ca88亚洲城网址

来源:CIMA中国 时间:2018-11-20 作者:CIMA编辑:无忧草
打印 RSS |

CGMA视点|洞察业务趋势,预测分析入门

在最好的情况下,预测分析可以为管理团队提供工具,更好地了解客户行为和市场趋势,改善公司的商业智能系统。

预测分析将分析、数据建模、实时评分和机器学习结合在一起,观察趋势并将其投射到未来。在场景建模中,这些规划有助于识别变量并对可能的结果做出判断。

财务职能部门中,有效的数据分析和绩效改进方法正变得越来越流行。他们使会计师和财务专业人员更具前瞻性。

CGMA视点|洞察业务趋势,预测分析入门

Gary Cokins,美国咨询公司Analytics-Based Performance Management首席执行官,也是CGMA著作《战略商业管理:从计划到绩效》的作者,提供了预测分析如何改变财务报告的三个示例。

• 将数据分析结合基于活动的成本核算(将间接成本分配给产品),可以更全面地了解渠道和客户的盈利能力。

• 通过数据分析可以制定战略地图,报告并监控财务和非财务关键绩效指标(KPIs)。

• 传统的成本中心预算和成本差异控制正在让位于使用跨业务流程集成的预测分析,进行基于驱动因素的滚动财务预测

根据Cokins的说法,通过预测分析,管理人员、经理和员工团队可以更好地了解未来的需求,例如更准确地满足销售预测所需的产品数量和组合。他解释说,因此,高管可以调整他们的资源能力水平和类型,例如所需的员工数量或支出金额。他们还可以在问题变大之前迅速解决问题。他们可以将原始交易数据的大量信息转化为有效信息,以检验假设,查看趋势并做出更好的决策

预测分析的用武之地

各大公司现在广泛使用数据分析来预测机械问题,从而降低维护成本,缩短机器停机时间。

预测分析的其他应用可能不那么明显。葡萄酒生产商已经使用降雨量和温度分析,非常准确地预测季节产量和质量。这反过来有助于定价和预测收入

预测分析也应用于劳动力管理,人力资源专业人员能够预测招聘的需求量,以及在适当的时间雇佣合适数量拥有合适技能的员工所需的薪酬方案。

在奖励与员工福利协会最近的一项调查中,58%的人力资源专业人员表示,他们认为预测分析将颠覆他们的工作领

英国专业组织奖励与员工福利协会总监Debi O’Donovan在一份声明中表示:“雇主认可他们固有的价值数据,特别是如果他们可以利用这些数据来预测哪些益处可以对员工产生最为积极的影响,或奖励政策如何与绩效、领导效率、或盈利相关,”她补充说,但是为了充分发挥预测分析的效益,雇主需要对技术进行投资:九成雇主依赖Excel等通用软件,限制了他们操作数据的能力。

了解模型和数据的限制

David Jayatillake,CIMA会员(ACMA)、全球特许管理会计师(CGMA),是次贷公司Elevate Credit伦敦办事处商业智能和分析负责人。直到2017年年中,他都是英国支付处理商Worldpay的高级定价经理。他使用预测分析来辅助进行定价和盈利预测,其准确性已经证明比传统方法更可靠。

CGMA视点|洞察业务趋势,预测分析入门

不过他警示道,数据分析的能力有限,无法预测变化中的市场结果。“所以你必须有自己的判断,”他表示,“你可能会预测特定客户的销售量,最初的预测是正确的,但如果你与该客户的业务量出现浮动,那么预测就会出错。”

“通过简便的方式获取正确的数据始终是一项挑战,自始至终,你应该追求的是良好的数据,而不是完美的数据,完美的数据并不存在,”他补充道,“你必须非常具体地建立正确的模型:模型在范围狭窄的情况下效果最佳。”

Jayatillake在开始攻读CIMAca88亚洲城网址之前是一名数据分析师,他认为管理会计师开始使用预测建模的最佳方法是了解内部数据结构的工作原理和使用方法。

“你必须知道你的数据在哪里,如何获取数据,”他说。这可能涉及学习一些新技能。例如,学习SQL结构化查询语言(一种用于评估和操作数据库的标准语言)在提取数据方面非常有用。完成后,你需要了解数据,确定数据中的价值所在,Jayatillake表示。

建模时,你应该从简入手。Jayatillake说,大多数管理会计师都使用Excel,那就从Excel开始。在Excel里可以使用对财务非常有用的时间序列分析和多元线性回归等技术。

DataCamp网站非常有帮助。他补充道,那些几乎没有编程经验的人可以通过该网站学习。你应该从与Excel相同的模型开始尝试,然后如果你觉得可以增加价值,则转到更复杂的非线性模型。

将预测分析用于工作

顾名思义,预测分析只能用于具有可预测性元素的问题,并且需要在可用数据集与你尝试预测的内容之间建立关系

例如,损益表交易往往比资产负债表项目更容易预测。你还需要大量高质量的数据,从中获取所需。

CGMA视点|洞察业务趋势,预测分析入门

普华永道英国保证创新和技术团队总监Rhodri Davies表示,要确定预测分析是否是解决特定问题的正确方法,首先需要深入了解业务和可用数据。

以下是Davies对预测分析入门的建议:

①了解你的数据;研究和识别数据中的异常;识别数据中的风险因素;挖掘新的数据来源。

②认识到关系数据库和非关系数据库之间的差异。关系数据库具有数据结构,允许连接来自不同类型数据桶的信息;而在非关系数据库中,没有结构化机制来将来自不同数据桶的数据互相连接。

③使用探索性多元、推理、可视化工具、优化方法、机器学习和预测分析工具。针对流程挖掘,使用新的数据分析技术和算法来隔离和调查可能导致对数据/会计分类账进行更改的特定流程。

④使用简单的供应商风险指示板和过滤器来最大限度地减少低效率和人为错误。从监管和风险保障角度执行数据和流程映射。

⑤基于数据分析和洞见,以突出附加价值的方式传达所需的决策和行动。

沪公网安备 31011802001002号