5 tips för att göra implementationen av prediktiv planering till en succé!

En budget eller prognos är ofta en blandning av en plan (vad vi vill ska hända) och en faktisk prognos (vad som kan hända). Prediktiva algoritmer kan hjälpa till att göra dessa båda scenarion mer precisa genom att använda sig av historisk data. Två exempel på detta är periodiseringen av en prognos ner till månads-, vecko- eller dagsnivå och att visa på mer precisa trendkurvor, anpassade för externa effekter som sannolikt inte kommer upprepas i framtiden. Det kan också vara användbart för att tydligt visa potentiella problem som är baserade på felaktiga antaganden i en prognos. 

För vem är prediktiv finansiell planering användbar? 

Prediktiv planering är användbar för organisationer som vill skapa en mer automatisk och värdeskapande planeringsprocess. Med prediktiva modeller kommer arbetet med budget och prognos bli mer effektivt, arbetets kvalitet kommer att förbättras och den finansiella visibiliteten kommer att öka. Du kommer därmed få bättre insikter, minska risken för manuella fel och dessutom kommer det möjliggöra för dig att arbeta mer löpande och med rullande prognos.  

Användningen av prediktiv planering ökar snabbt, inte minst på grund av uppkomsten av lättanvända-moderna finansiella planeringsverktyg. Enligt en internationell undersökning* använder sig 11% av organisationer av prediktiva funktioner I sin finansiella planering, och häpnadsväckande 57% planerar att implementera det inom de kommande åren. Early adopters har därmed bevisat teknologins värde och 83% av dessa organisationer upplever att deras finansiella prognos är utmärkt eller bra jämfört med 53% av den genomsnittliga organisationen. Med sådana tydliga fördelar är den första frågan: hur kan man bäst använda dessa prediktioner i sin finansiella planering? 

5 tips för hur du kan göra implementationen till en succé 

Reflektera över er process 

När man implementerar prediktiv planering är det vanligtvis ett utmärkt tillfälle att också tänka över sin planeringsprocess. Den direkta effekten är ofta att de involverade nyckelpersonerna sparar tid, speciellt om prediktionerna är bundna till olika grader av automation. Försök tidigt att se hela bilden och bestäm vad den sparade tiden istället ska spenderas på. Detta kan leda till värdefulla insikter när man skapar lösningen.    

Prediktion knutet till automation kan möjliggöra både ett mer frekvent arbete med prognos, men också en högre detaljnivå. Ta absolut hänsyn till dessa möjligheter, men förbli också fokuserad på vad verksamheten verkligen behöver. Försök undvika att gå i fällan att implementera prognoser med hög detaljnivå bara för att det är möjligt.  

Användbarhet överträffar exakthet 

Alla prediktiva modeller närmar sig verkligheten med mer eller mindre precision. Det är viktigt att komma ihåg att målet inte är att utveckla en modell som levererar den högsta möjliga precisionen. Istället är målet att utveckla en modell som kan bidra med mest nytta och addera mest värde till er finansiella planeringsprocess.   

Detta kan verka motsägelsefullt, men de som lägger prognoser tenderar att värdera och använda prediktiva modeller mer om de förstår dem. En model som strävar efter att maximera precisionen blir ofta en “black box” som bara kan förstås av dataingenjörer. För en FP&A expert som har fler uppgifter än att skapa en prognos, tenderar möjligheten att inte kunna besvara frågan “Varför” att göra en sådan modell svåranvänd.  

Å andra sidan – även om grundläggande prediktiva modeller är enkla att förstå, kan de sakna precision. Utmaningen blir då att hitta en jämn balans mellan precision och användbarhet, samtidigt som man ska försäkra sig om att användaren helt förstår hur modellen fungerar. 

Involvera organisationen 

Det är enkelt att använda prediktioner och automation för att centralisera processen, men detta är i de flesta fall ett misstag. Istället bör ni designa ett tydligt och enkelt sätt att använda er av prediktiva modeller och involvera organisationens nyckelpersoner.  Detta har två konkreta fördelar. För det första skapar det ansvar och en känsla av ägandeskap över datan, vilket i sin tur skapar ett engagemang att uppnå eller överträffa en prognos. För det andra kan dessa nyckelintressenter och deras kunskap inom deras respektiva fält ofta ge en värdefull input till prediktiva modeller, som exempelvis om en butik kommer vara stängd för renovering, eller till och med påpeka när en prediktion är felaktig eller behöver justeras. 

Data är nyckeln 

Naturligtvis är kvalitativ data en förutsättning för att framgångsrikt kunna implementera prediktiv planering. Generellt sätt så krävs det minst 4 års historisk data för att med precision kunna upptäcka trender och mönster utifrån säsong.  

Ofta är denna mängd historisk data inte alltid tillgänglig för varje KPI, åtminstone inte med tillräckligt hög datakvalitet. I dessa situationer är ett stegvist arbetssätt att rekommendera. Börja arbetet med att implementera er predektiva modell där det finns tillgänglig data, samtidigt som ni försöker expandera er metod för hur ni inhämtar data. På detta sätt kan ni skapa möjlighet för fler förutsägelser i framtiden. 

Ett stag i taget 

Försök inte att implementera varje del av möjlig prediktiv funktionalitet på samma gång. Det kommer bara riskera att ni försenar värdet det kan bidra med då man behöver vänta på att all nödvändig data ska samlas in och verifieras. Istället bör ni hitta ett tydligt användningsområde inom organisationen, ett ställe där prediktiv planering kan bidra med ett konkret värde och där det redan finns tillgänglig data. Detta kan exempelvis vara ett betydelsefullt KPI, intäktsflöden eller kostnadsutveckling. Börja med att implementera prediktiva algoritmer för dessa områden. På detta sätt kan du snabbt addera värde till din process, samtidigt som du lär dig värdefull kunskap. Denna metod tillåter dig också att utvärdera prediktivitetens potential och bestämma hur du vill använda den medan du strävar efter en optimal planeringsprocess. 

Sammanfattning

Vi är fortfarande i startgropen av resan mot en automatiserad prediktiv planering, men det har blivit tydligt att denna approach representerar ett paradigmskifte i hur man ska planera sin verksamhet. I detta stadie är min rekommendation tydlig: nu är det dags att börja experimentera. Testa olika vägar till prediktiv plannering för att få egen erfarenhet i hur det fungerar och vilket värde det kan ge organisationen. Sikta först på provisoriska implementationer och koncept och gå därefter vidare till mer heltäckande lösningar. Det är en spännande resa som vi ser fram emot att fortsätta utforska tillsammans med våra kunder.  

* FP&A Trends 2021 survey “Planning and forecasting in times of high uncertainty”