Как с помощью предиктивной аналитики оптимизировать бюджетное планирование

Для устойчивого функционирования и развития компаниям необходимо правильно выстраивать процессы бюджетирования. Задача осложняется вовлечением в нее большого количества сотрудников, необходимостью учета внешних факторов. Современные системы бюджетирования не всегда могут адекватно обеспечить запросы пользователей, в связи с чем целесообразно прибегать к внешним модулям прогнозирования. Как с помощью предиктивной аналитики улучшить точность бюджетного планирования компании, рассказал руководитель направления бизнес-аналитики компании BIA-Technologies Станислав Воронин, 

Почему компания должна иметь сбалансированный бюджет

Любой компании для планирования бюджетов важно понимать объемы предыдущих расходов и их рациональность. Процесс составления бюджетов осложняется и тем, что на объем продаж влияет много факторов, включая спрос, действия конкурентов. При этом точность определения на старте потенциальных доходов определяет дальнейшую работу компании, и от этого зависит целевой финансовый результат – достижение прибыли.

Если бюджет продаж будет излишне оптимистичным, то компания получит потенциальные убытки: рост замороженных средств в запасах сырья и готовой продукции, расходов на стимулирование сбыта, косвенных расходов на обеспечение производства и неэффективное использование складских площадей. При излишне пессимистичном прогнозе начнется стагнация бизнеса: дефицит готовой продукции, упущенные продажи, низкий уровень сервиса, перегруженность персонала, простои производства. В идеале организация должна стремиться к тому, чтобы бюджет продаж был сбалансированным.

К современной системе бюджетирования предъявляется ряд требований. Среди них регламентация процессов и сроков подготовки, координация большого количества участников и использование инструментов совместной работы. Важно использовать инструменты по отслеживанию статуса и контролю прохождения бюджетов в процессе согласования.

Как происходит процесс бюджетирования и где возникают проблемы

В процессе бюджетирования существует несколько основных проблем:

• При анализе исторических данных о продажах используются только простые линейные методы по обработке исторических данных, а темпы роста задаются вручную.
• При оценке экономических условий отсутствует автоматизация процессов в контуре системы бюджетирования.
• Выполнение большого массива расчетов в Excel, что приводит к большим трудозатратам и длительному времени.
• В некоторых случаях недостаточно просто иметь исторический объем продаж, на спрос могут влиять внешние факторы. Например, продажи мороженного зависят от погодных условий.
• Частые изменения методики расчета драйверов и изменения без распределения. Это требует заявок на доработку системы бюджетирования, исполнение которых не укладывается в ограничения периода по подготовке бюджета.
• При подготовке и согласовании внутри центра финансовой ответственности (ЦФО) вспомогательных бюджетов часто используется Excel. Это вызывает путаницу в сценариях, приводит к ошибкам в формулах и ограничивает многопользовательскую работу.

Для чего нужен модуль предиктивной аналитики

Одним из способов решения проблем может быть модуль прогнозного бюджетирования Budgetum, который разработала компания BIA-Technologies. Он создавался для подготовки бюджетов продаж. В функционале моделей заложено машинное обучение, существуют инструменты выделения основного тренда, очистки данных, выделение сезонной составляющей, представление данных в формате временных рядов.

Подход к прогнозированию основывается на том, что в каждый момент времени та или иная модель может давать наилучший результат. Подсчеты осуществляются по всем возможным моделям (Ets, Theta, Tbats, Prophet, Autoarima, LightGbm) с автоматизацией процесса анализа результатов. Система на основании метрики Smape принимает решение прогноз какой модели является наилучшим.

По мере эксплуатации система самообучается. Также возможно не только прогнозировать исторический ряд, но и учитывать внешние факторы: активности конкурентов, решения с точки зрения ценовой политики, оценку эластичности спроса по цене. Метод глубокого анализа данных позволяет учитывать точность формируемых прогнозов.

Для хранения данных в Budgetum используется централизованная система управления базами данных (СУБД), обеспечивающая многопользовательскую работу. Апеллируя единым окном, пользователи могут легко работать с любым сценарием, в том числе с разграничением уровня данных и приоритетом доступа.

Важно отметить, что модуль не является отдельной системой бюджетирования, по сути, – это интеллектуальный помощник финансиста для работы со сценариями и выбором оптимальной модели.

Как модуль предиктивной аналитики помогал конкретным компаниям

Покажем работу Budgetum на реализованных кейсах. Существующая система бюджетирования у крупного FMCG-производителя не удовлетворяла коммерческий департамент из-за отсутствия инструментов прогнозирования и длительных сроков внесения корректировок в бюджетную модель. Базовые расчеты производились в Excel, результаты согласовывались внутри подразделения по электронной почте, собиралась обратная связь, а затем итог вручную загружался в корпоративную систему бюджетирования.

Модуль Budgetum позволил сократить количество ошибок за счет организации многопользовательской работы с единой многомерной моделью, уменьшить время на подготовку базового сценария за счет использования прогнозных моделей, повысить оперативность внесения изменений в модель. Сокращение трудоемкости подготовки и корректировки бюджета достигало 40%, а точность планирования увеличилась с 70% до 80%.

Другим примером является предприятие из области пищевого производства. У компании формируется скользящий двухнедельный прогноз продаж вместе с «ручным» процессом подготовки регулярного и акционного прогноза продаж. Аналитическое подразделение ежедневно обновляет прогноз для более точного планирования производства. Модуль Budgetum позволил автоматизировать получение исходных данных из информационных систем. Трудоемкость подготовки и корректировки прогноза была сокращена на 50%, длительность временного цикла корректировки и согласования – до 30%.

Еще одним примером является федеральная компания, занимающаяся грузоперевозками. При детализации бюджета продаж учитываются семь показателей, 35 услуг, 100 тыс. направлений и 400 подразделений. Проблемами являются высокая трудоемкость подготовки и балансировки прогнозных значений. Модуль Budgetum позволил провести автоматизацию расчетов базового прогноза продаж. Точность прогноза на уровне группы клиентов увеличилась с 68% до 80%, сокращение трудоемкости составило 60%, а уровень детализации был увеличен до клиента и направления перевозки.

Таким образом, компаниям дополнительно к системе бюджетирования целесообразно использовать модули предиктивной аналитики, примером которых является модуль Budgetum. Такой подход избавляет от трудоемких операций, ускоряет процесс бюджетирования и повышает точность прогноза продаж.