Κυλιόμενη πρόβλεψη (Σημασία) | Βήμα προς βήμα Παραδείγματα Rolling Forecast

Τι είναι το Rolling Forecast;

Το Rolling forecast είναι ένα εργαλείο οικονομικής μοντελοποίησης που χρησιμοποιείται από τη διοίκηση, το οποίο βοηθά τον οργανισμό να προβλέπει συνεχώς την κατάσταση των πραγμάτων του σε ένα καθορισμένο χρονικό ορίζοντα Για παράδειγμα, εάν είναι προετοιμασμένη για περίοδο κυλιόμενης περιόδου δώδεκα μηνών, λαμβάνει υπόψη τους επόμενους δώδεκα μήνες για πρόβλεψη μόλις ολοκληρωθούν τα πραγματικά δεδομένα ενός μήνα.

Συστατικά

# 1 - Χρονικό πλαίσιο

Κάθε επιχείρηση κατά την προετοιμασία ενός κυλιόμενου μοντέλου πρόβλεψης πρέπει να αποφασίσει εάν θέλει να ενημερώσει τα δεδομένα πρόβλεψης εβδομαδιαία, μηνιαία ή τριμηνιαία, καθώς η ανάλυση των πραγματικών αποτελεσμάτων με την πρόβλεψη και, στη συνέχεια, η ενημέρωση της πρόβλεψης της επόμενης περιόδου είναι χρονοβόρα και τρομακτική εργασία. Στις περισσότερες περιπτώσεις, αυτό προετοιμάζεται για περίοδο δώδεκα μηνών.

# 2 - Οδηγοί

Η πρόβλεψη πρέπει να περιλαμβάνει τους οδηγούς και όχι μόνο τους αριθμούς των συνολικών εσόδων ή εξόδων. Ας το κατανοήσουμε αυτό με ένα παράδειγμα - εάν μια εταιρεία κατασκευής αυτοκινήτων θέλει να κάνει μια κυλιόμενη πρόβλεψη των εσόδων της. Πρέπει να περιλαμβάνει την ποσότητα και την τιμή πώλησης του μοντέλου, το οποίο πωλεί περισσότερο και δημιουργεί μέγιστα έσοδα.

Έτσι την επόμενη φορά, όταν υπάρχει αύξηση των εσόδων, θα πρέπει να είναι σε θέση να εξηγήσει εάν η αύξηση οφείλεται σε αύξηση της τιμής πώλησης ή σε επιπλέον ποσότητες που πωλήθηκαν. Ομοίως, εάν υπάρχει μείωση των εσόδων, θα πρέπει να εξηγήσει εάν η μείωση οφείλεται σε εκπτώσεις που προσφέρονται ή σε λιγότερες ποσότητες που πωλήθηκαν. 

# 3 - Ανάλυση διακύμανσης

Αφού ετοιμαστούν τα βιβλία λογαριασμών για ένα μήνα, τα αποτελέσματα πρέπει να συγκριθούν με τους προβλεπόμενους αριθμούς και ανάλογα με το αποτέλεσμα της ανάλυσης διακύμανσης. κατάλληλες αλλαγές θα πρέπει να γίνουν στην επόμενη περίοδο πρόβλεψης. Για παράδειγμα - αν μια εταιρεία τηλεπικοινωνιών έχει προβλέψει ότι θα πρέπει να καταβάλλει τέλη ενοικίασης πύργου 25.000 $ κάθε μήνα και λόγω της ολοκλήρωσης και της πρόσφατης απόκτησης, έχει σταματήσει να λαμβάνει υπηρεσίες από αυτόν τον πύργο. Αυτά τα 25.000 $ θα πρέπει να εξαιρούνται από τις προβλεπόμενες δαπάνες του επόμενου μήνα.

# 4 - Πηγή δεδομένων

Όταν προετοιμάζεται η πρόβλεψη, η πηγή δεδομένων πρέπει να είναι απαλλαγμένη από προκατάληψη και πρέπει να συμπεριλαμβάνεται μετά από μια εις βάθος ανάλυση, διότι τα μπόνους της ανώτερης ηγεσίας συνδέονται με την απόδοση του τμήματος τους, ώστε ένας μεροληπτικός ηγέτης να μπορεί να παρέχει έναν πολύ συντηρητικό αριθμό πρόβλεψης και στη συνέχεια υπερβαίνουν τα προβλεπόμενα στοιχεία στα πραγματικά αποτελέσματα, τα οποία θα οδηγήσουν σε ανήθικες πρακτικές. Επίσης, οι προβλεπόμενοι αριθμοί δεν πρέπει να προέρχονται από κάποιον που δεν καταλαβαίνει την πλήρη διαδικασία και ενδέχεται να δώσει αδύνατη την επίτευξη ορισμένων προβλεπόμενων αριθμών.

# 5 - Στόχοι & Ανώτερη Διοίκηση

Το κυλιόμενο μοντέλο πρόβλεψης περιλαμβάνει πολλή ανάλυση και συχνές αλλαγές στους προβλεπόμενους αριθμούς και γρήγορη λήψη αποφάσεων. Αυτό το μοντέλο χρειάζεται σίγουρα την υποστήριξη της ανώτερης διοίκησής του για επιτυχή εφαρμογή και θα πρέπει να ευθυγραμμιστεί με τους οργανωτικούς στόχους.

Παράδειγμα Rolling Forecast Μπορείτε να κατεβάσετε αυτό το Πρότυπο Rolling Forecast Excel εδώ - Πρότυπο Rolling Forecast Excel

  • Εξετάστε τους παρακάτω πίνακες σε μια συνέχεια που δείχνει τους αριθμούς για την περίοδο Ιανουαρίου 2019 έως Μαρτίου 2020. Εάν πιστεύουμε ότι η X Ltd. έχει προετοιμάσει μια κυλιόμενη πρόβλεψη για μια περίοδο δώδεκα μηνών, τότε αρχικά η X Ltd. θα προετοιμάσει τα δεδομένα πρόβλεψης για τον Ιανουάριο - Περίοδος Δεκ 2019.
  • Μόλις οι οικονομικές εκθέσεις είναι έτοιμες για τον Ιανουάριο του 2019, θα πρέπει να συγκριθούν με τα προβλεπόμενα δεδομένα και οι αποκλίσεις θα πρέπει να ληφθούν υπόψη για τις εισόδους των μελλοντικών περιόδων.
  • Μετά τα πραγματικά αποτελέσματα του Ιανουαρίου 2019, ο πίνακας θα εμφανίσει τους αριθμούς πρόβλεψης για την περίοδο Φεβ 2019 έως Ιαν 2020. Παρομοίως, μόλις εξαντληθούν οι πραγματικοί αριθμοί για τον Φεβρουάριο και τον Μάρτιο του 2019, το κυλιόμενο μοντέλο πρόβλεψης εμφανίζει την πρόβλεψη από τα Mar19 έως το Φεβρουάριο του 20 μετά τα αποτελέσματα του Φεβρουαρίου και τις προβλέψεις του Απριλίου έως το Mar20 μετά τα αποτελέσματα του Μαρ.

Για λεπτομερείς υπολογισμούς, ανατρέξτε σε αυτό το φύλλο excel.

Πλεονεκτήματα

  • Λαμβάνει υπόψη τις μηνιαίες αλλαγές που είναι απαραίτητες για την εκτίμηση κινδύνου
  • Χρήσιμο στην ανώτερη ηγεσία στη λήψη αποφάσεων
  • Βοηθά στη δημιουργία μιας κατάλληλης ομάδας οικονομικού σχεδιασμού και ανάλυσης
  • Επισημαίνει τους βασικούς παράγοντες και τις αλλαγές σε μηνιαία βάση
  • Δεν δημιουργεί πίεση για την προετοιμασία της πλήρους ετήσιας πρόβλεψης μετά το τέλος του έτους, καθώς οι επόμενοι 12 μήνες αριθμοί πρόβλεψης είναι πάντα διαθέσιμοι
  • Παρακολουθεί βασικά προγράμματα οδήγησης που είναι κρίσιμα για την επιτυχία οποιουδήποτε οργανισμού

Μειονεκτήματα

  • Είναι μια χρονοβόρα διαδικασία
  • Πολλοί οργανισμοί δυσκολεύονται να εφαρμόσουν
  • Οι συχνές αλλαγές είναι δύσκολο να επεξεργαστούν περίοδο σε περίοδο

Σημεία προς σημείωση

Σήμερα, με την ανάπτυξη ενός μηχανογραφημένου λογιστικού συστήματος, είναι εύκολο και γρήγορο να προετοιμάσετε τους κυλιόμενους αριθμούς προβλέψεων και βιβλία λογαριασμών, καθώς όλα τα τμήματα αλληλοσυνδέονται μέσω συστημάτων ERP - Enterprise Resource Planning. Ένας οργανισμός πρέπει πάντα να παρακολουθεί και να αναλύει τους κυλιόμενους αριθμούς προβλέψεων με πραγματικά οικονομικά αποτελέσματα για να εφαρμόσει τυχόν αλλαγές. Επίσης, η διαδικασία προσομοίωσης θα πρέπει να εκτελείται με τη μέγιστη μεταβλητή για να κατανοήσει την επίδραση των αλλαγών σε μία μεταβλητή στους τελικούς αριθμούς.

συμπέρασμα

Η κυλιόμενη πρόβλεψη, σύμφωνα με μια έρευνα, εξακολουθεί να χρησιμοποιείται από μόνο το 42% του οργανισμού και οι υπόλοιποι χρησιμοποιούν ξανά τη μέθοδο στατικής πρόβλεψης, η οποία προετοιμάζεται μία φορά το χρόνο και δεν γίνονται συχνές αλλαγές. Καταλαβαίνουμε λοιπόν ότι η εφαρμογή και η προετοιμασία ενός τέτοιου μοντέλου είναι δύσκολο έργο. Ωστόσο, την ίδια στιγμή, ως δικά του αποκλειστικά πλεονεκτήματα, τα οποία αποτελούν ουσιαστικό μέρος κάθε επιχειρηματικής οντότητας στον σημερινό ανταγωνισμό, όπου οι πληροφορίες περνούν με ταχύτητα φωτός και η σωστή απόφαση τη σωστή στιγμή μπορεί να κάνει θαύματα. Έτσι, ένας οργανισμός μετά από μια προσεκτική ανάλυση θα πρέπει να μετακινηθεί σε ένα κυλιόμενο μοντέλο πρόβλεψης από ένα στατικό.