用于财务规划和预测的人工智能：少一些机械，多一些战略
财务规划费时费力。收集各部门的意见。建立预算模型。合并所有内容。检查错误和不一致之处。运行方案。提交给领导层。获取反馈。修改。重复。
当你完成时，假设已经改变。
预测的周期相同，只是频率更高。更新模型。解释与计划的差异。调整预测。展示结果。一次又一次。
大部分时间都用在机械方面。收集数据。合并电子表格。更新公式修复断开的链接重新格式化以便展示。
有价值的工作是思考业务。关键驱动因素是什么？可能会发生哪些变化？我们应该为哪些情况做好准备？我们应该如何分配资源？
人工智能不会进行战略思考。它做的是机械。收集数据。整合。场景构建。初稿
你的团队专注于战略和判断。人工智能处理电子表格工作。
规划与预测问题
规划和预测至关重要。但它们也非常耗时。
年度预算周期：
- 年底前几个月开始
- 每个部门都在自己的电子表格中编制预算
- 财务部门收集并整合所有投入
- 发现错误、不一致和不切实际的假设
- 发回各部门更正
- 再次合并
- 领导层希望有不同的方案
- 为每个场景重建
- 最终在 12 月批准 1 月开始的预算
月度或季度预测：
- 更新最近一期的实际数据
- 根据近期趋势调整预测
- 收集业务部门的最新意见
- 合并并检查合理性
- 计算与先前预测和预算的差异
- 撰写评注解释变化
- 向领导汇报
- 他们提出的问题需要更多的分析
- 循环重复
特别情景规划：
"如果销售额增长的是 5%，而不是 10%，会怎么样？如果我们向加拿大扩张怎么办？如果成本增加 15%？你能进行这些假设吗？
每个方案都需要几个小时的工作。调整假设。重新计算一切。检查错误。当你完成工作时，领导层希望看到不同的方案。
结果：FP&A 团队将 80% 的时间用于机械设计，20% 用于分析。情况应该恰恰相反。
人工智能对规划和预测的作用
分析历史模式
预测未来之前，先了解过去。人工智能擅长模式识别。
趋势识别：
去除噪音后，基本增长率是多少？人工智能将信号与噪音区分开来。实际增长与一次性事件。
季节性检测
第四季度总是很强劲。七月总是缓慢的。人工智能对季节性模式进行量化，从而使预测反映出季节性模式。
相关性分析：
当销售额增加 10% 时，运输成本会发生什么变化？当员工人数增加时，办公费用如何变化？人工智能会发现驱动因素之间的关系。
驾驶员身份验证：
究竟是什么推动了收入？产品组合？定价？销量？市场条件？人工智能会分析哪些因素最重要。
异常识别：
去年第二季度的大幅飙升是一次性客户订单。不要用它来预测今年的第二季度。人工智能可以识别哪些历史数据点具有代表性，哪些是异常值。
过去，这种分析需要花费数天时间挖掘数据。而人工智能只需几分钟就能完成，并向您展示重要的信息。
自动建立预测
一旦了解了模式，人工智能就能做出初步预测：
统计预测：
根据历史趋势、季节性和增长率，人工智能预测未来时期。这就是基线。
基于驱动因素的预测：
你提供驱动程序。"我们下个季度要招10个人。我们将在两个新州开展业务"。人工智能会根据历史关系计算影响。
多种方法相结合：
人工智能并不只依赖一种预测方法。它使用多种方法，并根据历史上最准确的方法进行权衡。
置信区间：
不只是一个数字"收入将是 $1000-1200 万，置信度为 80%，最有可能是 $1100 万"。这显示了可能的结果范围。
自动更新：
随着实际结果的到来，人工智能会自动更新预测。无需等到月底再进行修订。持续预测。
你仍然要审查和调整。但是，你的起点是一个坚实的基线，而不是一张空白的电子表格。
自动合并计划
预算编制的噩梦：收集和整合每个人的意见。
人工智能可以提供帮助：
统一模板：
每个人都使用相同的格式和定义。人工智能确保了一致性。
自动合并：
在各部门提交输入时，人工智能会自动合并。无需手动复制粘贴。公式不会被破坏。
错误检查：
部门 A 的人数计划与人力资源部的计划不一致。部门 B 的收入假设与销售计划不一致。人工智能会立即标记出不一致之处。
合理性检查：
营销预算增加 300%，没有任何解释。可能是打错了。人数计划包括 50 名新员工，但设施计划不包括更多空间。这行不通。人工智能会在你手动发现问题之前就标记出问题。
版本控制：
不再有 "Final_Budget_v7_FINAL_revised.xlsx"。人工智能会自动跟踪版本。每个人都从当前版本开始工作。
结果：原来需要数天的合并工作现在只需数小时。更多时间在提交前发现问题，更少时间在提交后解决问题。
即时运行场景
领导层希望看到不同的场景。没有人工智能之前：每人工作几个小时。使用人工智能后：分钟。
参数更改：
"向我展示 5%、10% 和 15% 的收入增长"。人工智能会即时重新计算每种情况下的所有数据。
驱动程序更改：
"如果我们雇用 20 人而不是 10 人呢？如果我们新开两家分店呢？人工智能会自动计算所有下游影响。
敏感性分析：
哪些假设最重要？人工智能会告诉你哪些变量对结果影响最大。将讨论重点放在哪些因素会产生实际影响上。
风险情景：
最佳情况、预期情况和最坏情况。人工智能会建立这三种情况，并显示可能性的范围。
概率加权结果：
不仅仅是 "这里有三种情况"。而是 "最佳情况有 20% 的几率，预期情况有 60% 的几率，最坏情况有 20% 的几率"。这对决策更有用。
设想方案快时，你会探索更多的选择。考虑更多的可能性，才能做出更好的决定。
自动解释差异
实际结果与预测不同。是什么发生了变化？
人工智能分析
驾驶员差异分析：
"我们预测收入为 $1000，但实现了 $1100。出现差异的原因是：销量增长 8%（+$80K），定价增长 2%（+$20K），混合影响中性。
不仅仅是 "我们的预测值超出了 $1M"。而是确切的原因。
瀑布式解释：
从预测开始。添加每个驱动因素的影响。以实际情况结束。可视化瀑布图展示了从计划到现实的过程。
一代评论家
大赦国际撰写第一稿："收入超出预期 10%，主要原因是东南部地区的需求强于预期，以及平均订单价值较高"。
你要回顾和完善。但你不是从零开始。
前瞻性影响：
这一差异表明，应调整今年余下时间的预测。大赦国际建议根据实际情况修订预测。
原来需要几个小时的差异分析现在只需几分钟。更多时间了解影响，更少时间计算差异。
随着时间的推移不断改进
人工智能从经验中学习。
预测准确性跟踪：
哪些预测方法最准确？哪些假设是现实的，哪些假设是乐观的？人工智能跟踪哪些方法有效。
偏差检测
销售部的预测总是很乐观。运营部门的估计总是有缓冲。人工智能会发现偏差并进行调整。
模型完善：
随着数据的不断积累，人工智能会不断完善对各种关系和驱动因素的理解。随着时间的推移，预测结果会越来越好。
假设检验：
"我们假设 5% 的价格上涨不会对销量产生影响。实际上产量下降了 3%"。人工智能捕捉到了这一点，并改进了未来的情景建模。
您的预测流程在每个周期都会变得更加智能。
这对您意味着什么
针对首席财务官和财务主管
更好的预测：
预测更准确，因为它们是基于对模式和驱动因素的全面分析，而不仅仅是直觉和简单的趋势分析。
加快规划周期：
原来需要三个月的年度预算，现在只需六周。每月预测需要一周时间，现在只需两天。更多的周期意味着更多的调整机会。
更多情景探索：
当设想方案的速度很快时，你会在做出承诺之前探索更多的可能性。考虑更多选择，才能做出更好的决定。
更好地进行战略讨论：
减少争论计算是否正确的会议时间。更多时间讨论战略和资源分配。
持续规划：
根据实际情况不断更新预算，而不是到二月份就过时的年度预算。计划全年都与时俱进。
针对 FP&A 团队
别再做电子表格机械师了：
减少合并和查错的时间。更多时间进行分析和提供建议。
注重判断和策略：
人工智能处理 "多少"。你要处理的是 "这是否现实 "和 "我们该怎么办"。
更快地回答问题
过去需要几天的临时分析现在只需要几小时。要积极响应，而不是说 "让我下周再联系你"。
更好的商业伙伴关系：
当您可以快速模拟不同的选项时，您就可以帮助企业领导者做出更好的决策。你将成为战略顾问，而不是数据收集者。
做真正有趣的工作
你进入 FP&A 并不是为了合并电子表格。您想帮助推动业务战略。人工智能可以让您专注于此。
商业领袖
更好地展望未来：
反映现实的预测。明确的可能结果范围。对数字有信心。
更快地回答 "如果 "问题：
不要等上好几天才进行方案分析。在同一次会议上探讨各种方案。
更好地分配资源：
如果能快速了解不同选择的财务影响，就能做出更好的资源决策。
减少预算会议的时间：
有更多时间经营业务，减少争论电子表格细节的时间。
常见规划和预测情景
每月最新预测
本月刚刚结束。是时候更新预测了。
人工智能
- 自动提取实际结果
- 计算与先前预测的差异
- 确定差异的驱动因素
- 根据近期趋势更新剩余月份的预测
- 生成差异评注
- 创建更新的预报包
- 标出应重新考虑假设的领域
FP&A 分析师审查。如果业务知识表明假设与趋势不同，则进行调整。批准更新的预测。总时间：两小时，而不是两天。
战略情景规划
首席财务官问道："我们正在考虑收购竞争对手。你能模拟不同整合方案下的财务影响吗？
人工智能
- 分析师提供关键假设（收入、成本、时间、协同效应）
- 人工智能为每种情景建立财务模型
- 计算备考财务数据、比率和现金流影响
- 显示每个方案的收支平衡时间和投资回报率
- 生成对比摘要
- 创建敏感性分析，显示哪些假设最重要
总时间三小时而不是三天。可以在本周而不是下个月做出决定。
年度预算合并
所有部门都已提交预算投入。是时候合并了。
人工智能
- 自动合并所有部门提交的文件
- 15 个不一致的标记：人力资源计划与部门计划不一致，收入假设与销售计划不一致，资本支出申请与 IT 基础设施计划不一致
- 向各部门发送具体问题
- 接受更正
- 经更正后重新合并
- 生成包含损益表、资产负债表和现金流的完整预算包
- 创建与上一年和初始目标的差异分析
FP&A 主任审查合并预算。与首席财务官讨论。向领导层汇报。原来需要两周的合并工作现在只需两天。
人工智能无法做到的事
人工智能在规划机械方面非常强大。但未来是不确定的，需要人类做出判断。
它无法预测不可预知的事情：
新的竞争对手进入市场。主要客户破产。大流行病让一切停摆。人工智能根据模式进行预测。真正史无前例的事件并不在模式中。
它无法做出战略选择：
我们是否应该拓展新市场？我们应该投资研发还是销售？人工智能可以模拟每种选择的财务影响。选择本身需要商业战略。
它无法评估假设的现实性：
销售部希望假定 50% 有所增长。考虑到市场条件、竞争和产能，这个假设现实吗？这需要商业判断，而不是数学计算。
它无法解释管理层的行动：
预测显示您将错过目标。所以你要采取行动。削减成本、加大销售力度、调整战略。人工智能无法预测您将采取哪些行动，也无法预测这些行动的效果如何。
它不能取代谈判：
预算涉及各部门和领导层之间的谈判。资源有限。优先事项存在冲突。人工智能可以为这些讨论提供信息，但无法解决它们。
它不能保证准确性：
没有完美的预测。人工智能提高了准确性，但并不能消除不确定性。未来仍然是不确定的。
人工智能能出色地处理分析机制。商业判断、战略和决策仍然是人类的工作。
入门
从最痛苦的规划过程开始：
先选一个预测：
每月收入预测？人员规划？资本支出预算？选择一个重要的、以数据为导向的项目。
清理历史数据
人工智能从历史中学习。确保您的历史数据干净整洁，分类正确。在此投入的时间将得到回报。
从模式分析开始：
在自动预测之前，让人工智能分析您的历史模式。了解是什么驱动了您的业务。这将建立信心和洞察力。
建立基线预测：
让人工智能创建统计预测。与您当前的方法进行比较。改进方法，直到准确度相当或更好。
添加您的判断：
人工智能基线加上您的业务知识就等于更好的预测。切勿在未经审查的情况下单独依赖人工智能。
测量精度：
跟踪预测与实际情况。衡量一段时间内的改进情况。记录人工智能的增值之处。
逐步扩大：
一个预报效果好？再加一个。然后增加情景功能。然后整合自动化。逐步建立能力。
规划的转变不是一朝一夕的事。开始时要专注。证明价值。扩展。
准备好在规划机制上花费更少时间了吗？
每家公司都有不同的规划流程。不同的驱动因素。不同的系统。复杂程度不同。
我们不出售通用的规划模板。我们着眼于您的具体流程。您的数据。您的要求。
然后，我们根据您的工作方式制定人工智能驱动的计划。同样的严谨。同样的控制。只是速度更快，自动化程度更高。
我们从一个领域开始。证明它能提高准确性并节省时间。然后再扩展。实用的自动化计划，让您的团队更具战略性。
