Как Мы Превратили Плохой Прогноз В Немного Лучший

Каждая компания — это не звездные технологии и суперкрутые программисты, а огромная гора узких мест, неэффективности и суммы плохих решений, которые каким-то образом запускаются и делают свое дело.

Но тут вы решаете внести некоторые изменения и сразу начинаете сталкиваться с тем, что у вас есть проблемы в огромном количестве бизнес-процессов.

Ну и эти проблемы, конечно, нужно решать не идеальным, а оптимальным с точки зрения трудозатрат способом.

Я хотел бы поделиться одним таким примером, связанным с моей темой анализа данных и управления данными.

Во многих организациях имеются финансовые службы, основной целью которых является предоставление руководству финансовой информации о состоянии предприятия.

Среди множества должностей этих людей есть одна такая задача: составление прогноза доходов на следующий период (год, квартал смотря на что).

Этот прогноз доходов часто является первым этапом согласования планов на следующий период и составления общего прогноза прибылей и убытков предприятия.

Каждый, кто занимается такого рода прогнозированием, понимает, что в этом деле важна не столько точность прогнозов, сколько правильные соотношения между вашими предпосылками и результатами.

В конце концов, чего мы хотим от прогноза? Мы хотим знать, что будет, если мы сделаем все как обычно (КАК ЕСТЬ) и что будет, если мы что-то изменим (сценарии).

Чтобы выполнить эту работу, финансовая служба должна придумать какую-то модель предприятия, которой она сможет легко управлять, легко объяснить бизнесу, как она работает, и легко предоставить данные в различных аспектах, в которых бизнес хочет рассмотреть этот вопрос.

Это все прекрасные намерения, но здесь мы сталкиваемся с суровой реальностью: методические и технические возможности для выполнения этих задач на конкретных предприятиях откровенно слабы.

Модели неудобны, не могут быть быстро изменены, не обновляются, ничего не объясняется, файлы не удобны, разделы получить невозможно или занимает очень много времени.

Давайте рассмотрим конкретный пример, где все плохо и как это можно исправить.

Где типичный финансовый сотрудник будет строить модель? Конечно в Экселе.

Для этого есть несколько действительно веских причин:

У меня есть только опыт работы с этим продуктом.
Результат работы легко донести до заказчика.
Вы можете изменить любую часть модели.
Excel довольно легко интегрирует сбор, хранение, обработку, прогнозирование, представление и визуализацию данных.
Вы можете облегчить потребителям вашей работы понимание того, что вы им дали.
Позволяет организовать простую интерактивность и работу с моделью.

Одна из самых простых и одна из самых распространенных моделей прогнозирования выручки — это очень простая формула: количество клиентов за период * средний чек = выручка.

То, что было до нас, выглядело так (данные, естественно, были заменены демо-данными):

Как мы превратили плохой прогноз в немного лучший

Какие задачи есть на этом листе:

Исходные данные за 2017 и 2018 годы вводятся в виде значений.
Понятно, что эти значения будут напрямую корректироваться для реализации разных вариантов бюджета.
Это большой объем работы (поскольку таких листов по разным отделам около 30), в которой наверняка будут допущены ошибки, перепутаны столбцы и столбцы.
Хотя в качестве значения введен 2018 год, он еще не закончился, поэтому значение туда вводится с учетом прогноза, сделанного в другом месте.
Прогноз делается на весь год. Среди требований к прогнозированию было составление с одной стороны месячного прогноза, а с другой стороны, отображение его на ежегодной основе, т.к.
месячный прогноз сложен для анализа и оценки из-за обилия цифр.
Соответственно, одной из сложностей для этой модели является построение поверх другой модели, разбивающей данные по месяцам с учетом сезонности.
Все «зад наперед», не годовой результат от месячного, а месячный от годового.
Исходные данные для модели нигде не фигурируют в явном виде, на них нет ссылок и непонятно, верны ли цифры, которые мы видим, правильно ли они извлекаются из хранилища и суммируются.
Если возникнет желание перегруппировать состав ведомств, то эта модель будет полностью выброшена.
В следующем году мало что можно будет использовать повторно.

Данный лист представляет собой прогноз по одному из подразделений предприятия.

Всего таких листов около 30. Все эти листы объединяются в ведомость всего предприятия по двум разделам: по подразделениям и по видам подразделений.

Грубо говоря, в каждом подразделении есть отдел по производству упаковки.

Вы хотели бы видеть общий результат по отделам и отдельно общий результат с разбивкой по разным специализациям, например производство упаковки.

Лист концептуально выглядит так же, но представляет собой сумму результатов последних 30 листов.

Такое суммирование реализуется самым простым способом: перебором всех необходимых для суммирования ячеек.

Поскольку не каждое подразделение содержит все отделы и положение строк в 30 листах отделов может быть разным, то для сбора общей выручки по отделам сотруднику приходилось создавать десятки формул, в которых он явно указывал, какие ячейки он хочет добавить.

Какие проблемы мы видим в сводных листах?

Явный перебор ячеек для суммирования, а это значит, что если кто-то заменит значения или смысл ячейки, на которую мы ссылаемся при суммировании, мы этого не заметим и нам придется долго искать эту ошибку.
При изменении структуры компании нам придется не только менять листы подразделений, которых коснулись изменения, но и корректировать лист с общей сборкой, потому что там не будет новых объектов, а также удаленных.
будет генерировать ошибки.
При изменении раздела, в котором мы хотим посмотреть деление, эта модель вообще ничего сделать не может и просто не работает. Если в отделах появится какая-то большая детализация, то, по сути, нам придется создать еще один аналогичный обобщающий лист (на котором уже будет в 10 раз больше прямых связей, которые нужно «пробить», где-то от 1000 до 10 000).
Модель, как правило, полностью терпит неудачу, если изменения в компании приводят к другой группировке предприятий.
Вся эта работа просто пропадает даром.

Таким образом, мы имеем жесткую и простую структуру модели, которая может дать только один результат, выдерживает небольшие изменения в предположениях и требует огромных усилий по обновлению или внесению изменений.

И даже само создание этой конструкции уже связано с большими трудозатратами.

Почему-то многие компании готовы переложить подобные задачи на плечи трудолюбивых сотрудников, которым не хватает опыта и навыков, чтобы сделать все проще, быстрее и удобнее.

Более того, дело даже не в деньгах.

Реализация такого файла занимает около 2 месяцев человеческой работы, да и то без удовлетворения всех требований.

Более разумный подход к организации работы с данными потребует от вас потратить 1 неделю несложной работы! За 2 месяца подготовки «плохим» способом вы потеряете не только больше денег, но и кучу времени и нервов, потому что… Приняв результат, вы будете ловить ошибки десятки раз.

Это глупая трата ресурсов.

Это именно тот случай, когда простыми действиями можно получить повышение производительности труда в 10 раз! Как мы добились увеличения производительности труда в 10 раз и переработали модель – в следующей статье.

Теги: #ИТ-финансы #Управление продуктами #Управление продажами #Excel #финансовое моделирование #прогнозирование #Growth Hacking #бюджетирование