5 tips for hvordan implementere prediktiv planlegging med suksess
Tenk nytt om prosessen din
Når man implementerer prediktiv planlegging, er det vanligvis en ypperlig anledning til også å tenke nytt om planleggingsprosessen. Den umiddelbare effekten vil ofte være spart tid for nøkkelpersoner involvert i prosessen, spesielt siden prediksjonene ofte er knyttet til ulike nivåer av automatisering. Se på det store bildet tidlig i prosessen og bestem hva denne sparte tiden skal brukes til. Det kan igjen føre til verdifulle innsikter når løsningen skal utformes.
Prediksjoner knyttet til automatisering kan muliggjøre både hyppigere prognoser og et høyere detaljnivå. Ta disse mulighetene med i betraktning, men hold fokus på hva virksomheten faktisk trenger og unngå fellen med å implementere svært hyppige, detaljerte prognoser bare fordi det er mulig.
Nytteverdi trumfer nøyaktighet
Alle prediktive modeller tilnærmer seg virkeligheten med mer eller mindre nøyaktighet, men det er viktig å huske at målet ikke er å utvikle modellen med høyest mulig nøyaktighet. Målet er i stedet å utvikle den mest nyttige modellen som vil tilføre mest verdi til den finansielle planleggingsprosessen.
Dette kan virke som en selvmotsigelse, men prognoseansvarlige vil vanligvis verdsette og bruke en prediktiv modell mer hvis de forstår den. En modell som streber etter å maksimere nøyaktigheten blir ofte en «svart boks» som kun er forståelig for dataforskere. For en FP&A-ekspert som ikke bare skal lage en prognose, men også kunne svare på spørsmålet «Hvorfor?», er en slik modell lite hjelpsom.
På den annen side kan grunnleggende prediktive modeller, som er lette å forstå, mangle nøyaktighet. Utfordringen er å finne riktig balanse mellom nøyaktighet og nytteverdi, samtidig som man sørger for at brukerne fullt ut forstår hvordan modellen fungerer.
Involver organisasjonen
Det er lett å bruke prediksjon og automatisering til å sentralisere prosessen, men dette er i de fleste tilfeller en feil. Utform i stedet klare og brukervennlige prediktive modeller, og involver sentrale interessenter i organisasjonen.
Dette har to klare fordeler. For det første skaper det accountability og en følelse av eierskap til dataene, som igjen driver en forpliktelse til å oppnå eller overgå prognosen. For det andre kan disse nøkkelinteressentene, med sin inngående kunnskap om deres respektive områder, ofte gi verdifulle innspill til den prediktive modellen, for eksempel hvis en butikk skal stenges for renovering, eller påpeke når prediksjonen er misvisende og bør justeres.
Data er nøkkelen
Naturligvis er kvalitativ data en forutsetning for en vellykket implementering av prediktiv planlegging. Generelt kreves minst 4 års historiske data for å nøyaktig kunne oppdage trender og sesongmønstre.
Som ofte er tilfelle, er ikke denne mengden historiske data tilgjengelig for hver nøkkel-KPI, i hvert fall ikke med tilstrekkelig datakvalitet. I slike situasjoner anbefales en trinnvis tilnærming: start med å implementere dine prediktive modeller der dataene er tilgjengelige, samtidig som du utvider datainnsamlingsprosessen for å muliggjøre prediksjon av flere måleparametere i fremtiden.
Et steg av gangen
Ikke prøv å implementere prediktiv funksjonalitet for alle deler av prognosen samtidig; dette vil bare risikere å utsette all merverdi i flere år mens man venter på at all nødvendig data skal samles inn og verifiseres. Finn i stedet en klar brukssituasjon i organisasjonen der prediktiv planlegging kan tilføre reell verdi, og der nødvendig data allerede er tilgjengelig, for eksempel en betydelig KPI, en inntektsstrøm eller en kostnadsmåling. Start med å implementere prediktive algoritmer for denne saken. På denne måten vil du raskt legge til verdi i prosessen samtidig som du lærer verdifulle erfaringer. Denne tilnærmingen lar deg også evaluere potensialet for prediktiv planlegging og avgjøre hvordan du ønsker å anvende den mens du jobber mot å oppnå din optimale planleggingsprosess.
