Blijf voorop met actiegerichte financiële strategieën, tips, nieuws en trends.
Prognoses
Prognoses - van goed advies tot betere bedrijfsplanning
Toen ik jong was, herinnerde mijn vader me er altijd aan om vooruit te kijken en plannen te maken voor een regenachtige dag. Toen ik mijn eerste auto kocht, plande ik bijvoorbeeld om er zeker van te z
juli 29, 2020
Toen ik jong was, herinnerde mijn vader me er altijd aan om vooruit te kijken en plannen te maken voor een regenachtige dag. Toen ik mijn eerste auto kocht, plande ik bijvoorbeeld om er zeker van te zijn dat ik mijn autolening en verzekeringspremies zou kunnen betalen. Maar, zei mijn vader, je hebt gepland voor de dingen waarvan je weet dat ze zullen gebeuren, maar het leven is niet zoals een weerbericht, dus je moet plannen en klaar zijn voor de dingen die je niet in de hand hebt, zoals autoreparaties, eigen risico's van de verzekering en nog veel meer. Zoals het leven daarna steeds duidelijker zou worden, is er eigenlijk niet zoveel in het leven dat voorspelbaar is, maar als je het kunt plannen en onderweg de nodige aanpassingen kunt doen, komt het allemaal wel goed. Ik herinner me dat ik rudimentaire begrotingen maakte op mijn oude vertrouwde Apple II-computer. Ik maakte dan aanpassingen als mijn rekeningen veranderden of mijn inkomen fluctueerde, maar dit resulteerde in een plan om te sparen en te plannen voor de toekomst - was ik aan het voorspellen?
Een paar jaar later, nou ja een heleboel jaren, werk ik nu bij Prophix en raad eens, wij zijn gespecialiseerd in het helpen van organisaties bij het stroomlijnen van hun budgettering, planning en prognoses. In het bedrijfsleven zijn budgettering en prognoses de belangrijkste middelen om een doel te bereiken. Budgetten zijn een belangrijk managementinstrument om de jaarlijkse basisverwachtingen af te zetten tegen de strategische doelen en de verwachte vraag. Maar veel financiële professionals beweren dat het budgetteringsproces tijdrovend, rigide en vatbaar voor veroudering is.
Natuurlijk zijn budgetten belangrijk omdat ze bedrijven helpen in kaart te brengen waar ze in de toekomst willen zijn, maar dit kan een idealistische praktijk zijn. Kan verkoop bijvoorbeeld de omzet van product A echt met 50% verhogen? Om deze aanname te valideren en ons terug te brengen naar de realiteit, komen we bij forecasting.
1 - https://hbr.org/1971/07/how-to-choose-the-right-forecasting-technique 2 - https://www.afponline.org/ideas-inspiration/topics/articles/Details/rolling-forecasts-ideal-for-uncertain-times 3-https://onlinelibrary.wiley.com/doi/10.1002/9781119199205.ch16#:~:text=Causal%20forecasts%20help%20managers%20measure,used%20technique%20in%20causal%20forecasting.
Waarom forecasting?
Forecasting stelt je in staat om rekening te houden met variabelen die je doelen en winst beïnvloeden en die in de loop van de tijd veranderen. Forecasting dient als een realiteitscheck die budgetten afstemt op de werkelijkheid. Als dingen niet gaan zoals ze zouden moeten gaan, dan helpt forecasting het management om bij te sturen door direct actie te ondernemen. Forecasting is vooral belangrijk in onzekere tijden. Hoe vaker je het kunt doen, hoe makkelijker het is om je aan te passen, wendbaar te zijn en betere beslissingen te nemen. De meesten van ons zijn het erover eens dat forecasting een enorme waarde toevoegt aan het bedrijf. De uitdaging voor veel financiële afdelingen is echter dat prognoses meestal meer werk toevoegen aan een toch al zware werklast. Het is belangrijk om dit te benadrukken, omdat prognoses een zekere procesdiscipline vereisen - een discipline die meegroeit met het type prognosetechniek dat je gebruikt. Laten we het vervolgens hebben over de verschillende soorten prognosemethoden die er zijn.Soorten prognoses
Op het gebied van financiële prognoses zijn er drie hoofdtypen: kwalitatief, kwantitatief en causaal1; en ze zijn allemaal belangrijk om in overweging te nemen.Kwalitatief
Kwalitatieve voorspellingen zijn meer oordelend van aard. Toen ik op school zat, werden we er keer op keer aan herinnerd om beslissingen te nemen op basis van bewijs, maar dat is niet altijd mogelijk. Geen enkele hoeveelheid historische gegevens kon bijvoorbeeld de huidige pandemie voorspellen. Je gegevens geven misschien niet aan wat de beste manier is om verder te gaan, maar je intuïtie misschien wel. Het is echter belangrijk om je bewust te zijn van persoonlijke vooroordelen. Gebruik dit type prognose wanneer de gegevens beperkt zijn door uitgebreid marktonderzoek en je van plan bent om multifunctionele leiders en experts te betrekken bij het planningsproces. Maar, zoals altijd, moet je meerdere scenario's maken om het probleem vanuit alle hoeken te bekijken en om overkoepelende potentiële realiteiten vast te leggen.Kwantitatief
Kwantitatief voorspellen is, zoals de naam al zegt, een aanpak die op cijfers is gebaseerd, waarbij je gegevens uit het verleden kunt gebruiken om trends te vinden. Je kunt tools voor gegevensanalyse gebruiken om patronen zoals seizoensgebondenheid te vinden en deze te vertalen naar op feiten gebaseerde beslissingen en projecties voor de toekomst. Deze aanpak is meer bias-bewust, maar vertrouwt alleen op goede gegevens die meerdere jaren beslaan. Vervolgens kun je je gegevens combineren met je oordeel om de toekomst in kaart te brengen. Dit type voorspelling kan verder worden onderverdeeld in twee hoofdcategorieën - traditioneel en dynamisch. Traditionele prognoses zijn je 3 + 9, 6 + 6, of 9 + 3, waarbij het eerste getal staat voor het aantal werkelijke maanden en het tweede getal voor je geplande perioden. Een traditionele 3 + 9 prognose heeft dus drie maanden actuele gegevens en negen maanden planningsgegevens. Traditioneel omdat dit soort prognoses meestal elk kwartaal wordt gedaan. Uitgaande van vier kwartalen, zou je drie keer moeten forecasten in de loop van je fiscale jaar. Traditionele prognoses zijn vaak nauw verbonden met budgetten. Dit betekent dat er een korte-termijn nadruk ligt op de planningshorizon, zodat kwartaal- of eindejaarsdoelen een hogere prioriteit hebben dan langetermijndoelen.2 Om een aantal van de problemen met traditionele prognoses tegen te gaan, hebben veel bedrijven gekozen voor een meer dynamische vorm van prognoses: rolling forecasts. Rolling forecasts zijn een manier voor FP&A professionals om continu en dynamisch te plannen voor een bepaald aantal toekomstige periodes. Deze prognoses zijn flexibel van aard omdat ze het bedrijf dwingen om altijd X aantal maanden of Y aantal kwartalen in de toekomst te prognosticeren. Een maandelijkse rolling forecasting zou bijvoorbeeld een 1 + 12, 2 + 12, of 6 + 12 formaat kunnen volgen. Dus als je een periode afsluit, voeg je nog een periode toe aan je prognose. In tegenstelling tot traditionele prognoses hebben doorlopende prognoses geen "einddatum", wat bedrijven een beter langetermijnperspectief geeft. Doorlopende prognoses zijn nauwkeuriger dan traditionele prognoses omdat je de prognoses onderweg voortdurend aanpast. Ze zijn ook flexibeler omdat je trends sneller kunt vastleggen, omdat je je vooruitzichten kunt bijwerken met realtime gegevens over nieuwe drijvende krachten, veranderingen en patronen. Het is echter belangrijk om in gedachten te houden dat als je niet de juiste tools hebt, zoals CPM-software, je uiteindelijk veel meer werk kunt creëren voor je medewerkers. Finance kan niet langer vertrouwen op trage en foutgevoelige spreadsheets in de snel veranderende geglobaliseerde zakenwereld van vandaag.Causaal
Het laatste type prognose is de causale methode, ook wel oorzaak en gevolg prognose genoemd. Dit is de meest uitgebreide vorm van voorspellen omdat het erg wiskundig van aard is. Causale voorspellingen zijn gebaseerd op regressie en statistisch afgeleid - je voorspelling is een functie van meerdere variabelen en constanten. Stel je voor dat je niet alleen een overvloed aan gegevens bij de hand hebt, maar dat je ook een diepgaande analyse achter de cijfers hebt. Bijvoorbeeld gegevens over consumenten, leveranciers, producten en rentetarieven, zodat je de oorzaak en het gevolg achter onafhankelijke en afhankelijke variabelen kunt meten. Hiermee zou je voorspellingen van vraag en aanbod kunnen modelleren op een gedetailleerd, numeriek niveau. Een use case voor causale prognoses is als je de impact van een kortlopende promotie op de verkoop wilt zien en deze inzichten wilt gebruiken in je planningsproces.3 Causale voorspellingen worden niet vaak gebruikt in zakelijke omgevingen omdat ze veel middelen en onderhoud vereisen.3Conclusie
Ik denk dat papa uiteindelijk gelijk had toen hij zei: "Er is echt niet zoveel in het leven dat voorspelbaar is, maar als je het kunt plannen en in staat bent om onderweg de nodige aanpassingen te doen, dan komt alles goed." Zoals we weten, zijn zaken net zo onvoorspelbaar als het leven. Dus als je te maken hebt met toenemende risico's en moeite hebt met het nemen van beslissingen, is het misschien tijd om de voordelen van voorspellen te overwegen. Ongeacht het type prognose dat je gebruikt, kun je de inzichten gebruiken om te valideren of je op het juiste pad zit en je beslissingen dienovereenkomstig aanpassen. Prognoses helpen risico's en onzekerheid te verminderen wanneer ze worden gecombineerd met scenarioplanning. Forecasting kan ook dienen als een feedback-loop waarmee je nieuwe gegevens kunt opnemen in je agile planningsproces. Ik zou een combinatie van kwantitatieve en kwalitatieve voorspellingen aanbevelen, omdat gegevens van het grootste belang zijn en een oordeel voortkomt uit ervaring en leiderschap. Planning is iteratief van aard en technologie zoals de Corporate Performance Management (CPM) software van Prophix kan helpen bij het beheren van deze repetitieve taken door belangrijke processen te automatiseren. Verkrijg snel informatie, consolideer tot een plan en bepaal drijfveren in een omgeving die veilig en handig is, zodat u tijd hebt om u te richten op strategische initiatieven.1 - https://hbr.org/1971/07/how-to-choose-the-right-forecasting-technique 2 - https://www.afponline.org/ideas-inspiration/topics/articles/Details/rolling-forecasts-ideal-for-uncertain-times 3-https://onlinelibrary.wiley.com/doi/10.1002/9781119199205.ch16#:~:text=Causal%20forecasts%20help%20managers%20measure,used%20technique%20in%20causal%20forecasting.
Abonneer je op de blog