Business Forecasting: Förstå grunderna

Det är inte ovanligt att höra ett företags ledning tala om prognoser: "Vår försäljning uppfyllde inte de prognostiserade siffrorna, " eller "vi känner oss säkra i den prognostiserade ekonomiska tillväxten och förväntar oss att överskrida våra mål." I slutändan är alla finansiella prognoser, oavsett om det specifika för ett företag, som försäljningstillväxt eller förutsägelser om ekonomin som helhet, informerade gissningar. I den här artikeln ska vi titta på några av metoderna bakom ekonomiska prognoser, såväl som processen, och några av de risker som dyker upp när vi försöker förutsäga framtiden.

Metoder för finansiell prognos

Det finns flera olika metoder för att göra en affärsprognos. Alla metoder ingår i en av två övergripande strategier: kvalitativ och kvantitativ.

Kvalitativa modeller

Kvalitativa modeller har vanligen varit framgångsrika med kortvariga förutsägelser, där omfattningen av prognosen var begränsad. Kvalitativa prognoser kan betraktas som expertdrivna, i och med att de är beroende av marknadsmavar eller marknaden i sin helhet för att väga in med ett informerat samförstånd. Kvalitativa modeller kan vara användbara för att förutsäga företagens, produkternas och tjänstens kortsiktiga framgång, men har begränsningar på grund av att de är beroende av åsikter om mätbara data. Kvalitativa modeller inkluderar:

• Marknadsundersökning Polling av ett stort antal människor på en specifik produkt eller tjänst för att förutsäga hur många som kommer att köpa eller använda den när den har lanserats.
• Delphi-metod: Be fältexperter om allmänna åsikter och sedan sammanställa dem till en prognos. (För mer om kvalitativ modellering, läs "Kvalitativ analys: Vad gör ett företag bra?")

Grunderna i affärsprognoser

Kvantitativa modeller

Kvantitativa modeller diskonterar expertfaktorn och försöker ta bort det mänskliga elementet ur analysen. Dessa tillvägagångssätt handlar enbart om data och undviker oförmågan hos de personer som ligger bakom siffrorna. De försöker också förutsäga var variabler som försäljning, bruttonationalprodukt, bostadspriser och så vidare kommer att vara på lång sikt, mätt i månader eller år. Kvantitativa modeller inkluderar:

• Indikatorns strategi: Indikatorns strategi beror på förhållandet mellan vissa indikatorer, till exempel BNP och arbetslöshet, vilket förblir relativt oförändrat över tid. Genom att följa förhållandena och sedan följa indikatorer som leder, kan du uppskatta prestandan för de eftersläpande indikatorerna genom att använda de ledande indikatordata.
• Ekonometrisk modellering: Detta är en mer matematisk rigorös version av indikatormetoden. Istället för att anta att förhållanden förblir desamma, testar ekonometrisk modellering den interna konsistensen hos datasätt över tid och betydelsen eller styrkan i sambandet mellan datasätt. Ekonometrisk modellering används ibland för att skapa anpassade indikatorer som kan användas för en mer exakt indikator. Men de ekonometriska modellerna används ofta inom akademiska områden för att utvärdera ekonomisk politik. (För en grundläggande förklaring om tillämpning av ekonometriska modeller, läs "Regression Basics for Business Analysis.")
• Tidsseriemetoder: Detta hänvisar till en samling olika metoder som använder tidigare data för att förutsäga framtida händelser. Skillnaden mellan tidsseriemetodologierna är vanligtvis i fina detaljer, som att ge nyare data mer vikt eller diskontera vissa poäng. Genom att spåra vad som hänt tidigare, hoppas prognosmakaren kunna ge en bättre förutsägelse om framtiden. Detta är den vanligaste typen av företagsprognoser eftersom den är billig och inte bättre eller sämre än andra metoder.

Hur fungerar prognosen?

Det finns mycket variation på praktisk nivå när det gäller företagsprognoser. Men på en konceptuell nivå följer alla prognoser samma process.

1. Ett problem eller datapunkt väljs. Detta kan vara något som "kommer folk att köpa en avancerad kaffebryggare?" eller "vad blir vår försäljning i mars nästa år?"
2. Teoretiska variabler och en idealisk datauppsättning väljs. Det är här som förutspåraren identifierar relevanta variabler som måste beaktas och bestämmer hur data ska samlas in.
3. Antagningstid. För att minska tiden och de uppgifter som behövs för att göra en prognos, gör prognosmakaren några uttryckliga antaganden för att förenkla processen.
4. En modell väljs. Förstakaren väljer modellen som passar datasättet, valda variabler och antaganden.
5. Analys. Med hjälp av modellen analyseras data och en prognos görs från analysen.
6. Verifiering. Skådespelaren jämför jämför prognosen med vad som händer för att finjustera processen, identifiera problem eller i sällsynta fall med en korrekt prognos, klappa sig själv på ryggen.

Prognosproblem

Företagsprognoser är mycket användbara för företag, eftersom det gör att de kan planera produktion, finansiering och så vidare. Det finns dock tre problem med att förlita sig på prognoser:

1. Uppgifterna kommer alltid att vara gamla. Historiska data är allt vi behöver gå vidare, och det finns ingen garanti för att förhållandena i det förflutna kommer att fortsätta i framtiden.
2. Det är omöjligt att ta del av unika eller oväntade händelser eller externiteter. Antaganden är farliga, till exempel antagandena om att banker korrekt screenade låntagare före subprime-nedbrytningen. Och svarta svanhändelser har blivit vanligare när vårt beroende av prognoser har vuxit.
3. Prognoser kan inte integrera sin egen inverkan. Genom att ha prognoser, exakta eller felaktiga, påverkas företagens handlingar av en faktor som inte kan inkluderas som en variabel. Detta är en konceptuell knut. I värsta fall blir ledningen en slav för historiska data och trender snarare än att oroa sig för vad verksamheten gör nu.

Poängen

Prognoser kan vara en farlig konst, eftersom prognoserna blir ett fokus för företag och regeringar, mentalt begränsar deras utbud av åtgärder, genom att presentera den korta till långsiktiga framtiden som redan fastställts. Dessutom kan prognoser lätt bryta ner på grund av slumpmässiga element som inte kan integreras i en modell, eller de kan vara helt fel från början.

Negativen åt sidan, affärsprognoser går inte någonstans. Prognoser gör det möjligt för företag att planera före sina behov och höja sina chanser att hålla sig friska genom alla marknader. Det är en funktion av affärsprognoser som alla investerare kan uppskatta.