Финансовый директор прогнозировал денежный поток на базе субъективных оценок. Из-за этого точность исполнения планов была 75%. Компания решила подключить к процессу технологии машинного обучения. Что из этого вышло, рассказывает эксперт «Актион Финансы»
Компания поставила амбициозную задачу — создать динамическую многофакторную модель бюджета, которая обеспечила бы точность прогноза денежного потока компании не ниже 95%.
Для этой цели решили применить алгоритмы разведочного анализа данных и машинного обучения.
Как было
Для прогнозов использовали базовые функции Excel: Forecast, Trend и Linest. Бизнес-аналитики в подразделениях и ЦФО компании вручную собирали и «чистили» данные.
Как стало
Бюджетная модель с помощью алгоритмов разведочного анализа обрабатывает первоисточники «больших данных» и каскадирует информацию на конкретные управленческие уровни в виде индивидуальных стратегических карт и динамических операционных моделей управления. Таким образом внедрили инструменты Data-Driven Decision Management, сместили фокус на таргетированное управление активами компании и обеспечили точность прогноза до 98%.
