Представьте себе: вы управляете денежными потоками крупной компании и каждый день должны обрабатывать тысячи платежей. Ваша задача — спрогнозировать денежные потоки, чтобы избежать кассовых разрывов и минимизировать затраты. Но что, если в вашем прогнозе был упущен платеж контрагенту на 30 млн руб.? В результате вы вынуждены привлечь кредит на неделю под 21% годовых, что обойдется вам в 121 тыс. руб. Много это или мало?
Давайте взглянем шире. Если за день вы проводите тысячу платежей, а ошиблись с 50 из них — это уже 5% отклонения, что в итоге может стоить вашей компании целых 6 млн руб. всего за один день! А что будет, если ошибка прогноза будет 20% или прогноза нет вовсе?
О чем говорит пример? В условиях высоких процентных ставок компаниям особенно важно улучшать управление своими денежными средствами. Важный элемент этого процесса — прогнозирование денежных потоков. Для того чтобы добиться высокой скорости и точности прогнозирования, надо внедрить продвинутую автоматизированную прогнозную модель. На это уйдет порядка 100 млн руб. И несколько лет.
Как быть, если таких ресурсов нет?
На самом деле здесь отлично применим закон Парето, который гласит, что 20% усилий дают 80% результата. Начать можно с простой модели в MS Excel.
Строим простую прогнозную модель
1. Создайте основную часть модели для сбора и агрегации прогнозных данных с подразделений компании. Если у вас группа компаний, то со всех дочерних организаций.
