회사 경영진이 "우리의 매출이 예상 수치에 미치지 못했음"또는 "예상 된 경제 성장에 확신을 갖고 목표를 초과 할 것으로 예상한다"는 예측에 대해 말하는 것은 드문 일이 아닙니다. 결국 매출 성장과 같은 비즈니스의 세부 사항이나 경제 전체에 대한 예측 여부에 관계없이 모든 재무 예측에 대한 정보가 제공됩니다. 재무 예측과 관련된 몇 가지 방법과 프로세스 및 미래를 예측할 때 발생하는 위험에 대해 살펴 보겠습니다.
재무 예측 방법
비즈니스 예측을 만드는 방법에는 여러 가지가 있습니다. 모든 방법은 질적 및 양적이라는 두 가지 중요한 접근법 중 하나에 속합니다.
질적 모델
질적 모델은 일반적으로 예측 범위가 제한적인 단기 예측으로 성공했습니다. 정 성적 예측은 시장 주도권 또는 시장 전체에 따라 정보에 입각 한 합의에 따라 무게가 결정되므로 전문가 중심으로 생각할 수 있습니다. 질적 모델은 회사, 제품 및 서비스의 단기 성공을 예측하는 데 유용 할 수 있지만 측정 가능한 데이터에 대한 의견에 의존하기 때문에 한계가 있습니다. 질적 모델은 다음과 같습니다.
- 시장 조사 특정 제품이나 서비스에 대해 많은 사람들을 설문 조사하여 출시 후 구매 또는 사용하는 사람의 수를 예측합니다. 델파이 방법: 현장 전문가에게 일반적인 의견을 요청한 다음 예측으로 컴파일합니다. (정성 모델링에 대한 자세한 내용은 "정성 분석: 회사를 위대하게 만드는 요소"를 참조하십시오.)
사업 예측의 기초
정량적 모델
정량 모델은 전문가 요소를 할인하고 분석에서 인적 요소를 제거하려고 시도합니다. 이러한 접근 방식은 데이터에만 관심이 있으며 숫자의 근본 원인을 피하십시오. 또한 판매, 국내 총생산, 주택 가격 등과 같은 변수가 장기적으로 몇 달 또는 몇 년으로 측정되는지 예측하려고합니다. 정량적 모델에는 다음이 포함됩니다.
- 지표 접근법: 지표 접근법은 GDP와 실업률과 같은 특정 지표 간의 관계에 따라 시간이 지남에 따라 상대적으로 변경되지 않습니다. 관계를 따른 다음 선행 지표를 따라 가면 선행 지표 데이터를 사용하여 지연 지표의 성과를 추정 할 수 있습니다. 경제적 모델링:이 방법은 수학적으로보다 엄격한 지표 접근법입니다. 계량 경제학 모델링은 관계가 동일하게 유지되는 대신 시간에 따른 데이터 세트의 내부 일관성과 데이터 세트 간의 관계의 중요성 또는 강도를 테스트합니다. 계량 경제학 모델링은 때때로보다 정확한 지표 접근에 사용될 수있는 맞춤형 지표를 생성하는 데 사용됩니다. 그러나 계량 경제학 모델은 경제 정책을 평가하기 위해 학계에서 더 자주 사용됩니다. (경제 계량 모델 적용에 대한 기본 설명은 "비즈니스 분석의 회귀 기본 사항"을 참조하십시오.) 시계열 분석법: 과거 데이터를 사용하여 미래 이벤트를 예측하는 다양한 방법론을 나타냅니다. 시계열 방법론의 차이점은 일반적으로 최신 데이터에 더 많은 가중치를 부여하거나 특정 특이점을 할인하는 것과 같이 세밀하게 설명됩니다. 예측자는 과거에 발생한 일을 추적함으로써 미래에 대한 평균보다 나은 예측을 제공 할 수 있기를 희망합니다. 이것은 다른 방법보다 저렴하고 나쁘거나 나쁘지 않기 때문에 가장 일반적인 유형의 비즈니스 예측입니다.
예측은 어떻게 이루어 집니까?
비즈니스 예측과 관련하여 실제적인 수준에는 많은 차이가 있습니다. 그러나 개념 수준에서 모든 예측은 동일한 프로세스를 따릅니다.
- 문제 또는 데이터 포인트가 선택되었습니다. 이것은 "사람들이 고급 커피 메이커를 사겠습니까?"와 같은 것일 수 있습니다. 또는 "내년 3 월에 우리의 판매는 무엇입니까?" 이론적 변수와 이상적인 데이터 세트가 선택됩니다. 여기서 예측자는 고려해야 할 관련 변수를 식별하고 데이터 수집 방법을 결정합니다. 가정 시간. 예측자는 예측에 필요한 시간과 데이터를 줄이기 위해 프로세스를 단순화하기 위해 몇 가지 명시적인 가정을합니다. 모델이 선택되었습니다. 예측자는 데이터 세트, 선택한 변수 및 가정에 맞는 모형을 선택합니다. 분석. 모델을 사용하여 데이터를 분석하고 분석을 통해 예측합니다. 확인. 예측자는 예측을 프로세스 조정, 문제점 식별 또는 정확한 예측의 드문 경우와 비교하여 발생하는 상황과 비교합니다.
예측 문제
비즈니스 예측은 생산, 자금 조달 등을 계획 할 수 있으므로 비즈니스에 매우 유용합니다. 그러나 예측에 의존하는 데는 세 가지 문제가 있습니다.
- 데이터는 항상 오래된 것입니다. 과거 데이터는 우리가 진행해야 할 전부이며 과거의 상황이 미래에도 계속 될 것이라는 보장은 없으며, 독특하거나 예상치 못한 사건이나 외부 요인을 고려하는 것은 불가능합니다. 서브 프라임 붕괴 이전에 은행이 차용자를 적절히 선별했다는 가정과 같은 가정은 위험합니다. 블랙 스완 이벤트는 예측에 대한 의존도가 높아짐에 따라 더욱 흔해졌습니다. 정확하거나 부정확 한 예측을 통해 비즈니스 활동은 변수로 포함될 수없는 요소의 영향을받습니다. 이것은 개념적 매듭입니다. 최악의 시나리오에서 경영진은 현재 비즈니스가 수행되는 작업에 대해 걱정하기보다는 과거 데이터 및 추세의 노예가됩니다.
결론
예측은 단기 및 장기 미래가 이미 결정된 것으로 제시함으로써 그들의 행동 범위를 정신적으로 제한하면서 회사와 정부에 초점이되기 때문에 위험한 예술이 될 수 있습니다. 또한 모형에 포함 할 수없는 임의의 요소로 인해 예측이 쉽게 분해되거나 처음부터 잘못 될 수 있습니다.
단점은 제쳐두고 비즈니스 예측은 아무데도 진행되지 않습니다. 적절하게 사용 된 예측을 통해 비즈니스는 요구를 미리 계획하여 모든 시장에서 건강을 유지할 가능성을 높입니다. 그것은 모든 투자자가 이해할 수있는 비즈니스 예측 기능 중 하나입니다.
