9 Finanzprognosemodelle zur Vorhersage der Unternehmensleistung

Wissen Sie, wie viele Unternehmen einen formalisierten Ansatz für Prognosen haben? Zu wissen, wie die Einnahmen, Ausgaben und die Gesamtleistung Ihres Unternehmens in der Zukunft aussehen werden, ist für die Entwicklung einer wirksamen Strategie unerlässlich. Die meisten Unternehmen sollten sich also darüber im Klaren sein, oder?

33%. Das ist der Prozentsatz der Unternehmen, die einen formellen Prognoseprozess haben.

Das sollten wir ändern. Hier ist Ihr Leitfaden für Finanzprognosemodelle:

Was ist eine Finanzprognose?

Finanzielle Vorausschau ist die Überprüfung von Daten, Variablen und Expertenmeinungen, um die zukünftige Leistung eines Unternehmens abzuschätzen. Das Ergebnis dieses Prozesses wird als Prognose bezeichnet.

Mit Hilfe von Prognosen versuchen Unternehmen vorherzusagen, wie viele Einnahmen sie in Zukunft erwarten können, wie viele Ressourcen sie benötigen und welche Strategien sie zur Erreichung wichtiger Ziele verfolgen.

Prognosen wirken sich auf zahlreiche Prozesse aus, von der Erstellung von Budgets bis hin zu Einstellungsplänen. Sie sind auch ein wichtiger Bestandteil der Finanzberichterstattung, Finanzplanung und -analyse.

Doch trotz der Bedeutung dieses Prozesses ist die Standardisierung selten, was zu ungenauen Prognosen führt. Nur 7 % der Vertriebsleiter können ihren Umsatz mit einer Genauigkeit von 5 % der tatsächlichen Zahlen prognostizieren, und dieses Problem betrifft nicht nur das Vertriebsteam.

Deshalb ist die Verwendung der richtigen Methode so wichtig.

Quantitative und qualitative Finanzprognosemodelle

Wie bei den meisten anderen Finanzprozessen gibt es auch hier mehrere Möglichkeiten, wie Unternehmen genaue Prognosen erstellen können. Diese Methoden sind entweder quantitativ oder qualitativ, wobei der Unterschied darin besteht:

• Quantitative Prognosemodelle konzentrieren sich auf Zahlen. Alle Informationen, die Sie sammeln, und die Prognosen, die Sie erstellen, beruhen auf Zahlen wie Einnahmen und Ausgaben.

• Qualitative Prognosen stützen sich auf Faktoren, die sich nicht quantifizieren lassen. Sie ziehen Perspektiven, Zusammenhänge und Beiträge von Experten aus dem gesamten Unternehmen heran, um Schätzungen über die künftige Leistung zu erstellen.

Die meisten Unternehmen verwenden bei der Erstellung von Prognosen eine Kombination aus quantitativen und qualitativen Daten. Hier sind einige der gängigsten Methoden.

Prognosen mit gleitendem Durchschnitt

Dies ist eine der einfachsten Methoden für Finanzprognosen. Man nimmt den Durchschnitt eines bestimmten Datenpunkts über mehrere Zeiträume und ermittelt den Durchschnitt mit dieser Formel:

Durchschnitt der ersten Periode + Durchschnitt der zweiten Periode + Durchschnitt der dritten Periode / Gesamtzahl der Perioden

Angenommen, Sie benötigen einen gleitenden Durchschnitt der Ausgaben über die letzten fünf Geschäftsjahre, wobei Sie die Durchschnittswerte für jeden Monat des Jahres verwenden, um die Gesamtsumme zu erhalten. Anhand einiger Beispielzahlen könnte Ihre Berechnung wie folgt aussehen:

1,500,000 + 2,250,000 + 2,750,000 + 2,500,000 + 3,000,000 = $12,000,000

$12,000,000 / 5 = $2,400,000

Damit läge Ihr gleitender Durchschnitt für die jährlichen Ausgaben bei 2.400.000 $. Mit dieser Zahl könnten Sie dann Ihre Ausgaben für die kommenden Geschäftsjahre prognostizieren.

Einfache lineare Regression

Eine einfache lineare Regression ist eine Berechnungsart, mit der ermittelt wird, wie eine Variable (d. h. die unabhängige Variable) eine andere (d. h. die abhängige Variable) beeinflusst. Sie könnten zum Beispiel eine lineare Regression verwenden, um zu berechnen, wie sich Überstunden auf die Einnahmen Ihres Unternehmens auswirken.

Sie würden Daten über beide Variablen in dem historischen Zeitraum, den Sie für Ihre Prognose verwenden möchten (z. B. das vergangene Geschäftsjahr), sammeln und als Punkte in ein Diagramm eintragen, wobei die unabhängige Variable (Überstunden) auf der X-Achse und die abhängige Variable (Einnahmen) auf der Y-Achse liegen würde:

Y = BX + A

• Y: Unabhängige Variable (z. B. Überstunden)

• X: Abhängige Variable (z. B. Einnahmen)

• B: Steigung der Linie

• A: ist der Y-Achsenabschnitt

Das Ergebnis hilft Ihnen, die Beziehung zwischen diesen Variablen zu verstehen, die Sie in Ihren Gesamtprognosen verwenden können. Keine Sorge, die meisten FP&A-Softwareprogramme ermöglichen es Ihnen, diese Berechnung automatisch durchzuführen.

Mehrfache lineare Regression

Eine multiple lineare Regression funktioniert im Wesentlichen genauso wie eine einfache lineare Regression, mit dem Unterschied, dass sie die Beziehung zwischen mehreren unabhängigen Variablen und Ihrer abhängigen Variable berücksichtigt. Dabei wird dieselbe Gleichung wie bei einer einfachen linearen Regression verwendet, wobei die Beziehung zwischen jeweils einer unabhängigen und einer abhängigen Variable abgebildet wird.

Sie möchten beispielsweise ermitteln, wie sich Überstunden, Krankheitstage und die Gesamtzahl der geleisteten Arbeitsstunden jeweils auf die Einnahmen Ihres Unternehmens auswirken. Das Ergebnis können Sie dann in einem Streudiagramm mit mehreren Linien oder in einem 3D-Modell darstellen.

Bei der multiplen linearen Regression müssen Sie auf eine Sache achten: Überschneidungen zwischen unabhängigen Variablen. Wenn sich Ihre unabhängigen Variablen gegenseitig beeinflussen, ist es möglich, ihren Einfluss auf die abhängige Variable zu überbewerten. Sie können dies abmildern, indem Sie einfache lineare Regressionen zwischen unabhängigen Variablen durchführen - Sie müssen nur eine von ihnen zur abhängigen Variable für diese Analyse machen.

Analyse von Zeitreihen

Eine Zeitreihe ist eine Folge von Datenpunkten, die über einen bestimmten Zeitraum hinweg aufgezeichnet wurden. Bei der Zeitreihenanalyse untersuchen Sie diese historischen Daten, um Trends zu erkennen, die Sie als Grundlage für Ihre Prognosen verwenden können.

Sie könnten zum Beispiel die historischen Verkaufszahlen Ihres Unternehmens untersuchen, um saisonale Trends zu erkennen. Wenn Sie einen Umsatzrückgang während des Sommers feststellen, können Sie diese Information für künftige Prognosen nutzen, so dass die Führungskräfte ein genaueres Bild vom Umsatzvolumen während des Jahres erhalten.

Rollierende Prognose

Die meisten Prognosemethoden stützen sich auf historische Daten, um Annahmen für die Zukunft zu treffen. Diese Annahmen führen zu statischen Prognosen, die oft schon kurz nach ihrer Erstellung veraltet sind. Bei einer rollierenden Prognose ziehen Sie stattdessen aktuelle Daten heran, um Prognosen zu erstellen, die kontinuierlich aktualisiert werden.

Wenn Sie beispielsweise einen Monat erleben, in dem die Verkäufe drastisch zurückgehen, wird eine typische Prognose schnell eine Lücke zwischen Ihren Schätzungen und der Realität aufweisen. Eine rollierende Prognose hingegen berücksichtigt diese Daten und passt künftige Prognosen unter Berücksichtigung dieses Rückgangs an.

Die Umsetzung dieser Methoden kann schwierig sein, da sie einen kontinuierlichen Zugang zu zuverlässigen Daten erfordern, aber mit den richtigen Tools, wie z. B. FP&A-Software, lässt sich dies abmildern.

Delphi-Methode

Bei der Delphi-Methode werden die Prognosen nicht anhand von Jahresabschlüssen erstellt, sondern es werden Experten befragt, die sich auf ihre Analysen der allgemeinen Marktbedingungen stützen. Sie können dazu Fragebögen verwenden, Fokusgruppensitzungen durchführen oder sie bitten, ihre eigenen Prognosen zu erstellen.

Die korrekte Anwendung dieser Methode hängt vom Vergleich der Prognosen mehrerer Experten und deren Kontext ab, um eine endgültige Prognose zu erstellen, die die potenzielle Zukunft Ihres Unternehmens am besten darstellt.

Treiberbasierte Prognosen

Prognosen können mit einer überwältigenden Menge an Daten verbunden sein. So viele Variablen beeinflussen den Erfolg Ihres Unternehmens, dass es unmöglich ist, sie alle zu berücksichtigen. Betrachten Sie die treiberbasierte Prognose als einen Filter, der es Ihnen ermöglicht, sich ausschließlich auf die wichtigsten Variablen zu konzentrieren.

Mit dieser Methode identifizieren Sie "Treiber" oder Faktoren, die den größten Einfluss auf die Leistung Ihres Unternehmens haben. Dabei kann es sich um externe Faktoren wie Zinssätze oder interne Faktoren wie die Anzahl der Mitarbeiter handeln.

Sobald Sie diese Einflussfaktoren identifiziert haben, können Sie deren Auswirkungen auf das gesamte Unternehmen untersuchen und auf dieser Grundlage genauere Prognosen erstellen.

Vorausschauende und präskriptive Prognosen

Dieser Ansatz kombiniert eine quantitative Perspektive (z. B. die Analyse historischer Daten) und qualitative Elemente (z. B. subjektive Erkenntnisse und Expertenmeinungen), um eine ganzheitlichere Prognose zu erstellen. Während einige Prognosen Sie mit der Menge der erfassten Daten überfordern können, lassen andere wichtige Kontextfaktoren außer Acht. Letzteres wird durch diese Methode verhindert.

Jedes Element kann gewichtet werden, je nachdem, wie Sie seinen Einfluss auf die Leistung Ihres Unternehmens einschätzen.

Auf Ausnahmen basierende Prognosen

Manche Geschäftsjahre heben sich von anderen ab. Entlassungswellen, makroökonomische Bedingungen und Weltereignisse können die Leistung Ihres Unternehmens ernsthaft beeinträchtigen und Ausreißer schaffen, die sich auf Ihre Prognosen auswirken können, wenn Sie sie in Durchschnittswerte, lineare Regressionen und ähnliche Analysen einbeziehen.

Bei der ausnahmebasierten Prognose werden diese Ausreißer über mehrere Variablen hinweg identifiziert, so dass Sie sie auswerten und verstehen können, was dahinter steckt.

Wie Prophix bei Ihren Finanzprognosemodellen helfen kann

Unabhängig davon, welches Finanzprognosemodell Sie verwenden, stoßen Sie immer wieder auf das gleiche Problem: die Beschaffung und Verarbeitung genauer Daten. Selbst Modelle wie die Delphi-Methode hängen von genauen Daten ab, und die meisten Unternehmen haben damit ihre Schwierigkeiten.

Prognosemodelle wie rollierende Prognosen ermöglichen es Unternehmen, das ganze Jahr über mit genauen Schätzungen zu arbeiten, anstatt sich auf veraltete Daten zu verlassen. Dies ist nur mit robusten Tools zur Datenerfassung, -automatisierung und -verarbeitung möglich.

An dieser Stelle kommt eine Financial Performance Platform wie Prophix One ins Spiel.

Wilson Construction nutzt Prophix One zur Erstellung von Prognosen auf der Grundlage von Live-Daten aus der Projektmanagement-Suite und vergleicht diese mit dem Budget, um bis zur Fertigstellung auf Kurs zu bleiben.