Forretningsforudsigelse: At forstå det grundlæggende

Det er ikke usædvanligt at høre en virksomheds ledelse tale om prognoser: "Vores salg opfyldte ikke de forventede tal, " eller "vi føler os sikre på den forventede økonomiske vækst og forventer at overskride vores mål." I sidste ende informeres alle økonomiske prognoser, hvad enten det drejer sig om en virksomheds specifikationer, som salgsvækst eller forudsigelser om økonomien som helhed. I denne artikel skal vi se på nogle af metoderne bag økonomiske prognoser såvel som processen og nogle af de risici, der vokser op, når vi søger at forudsige fremtiden.

Finansielle prognosemetoder

Der er flere forskellige metoder, hvorpå en forretningsforudsigelse kan laves. Alle metoder falder ind i en af ​​to overordnede tilgange: kvalitativ og kvantitativ.

Kvalitative modeller

Kvalitative modeller har typisk været succesrige med kortvarige forudsigelser, hvor omfanget af prognosen var begrænset. Kvalitative prognoser kan betragtes som ekspertdrevne, idet de er afhængige af markedsmavne eller markedet som helhed for at veje ind med en informeret konsensus. Kvalitative modeller kan være nyttige til at forudsige den kortsigtede succes for virksomheder, produkter og tjenester, men har begrænsninger på grund af sin afhængighed af mening over målbare data. Kvalitative modeller inkluderer:

• Markedsundersøgelse Polling af et stort antal mennesker på et specifikt produkt eller tjeneste for at forudsige, hvor mange mennesker vil købe eller bruge det, når det først er lanceret.
• Delphi-metode: Beder felteksperter om generelle udtalelser og derefter samles dem til en prognose. (Læs "Kvalitativ analyse: Hvad gør et firma stort?" For mere om kvalitativ modellering.)

Det grundlæggende i forretningsforudsigelser

Kvantitative modeller

Kvantitative modeller nedsætter ekspertfaktoren og forsøger at fjerne det menneskelige element ud af analysen. Disse tilgange vedrører udelukkende data og undgår den ustyrlighed blandt de mennesker, der ligger til grund for antallet. De forsøger også at forudsige, hvor variabler som salg, bruttonationalprodukt, boligpriser osv. Vil være på lang sigt, målt i måneder eller år. Kvantitative modeller inkluderer:

• Indikatormetoden: Indikatormetoden afhænger af forholdet mellem visse indikatorer, f.eks. BNP og arbejdsløshed, hvilket forbliver relativt uændret over tid. Ved at følge relationer og derefter følge indikatorer, der fører, kan du estimere ydeevnen for de hængende indikatorer ved hjælp af de førende indikatordata.
• Økonometrisk modellering: Dette er en mere matematisk streng version af indikatortilgangen. I stedet for at antage, at relationer forbliver de samme, tester økonometrisk modellering den interne konsistens af datasæt over tid og betydningen eller styrken af ​​forholdet mellem datasæt. Økonometrisk modellering bruges undertiden til at oprette tilpassede indikatorer, der kan bruges til en mere nøjagtig indikatortilgang. Imidlertid bruges de økonometriske modeller oftere inden for akademiske områder til evaluering af økonomiske politikker. (For en grundlæggende forklaring på anvendelse af økonometriske modeller skal du læse "Grundlæggende regressionsregnskab til forretningsanalyse.")
• Tidsseriemetoder: Dette refererer til en samling af forskellige metoder, der bruger tidligere data til at forudsige fremtidige begivenheder. Forskellen mellem tidsseriemetodikerne er normalt i fine detaljer, som at give nyere data mere vægt eller neddiskontere visse outlier-point. Ved at spore, hvad der skete i fortiden, håber prognoskriveren at kunne give en bedre end gennemsnitlig forudsigelse om fremtiden. Dette er den mest almindelige type forretningsprognoser, fordi det er billigt og ikke bedre eller dårligere end andre metoder.

Hvordan fungerer prognoser?

Der er meget variation på et praktisk niveau, når det kommer til forretningsforudsigelser. På et konceptuelt niveau følger alle prognoser imidlertid den samme proces.

1. Et problem eller datapunkt vælges. Dette kan være noget i retning af "vil folk købe en avanceret kaffemaskine?" eller "hvad bliver vores salg i marts næste år?"
2. Teoretiske variabler og et ideelt datasæt vælges. Det er her, udskriveren identificerer de relevante variabler, der skal overvejes, og beslutter, hvordan dataene skal indsamles.
3. Antagelsestid. For at skære ned på den tid og de data, der er nødvendige for at lave en prognose, tager forbehandleren nogle eksplicitte antagelser for at forenkle processen.
4. Der vælges en model. Forhasteren vælger den model, der passer til datasættet, valgte variabler og antagelser.
5. Analyse. Ved hjælp af modellen analyseres dataene, og der foretages en prognose fra analysen.
6. Verifikation. Forhåndsspilleren sammenligner prognosen med hvad der sker med at finpusse processen, identificere problemer eller i sjældne tilfælde af en nøjagtig prognose, klappe sig selv på bagsiden.

Problemer med prognoser

Forretningsprognoser er meget nyttige for virksomheder, da det giver dem mulighed for at planlægge produktion, finansiering og så videre. Der er dog tre problemer med at stole på prognoser:

1. Dataene bliver altid gamle. Historiske data er alt, hvad vi skal gå på, og der er ingen garanti for, at betingelserne i fortiden vil fortsætte i fremtiden.
2. Det er umuligt at indgå i unikke eller uventede begivenheder eller eksternaliteter. Antagelser er farlige, såsom antagelserne om, at banker korrekt screenede låntagere inden subprime-nedbruddet. Og sorte svanehændelser er blevet mere almindelige, efterhånden som vores afhængighed af prognoser er vokset.
3. Prognoser kan ikke integrere deres egen påvirkning. Ved at have prognoser, nøjagtige eller unøjagtige, påvirkes virksomhedernes handlinger af en faktor, der ikke kan inkluderes som en variabel. Dette er en konceptuel knude. I værste fald bliver ledelsen slave for historiske data og tendenser snarere end at bekymre sig om, hvad virksomheden laver nu.

Bundlinjen

Prognosering kan være en farlig kunst, fordi prognoserne bliver et fokus for virksomheder og regeringer, mentalt begrænser deres række af handlinger, ved at præsentere den korte til langvarige fremtid som allerede fastlagt. Derudover kan prognoser let nedbrydes på grund af tilfældige elementer, der ikke kan integreres i en model, eller de kan være helt gale fra starten.

Negativerne til side, forretningsforudsigelser går ikke noget sted. Prognoser, der bruges korrekt, giver virksomhederne mulighed for at planlægge forud for deres behov og øge deres chancer for at forblive sunde gennem alle markeder. Det er en funktion af forretningsforudsigelser, som alle investorer kan værdsætte.