شاخص‌های پیشرو و داده‌ی تمیز: پایه‌ی پیش‌بینی مالی

اگر می‌خواهید پیش‌بینی مالی آینده‌نگر باشد، دو چیز لازم دارید: داده‌ی تمیز و قابل‌اعتماد، و شاخص‌های پیشرو. شاخص پیشرو شاخصی است که پیش از تغییر اعداد مالی تغییر می‌کند. اما بدون زیرساخت داده‌ی درست، حتی بهترین شاخص هم گمراه می‌کند. در این یادداشت ابتدا چهار پرسش کلیدی برای کیفیت داده را می‌بینیم و بعد نشان می‌دهیم چطور شاخص‌های پیشرو را به پیش‌بینی وصل کنید.

چهار پرسش برای جلوگیری از کار دستی و تأخیر

بخش زیادی از زمان تحلیلگران صرف جمع‌آوری و مرتب‌کردن داده می‌شود. برای کم‌کردن این زمان، چهار نکته را روشن کنید.

۱. داده از کجا می‌آید؟

آیا مستقیم از سیستم مبدأ دریافت می‌شود یا از یک سیستم واسط که ممکن است قالب‌بندی ناخواسته اضافه کند یا کار را پیچیده‌تر کند؟ هرچه مسیر داده کوتاه‌تر باشد، خطا و کار دستی کمتر است.

۲. چه فرایندی دقت و به‌موقع‌بودن را تضمین می‌کند؟

یک نفر باید مسئول دقت اعداد و به‌روز بودنشان باشد. لازم نیست این فرد در تیم مالی باشد؛ بهتر است کسی باشد که به داده‌ی مبدأ نزدیک‌تر است، مثلاً واحد فناوری اطلاعات یا منابع انسانی برای داده‌ی نیروی انسانی. این به شما کمک می‌کند خطا را از ریشه ببینید.

۳. آیا همه‌ی شاخص‌ها تعریف یکسان دارند؟

اگر داده از یک منبع حقیقت واحد نیاید، هم مشکل کیفیت پیدا می‌کنید و هم بحث‌های بی‌پایان درباره‌ی اینکه کدام تعریف «درست‌تر» است. مثلاً «مشتری فعال» در فروش و مالی باید یک معنا داشته باشد.

۴. کدام تصمیم‌ها بر اساس این داده گرفته می‌شود؟

گاهی تیم مالی گزارشی را فقط به این دلیل می‌فرستد که همیشه فرستاده شده، بدون اینکه بداند چه تصمیمی بر آن استوار است. این خطرناک است: ممکن است گزارش‌هایی تهیه کنید که استفاده نمی‌شوند، یا داده را به شکلی نشان دهید که استفاده‌ی آن دشوار باشد. اگر برای یک گزارش تصمیمی پیدا نکردید، حذف یا ساده‌سازی‌اش را پیشنهاد دهید.

اگر این چهار نکته را بفهمید، می‌توانید دلایل کار دستی و تأخیر در فرایند تحلیل را شناسایی کنید.

شاخص پیشرو و شاخص پسرو

شاخص پسرو نتیجه را بعد از وقوع نشان می‌دهد، مثل درآمد ماه گذشته. شاخص پیشرو چیزی را نشان می‌دهد که معمولاً پیش از نتیجه تغییر می‌کند، مثل ترافیک وب‌سایت، نرخ تبدیل تبلیغات یا سطح موجودی انبار.

اگر می‌خواهید آینده‌نگر باشید، در سیلوی مالی گیر نکنید و فقط به داده‌ای که از سیستم‌های مالی و صورت‌هایش می‌آید نگاه نکنید. به داده‌هایی هم توجه کنید که نشان دلار ندارند، و آن‌ها را با عملکرد مالی احتمالی آینده در یک مدل وصل کنید. نتیجه این است که تغییر روند را زودتر می‌بینید و دقت پیش‌بینی بالا می‌رود.

یک اثر جانبی مثبت هم دارد: با کار روی شاخص‌های عملیاتی، فهم شما از کسب‌وکار مدام عمیق‌تر می‌شود.

مثال عددی ساده

فرض کنید بازدید ماهانه‌ی فروشگاه آنلاین ۲۰ هزار نفر و نرخ تبدیل ۲ درصد است. یعنی حدود ۴۰۰ سفارش. اگر میانگین ارزش هر سفارش ۸۰۰ هزار تومان باشد، درآمد حدود ۳۲۰ میلیون تومان است. حالا اگر بازدید این ماه ۱۰ درصد افت کند، قبل از اینکه درآمد در صورت‌های مالی کم شود، می‌دانید حدود ۳۲ میلیون تومان کاهش در راه است. این یعنی زمان کافی دارید تا واکنش نشان دهید.

برای ساخت این ارتباط‌ها در مدل می‌توانید از تحلیل حساسیت استفاده کنید و ببینید هر شاخص پیشرو چقدر روی نتیجه اثر دارد. در داشبورد شاخص‌های مالی هم می‌توانید شاخص‌های پیشرو را کنار شاخص‌های پسرو نمایش دهید.

جدول مقایسه

پرسش‌های متداول

هر شاخص پیشرو را چطور انتخاب کنم؟ شاخصی که در داده‌ی گذشته با نتیجه‌ی مالی رابطه‌ی ثابتی داشته و تغییرش قبل از نتیجه دیده می‌شود. با مقایسه‌ی نمودارها در چند دوره می‌توانید رابطه را آزمود.

اگر داده‌ی عملیاتی در دسترس نباشد؟ از همکاران واحدهای مربوط بخواهید یک فایل ساده‌ی ماهانه بدهند و مسئول دقتش را مشخص کنید. شروع کوچک از نبود داده بهتر است.

چند شاخص پیشرو کافی است؟ دو تا پنج شاخص که واقعاً با تصمیم‌ها مرتبط باشند. تعداد زیاد دوباره نویز ایجاد می‌کند.

جمع‌بندی

داده‌ی تمیز و شاخص‌های پیشرو دو پایه‌ی پیش‌بینی آینده‌نگرند. پیش از ساخت مدل، چهار پرسش درباره‌ی منبع، مسئول، تعریف و تصمیم را پاسخ دهید و بعد دو یا سه شاخص پیشرو را به مدل‌تان وصل کنید. همین کار اول، پیش‌بینی را از «بازگو کردن گذشته» به «هشدار درباره‌ی آینده» می‌برد.