Zakelijke prognoses: de basisprincipes begrijpen
Wat zijn zakelijke prognoses?
Het is niet ongebruikelijk om het management van een bedrijf te horen spreken over prognoses : “Onze verkopen voldeden niet aan de voorspelde cijfers” of “we hebben vertrouwen in onze voorspelde economische groei en verwachten onze doelstellingen te overtreffen”. Uiteindelijk zijn alle financiële prognoses geïnformeerde schattingen, ongeacht of ze de specifieke kenmerken van een bedrijf weerspiegelen, zoals omzetgroei, of voorspellingen voor de economie als geheel. In dit artikel bekijken we enkele van de methoden en processen achter financiële prognoses, evenals de risico’s bij het voorspellen van de toekomst.
Belangrijkste leerpunten:
- Voorspellingen zijn waardevol voor bedrijven, zodat ze weloverwogen zakelijke beslissingen kunnen nemen.
- Financiële prognoses zijn fundamenteel geïnformeerde gissingen en er zijn risico’s verbonden aan het vertrouwen op gegevens en methoden uit het verleden die bepaalde variabelen niet kunnen bevatten.
- Voorspellingsbenaderingen omvatten kwalitatieve modellen en kwantitatieve modellen.
Inzicht in zakelijke prognoses
Bedrijven gebruiken prognoses om hen te helpen bij het ontwikkelen van bedrijfsstrategieën. Financiële en operationele beslissingen worden genomen op basis van economische omstandigheden en hoe de toekomst eruit ziet, zij het onzeker. Gegevens uit het verleden worden verzameld en geanalyseerd zodat patronen kunnen worden gevonden. Tegenwoordig hebben big data en kunstmatige intelligentie de forecasing-methoden van bedrijven getransformeerd.
Er zijn verschillende methoden waarmee een bedrijfsprognose wordt gemaakt. Alle methoden vallen in een van de twee overkoepelende benaderingen: kwalitatief en kwantitatief.
Kwalitatieve modellen
Kwalitatieve modellen zijn doorgaans succesvol geweest met voorspellingen op korte termijn, waarbij de reikwijdte van de voorspelling beperkt was. Kwalitatieve voorspellingen kunnen worden gezien als door experts gedreven, in die zin dat ze afhankelijk zijn van marktmensen of de markt als geheel om met een geïnformeerde consensus af te wegen. Kwalitatieve modellen kunnen nuttig zijn bij het voorspellen van het succes op korte termijn van bedrijven, producten en diensten, maar hebben beperkingen omdat ze afhankelijk zijn van meningen over meetbare gegevens. Kwalitatieve modellen zijn onder meer:
- Marktonderzoek Een groot aantal mensen ondervragen over een specifiek product of bepaalde dienst om te voorspellen hoeveel mensen het zullen kopen of gebruiken nadat het is gelanceerd.
- Delphi-methode : velddeskundigen vragen om algemene meningen en deze vervolgens samenstellen tot een prognose.
Kwantitatieve modellen
Kwantitatieve modellen verdisconteren de expertfactor en proberen het menselijke element uit de analyse te verwijderen. Deze benaderingen hebben uitsluitend betrekking op gegevens en vermijden de wispelturigheid van de mensen die aan de cijfers ten grondslag liggen. Deze benaderingen proberen ook te voorspellen waar variabelen zoals verkoop, bruto binnenlands product, huizenprijzen, enzovoort, zich op lange termijn zullen bevinden, gemeten in maanden of jaren. Kwantitatieve modellen zijn onder meer:
- De indicatorbenadering : De indicatorbenadering is afhankelijk van de relatie tussen bepaalde indicatoren, bijvoorbeeld het bbp en het werkloosheidspercentage dat in de loop van de tijd relatief onveranderd blijft. Door de relaties te volgen en vervolgens de leidende indicatoren te volgen, kunt u de prestaties van de achterblijvende indicatoren schatten door de gegevens van de voorlopende indicatoren te gebruiken.
- Econometrische modellering: dit is een meer wiskundig rigoureuze versie van de indicatorbenadering. In plaats van aan te nemen dat relaties hetzelfde blijven, toetst econometrische modellering de interne consistentie van datasets in de tijd en de significantie of sterkte van de relatie tussen datasets. Econometrische modellering wordt toegepast om aangepaste indicatoren te creëren voor een meer gerichte aanpak. Econometrische modellen worden echter vaker gebruikt in academische velden om economisch beleid te evalueren.
- Tijdreeksmethoden : Tijdreeksen gebruiken gegevens uit het verleden om toekomstige gebeurtenissen te voorspellen. Het verschil tussen de tijdreeksmethodologieën zit hem in de fijne details, bijvoorbeeld door meer recente data meer gewicht te geven of bepaalde uitschieters te verdisconteren. Door bij te houden wat er in het verleden is gebeurd, hoopt de voorspeller op zijn minst een beter dan gemiddeld beeld van de toekomst te krijgen. Dit is het meest voorkomende type zakelijke prognoses omdat het goedkoop is en niet beter of slechter dan andere methoden.
De elementen van prognoses
Er is een aanzienlijke variatie op praktisch niveau als het gaat om business forecasting. Op conceptueel niveau volgen alle prognoses echter hetzelfde proces.
- Er wordt een probleem of datapunt gekozen. Dit kan zoiets zijn als “zullen mensen een high-end koffiezetapparaat kopen?” of “wat zullen onze verkopen zijn in maart volgend jaar?”
- Theoretische variabelen en een ideale dataset worden gekozen. Dit is waar de voorspeller de relevante variabelen identificeert die in overweging moeten worden genomen en beslist hoe de gegevens moeten worden verzameld.
- Veronderstellingstijd. Om de tijd en gegevens die nodig zijn om een voorspelling te maken, te verkorten, maakt de voorspeller enkele expliciete aannames om het proces te vereenvoudigen.
- Er wordt een model gekozen. De voorspeller kiest het model dat past bij de dataset, geselecteerde variabelen en aannames.
- Analyse. Met behulp van het model worden de gegevens geanalyseerd en op basis van de analyse wordt een voorspelling gemaakt.
- Verificatie. De voorspelling wordt vergeleken met wat er werkelijk gebeurt om problemen te identificeren, enkele variabelen aan te passen of, in het zeldzame geval van een nauwkeurige voorspelling, zichzelf een schouderklopje te geven.
Zodra een prognose is gemaakt, kunnen datavisualisatietechnieken nuttig zijn voor presentatie aan andere besluitvormers.
Problemen met prognoses
Zakelijke prognoses zijn van vitaal belang voor bedrijven omdat het hen in staat stelt productie, financiering en andere strategieën te plannen. Er zijn echter drie problemen bij het vertrouwen op prognoses:
- De gegevens zullen altijd oud zijn. Historische gegevens zijn alles wat we nodig hebben, en er is geen garantie dat de omstandigheden in het verleden in de toekomst zullen voortduren.
- Het is onmogelijk om rekening te houden met unieke of onverwachte gebeurtenissen of externe factoren. Aannames zijn gevaarlijk, zoals de aannames dat banken kredietnemers goed screenden voorafgaand aan de subprime meltdown. Black Swan evenementen komen vaker voor naarmate onze afhankelijkheid van voorspellingen is toegenomen.
- Prognoses kunnen hun eigen impact niet integreren. Door voorspellingen te hebben, nauwkeurig of onnauwkeurig, worden de acties van bedrijven beïnvloed door een factor die niet als variabele kan worden opgenomen. Dit is een conceptuele knoop. In het ergste geval wordt het management een slaaf van historische gegevens en trends in plaats van zich zorgen te maken over wat het bedrijf nu doet.
Speciale overwegingen
Voorspellen kan gevaarlijk zijn. Prognoses worden een focus voor bedrijven en regeringen die hun actieradius mentaal beperken door de korte tot lange termijn voor te stellen als vooraf bepaald. Bovendien kunnen prognoses gemakkelijk mislukken als gevolg van willekeurige elementen die niet in een model kunnen worden opgenomen, of kunnen ze vanaf het begin gewoon verkeerd zijn.
De minpunten terzijde, zakelijke prognoses zijn blijvend. Op de juiste manier gebruikt, stellen prognoses bedrijven in staat vooruit te plannen op hun behoeften, waardoor hun kansen om concurrerend te blijven op de markten worden vergroot. Dat is een functie van zakelijke prognoses die alle investeerders kunnen waarderen.