Επιχειρηματική πρόβλεψη: Κατανόηση των βασικών στοιχείων

Δεν είναι ασυνήθιστο να ακούσουμε τη διοίκηση μιας επιχείρησης να μιλά για προβλέψεις: «Οι πωλήσεις μας δεν πληρούσαν τους προβλεπόμενους αριθμούς» ή «αισθανόμαστε εμπιστοσύνη στην προβλεπόμενη οικονομική ανάπτυξη και αναμένουμε να υπερβούμε τους στόχους μας». Τελικά, όλες οι οικονομικές προβλέψεις, είτε σχετικά με τις ιδιαιτερότητες μιας επιχείρησης, όπως η αύξηση των πωλήσεων, είτε οι προβλέψεις για την οικονομία ως σύνολο, είναι ενημερωμένες εικασίες. Σε αυτό το άρθρο, θα εξετάσουμε μερικές από τις μεθόδους πίσω από τις οικονομικές προβλέψεις, καθώς και τη διαδικασία και μερικούς από τους κινδύνους που προκύπτουν όταν προσπαθούμε να προβλέψουμε το μέλλον.

Μέθοδοι χρηματοοικονομικής πρόβλεψης

Υπάρχουν διάφορες μέθοδοι με τις οποίες μπορεί να γίνει μια επιχειρηματική πρόβλεψη. Όλες οι μέθοδοι εμπίπτουν σε μία από τις δύο γενικές προσεγγίσεις: ποιοτική και ποσοτική.

Ποιοτικά Μοντέλα

Τα ποιοτικά μοντέλα ήταν συνήθως επιτυχημένα με βραχυπρόθεσμες προβλέψεις, όπου το εύρος της πρόβλεψης ήταν περιορισμένο. Οι ποιοτικές προβλέψεις μπορούν να θεωρηθούν ως εμπειρογνωμοσύνη, επειδή εξαρτώνται από τους αγώνες της αγοράς ή την αγορά στο σύνολό της για να ζυγίσει με μια συνειδητή συναίνεση. Τα ποιοτικά μοντέλα μπορούν να είναι χρήσιμα στην πρόβλεψη της βραχυπρόθεσμης επιτυχίας των εταιρειών, των προϊόντων και των υπηρεσιών, αλλά έχουν περιορισμούς λόγω της εξάρτησης από τη γνώμη τους σε μετρήσιμα στοιχεία. Τα ποιοτικά μοντέλα περιλαμβάνουν:

• Έρευνα αγοράς Μελετώντας ένα μεγάλο αριθμό ατόμων σε ένα συγκεκριμένο προϊόν ή υπηρεσία για να προβλέψετε πόσα άτομα θα το αγοράσουν ή θα το χρησιμοποιήσουν μόλις ξεκινήσουν.
• Μέθοδος Δελφών: Ζητώντας εμπειρογνώμονες πεδίου για γενικές απόψεις και στη συνέχεια τους καταρτίζοντας σε μια πρόβλεψη. (Για περισσότερα σχετικά με την ποιοτική μοντελοποίηση, διαβάστε την "Ποιοτική Ανάλυση: Τι κάνει μια μεγάλη εταιρεία;")

Τα βασικά της επιχειρηματικής πρόβλεψης

Ποσοτικά μοντέλα

Τα ποσοτικά μοντέλα μειώνουν τον παράγοντα των εμπειρογνωμόνων και προσπαθούν να αφαιρέσουν το ανθρώπινο στοιχείο από την ανάλυση. Αυτές οι προσεγγίσεις αφορούν αποκλειστικά τα δεδομένα και αποφεύγουν τη δυσφορία των ανθρώπων που υποκρύπτουν τους αριθμούς. Προσπαθούν επίσης να προβλέψουν πού θα είναι μακροπρόθεσμα οι μεταβλητές όπως οι πωλήσεις, το ακαθάριστο εγχώριο προϊόν, οι τιμές κατοικιών κ.ο.κ., μετρούμενες σε μήνες ή χρόνια. Τα ποσοτικά μοντέλα περιλαμβάνουν:

• Η προσέγγιση του δείκτη: Η προσέγγιση του δείκτη εξαρτάται από τη σχέση μεταξύ ορισμένων δεικτών, όπως για παράδειγμα το ΑΕΠ και τα ποσοστά ανεργίας, που παραμένουν σχετικά αμετάβλητα με την πάροδο του χρόνου. Ακολουθώντας τις σχέσεις και ακολουθώντας τους δείκτες που οδηγούν, μπορείτε να εκτιμήσετε την απόδοση των δεικτών καθυστέρησης, χρησιμοποιώντας τα δεδομένα οδηγού δείκτη.
• Οικονομετρική Μοντελοποίηση: Πρόκειται για μια πιο μαθηματικά αυστηρή εκδοχή της προσέγγισης δείκτη. Αντί να υποθέσουμε ότι οι σχέσεις παραμένουν οι ίδιες, η οικονομετρική μοντελοποίηση ελέγχει την εσωτερική συνέπεια των συνόλων δεδομένων με την πάροδο του χρόνου και τη σημασία ή τη δύναμη της σχέσης μεταξύ των συνόλων δεδομένων. Η οικονομετρική μοντελοποίηση χρησιμοποιείται μερικές φορές για τη δημιουργία προσαρμοσμένων δεικτών που μπορούν να χρησιμοποιηθούν για μια πιο ακριβή προσέγγιση δείκτη. Ωστόσο, τα οικονομετρικά μοντέλα χρησιμοποιούνται συχνότερα σε ακαδημαϊκούς τομείς για την αξιολόγηση των οικονομικών πολιτικών. (Για μια βασική εξήγηση σχετικά με την εφαρμογή οικονομετρικών μοντέλων, διαβάστε το "Regression Basics for Business Analysis.")
• Μέθοδοι χρονολογικών σειρών: Αυτό αναφέρεται σε μια συλλογή διαφορετικών μεθοδολογιών που χρησιμοποιούν παρελθόν δεδομένα για την πρόβλεψη μελλοντικών γεγονότων. Η διαφορά μεταξύ των μεθοδολογιών χρονολογικών σειρών είναι συνήθως σε λεπτομερείς λεπτομέρειες, όπως η προσφορά περισσότερων πρόσφατων στοιχείων σε βάρος ή η απόσβεση ορισμένων εξωγενών σημείων. Παρακολουθώντας το τι συνέβη στο παρελθόν, ο προγνώστης ελπίζει να είναι σε θέση να δώσει μια καλύτερη από το μέσο όρο πρόβλεψη για το μέλλον. Αυτός είναι ο πιο συνηθισμένος τύπος επιχειρηματικών προβλέψεων επειδή είναι φθηνός και όχι καλύτερος ή χειρότερος από άλλες μεθόδους.

Πώς λειτουργεί η πρόβλεψη;

Υπάρχουν πολλές παραλλαγές σε πρακτικό επίπεδο όταν πρόκειται για επιχειρηματικές προβλέψεις. Ωστόσο, σε εννοιολογικό επίπεδο, όλες οι προβλέψεις ακολουθούν την ίδια διαδικασία.

1. Εμφανίζεται ένα πρόβλημα ή ένα σημείο δεδομένων. Αυτό μπορεί να είναι κάτι σαν "θα αγοράσουν οι άνθρωποι μια καφετιέρα υψηλής ποιότητας;" ή "τι θα είναι οι πωλήσεις μας τον Μάρτιο του επόμενου έτους;"
2. Οι θεωρητικές μεταβλητές και ένα ιδανικό σύνολο δεδομένων επιλέγονται. Εδώ ο εντοπιστής προσδιορίζει τις σχετικές μεταβλητές που πρέπει να εξεταστούν και αποφασίζει πώς να συλλέγει τα δεδομένα.
3. Χρόνος αναλήψεως. Για να μειωθεί ο χρόνος και τα δεδομένα που χρειάζονται για να γίνει μια πρόβλεψη, ο προβλέπων κάνει κάποιες σαφείς υποθέσεις για να απλοποιήσει τη διαδικασία.
4. Επιλέγεται ένα μοντέλο. Ο προγνώστης επιλέγει το μοντέλο που ταιριάζει με το σύνολο δεδομένων, τις επιλεγμένες μεταβλητές και τις υποθέσεις.
5. Ανάλυση. Χρησιμοποιώντας το μοντέλο, τα δεδομένα αναλύονται και μια πρόβλεψη γίνεται από την ανάλυση.
6. Επαλήθευση. Ο προγνώστης συγκρίνει την πρόβλεψη με το τι συμβαίνει για να τσιμπηθεί η διαδικασία, να εντοπιστούν τα προβλήματα ή στη σπάνια περίπτωση μιας ακριβούς πρόβλεψης, να παθαίνει τον εαυτό του στην πλάτη.

Προβλήματα με την πρόβλεψη

Οι επιχειρηματικές προβλέψεις είναι πολύ χρήσιμες για τις επιχειρήσεις, καθώς τους επιτρέπει να προγραμματίσουν την παραγωγή, τη χρηματοδότηση κ.ο.κ. Ωστόσο, υπάρχουν τρία προβλήματα με βάση τις προβλέψεις:

1. Τα δεδομένα είναι πάντα παλιά. Τα ιστορικά δεδομένα είναι όλα όσα πρέπει να συνεχίσουμε και δεν υπάρχει καμία εγγύηση ότι οι συνθήκες στο παρελθόν θα συνεχιστούν στο μέλλον.
2. Είναι αδύνατο να υπολογίσουμε τα μοναδικά ή μη αναμενόμενα γεγονότα ή τις εξωτερικές επιδράσεις. Οι παραδοχές είναι επικίνδυνες, όπως οι υποθέσεις ότι οι τράπεζες έλεγαν σωστά τους δανειολήπτες πριν από την κατάρρευση των υψηλών επιτοκίων. Και τα γεγονότα του μαύρου κύκνου έχουν γίνει πιο συνηθισμένα καθώς η εξάρτησή μας από τις προβλέψεις έχει αυξηθεί.
3. Οι προβλέψεις δεν μπορούν να ενσωματώσουν τις δικές τους επιπτώσεις. Έχοντας προβλέψεις, ακριβείς ή ανακριβείς, οι ενέργειες των επιχειρήσεων επηρεάζονται από έναν παράγοντα που δεν μπορεί να συμπεριληφθεί ως μεταβλητή. Αυτός είναι ένας εννοιολογικός κόμβος. Σε ένα σενάριο χειρότερης περίπτωσης, η διοίκηση γίνεται σκλάβος στα ιστορικά δεδομένα και τις τάσεις παρά να ανησυχεί για το τι κάνει η επιχείρηση τώρα.

Η κατώτατη γραμμή

Η πρόβλεψη μπορεί να είναι μια επικίνδυνη τέχνη, επειδή οι προβλέψεις αποτελούν το επίκεντρο για τις εταιρείες και τις κυβερνήσεις, περιορίζοντας διανοητικά το φάσμα των δράσεών τους, παρουσιάζοντας το βραχυπρόθεσμο έως το μακροπρόθεσμο μέλλον όπως καθορίζεται ήδη. Επιπλέον, οι προβλέψεις μπορούν εύκολα να υποβαθμιστούν λόγω τυχαίων στοιχείων που δεν μπορούν να ενσωματωθούν σε ένα μοντέλο, ή μπορεί να είναι απλά λάθος από την αρχή.

Τα αρνητικά, οι επιχειρηματικές προβλέψεις δεν πηγαίνουν πουθενά. Χρησιμοποιείται κατάλληλα, η πρόβλεψη επιτρέπει στις επιχειρήσεις να προγραμματίσουν τις ανάγκες τους, αυξάνοντας τις πιθανότητες να παραμείνουν υγιείς σε όλες τις αγορές. Αυτή είναι μια λειτουργία των επιχειρηματικών προβλέψεων ότι όλοι οι επενδυτές μπορούν να εκτιμήσουν.