,000<数据> ... </数据>
注意：现金预测仅与输入中的收集假设一样好。如果“60天内收集完毕”的假设没有实现，该项目就会崩溃。将假设明确打印到模型中，并将其与现实进行比较。
情景（假设）分析
管理层经常问“如果销售额下降 10% 怎么办？”他问道。人工智能快速生成这些场景：
根据以下基本情景计算三种情况：- 乐观：销售额 +10%，收款期 -5 天 - 基线：无变化 - 悲观：销售额 -15%，收款期 +15 天 对于每种情景，列出 8 周最低结算现金周和风险周。清楚地列出假设。
场景
销售变化
最低现金
风险周
乐观的
+10%
180,000
无
基地
0
40,000
第 6 周（关键）
悲观的
−15%
−220,000
第 4 周（开放）
正确读取偏差：永久还是暂时？
并非每个偏差都具有相同的重要性。仅仅因为某个项目超出了一个月的预算并不意味着该项目永久损坏。在两个轴上评估 AI 的偏差：幅度（数量和百分比）和持久性（一次性或重复）。例如，一次支付的咨询费可能超出预算，但不影响下个月；然而，人员成本的增加每个月都会重复，而且其每年的影响要大得多。
在这两个轴上对下面偏差列表中的每个项目进行分类： - 持续性：“一次性”或“重复性”（写下你的理由） - 年度影响：如果这种偏差持续 12 个月，对年度金额有何影响？将经常出现且年度影响较大的偏差标记为“优先级”。分类是一种假设；如果没有明确信息，请添加“需要确认”。
这种区别将管理层的注意力引导到真正重要的事情上。与一次性偏差 50,000 美元相比，每月 8,000 美元（每年 96,000 美元）的经常性泄漏更为严重；但当你看数量时，第一个似乎更大。
提示：每周更新现金预测（滚动预测逻辑）。将上周的预测与实际发生的情况进行比较将显示您的假设有多准确并提高您的预测能力。
迷你箱
案例 1——无声的物流泄漏。在一家电商公司，物流费用比预算高出57%，但由于总共是一个小项目而被忽视。当AI进行绝对百分比排名时，笔名列前茅；调查显示，货运公司在合同外额外收取了费用，且没有增加。年收入约为 180,000 土耳其里拉。
案例 2——工资周危机得以避免。现金预测显示，第 6 周收盘现金将降至 40,000 土耳其里拉，而该周的工资支付为 320,000 土耳其里拉。首席财务官与客户协商提前付款折扣，将大笔收款提前一周，避免了危机。
案例 3——错误假设的成本。一个团队惊慌失措，认为人工智能悲观场景中的“-220,000”差距是真实存在的。然而，该情景是基于收款将延迟 15 天的假设，这对公司来说是不现实的。过去12个月里，收款延误从未超过5天。当用真实数据更新假设时，悲观情景中的最低现金从-220,000变成+15,000，恐慌被证明是没有根据的。教训：场景输出是假设的；在未使用历史数据检验假设之前，请勿采取行动。
常见错误
- 未说明收入/支出方向。该模型可能在任何地方都将积极偏见误认为是“好”；费用方面则恰恰相反。
- 仅将偏差视为金额。一个小项目的大百分比偏差被忽视；按绝对百分比排序。
- 将原因写在报告中，但没有确认。模型提出的原因是假设；人类找到了它的源头。
- 将现金假设保密。如果收集周期等关键假设没有写清楚，预测就会产生误导。
- 将利润与现金混淆。盈利的一个月可能会出现现金赤字；这是两个单独的分析。
综上所述
- 在预算实现分析中，将预算与实际一起给出，并以百分比形式计算偏差；你展示了公式。
- 指定收入/支出方向并按绝对百分比排序突出显示最关键的偏差。
- 模型提出的偏差原因是假设；人类在将其放入报告之前进行确认。
- 现金流量与利润不同；通过每周预测提前几周捕捉流动性风险。
- 情景分析很有效，但完全是推测性的；打印出您的假设并将其与现实进行比较。
应用任务
准备一份包含 10-15 项的预算实现表。通过强大的提示模板计算偏差并列出前 5 名；手动验证至少两个百分比偏差。然后建立一个简单的 8 周现金预测，运行基本/悲观情景并确定风险周。最后，自己调查并确认或反驳模型所建议的偏差原因。
清单
- [ ] 我已经逐项给出了预算和实际情况。
- [ ] 我将偏差计算为百分比及其公式。
- [ ] 我指定了收入/支出方向并按绝对百分比排序。
- [ ] 我手动验证了至少两个百分比偏差。
- [ ] 我已经清楚地打印了现金预测中的假设。
- [ ] 我将模型偏差的原因标记为“假设”并加以证实。