اگر پیشبینی مالی شما مدام از واقعیت فاصله میگیرد، یا بدتر، مدیران آن را اتلاف وقت میدانند، احتمالاً یکی از پنج اشتباه این یادداشت را تکرار میکنید. خبر خوب این است که هر اشتباه راهحل سادهای دارد. در ادامه هر اشتباه را با مثال توضیح میدهیم و نشان میدهیم چطور اصلاحش کنید.
اشتباه اول: فقط از بالا به پایین پیشبینی کردن
دقت پیشبینی از حذف سوگیری میآید. برای رسیدن به آن، هم یک پیشبینی بالا به پایین و هم یک پیشبینی پایین به بالا بسازید. در روش پایین به بالا هر پروژه یا واحد جداگانه بررسی میشود. در روش بالا به پایین از هدف نهایی شروع میکنید و به عقب برمیگردید تا به محرکهای تکی برسید.
هرکدام سوگیری خاص خودش را دارد: پیشبینی بالا به پایین معمولاً تهاجمی و خوشبینانه است و پیشبینی پایین به بالا اغلب محتاط، چون در هر لایه مقداری حاشیهی اطمینان اضافه میشود. ترکیب این دو، سوگیریها را تا حد زیادی خنثی میکند. برای مقایسهی دقیقتر، بودجهریزی بالا به پایین و پایین به بالا را ببینید.
اشتباه دوم: نبود پاسخگویی
اگر تیم مالی پیشبینی را تنهایی انجام دهد و مدیران واحدها خود را در برابر تحقق آن مسئول ندانند، ارزش چندانی ایجاد نمیشود و دقت هم معمولاً پایین میماند. بهترین پیشبینیها با کسبوکار همراستا هستند. پیشفرضهای پیشبینی درآمد را باید همراه با تیم فروش یا بازاریابی تعیین کنید و مدیر آن واحد را پاسخگو بدانید. نتیجه فقط دقت بیشتر نیست؛ وقتی عملکرد از برنامه فاصله بگیرد، کسی هست که اقدام کند.
اشتباه سوم: انباشت پیشفرضها
هرچه عدمقطعیت در کسبوکار بیشتر باشد، باید پیشفرضهای کمتری در پیشبینی بگذارید. وقتی چند متغیر را روی هم سوار میکنید، حاشیهی خطای آنها ضرب میشود، نه جمع. مثلاً اگر هر کدام از سه پیشفرض ده درصد خطا داشته باشد، خطای ترکیبی از ده درصد خیلی بیشتر میشود.
دلیل دوم: وقتی متغیرها را جدا نگه میدارید، مقایسهی واقعی با پیشبینی سادهتر است و میتوانید نتیجه بگیرید کدام فرض درست بود. اگر پیشبینی بر پیشفرضهای زیاد استوار باشد، تقریباً غیرممکن است بفهمید کدامشان درست بوده و کدام غلط. راهحل: از سادهترین مدل شروع کنید و پیشفرض جدید را فقط وقتی اضافه کنید که شواهد روشنی برای ارزشش دارید.
اشتباه چهارم: صرفنظر از تحلیل حساسیت
وظیفهی ماست که ریسک پیشبینی را کمّی کنیم، بهخصوص وقتی عدمقطعیت زیاد است. سادهترین راه این است که ورودیها را یکییکی تغییر دهید و ببینید پیشبینی چقدر جابهجا میشود. مثلاً اگر تغییر پنج درصدی در حساسیت قیمتی، پیشبینی درآمد را بیستوپنج درصد عوض کند، این یک ریسک بزرگ است و باید آن را صریحاً گزارش کنید. اگر میخواهید روش کار را قدمبهقدم ببینید، تحلیل حساسیت در مدل مالی راهنمای مناسبی است.
اشتباه پنجم: نشاندادن فقط یک عدد
بعضی تحلیلگرها فکر میکنند ارائهی بازه یعنی اعتمادبهنفس کم. اما یک بازهی خوب اندازهگیریشده دو کار مهم میکند. اول، بزرگی عدمقطعیت (یعنی ریسک) را نشان میدهد؛ مدیرعامل میفهمد کدام عدد برای اعلام به سرمایهگذاران محافظهکارانه است. دوم، برنامهریزی سناریو را ممکن میکند: مدیران میتوانند از قبل اقدامهای اضطراری را برای حالتی که نتیجه در انتهای پایین بازه قرار بگیرد، آماده کنند. برای ساخت سناریوها از برنامهریزی سناریو در مدل مالی استفاده کنید.
جدول خلاصه
| اشتباه | علامت مشکل | اصلاح |
|---|---|---|
| فقط بالا به پایین | پیشبینی بیش از حد خوشبینانه | ساخت نسخهی پایین به بالا و مقایسه |
| نبود پاسخگویی | کسی اقدام نمیکند | همنویسی پیشفرضها با واحدها |
| انباشت پیشفرض | علت خطا مشخص نیست | حداقل پیشفرض و جداسازی متغیرها |
| بیحساسیتسنجی | ریسک ناشناخته | تغییر تکی ورودیها |
| یک عدد | بدون پایهی سناریو | ارائهی بازه |
پرسشهای متداول
آیا بازهی پیشبینی را به مدیرعامل هم نشان بدهم؟ بله. بهشرط اینکه بازه را اندازهگیری کرده باشید و بتوانید توضیح دهید چرا آن عرض را دارد. مدیران ریسک را بهتر از یک عدد قطعی دروغین میپذیرند.
چند پیشفرض برای یک پیشبینی زیاد است؟ عدد ثابتی وجود ندارد، اما قاعدهی کلی این است که هرچه محیط ناپایدارتر باشد، تعداد پیشفرضها باید کمتر باشد. اگر نمیتوانید هر فرض را جداگانه آزمون کنید، احتمالاً زیادند.
تحلیل حساسیت زمان زیادی میگیرد؟ نه لزوماً. حتی سه یا چهار ورودی اصلی را تغییر دادن کافی است تا مهمترین ریسکها دیده شود.
جمعبندی
برای بهتر کردن پیشبینیها پنج کار را انجام دهید: دو دیدگاه بالا به پایین و پایین به بالا را مقایسه کنید، پیشبینی را با کسبوکار همراستا کنید، با پیشفرضهای کمتر شروع کنید، حساسیت را بسنجید و بهجای یک عدد بازه بدهید. در پیشبینی بعدی فقط یکی از اینها را اضافه کنید و نتیجه را با واقعیت مقایسه کنید.