业务预测：了解基础知识

经常听到公司的管理层谈论预测：“我们的销售未达到预测的数字”或“我们对预测的经济增长充满信心，并期望超过我们的目标”。最后，所有关于业务细节的财务预测，例如销售增长，还是对整个经济的预测，都是明智的猜测。，我们将研究财务预测背后的一些方法，过程以及在寻求预测未来时冒出来的一些风险。

财务预测方法

有几种不同的方法可以用来进行业务预测。所有方法都属于两种总体方法之一：定性和定量。

定性模型通常可以在短期预测中获得成功，而预测范围有限。定性预测可以被认为是专家驱动的，因为它们依赖市场专家或整个市场来获得知情同意。定性模型可用于预测公司，产品和服务的短期成功，但是由于它依赖于对可测量数据的意见而具有局限性。定性模型包括：

定量模型会折衷专家因素，并尝试从分析中删除人为因素。这些方法仅与数据有关，避免了数字背后的人浮躁。他们还试图预测变量（如销售，国内生产总值（GDP），房价等）从长远来看将在哪里，以月或年为单位。定量模型包括：

指标方法：指标方法取决于某些指标之间的关系，例如GDP和失业率，随着时间的推移相对保持不变。通过遵循关系，然后遵循领先的指标，您可以通过使用领先指标数据来估计滞后指标的绩效。计量经济学建模：这是指标方法在数学上更为严格的版本。计量经济学建模不是假设关系保持不变，而是随着时间的推移测试数据集的内部一致性以及数据集之间关系的重要性或强度。计量经济学建模有时用于创建自定义指标，这些指标可用于更准确的指标方法。但是，计量经济学模型在学术领域更常用于评估经济政策。（有关应用计量经济学模型的基本解释，请阅读“业务分析的回归基础”。）时间序列方法：这是指使用过去的数据预测未来事件的不同方法的集合。时间序列方法之间的差异通常在细节上很细致，例如为最新数据提供更大的权重或打折某些离群值。通过跟踪过去发生的情况，预报员希望能够对未来做出比平均水平更好的预测。这是最常见的业务预测类型，因为它便宜且不会比其他方法更好或更差。

在业务预测方面，实际水平上存在很多差异。但是，从概念上讲，所有预测都遵循相同的过程。

选择了问题或数据点。就像“人们会购买高端咖啡机吗？” 或“明年三月我们的销售额将是多少？” 选择理论变量和理想数据集。预报员在此处确定需要考虑的相关变量，并决定如何收集数据。假设时间。为了减少进行预测所需的时间和数据，预测员会做出一些明确的假设以简化流程。选择一个模型。预报员选择适合数据集，所选变量和假设的模型。分析。使用该模型，可以分析数据并根据分析做出预测。验证。预测员将预测与调整过程所发生的事情进行比较，发现问题或在准确的预测很少见的情况下将自己拍下来。

业务预测对企业非常有用，因为它使他们能够计划生产，融资等。但是，依赖预测存在三个问题：

数据总是会过时的。历史数据是我们要做的全部工作，并且不能保证过去的情况会在未来持续下去，不可能考虑到独特或意外事件或外部性。这些假设是危险的，例如，假设银行在次级抵押贷款崩溃之前已经在适当地筛选借款人。随着我们对预测的依赖性增加，黑天鹅事件变得越来越普遍。通过具有准确或不准确的预测，企业的行为会受到无法作为变量包含的因素的影响。这是一个概念上的结。在最坏的情况下，管理成为历史数据和趋势的奴隶，而不用担心企业现在正在做什么。

预测可能是一种危险的艺术，因为预测已经成为公司和政府的重点，通过呈现已经确定的短期到长期的未来，从心理上限制了它们的行动范围。此外，由于无法将随机元素合并到模型中，因此预测很容易崩溃，或者从一开始就可能是完全错误的。

除了负面因素外，业务预测也无处可去。适当地使用预测，企业可以根据需要进行计划，从而增加了在所有市场上保持健康的机会。这是所有投资者都可以欣赏的业务预测功能之一。