Bedrijfsvoorspelling: de basis begrijpen

Het is niet ongebruikelijk om het management van een bedrijf te horen spreken over voorspellingen: "Onze omzet heeft de voorspelde cijfers niet gehaald", of "we hebben vertrouwen in de voorspelde economische groei en verwachten onze doelstellingen te overtreffen." Uiteindelijk zijn alle financiële voorspellingen, of het nu gaat om de specifieke kenmerken van een bedrijf, zoals omzetgroei of voorspellingen over de economie als geheel, weloverwogen gissingen. In dit artikel zullen we enkele van de methoden achter financiële voorspellingen bekijken, evenals het proces, en enkele van de risico's die opduiken wanneer we de toekomst willen voorspellen.

Financiële voorspellingsmethoden

Er zijn verschillende methoden waarmee een bedrijfsvoorspelling kan worden gemaakt. Alle methoden vallen onder een van de twee overkoepelende benaderingen: kwalitatief en kwantitatief.

Kwalitatieve modellen

Kwalitatieve modellen zijn doorgaans succesvol geweest met voorspellingen op korte termijn, waarbij de reikwijdte van de voorspelling beperkt was. Kwalitatieve voorspellingen kunnen worden gezien als expert-driven, in die zin dat ze afhankelijk zijn van marktmensen of de markt als geheel om te wegen met een weloverwogen consensus. Kwalitatieve modellen kunnen nuttig zijn bij het voorspellen van het succes op korte termijn van bedrijven, producten en diensten, maar hebben beperkingen vanwege hun afhankelijkheid van mening over meetbare gegevens. Kwalitatieve modellen omvatten:

• Marktonderzoek Onderzoek van een groot aantal mensen over een specifiek product of een specifieke dienst om te voorspellen hoeveel mensen het zullen kopen of gebruiken wanneer het eenmaal is gelanceerd.
• Delphi-methode: veldexperts vragen om algemene meningen en deze vervolgens samenstellen in een prognose. (Lees voor meer informatie over kwalitatieve modellering "Kwalitatieve analyse: wat maakt een bedrijf geweldig?")

De basisprincipes van bedrijfsvoorspelling

Kwantitatieve modellen

Kwantitatieve modellen verdisconteren de expertfactor en proberen het menselijke element uit de analyse te verwijderen. Deze benaderingen hebben uitsluitend betrekking op gegevens en vermijden de wispelturigheid van de mensen die aan de cijfers ten grondslag liggen. Ze proberen ook te voorspellen waar variabelen zoals verkoop, bruto binnenlands product, huizenprijzen, enzovoort, op de lange termijn zullen zijn, gemeten in maanden of jaren. Kwantitatieve modellen omvatten:

• De indicatorbenadering: de indicatorbenadering is afhankelijk van de relatie tussen bepaalde indicatoren, bijvoorbeeld het bbp en de werkloosheidsgraad, die in de loop van de tijd relatief ongewijzigd blijft. Door de relaties te volgen en vervolgens de leidende indicatoren te volgen, kunt u de prestaties van de achterblijvende indicatoren schatten, met behulp van de leidende indicatorgegevens.
• Econometric Modelling: Dit is een meer wiskundig rigoureuze versie van de indicatorbenadering. In plaats van aan te nemen dat relaties hetzelfde blijven, test econometrische modellering de interne consistentie van datasets in de tijd en de betekenis of sterkte van de relatie tussen datasets. Econometrische modellering wordt soms gebruikt om aangepaste indicatoren te maken die kunnen worden gebruikt voor een nauwkeurigere indicatorbenadering. De econometrische modellen worden echter vaker op academische gebieden gebruikt om het economisch beleid te evalueren. (Voor een basisverklaring over het toepassen van econometrische modellen, lees "Regressie Basics for Business Analysis.")
• Tijdreeksmethoden: dit verwijst naar een verzameling van verschillende methoden die gegevens uit het verleden gebruiken om toekomstige gebeurtenissen te voorspellen. Het verschil tussen de tijdreeksmethoden ligt meestal in kleine details, zoals het geven van meer gewicht aan recentere gegevens of het weglaten van bepaalde uitbijterpunten. Door te volgen wat er in het verleden is gebeurd, hoopt de voorspeller een beter dan gemiddelde voorspelling over de toekomst te kunnen geven. Dit is het meest voorkomende type bedrijfsvoorspelling omdat het goedkoop is en niet beter of slechter dan andere methoden.

Hoe werkt voorspelling?

Er is veel variatie op praktisch niveau als het gaat om bedrijfsvoorspelling. Op conceptueel niveau volgen alle voorspellingen echter hetzelfde proces.

1. Er is een probleem of gegevenspunt gekozen. Dit kan zoiets zijn als "kopen mensen een high-end koffiezetapparaat?" of "wat zullen onze verkopen volgend jaar maart zijn?"
2. Theoretische variabelen en een ideale dataset worden gekozen. Dit is waar de voorspeller de relevante variabelen identificeert die moeten worden overwogen en beslist hoe de gegevens moeten worden verzameld.
3. Veronderstelling tijd. Om de tijd en gegevens te besparen die nodig zijn om een ​​voorspelling te maken, maakt de voorspeller enkele expliciete veronderstellingen om het proces te vereenvoudigen.
4. Een model wordt gekozen. De voorspeller kiest het model dat past bij de gegevensset, geselecteerde variabelen en veronderstellingen.
5. Analyse. Met behulp van het model worden de gegevens geanalyseerd en wordt een voorspelling gemaakt op basis van de analyse.
6. Verificatie. De voorspeller vergelijkt de voorspelling met wat er gebeurt om het proces aan te passen, problemen te identificeren of, in het zeldzame geval van een nauwkeurige voorspelling, zichzelf op de rug te kloppen.

Problemen met voorspellen

Bedrijfsvoorspelling is erg handig voor bedrijven, omdat het hen in staat stelt om productie, financiering, enzovoort te plannen. Er zijn echter drie problemen met het vertrouwen op voorspellingen:

1. De gegevens zullen altijd oud zijn. Historische gegevens is alles wat we moeten doen, en er is geen garantie dat de omstandigheden in het verleden in de toekomst zullen voortduren.
2. Het is onmogelijk om rekening te houden met unieke of onverwachte gebeurtenissen of externe effecten. Aannames zijn gevaarlijk, zoals de aannames dat banken de leners goed hebben gescreend voorafgaand aan het smelten van de subprime. En zwarte zwaanevenementen komen vaker voor naarmate onze afhankelijkheid van voorspellingen is toegenomen.
3. Voorspellingen kunnen hun eigen impact niet integreren. Door voorspellingen te hebben, nauwkeurig of onnauwkeurig, worden de acties van bedrijven beïnvloed door een factor die niet als variabele kan worden opgenomen. Dit is een conceptuele knoop. In een worst-case scenario wordt management een slaaf van historische gegevens en trends in plaats van zich zorgen te maken over wat het bedrijf nu doet.

Het komt neer op

Forecasting kan een gevaarlijke kunst zijn, omdat de prognoses een focus worden voor bedrijven en overheden, die hun actieradius mentaal beperken, door de toekomst op korte en lange termijn te presenteren zoals al bepaald. Bovendien kunnen voorspellingen gemakkelijk uiteenvallen als gevolg van willekeurige elementen die niet in een model kunnen worden opgenomen, of ze kunnen vanaf het begin gewoon verkeerd zijn.

De nadelen terzijde, bedrijfsvoorspelling gaat nergens heen. Op de juiste manier gebruikt, voorspelt het bedrijven om vooruit te lopen op hun behoeften, waardoor hun kansen om gezond te blijven in alle markten worden vergroot. Dat is een functie van bedrijfsvoorspelling die alle beleggers kunnen waarderen.