以精细化的场景预测来应对企业数字化变革

为什么我的预测数据都不靠谱？越来越多的企业在预算管理中面临着这样的困惑。

当前，随着市场环境日益瞬息万变，企业在预测和决策能力上倍受挑战。同时，数字化转型成为企业的新常态，极大地提升了数据的及时性和可靠性，使预算管理和数据应用有了更多的可能。一方面，企业级全面预算管理数据的准确性越来越低，价值越来越小；另一方面，预算业务化的趋势越来越清晰，企业更青睐周期更短、投入更少、见效更快、效益更高的预测。

场景化预测将预测嵌入企业的具体业务场景中，以数据为反馈依据，串联企业的不同业务场景，可以为企业提供及时、可靠的预测和决策分析信息。在数字化转型的新时代，预算管理从企业级迈向部门级，从全面化走向场景化渐成趋势。

场景化预测有力提升决策效益

场景，其实就是什么人、在什么时间、在什么地点、出于什么目的、做了什么事。人物、时间、地点、目的和事件这些元素构成了一个具体的画面，这个画面就是场景。而场景化预测就是基于企业生产经营的具体场景做出的预测。

场景化预测并不神秘。零售企业基于某商品在各区域的销售量规划配货，房地产企业对所持有房产的价值进行管理以明确项目进度和规划；制造企业依据某产品的历史订单量规划未来的生产……在这些常见的工作场景中，企业其实已经在应用场景化预测为业务经营提供支持。

任何企业的管理都脱离不了实际场景的运用。企业经营是由一个个具体的场景串联叠加的结果。理解场景是解决问题的前提。站在管理的维度上，将场景与场景之间的串联，以数据为反馈依据，是最直接管控业务进程，提升运营效益的有效路径。

现代管理学认为，科学化管理有三个层次：第一个层次是规范化，第二层次是精细化，第三个层次是个性化。场景化预测既体现了管理的精细化，又体现了管理的个性化。

场景化预测能够有力提升预算的颗粒度，体现了管理的精细化。

精细化管理的本质意义在于它是一种对战略和目标进行分解、细化和落实的过程，是让企业的战略规划能有效贯彻到每个环节并发挥作用的过程。预算的本质是对未来事项的预计和测算。而传统的企业级预算由于更强调预测数据的全面性，数据颗粒度较粗，缺乏对企业经营的精细化指导。场景化预测将预测深入到企业最基础的细分业务环节中，基于不同的业务场景设置模型，开展预测，并将预测数据反馈于对该场景业务的运营和决策，大大提升了预测的细度，有力提升了预测的科学性和数据的准确性，体现了管理的精细化要求。

场景化预测实现了业务与财务的真正融合，体现了管理的个性化。

预算管理自诞生以来，迅速受到广泛的认可和应用，成为企业核心的管理工具之一。与此同时，针对预算管理的非议一直如影随形。很多中国企业有这样的困惑：不执行预算管理不行，执行预算管理无用。最根本的原因就在于传统的企业级预算管理与业务经营脱节，难以实现业财融合。企业级预算站在企业全局考虑问题，而企业的组织架构和业务活动具有复杂性，企业级预算难以结合不同部门、不同业务的个性化特点对不同情境下不同预测模型及影响因子进行合理选择，难以对企业具体的业务经营活动形成有效指导。场景化预测则将预算直接下沉至具体的工作场景中，让预算与具体业务短兵相接，从根本上弥合了业务与财务的鸿沟。这令其能够在瞬息万变的市场环境中，基于不同部门、不同业务的具体特点进行情景模拟和数据测算，从而有效提升企业决策的正确性和效率。

新技术驱动场景化预测走向前台

如前文所述，场景化预测其实并不是新事物，甚至很多企业在实务中早有应用。那么，为什么长期以来企业级预算一直占据主流，而场景化预测并未获得有力推广？我们又为什么要在这个时点提出场景化预测，并认为其正成为预算的重要趋势呢？

答案就是场景化预测在过去深受信息技术的发展所限，预测难度大、质量低，桎梏了其价值的发挥。而现在，随着互联网、大数据、敏捷BI、人工智能等信息技术的迅猛发展，精准的场景化预测具备了实现的可能。同时，企业数字化转型的全面铺开进一步提升了场景化预测的重要性和必要性。

在新技术的加持下，企业可以将自动化、智能技术与数据可视化技术相结合，融合和打通各类数据，提升整体数据价值；利用算法和规则引擎处理数据、构建模型；利用传感器和云计算等进行实时计算和数据的可视化呈现；对具体业务场景中的业务经营情况进行前瞻性的预测和分析。这将大大降低场景化预测的难度，大大提升场景化预测的精准度，大大提高数据认知效率，助力企业踏上数字化决策之路。

首先，新技术赋予场景化预测以强大的数据基础。

数据是场景化预测的基础。有三类数据对企业的经营造成影响，它们构成了场景化预测的数据基础：包括财务小数据、业务中数据和互联网大数据。财务小数据主要包括收入、成本、利润、资产、负债等企业财务口径的价值量数据；业务中数据是企业运营中产生的产品、客户、渠道、生产、研发等相关经营信息，既有价值量数据，也有实物量数据；互联网大数据是与企业所处行业相关的竞争环境、盈利模式、业务模式、客户消费模式等一系列内外部经营相关的信息流。

数据的获取越及时，数据越完整、质量越高，场景化预测越精准、越有效。然而，在实际场景中，这三类数据数量巨大、类型繁多、价值密度低、速度快时效高，对数据的获取和处理处理均提出了很高的要求。过去，在大数据技术尚未获得突破性发展的阶段，受限于技术瓶颈，企业的数据口径不统一、数据不完整、不及时，数据质量低，使得场景化预测结果的准确度低，难以对业务进行有力指导。而基于内存多维数据库、敏捷BI、大数据等新技术，企业可以从物联网、云平台、存储设备、移动终端等多种渠道全面获取内外部的海量数据源，通过ETL、日志服务等技术完成数据收集，并将它们存储在数据库中，并可以经由分布式计算、内存计算等技术加速数据变现，将其全面应用于企业的业务经营和管理决策中，包括助力企业对具体业务场景的预测分析。及时、完整、真实的数据基础是确保预测结果有效性和精准性的前提条件。

其次，新技术赋予场景化预测以智能快速建模能力。

场景化预测是通过构建量化模型来模拟和还原特定业务场景的业务流程，以实现对特定场景在未来不同情况下的数据测算，如在零售企业的订货业务场景中，构建供应链管理模型；在保险企业销售人员绩效管理的业务场景中，构建销售绩效模型；在房地产企业存货管理的业务场景中，构建货值管理模型等等。因此，系统的建模能力和对模型的应用能力在很大程度上决定了场景化预测结果的有效性。

过去，无论是手工模式下的Excel表格，ERP中的预算模块，还是专业预算软件，均无法支撑起精准的场景化预测对模型的需求。以功能性、专业性相对较强的预算软件为例，尽管其基于传统BI，可以支持复杂的运算过程和对数据的实时控制与分析，但基于传统技术架构的系统主要提供固定格式的报表工具，报表数据滞后，且牵一发而动全身，无法基于业务场景的变化做出快速响应，更无法适应具体业务端的个性化需求。

而智能技术架构下全新的数据中台具备智能快速建模能力，可基于智能数据研发开展在线数据建模、基于智能算法进行统一画像和构建公共数据模型。借助强大的建模和计算引擎，企业可构建场景预测体系，快速制定特定业务场景的经营计划，及时响应复杂业务的变化并做出快速调整，并使用诸如神经网络、规则归纳等技术发现数据之间的关系，做出基于数据的推断。举个例子，基于新技术，制造企业可根据实际情况设计机器学习算法，搭建模型进行智能化的库存优化、销售预测和产销平衡。

最后，新技术可实现对场景化预测数据的可视化展现。

场景化预测的价值不仅仅由预测的数据和模型所决定，还与预测数据的展现方式密切相关。过去，我们习惯用一张张数据表单呈现预测结果。这些布满数据的图表看似具体细致，却大大提高了管理人员的解读难度，从而降低了决策效率。管理人员可能需要花费大量时间在一张张预测报表中，努力从一堆堆的数据中发现问题，以做出正确的决策。

大道至简。如今，借助智能技术和前端数据分析技术，管理者可以获取到更简洁、更直观、更及时的可视化预测信息。这些信息经由电脑基于对使用者的需求进行筛选后，集中通过一张作战大屏得以展现。管理者可以基于场景化的大屏作出战略决策和经营管理决策，这将大大提升管理者的数据认知效率，提高决策的及时性和准确性。

场景化预测的未来

可以说，场景化是预算管理发展的必由之路，也将彻底改变预算管理的面貌。一旦预算管理从贯穿企业业务全过程、全内容的场景化，拓展到不同部门业务过程的场景化，我们将会看到，预测的数据变得更及时、更精准、更智能、更易用。将业务数据化、场景化的预测，正在联接企业的现在与未来。

让我们来看看以下几个场景：

场景一：“李总，东区有一个新地块拟竞拍。但是我们和运营部门经过初步评估后，意见有分歧。请您决策一下咱们是否要参与竞拍。”月度汇报会上，某房地产集团投资部的张经理拿出一叠资料，认真地做着汇报。李总越听眉头拧得越紧。“目前的信息有点散乱，可能大家还要努努力，把数据做得更细致一些，目前我也不好下结论。”李总最后说。

投资能力是房地产企业的核心竞争力之一，投前管理则是房地产企业运营管控中的重要环节。面对一个新地块，企业要不要拿地，以何种代价拿地，拿地后如何开发，都必须依靠投前管理。倘若不能进行科学精确的投前测算，企业在新项目拿地和开工的决策中都将失去较为关键的依据。

然而，当前，房地产企业在投前管理中普遍存在管控规则无效、边界不清晰、数据不准确、缺乏历史数据沉淀、缺乏过程监控、投资活动未形成闭环等问题，投前管理的不准确、不及时，部门打架、拍脑门等现象时有出现。

通过构建投资测算系统，企业可针对各拟拿地项目进行全周期规划，测算项目的现金流和盈利指标，辅助企业判断投资项目的可行性。

在上述房地产集团的会议场景中，如果应用了投前测算，企业就可以基于历史数据，结合该地块的基本情况以及运营部门对该地块的初步规划和推进节奏等，充分考虑项目成本、融资渠道、销售进度等因素的不同情况，通过对基础数据的多版本敏感测算，自动生成不同版本的模拟投资测算表和现金流量测算表，为管理层提供是否拿地的快速决策支持。

场景二：某养殖公司的销售员小王最近有点懒散。受猪瘟的影响，他的好几个稳定客户都纷纷暂停了配货计划。这令他陷入了靠天吃饭的无奈。按照年初制定的绩效政策，这季度的奖金肯定是泡汤了。“反正再努力也没用！”这样一想，小王更是对拓展客户的事提不起精神。

销售绩效是大多数企业年度运营支出的重要组成部分。但是，当前大部分企业仍采用EXCEL进行销售计划及激励的管理，低效且错误频发，而且规则总是简单的“一刀切”，缺乏灵活性，无法快速响应市场环境的变化，制造了销售人员与运用、财务和人力之间的矛盾，影响人员士气和团队稳定性。

通过开展基于销售人员绩效的场景化预测，企业不仅可以基于自动处理流程更好地控制销售佣金发放，从而提高效率，减少错误并获得实时的结果；还能不断修正模型和实施新的佣金政策，以适应不断变化的业务需求。

销售绩效预测系统可以对接全面预算管理系统、CRM及财务相关系统和HR员工管理系统，将目标分解至销售个人、执行过程分析、及时对销售人员及薪酬情况进行掌握和调整。

采用内存计算多维数据库的底层技术，预测系统可支撑佣金规则的复杂化，如将是否新扩展客户，客户行业、成单周期等等因素纳入佣金规则管理体系；将“悬赏制”、“临时激励”等规则纳入销售人员的激励计划中。同时，系统还能灵活实时地修正模型和修改佣金规则和政策，并可建立佣金规则推演沙盘用以模拟政策的有效性。

销售绩效预测系统还可以支持多维度过程分析和结果查询工作的开展。比如销售人员可实时通过系统查询到各类产品的销售数据和目标的预实对比，也可以了解客户或行业在不同产品上的销量趋势，从而分析未来的销售行为等。管理层也可通过可视化大屏深入了解当前佣金政策的运作情况，对未来的销售佣金策略调整做出准确预测。

试想一下，如果小王的公司采用了对销售绩效的场景化预测，那么，系统完全可以对猪瘟事件做出及时响应，通过猪瘟期间销售人员的目标业绩以提升销售人员的积极性，通过调整制定后期的销售策略以降低不利事件对销售业绩的影响。如果小王们发现，尽管猪瘟对业绩造成了实际影响，但公司已经考虑到这部分因素的影响，并据此调整了绩效目标，那么，小王们必然不会消极怠工，而会在弱势中依然不放弃开发客户的努力。

场景三：“这款衣服在B区还有5000件库存，可是在A区一周前就卖断货了，你们都是怎么配货的！”面对3月各门店的销售数据，某大型时尚品牌服装公司的赵总大发雷霆！

服装销售具有很强的季节性、地域性和配套性，对预测的时效性和协调性有很高的要求。多数连锁经营门店难以准确把握补货结构、数量和时间。同时，滞销库存又极大影响企业盈利。这一难题源于不确定的销售和有限供应之间的矛盾。企业如何无法及时准确预测市场需求和产品生命周期的变化，并据此匹配需求计划和供应计划，就会如上述服装公司一样，陷入滞销和缺货并存的窘境。

不仅仅只有服装企业正面临供应链的挑战。事实上，所有企业的供应链人员都在面临更快的产品迭代、更个性化的产品诉求及更高的产品品质要求。为及时响应客户需求，企业供应链端通常会陷入各种突发事务，“救火式”调整生产、采购等供应链决策已成为很多企业常态。

在供应链管理场景中，引入智能预测决策系统可以高效地解决上述难题。智能供应链预测决策系统是在达到企业盈利、效率、竞争等要求下持续的满足市场需求的总体销售和生产等计划，它包含决策层以要货预测、产能限制、库存安排等为依据定期协同销售、生产、采购、计划等部门的一系列管理活动。基于多维度内存计算和大数据平台，企业可重构预测和分析能力，构建全局供应链计划体系，快速制定可行的分销计划，并主动管控供应链风险；通过应用AI大数据技术以及各种优化算法，企业可实现自动补货、自动配货、自动调拨，系统可模拟计算出不同情况下的最优处理方式。

数据已经成为企业最重要的战略资源。但数据的核心要义，并非单纯速度与算法的更快更强，而是充分与场景结合，让企业在对的场景用对的数据，做出对的决策。未来，随着企业数字化转型的推进，企业将逐步实现所有场景数据化。精准的场景化预测数据，将成为企业应对数字化变革的一枚利器。

......