Ia tidak luar biasa untuk mendengar pengurusan syarikat bercakap tentang ramalan: "Penjualan kami tidak memenuhi angka yang dijangkakan, " atau "kami merasa yakin dengan pertumbuhan ekonomi yang diramalkan dan mengharapkan untuk melampaui sasaran kami." Pada akhirnya, semua ramalan kewangan, sama ada mengenai spesifik sesuatu perniagaan, seperti pertumbuhan jualan, atau ramalan tentang ekonomi secara keseluruhan, adalah meneka maklumat., kami akan melihat beberapa kaedah di sebalik ramalan kewangan, serta proses, dan beberapa risiko yang timbul ketika kami berusaha untuk meramalkan masa depan.
Kaedah Peramalan Kewangan
Ada beberapa kaedah yang berbeza yang boleh dijadikan ramalan perniagaan. Semua kaedah jatuh ke dalam satu daripada dua pendekatan yang menyeluruh: kualitatif dan kuantitatif.
Model Kualitatif
Model kualitatif biasanya berjaya dengan ramalan jangka pendek, di mana skop ramalan itu terhad. Ramalan kualitatif boleh dianggap sebagai ahli yang didorong, kerana mereka bergantung kepada pasar marga atau pasaran secara keseluruhan untuk menimbang dengan konsensus yang dimaklumkan. Model kualitatif boleh berguna dalam meramalkan kejayaan jangka pendek syarikat, produk, dan perkhidmatan, tetapi mempunyai batasan kerana pergantungan pada pendapat terhadap data yang boleh diukur. Model kualitatif termasuk:
- Penyelidikan Pasaran Mengundi sebilangan besar orang pada produk atau perkhidmatan tertentu untuk meramalkan berapa ramai orang yang akan membeli atau menggunakannya apabila dilancarkan. Kaedah Metel: Meminta pakar bidang untuk pendapat umum dan kemudian menyusunnya ke ramalan. (Untuk lebih lanjut mengenai pemodelan kualitatif, baca "Analisis Kualitatif: Apa yang Membuat Syarikat Hebat?")
Asas-asas Peramalan Perniagaan
Model Kuantitatif
Model kuantitatif diskaun faktor pakar dan cuba menghilangkan unsur manusia daripada analisis. Pendekatan ini hanya berkaitan dengan data dan mengelakkan fickleness orang yang mendasari nombor. Mereka juga cuba meramalkan di mana pemboleh ubah seperti jualan, keluaran dalam negara kasar, harga perumahan, dan sebagainya, akan di jangka panjang, diukur dalam bulan atau tahun. Model kuantitatif termasuk:
- Pendekatan Penunjuk: Pendekatan penunjuk bergantung kepada hubungan antara petunjuk tertentu, contohnya, KDNK dan kadar pengangguran, masih tidak berubah dari masa ke masa. Dengan mengikuti hubungan dan kemudian mengikuti petunjuk yang mengetuai, anda boleh menganggarkan prestasi penunjuk yang tertinggal, dengan menggunakan data penunjuk utama. Pemodelan Ekonomi: Ini adalah versi matematik yang lebih ketat dari pendekatan penunjuk. Daripada menganggap bahawa hubungan tetap sama, pemodelan ekonometrik menguji konsistensi dalaman dataset dari masa ke masa dan kepentingan atau kekuatan hubungan antara set data. Pemodelan ekonomi kadang-kadang digunakan untuk membuat petunjuk khusus yang boleh digunakan untuk pendekatan penunjuk yang lebih tepat. Walau bagaimanapun, model ekonomi lebih kerap digunakan dalam bidang akademik untuk menilai dasar-dasar ekonomi. (Untuk penjelasan asas mengenai penerapan model ekonomi, bacalah "Asas Regresi untuk Analisis Perniagaan.") Kaedah Siri Masa: Ini merujuk kepada koleksi metodologi yang berbeza yang menggunakan data lalu untuk meramalkan peristiwa masa depan. Perbezaan antara metodologi siri masa biasanya dalam butiran terperinci, seperti memberikan lebih banyak data baru-baru ini lebih berat atau mendiskaun mata keluar tertentu. Dengan menjejaki apa yang berlaku pada masa lalu, peramal berharap dapat memberi lebih baik daripada ramalan purata tentang masa depan. Ini adalah jenis ramalan perniagaan yang paling biasa kerana ia murah dan tidak lebih baik atau lebih buruk daripada kaedah lain.
Bagaimanakah Kerja Peramalan?
Terdapat banyak variasi pada tahap praktikal apabila merujuk kepada ramalan perniagaan. Walau bagaimanapun, pada tahap konseptual, semua ramalan mengikuti proses yang sama.
- Masalah atau titik data dipilih. Ini boleh jadi seperti "orang akan membeli pembuat kopi mewah?" atau "apakah jualan kami pada Mac tahun depan?" Pembolehubah teori dan set data yang ideal dipilih. Ini adalah di mana para peramal mengenal pasti pembolehubah yang berkaitan yang perlu dipertimbangkan dan memutuskan bagaimana untuk mengumpul data. Masa asumsi. Untuk mengurangkan masa dan data yang diperlukan untuk membuat ramalan, peramal membuat beberapa asumsi yang jelas untuk mempermudah proses. Model dipilih. The forecaster memilih model yang sesuai dengan dataset, pembolehubah yang dipilih, dan andaian. Analisis. Menggunakan model, data dianalisis dan ramalan yang dibuat daripada analisis. Pengesahan. Para peramal membandingkan ramalan dengan apa yang berlaku untuk mengubah proses, mengenal pasti masalah atau dalam keadaan yang jarang ramalan yang tepat, menendang dirinya di belakang.
Masalah Dengan Peramalan
Peramalan perniagaan sangat berguna untuk perniagaan, kerana ia membolehkan mereka merancang pengeluaran, pembiayaan, dan sebagainya. Walau bagaimanapun, terdapat tiga masalah dengan bergantung pada ramalan:
- Data ini sentiasa akan menjadi lama. Data sejarah adalah semua yang kita perlu lakukan, dan tidak ada jaminan bahawa keadaan di masa lalu akan berterusan di masa hadapan. Tidak mustahil untuk faktor peristiwa unik atau tidak dijangka, atau eksternaliti. Andaian adalah berbahaya, seperti andaian bahawa bank-bank telah meneliti peminjam dengan betul sebelum krisis subprima. Dan acara angsa hitam menjadi lebih biasa kerana pergantungan kami terhadap ramalan telah berkembang. Ramalan tidak dapat mengintegrasikan impak mereka sendiri. Dengan membuat ramalan, tepat atau tidak tepat, tindakan perniagaan dipengaruhi oleh faktor yang tidak boleh dimasukkan sebagai pembolehubah. Ini adalah simpulan konseptual. Dalam senario terburuk, pengurusan menjadi hamba kepada data dan trend sejarah dan bukannya membimbangkan tentang apa yang dilakukan oleh perniagaan sekarang.
Garisan bawah
Ramalan boleh menjadi seni yang berbahaya, kerana ramalan menjadi tumpuan bagi syarikat dan kerajaan, secara mental membatasi pelbagai tindakan mereka, dengan membentangkan masa depan yang pendek dan jangka panjang seperti yang telah ditentukan. Selain itu, ramalan boleh dengan mudah dimecah kerana elemen rawak yang tidak boleh dimasukkan ke dalam model, atau mereka hanya boleh salah dari awal.
Selain itu, ramalan perniagaan tidak akan berlaku di mana-mana sahaja. Dengan tepat digunakan, peramalan membolehkan perniagaan merancang lebih awal daripada keperluan mereka, meningkatkan peluang mereka untuk terus sihat melalui semua pasaran. Itulah satu fungsi peramalan perniagaan yang semua pelabur dapat menghargai.
