پیش‌بینی مالی یعنی استفاده از داده‌های گذشته، روندهای فعلی و روش‌های تحلیلی برای برآورد آینده. پیش‌بینی خوب به سازمان کمک می‌کند منابع را درست تخصیص دهد، ریسک را زودتر ببیند و تصمیم‌های راهبردی بگیرد. در این راهنما ابتدا چند اصطلاح پایه را می‌خوانید و بعد چهار روش رایج پیش‌بینی مالی را با مثال عددی ساده مرور می‌کنیم.
چند اصطلاح پایه‌ی پیش‌بینی
پیش از رفتن به سراغ روش‌ها، این مفاهیم را روشن کنید:
- پیش‌بینی (Forecast): برآورد آنچه احتمالاً رخ می‌دهد، با تازه‌ترین اطلاعات.
- بودجه (Budget): هدف و برنامه‌ی از پیش‌تعیین‌شده؛ برخلاف پیش‌بینی، معمولاً در طول سال ثابت می‌ماند.
- محرک (Driver): متغیری که نتیجه را می‌سازد؛ مثل تعداد مشتری، قیمت یا ساعت کار.
- افق پیش‌بینی: مدت زمانی که پیش‌بینی را برای آن انجام می‌دهید، مثلاً ۱۲ ماه آینده.
- خطای پیش‌بینی: تفاوت پیش‌بینی با واقعیت؛ شاخصی برای سنجش کیفیت روش.
- سناریو: چند روایت متفاوت از آینده، مثل خوش‌بینانه و بدبینانه. بیشتر در برنامه‌ریزی سناریو توضیح داده می‌شود.
تکنیک اول: روند ساده (Straight-line)
ساده‌ترین روش این است که نرخ رشد گذشته را به آینده ادامه دهیم.
مثال: فروش سال گذشته ۸۰۰ میلیون تومان و امسال ۸۸۰ میلیون بوده است؛ رشد ۱۰ درصد. اگر رشد ثابت بماند، سال بعد حدود ۸۸۰ × ۱٫۱ = ۹۶۸ میلیون خواهد بود.
مزیت: سریع و قابل‌فهم. ضعف: فصلی‌بودن، تغییر بازار و رویدادهای خاص را نمی‌بیند.
تکنیک دوم: میانگین متحرک
در این روش میانگین چند دوره‌ی اخیر را برای پیش‌بینی دوره‌ی بعد به کار می‌بریم تا نوسان‌های تصادفی هموار شوند.
مثال: فروش سه ماه اخیر ۹۰، ۱۱۰ و ۱۰۰ میلیون بوده است. میانگین سه‌ماهه ۱۰۰ میلیون است و همین عدد به‌عنوان پیش‌بینی ماه بعد استفاده می‌شود.
مزیت: نوسان را کم می‌کند. ضعف: نسبت به تغییر ناگهانی روند دیر واکنش نشان می‌دهد و فصلی‌بودن را در نظر نمی‌گیرد.
تکنیک سوم: رگرسیون
رگرسیون رابطه‌ی آماری میان یک متغیر (مثل فروش) و یک یا چند متغیر توضیحی (مثل هزینه‌ی تبلیغات یا تعداد بازدیدکننده) را برآورد می‌کند.
مثال: فرض کنید از داده‌های گذشته دریافته‌اید که هر یک میلیون تومان تبلیغات حدود ۸ میلیون تومان فروش اضافه می‌آورد. اگر ماه بعد ۵ میلیون تبلیغات برنامه‌ریزی کرده‌اید، فروش مرتبط با آن حدود ۴۰ میلیون تومان برآورد می‌شود.
مزیت: رابطه‌ی علت و معلولی را به مدل می‌آورد. ضعف: به داده‌ی کافی و تمیز نیاز دارد و رابطه‌ی گذشته ممکن است در آینده برقرار نماند.
تکنیک چهارم: پیش‌بینی مبتنی بر محرک
به‌جای ادامه‌ی عدد کل، اجزای سازنده‌ی آن را پیش‌بینی می‌کنیم و با هم ضرب می‌کنیم.
مثال: درآمد = تعداد مشتری × تعداد سفارش هر مشتری × میانگین ارزش سفارش. اگر ۲۰۰ مشتری، هر کدام ماهی ۲ سفارش و ارزش هر سفارش ۵ میلیون تومان باشد، درآمد ماهانه ۲۰۰ × ۲ × ۵ = ۲٬۰۰۰ میلیون تومان است. حالا می‌توانید بپرسید اگر ۱۰ درصد مشتری بیشتر جذب کنیم یا ارزش سفارش ۵ درصد کم شود، چه اتفاقی می‌افتد.
مزیت: با تصمیم‌های مدیریتی مرتبط است و برای گفت‌وگو با واحدهای کسب‌وکار عالی است. ضعف: ساخت آن زمان‌برتر است و به شناخت دقیق کسب‌وکار نیاز دارد. ساخت چنین ساختاری در اجزای مدل مالی هم شرح داده شده است.
مقایسه‌ی سریع
| روش | مناسب برای | نقطه‌ضعف اصلی |
|---|---|---|
| روند ساده | تصمیم سریع و داده‌ی کم | نادیده‌گرفتن تغییرات |
| میانگین متحرک | داده‌های پرنوسان | واکنش دیرهنگام |
| رگرسیون | رابطه‌ی روشن میان متغیرها | نیاز به داده‌ی کافی |
| مبتنی بر محرک | برنامه‌ریزی مدیریتی | زمان‌بر بودن ساخت |
چطور روش مناسب را انتخاب کنیم؟
- هدف را روشن کنید: تصمیم کوتاه‌مدت است یا راهبردی؟
- داده‌ی موجود را بسنجید: اگر سابقه‌ی کوتاه دارید، روش‌های ساده‌تر امن‌ترند.
- ترکیب کنید: در عمل می‌توان از چند روش استفاده کرد و نتایج را مقایسه کرد.
- خطا را اندازه بگیرید: هر ماه پیش‌بینی را با واقعیت مقایسه کنید و روش را اصلاح کنید؛ ابزار این مقایسه در تحلیل بودجه در برابر عملکرد آمده است.
- مفروضات را بنویسید: هر پیش‌بینی بدون مفروضات ثبت‌شده قابل‌دفاع نیست.
پرسش‌های متداول
تفاوت پیش‌بینی و بودجه چیست؟ بودجه هدف و برنامه است و معمولاً ثابت می‌ماند؛ پیش‌بینی برآورد به‌روز از آنچه احتمالاً رخ می‌دهد.
چند وقت یک‌بار باید پیش‌بینی را به‌روز کرد؟ بستگی به سرعت تغییر کسب‌وکار دارد. بسیاری از شرکت‌ها ماهانه یا فصلی این کار را انجام می‌دهند.
دقیق‌ترین روش کدام است؟ روش دقیق مطلق وجود ندارد. روشی که با داده‌ی شما سازگار است و خطای کمتری در گذشته داشته، مناسب‌تر است.
آیا پیش‌بینی همیشه اشتباه است؟ پیش‌بینی هرگز کاملاً دقیق نیست. هدف آن کاهش عدم‌قطعیت و آماده‌کردن سازمان است، نه دقیق‌بودن مطلق.
جمع‌بندی
از روند ساده تا مدل مبتنی بر محرک، هر روش جایگاهی دارد. با شروع از روش ساده، سنجش خطا و افزودن تدریجی پیچیدگی می‌توانید به پیش‌بینی‌هایی برسید که واقعاً در تصمیم‌گیری به کار می‌آیند.