使用 Predictive Planning 進行規劃與預測

Amber Biela-Weyenberg | 內容策略師 | 2023 年 12 月 18 日

企業更廣泛地採用預測規劃,使用統計分析,根據企業的歷史資料來預估未來可能發生的情況。這些資訊有助於財務長及財務團隊瞭解銷售或支出等因素可能如何變化,讓他們能夠適當分配預算,並改善投資和現金流量規劃。透過預測規劃和預測,財務長和其他企業領導者可識別預測中的潛在風險,例如供應短缺或現金短缺。這些預測有助他們避免問題發生,同時保護企業的利潤和聲譽。

預測規劃中的預測功能為何?

使用預測規劃進行預測 (有時稱為預測型預測) 是分析歷史資料並預測可能發生的情況的過程。預測規劃指財務長和財務團隊如何利用預測資訊為未來做好準備。進行預測規劃的財務團隊廣泛採用時間序列預測法,即從定期記錄的資料識別的模式和趨勢 (例如每月銷售資料或每日庫存水平),以推斷接下來可能發生的情況。分析此類時間序列資料有助於理解週期、季節性和長期趨勢,從而協助建立準確的預測。

例如,財務長可能想要預測即將到來的假日季節的銷售額。如果企業擁有多年的歷史銷售資料,則時間序列預測可提供反映季節性影響的預估值。然而,財務團隊必須針對具體情況識別並使用最佳時間序列預測方法,以獲得最準確的預測。

如果分析師有足夠的高品質資料來取得洞察並正確應用模型,則預測規劃中使用的預測方法應該比其他實務 (例如直覺或假設同比增長率持平) 具有更高的準確性。此外,許多企業選擇使用內嵌預測分析功能的軟體來進一步驗證其預測,該軟體使用資料建模和機器學習 (ML) 來揭示人工可能看不到的資料集關係。透過預測分析驗證預測,越來越被認為是預測規劃流程的標準。

重點精華

  • 預測規劃是指財務團隊使用統計技術來識別歷史資料中的趨勢和模式,以預估未來價值 (例如銷售、支出和現金流量),從而改善規劃流程。
  • 最終的預測和預測的好壞,取決於用於預測的資料,因此財務團隊應該只使用乾淨、相關且值得信賴的資料。
  • 有許多時間序列預測方法可供選擇來進行預測規劃,分析師必須找到最合適的方法,並仔細考慮哪些變數是達成最準確預測的必要條件。
  • 預測規劃可應用於廣泛的業務用例,例如預測現金流量、產品需求和行銷活動的投資報酬率。

預測規劃與預測說明

預測規劃假設歷史模式和趨勢在一定程度上會重複發生。因此,透過分析過去,財務長和財務團隊可以根據當前資料發現洞察,並預測未來結果,為可能發生的情況做好準備。由於在越來越多的用例中可靠地預測趨勢的需求不斷增長,以及業務的波動性和複雜性日益增加,預測規劃和預測的採用也隨之增加。市場分析公司 BARC 對 295 名參與規劃流程的員工進行的全球調查顯示,使用預測規劃的企業數量從 2020 年的 4% 增加到 2022 年的 27%。調查發現,另有 17% 的人將在 2022 年部署預測規劃或使用原型。如果企業能夠準確地預測未來,那麽現在就更有可能做出明智的決策,並為未來的計畫奠定良好的基礎。

假設一家公司想要預測明年的銷售、原料成本和產能需求,瞭解是否需要投資新設備,有幾個因素會影響團隊的預測是否準確。首先,財務團隊應該有足夠的資料來瞭解模式和趨勢。依照一般經驗法則,歷史資料量至少是預測時間長度的兩倍,例如,使用 24 個月的歷史資料來建立 12 個月的預測。資料也應該可靠且乾淨的,也就是沒有虛假、重複或格式不正確的資料。通常,預測規劃是使用來自財務的資料來完成的,這些資料往往結構良好,而且是準確的。預測的好壞取決於用於用於預測的資料。此外,財務規劃和分析 (FP&A) 分析師必須根據可用資料及其需要回答的問題,識別正確的時間序列預測模型 (通常是多個模型)。選擇錯誤的變數可能會導致不良的預測結果,因此,不良的決策和添加更多變數可能會導致「過度擬合」,即資料模型開始對資料中存在的隨機雜訊進行建模。

由於需要考慮的因素如此之多,越來越多的財務專業人員開始轉向預測規劃軟體和服務,以協助做出這些決策,並最終更快地獲得更準確的預測。預測越準確,財務團隊就能更好地規劃未來,並明智地分配預算。考慮制定年度預算時有多少因素在起作用,以及其中一個項目 (例如招聘成本) 可能產生的重大影響。人力資源管理協會估計,一家公司僱用一名員工平均花費 4,129 美元。如果連鎖酒店的人力資源部門根據去年的流失率假設需要替換 500 名客房部員工,但實際上需要替換 1,000 名員工,那麼光是招募成本就可能超過 200 萬美元。企業可以使用預測規劃來發現公司員工流失程度的歷史趨勢,評估可能的最佳和最壞情況,並在模型預測結果顯著不同時考慮調整穩定狀態員工流失預測,而不是採用簡單的方法。

除了財務團隊之外,預測規劃和預測的跨職能使用對於應對經濟、人力、供應鏈和其他業務驅動因素的波動也越來越重要。例如,預測規劃可用於庫存管理,以發現週期性或季節性峰值,這些峰值可能會對營運資金造成意想不到的壓力,或發現可能導致生產放緩的短缺。採購經理可以使用預測來估計原物料成本,並決定是否對沖商品價格上漲。客戶服務團隊領導可能會使用預測規劃來預測通話量趨勢,以設定人員配置層次。諸如此類的營運洞察不僅會影響企業的許多領域,還可以協助企業制定更精確的財務計畫。

PwC 2022 年 8 月的一項調查顯示,近一半的財務長表示,他們的首要任務是建立預測模型,並獲得分析和為不同場景做好準備的能力。此預測可協助財務長避免潛在的風險,例如收入短缺或在不太可能達到預期的新市場投入過多。根據最好和最壞情況的預測制定情境計畫,讓團隊為如何應對做好準備。此外,企業越來越多地使用預測規劃軟體。這些軟體使用企業的即時資料自動更新預測,讓財務團隊更早地預見即將發生的災難或成功,以便加快應對計畫。

時間序列預測方法

時間序列預測是一種技術,使用定期記錄的歷史資料點來預測未來可能發生的情況。目前有許多時間序列預測方法或演算法,而財務專業人員必須根據可用資料和想要達成的目標,確定哪些方法能夠提供最準確的預測。

時間序列預測通常研究趨勢、季節性和週期。趨勢反映了資料模式隨著時間的推移逐漸或穩定的增加或減少,通常是由於長期因素 (例如人口變化、有機增長或技術變化) 所致。您通常可以使用線性函數或緩慢移動的曲線函數對此進行建模。季節性聚焦於隨著時間的推移而發生的週期性、規律性和某種程度上可預測的增加和減少。在談及每月資料時,季節性通常會在行事曆年度內發生。它可以分為季度或自然季節性,例如假日。週期是增加和減少的模式,可能不那麼規律,並且可能持續一年以上。在業務中,這通常是由於多年業務週期的變化比典型的季節性模式慢等原因造成的。

以下是一些常用的方法:

  • 單一移動平均線 (SMA) 計算指定時間內商品的平均價格,最適用於沒有趨勢或季節性的波動性資料。
  • 二次移動平均線 (DMA) 計算移動平均線,然後對單一移動平均線進行平均。此技術使用兩個資料集來預測預期的未來行為,適用於具有趨勢但無季節性的歷史資料。
  • 單一指數平滑法 (SES) 對資料進行加權,將最重要的放在最新的資料點上,並隨著資料變得越舊而逐漸降低權重。此方法有助於克服移動平均線和百分比變化方法的局限性,最適用於沒有趨勢或季節性的波動資料。
  • 二次指數平滑法 (DES) 執行並重複 SES 方法。DES 適用於資料有趨勢但無季節性的情況。
  • 衰減趨勢平滑化 (DTS) 非季節性方法應用 SES 兩次,但與 DES 方法不同,趨勢分量曲線會隨著時間的推移而衰減及平整。此技術適用於具有趨勢但沒有季節性的資料。
  • 季節性加法計算無趨勢歷史資料的季節性指數,從而產生顯示季節性變化和指數平滑值的曲線預測。此方法在季節性不隨著時間的推移而上升時特別有用。
  • 季節性乘法與季節性加法不同,最適合用於上升或下降的季節性資料。此方法也計算無趨勢歷史資料的季節性指數。
  • Holt-Winters 加法為預測和趨勢水平建立指數平滑值,並根據季節性進行調整。當趨勢和季節性均不隨時間增加時,此方法有很好的效果。
  • Holt-Winters 乘法適用於隨時間推移的趨勢和季節性上升。如同 Holt-Winters 加法一樣,Holt-Winters 乘法為預測和趨勢水平建立指數平滑值,並根據季節性進行調整。
  • 衰減趨勢加法季節性方法分別預測季節性、衰減趨勢和水平,然後將資料組合成線性趨勢預測。當資料具有趨勢和季節性,但季節性變化相當恆定時,此技術效果最佳。
  • 衰減趨勢加法乘法還可以分別預測季節性、衰減趨勢和水平,然後將它們組合成預測。然而,它遵循的是針對季節性變化隨時間增加的情況而製定的過程。
  • 自我迴歸整合移動平均線 (ARIMA) 是一種計算方法,可擷取一段時間內變數的趨勢,並藉由查看序列中值之間的差異來預測未來資料點。當沒有季節性但存在單獨的季節性 ARIMA 模型 (SARIMA) 時,則會應用此方法。

預測方法選擇和技術

預測規劃可協助企業做出關鍵決策,並為未來做好準備。為了有效做到這一點,FP&A 專業人員必須根據想要完成的任務和可用的資料使用最準確的預測方法。同樣重要的是,資料值得信賴且相關,而且資料集夠大,就能夠獲得最精確的預測。建議的資料量各有不同,但至少是預測週期的兩倍。

如上方時間序列預測方法部分所示,每個演算法都有需注意的事項,並且在特定情況下表現得更好。例如,如果您想透過查看特定時期內的平均歷史價格來估計製造過程中原材料的未來價格,那麼在沒有趨勢或季節性的情況下,SMA 效果最佳。但是,如果您的資料具有趨勢且沒有季節性,則您更有可能透過 DMA 獲得準確的預測。資料可以去季節化,但這會增加模型的複雜性。

除了資料可用性和預測目的之外,分析師還必須考慮以下因素:預估需要多準確;建立預測在員工時間、資料來源和計算資源方面的成本與收益;以及員工有多少時間進行分析。找出統計上最準確的預測可能是一個耗時的過程。您需要確定相關的預測方法,根據歷史值運行每個模型的數字,然後分析過去使用哪一個模型的誤差最小,以及預測效果最好。例如,透過使用均方根誤差 (RMSE) 計算建立驗證資料集,您可以根據歷史資料點評估模型。RMSE 本質上是驗證資料集殘差的標準差,RMSE 越低越好。最準確預測的預測方法具有最接近迴歸線的資料點,其中顯示兩個變數之間的關係,即 y 軸上的相依變數與 X 軸上的獨立變數。正確的方法可能涉及使用多個方法。

許多人偏好使用內建預測規劃功能的應用程式,以自動執行此流程。專業服務機構 EY 針對其「EY 全球財務長調查 DNA」對 1,000 名財務長和資深財務領導者進行了調查,發現技術轉型是他們在未來三年內改善財務職能的主要方式,其次是進階資料分析,其中包括使用 AI 改善財務任務。這些 AI 應用程式透過各種時間序列預測方法執行公司的資料、套用 RMSE 和標準誤差準則,並識別最適合的模型。這些應用程式還可以同時預測最好和最壞的情況。

一些應用程式允許進行多變量分析,讓財務規劃與分析專業人員可以同時比較多個因素,以改善財務預測和企業規劃。此外,這些應用程式還可以實現流程自動化,在新資料可用時更新預測,從而為財務長和財務團隊提供最新的洞察力。

預測規劃與預測使用案例

在消費者需求、經濟狀況、供應商績效和其他變數不斷波動的情況下,企業面臨越來越大的壓力,既要提高利潤,又要將風險降到最低,因此預測規劃變得至關重要。CFO Dive 和 FTI Consulting 對 303 名資深財務主管進行的一項全球調查發現,在 2023 年及其後改善財務表現的五大策略中,首要的兩個策略分別為提高預測準確度和分析能力。準確的預測和頻繁更新,可增強企業針對不同情境進行規劃並快速適應的能力。

KCB Group 是一家金融服務控股公司,過去需要花費超過 12 週的時間來準備和最終確定其所有分支機構和業務線的預算。其中的一大問題是,該公司的資料分佈於多個地方。該公司在規劃過程中也依賴市場趨勢和其他外部資料點來預測非資金收入,例如交易費用和資金不足費用,這增加了預測的複雜性。後來,KCB Group 開始使用内嵌預測規劃工具的應用程式,藉此更輕鬆地使用自己的業務和外部資料來發現趨勢並預測各種場景。最終,KCB Group 透過改進整個規劃流程,將預算週期時間縮短了 60%

更準確的預測還可以協助企業預測並快速回應市場趨勢,從而推動獲利成長。在 lululemon 決定專注於發展北美以外的業務時,該公司財務規劃和分析團隊意識到需要更好地預測世界經濟和產業趨勢的變化可能如何影響銷售。該團隊開始使用更強大的規劃應用程式,利用內建的精密預測分析技術,根據歷史和即時資料預測多種場景,以持續更新年度計畫。這些洞察力改善了 lululemon 的財務狀況和策略,讓領導者能夠做出更明智的決策,擴大品牌影響力。

預測還提供許多其他用途,可支援業務和財務需求。例如,由於預測可以減少人為偏見,因此企業可以更準確地預測銷售額。以統計為基礎的預測避免人為情緒因素的影響,根據過去的資料預測最有可能發生的情況,從而讓銷售經理和其他領導者能夠更妥善地制定計畫。同樣,透過預測未來六個月的產品銷售量,企業可以在立即制定計畫時,確保擁有足夠的材料來生產商品,以滿足預期需求。

財務團隊經常使用預測規劃來預測中長期現金流量,並更清楚瞭解最有可能的現金流動性,這是任何規模的企業都非常關心的主要問題。企業手上有足夠的現金,有助於靈活地把握意想不到的機會,或支付不可預見的費用。然而,要計算出隨時有多少現金可用,可能是一件具有挑戰性的事情。例如,如果您是以賒銷方式向客戶銷售商品的供應商,則這些商品在銷售點無法立即獲得現金。您需要預測客戶何時為這些賒銷付款。

根據 IDC 的 2021 年全球財務長/財務調查,大多數財務專業人士需要超過一天的時間來建立對其現金和流動性的綜合看法。這會產生兩個問題:首先,這妨礙企業對意外情況做出快速反應;其次,所獲得的數字可能已經過時了。這項調查還發現,只有不到 5% 的受訪者相信三個月後的現金預測。考慮到衡量流動性的複雜程度及其對業務的重大影響,越來越多企業正在探索預測性現金預測,以快速獲得更準確的預測。

財務團隊也越來越多地使用預測模型來快速驗證預測。以機器學習和進階資料分析為基礎的預測模型,可以識別分析師可能看不到的歷史資料中的關係。您可以將其視為用來產生預測和洞察的更複雜方式,特別是當分析師嘗試回答具有許多變數的複雜問題時。

例如,預測一個城市的人口成長非常具有挑戰性。城市規劃者需要考慮每年平均有多少人進出該市、每年有多少孩子出生、有多少男性和女性、居民壽命及其他因素。如果規劃者能越準確地預測城市規模的變化,就越能透過修建道路和學校、為水資源和能源用量波動做好準備,以及做出其他重要決策,為社區提供更好的服務。預測模型有助於進行此類預測。

預測規劃的潛在救生用途主要用於急診室。醫院管理員可以使用預測分析來預測病患數量,並規劃適當的人員配置水平。一般而言,急診室有四小時的規則,工作人員必須在這段時間內檢查、治療病患並決定是否入院或出院。《急診醫學雜誌》發表的一項 2022 年英國對超過 500 萬名病患的研究發現,在入院前,如果在急診室等待超過 5 個小時,會增加病患在未來 30 天內死亡的可能性。在醫院面臨護士和醫生短缺的時期,預測規劃和預測是非常寶貴的工具,有助高效地部署員工。

運用預測規劃和預測,做出更好的規劃

資料導向的預測方法可減少人為偏見,讓財務團隊快速識別多種情況下最有可能的結果,以便財務長可以與其他領導者合作做出更明智的決策。透過 Oracle Cloud Enterprise Performance Management (EPM) Planning (Oracle Fusion Cloud Enterprise Performance Management 的一部分) 進行預測規劃和預測,將跨財務和業務線的規劃連結起來。每個領域都可存取預先建立的規劃模型,快速探索多個案例。財務團隊可以利用這些預測和資料模型,制定更準確、更明智的計畫,協助企業為最佳和最壞情況的結果做好準備,從而保護業務並實現盈利成長。

預測規劃常見問題

什麼是預測規劃?
預測規劃利用我們從過去學到的知識來規劃未來。時間序列預測方法根據歷史資料中的模式和趨勢會重複的假設來預測可能的未來值,例如銷售數量、股價和每月支出,並且可以使用機器學習和人工智慧等工具來快速驗證這些預測。

什麼是預測性預測?
預測性預測 (通常為預測) 透過識別定期記錄的資料模式和趨勢來分析歷史資料,以預估可能發生的情況。

瞭解互連規劃如何提升企業的業務績效。