Finansiel prognosticering 101: Få et kig ind i din virksomheds fremtid

Økonomisk prognosticering er som at få sin økonomiske fremtid spået af en håndlæser, men langt mere pålidelig. Du indtaster et par rimelige antagelser i et prognosticeringsværktøj, og det kan fortælle dig, hvordan din resultatopgørelse, balanceopgørelse og andre regnskaber vil se ud på en bestemt dato i fremtiden.

Dine faktiske regnskaber vil sjældent ligne dine forventede regnskaber, men det er okay—ideen er at komme så tæt på som muligt. I denne guide hjælper jeg dig med at forstå de modeller, metoder og processer, du kan bruge til at udarbejde en prognose for din virksomheds økonomi.

Hvad er økonomisk prognosticering?

Økonomisk prognosticering henviser til praksissen med at estimere virksomhedens økonomiske position baseret på nøgletal som omsætningsvækst, churnrate og avancemarginer. 

CFO'er og økonomiteams er afhængige af prognoser, når de skal træffe økonomiske beslutninger om budgetlægning, forretningsplanlægning, ressourceallokering og den overordnede forretningsstrategi.

Estimater, der bruges i en økonomisk prognose, udarbejdes ved hjælp af historiske data og en vurdering af virksomhedens fremtidige økonomiske udsigter. Det er for eksempel rimeligt at estimere en positiv omsætningsvækst i fremtiden, hvis din virksomheds vækst er accelereret i løbet af de seneste to år, og der er stor efterspørgsel efter din SaaS.

Du kunne gå videre og estimere tallene for hver enkelt linjepost i resultatopgørelsen, balanceopgørelsen og pengestrømsopgørelsen, men generelt afhænger den tid, du bruger på hver post, af formålet med prognosen.

Du kan opstille brede antagelser for alle linjeposter, hvis du udarbejder en prognose for at få et generelt overblik over din økonomiske position, men hvis du udarbejder en prognose for økonomien forud for en fusion eller overtagelse, er det vigtigt at være grundig med dine antagelser for alt det, du ser på.

Modeller til økonomisk prognosticering

En prognosticeringsmodel er en systematisk ramme, der bruges til at forudsige økonomiske resultater baseret på historiske data, antagelser og forskellige matematiske og statistiske teknikker.

Note fra forfatteren

Jeg har inkluderet en kort opsummering af prognosticeringsmodeller. Læs den omfattende guide til prognosticeringsmodeller for at få en dybdegående gennemgang.

Prognosticeringsmodeller kategoriseres overordnet som kvalitative og kvantitative.

Kvalitative prognosticeringsmodeller

Kvalitative prognosticeringsmetoder er baseret på ekspertudtalelser og vurderinger. De to mest populære kvalitative prognosticeringsmetoder er:

• Delphi-metoden: Delphi-metoden indebærer et samarbejde med brancheeksperter, som kan analysere markedet og forudsige din virksomheds økonomiske resultater. Medmindre du har en særdeles kvalificeret ekspert i dit netværk, anbefaler jeg at bruge markedsundersøgelser eller endnu bedre en kvantitativ tilgang i stedet.
• Markedsundersøgelser: Markedsundersøgelser hjælper dig med at udarbejde prognoser for økonomien baseret på konkurrence, forbrugertrends og økonomiske forhold. 

Kvantitative prognosticeringsmodeller

Analytikere bruger typisk kvantitative prognoser, fordi de er mere objektive. Kvantitative metoder kan yderligere kategoriseres som tidsseriemetoder og sammenhængsmetoder. Her er eksempler på begge:

• Tidsserier:
  • Lineær fremskrivning: Den lineære metode anvendes, når du mener, at tidligere tendenser vil fortsætte. Hvis din omsætning for eksempel er vokset med 5 % om året i løbet af de seneste tre år, og du forventer, at omsætningen vil vokse med 5 % det næste år, skal du bruge den lineære metode.
  • Glidende gennemsnit: Metoden med glidende gennemsnit bruger gennemsnittet af de foregående perioder til at lave en prognose for økonomiske resultater på kort eller mellemlang sigt.
  • Eksponentiel udjævning: Eksponentiel udjævning minder om modellen med glidende gennemsnit, bortset fra at de seneste perioder vægtes højere ved beregningen af gennemsnittet. Hvis omsætningsvæksten for eksempel var 5 % i 2022 og 8 % i 2023, kunne du tildele 8 % en vægt på 0,6 og 5 % en vægt på 0,4 for at beregne gennemsnittet, som ville være 2,6 %.
  • Trendfremskrivning: Trendfremskrivning indebærer brug af historiske data og statistiske metoder til at identificere og ekstrapolere tendenser for at forudsige fremtidige værdier. Analytikere bruger typisk metoder som mindste kvadraters metode, Box-Jenkins og skønsmæssig prognosticering til trendfremskrivning.
• Sammenhængsbaserede metoder:
  • Simpel lineær regression: Simpel regressionsanalyse hjælper med at undersøge forholdet mellem en afhængig variabel (som salg) og en uafhængig variabel (som annonceforbrug). Forholdet (udtrykt som et tal) bruges til at forudsige fremtidige værdier.
  • Multipel lineær regression: Multipel regressionsanalyse hjælper med at undersøge forholdet mellem én afhængig variabel og flere uafhængige variabler. Vi kunne for eksempel tilføje kundeloyalitet som endnu en afhængig variabel i eksemplet med simpel lineær regression. Ligesom ved simpel lineær regression udtrykkes forholdet som et tal, der bruges til at forudsige fremtidige værdier.

Sådan laver du en økonomisk prognose

Der er et par yderligere ting, du skal tage stilling til, før du åbner dit Excel-regneark og laver en prognose for din virksomheds regnskaber. Her er en trinvis proces til at lave en økonomisk prognose:

Fastlæg formålet

Når du arbejder målrettet, kan du fokusere på det, der betyder noget. Laver du en prognose for dine regnskaber for at se, om du har penge nok? Eller er det, fordi du planlægger et salg og vil værdiansætte virksomheden?

Indsaml historiske data

Hvis du har drevet virksomhed i et par år, findes næsten alle de data, du har brug for – som omsætning, indtjening og vækst – i dine regnskaber.

Tre til fem års historiske data er ideelt, men du kan få brug for at anvende historiske data fra et større antal år afhængigt af faktorer som:

• Prognosehorisont: Du har brug for flere historiske data for at opfange tendenser, hvis du laver en prognose to eller tre år frem. Kortere prognoser kræver derimod nyere data.
• Dataenes relevans: Ældre data fra perioder med væsentlige ændringer i dit produkt, din forretningsmodel eller markedsforholdene er ikke lige så relevante som nyere data, der mere præcist afspejler din nuværende virksomhed.
• Stabilitet og konsistens i dataene: Brug en længere historisk periode, hvis din virksomheds resultater eller markedsforholdene har været udsat for betydelige udsving.
• Markedsdynamik: Er branchen underlagt hurtige forandringer? Hvis den er, skal du fokusere mere på nyere data.

Hvis du er en startupvirksomhed og ikke har historiske data, kan du overveje at bruge en kvalitativ prognosemodel eller branchebenchmarks fra SaaS Capital og lignende kilder.

Fastlæg en tidsramme

Hvor langt ud i fremtiden vil du lave en prognose for dine regnskaber? Ét år er et ret almindeligt valg, men du kan vælge en anden tidsramme ud fra dine specifikke behov.

Hvis du for eksempel vil rejse kapital om seks måneder, skal du lave en prognose for dine regnskaber for de næste to kvartaler. Du kan også vælge at lave en prognose for en periode på ét år for at forstå, hvordan tilførsel af ny kapital vil ændre din kapitalstruktur og på anden måde påvirke din virksomhed.

En ting, du skal være opmærksom på, når du fastlægger tidsrammen, er, at nøjagtigheden falder, når du øger tidsrammen fordi der er mere tid til, at uafhængige variabler som økonomien kan ændre sig. Det virker måske indlysende, men det overses ofte.

Afvigelsen mellem prognoseresultater og faktiske resultater kan være betydelig ifølge en rapport fra KPMG:

Vælg en prognosemetode

Ingen enkelt metode vil være den bedste i alle tilfælde; vælg en økonomisk prognosemetode, der opfylder formålet med din prognose.

Den lineære metode kræver færre ressourcer, hvis du blot ønsker en generel idé om fremtidige indtægter og overskud baseret på forventede abonnementer og fornyelser næste år.

På den anden side kan lineær regression være et bedre valg, hvis du planlægger en større ændring af din driftsomkostningsstruktur for at opnå overskud i løbet af det næste år.

Når du har valgt den bedste prognosemetode til dit formål, skal du udarbejde pro forma-regnskaber ved hjælp af denne metode. Brug disse regnskaber som grundlag for økonomisk planlægning og strategisk beslutningstagning.

Professionelt tip

\u003cspan style=\u0022font-weight: 400;\u0022\u003eAlle kvantitative metoder fokuserer på tidligere resultater, hvilket ikke altid er en pålidelig måde at vurdere virksomhedens fremtidige økonomiske position på. \u003c/span\u003e

\u0026nbsp;

\u003cspan style=\u0022font-weight: 400;\u0022\u003eHvis du kombinerer en kvalitativ metode, såsom erfarne lederes fremsyn, med dine antagelser, får du mere præcise prognoser.\u003c/span\u003e

Analysér prognosen

Se på tallene, og vurder, om de fortæller en historie, du kan lide. Hvis de gør, er det et godt udgangspunkt. Hvis ikke, skal du finde ud af hvorfor.

Prøv at få øje på potentielle skurke i historien – for eksempel mangel på tilstrækkelige likvide midler til vækst – ved hjælp af hvad-nu-hvis-scenarier.

Eksperimentér lidt, og stresstest tallene for at forstå indvirkningen af uafhængige variabler som økonomien på vigtige nøgletal.

Lad os se på et sandsynligt scenarie.

Antag, at det oprindelige formål med prognosen var at se, om virksomheden kunne opleve en likviditetskrise i det næste kvartal. Prognosen viser, at du vil forblive likvid gennem hele kvartalet, men at din likvide beholdning vil falde fra det nuværende niveau.

Det er et problem… men ikke noget, der kræver panik.

Med disse oplysninger går du ind i den forventede pengestrømsopgørelse for at se, hvor pengene forsvinder. 

• Hvis du mister penge på driftsaktiviteter, er det et alvorligt problem, da det signalerer, at din drift ikke genererer tilstrækkelige likvide midler.
• På den anden side kan den likvide beholdning også blive reduceret, fordi du planlægger at investere i et nyt aktiv eller afdrage gæld. Det er et langt lettere problem at løse, fordi anlægsinvesteringer og gældsafdrag ikke er tilbagevendende aktiviteter.

Nytten af din prognose – selv hvis alt i den er korrekt – afhænger stadig af, om du bruger dataene hensigtsmæssigt.

Overvåg de faktiske tal

Når du har prognosen, skal du holde styr på dine faktiske regnskaber og sammenligne dem med prognosen.

Bevæger de faktiske tal sig som forventet i retning af prognosen?

Hvis ikke, bør du undersøge forskellene gennem afvigelsesanalyse, så du kan forberede dig på potentielle problemer, før det er for sent.

Eksempel på økonomisk prognose

Lad os gennemgå et forenklet eksempel på, hvordan økonomiske prognoser fungerer.

Antag, at du ønsker at lave en prognose for din resultatopgørelse for det næste kvartal. Du forventer en betydelig stigning i efterspørgslen som følge af en ny, effektiv marketingkampagne.

Du forventer, at indtægterne vokser med 20 %, og du vil lave en prognose for resultatopgørelsen for at se, om virksomheden vil opnå overskud ved udgangen af kvartalet.

Her er dataene fra resultatopgørelsen for regnskabsperioden, der sluttede i 3. kvartal 2023:

Sådan kan den finansielle model se ud, hvis man antager en omsætningsvækst på 20 % og antager, at de driftsmæssige og ikke-driftsmæssige omkostninger forbliver uændrede:

Med den stigende efterspørgsel kan virksomheden blive lønsom i løbet af det næste kvartal.

Jeg vil gerne understrege, at dette er et forenklet eksempel, der illustrerer, hvordan du kan lave en prognose for et regnskab. Jeg har antaget, at de driftsmæssige og ikke-driftsmæssige omkostninger forbliver uændrede, hvilket sjældent er tilfældet i virkeligheden.

Hvis du føler dig klar til at begynde at lave prognoser for dine regnskaber, hvorfor så ikke prøve at bygge en model med tre regnskaber?

Prognosesoftwarets rolle

Jeg ville forsømme min pligt, hvis jeg ikke nævnte, hvor meget nemmere det hele kan blive med god teknologi.

Prognosesoftware gør processen hurtig og enkel, og de bedste løsninger integreres med regnskabssoftware for automatisk at hente historiske data for det antal år, du vælger. En anden fordel ved prognosesoftware er, at den også tilbyder indbyggede funktioner som salgsanalyse og efterspørgselsprognoser, der hjælper dig med at opstille databaserede antagelser om fremtiden.

Prognosesoftware har eksisteret i et stykke tid. Det, der er på vej, er endnu mere spændende – AI-først-FP&A-værktøjer står på tærsklen til at revolutionere den måde, FP&A-teams laver prognoser for finansielle data på.

AI-modeller kan bruge historiske data til at opstille antagelser om fremtiden og generere prognoser på få sekunder. Selvom disse prognoser stadig kræver en CFO's indsigt, gør de processen betydeligt hurtigere og sparer økonomiteamet værdifuld tid.

"AI-modeller vil automatisk danne grundlag for eller generere prognoser baseret på historiske data og tendensdata og dermed give økonomiteams et udgangspunkt, hvorfra de kan tilpasse planerne med deres kontekst og vurdering af forretningsmæssige og økonomiske forhold. Økonomimedarbejdere udarbejder altså ikke længere prognoser fra bunden; de finpudser og kvalitetssikrer dem, hvilket forkorter prognoseprocessen drastisk."

-Oracle

Klar til at få læst din fremtid?

Finansiel prognosticering kan føles vanskelig første gang. Det kræver færdigheder, erfaring og fremsynethed at opstille rimelige antagelser om fremtiden – og det er noget, der kommer med tiden. 

Men den anden, mere mekaniske del af prognosticeringen – at bygge en model – er nem at automatisere ved hjælp af software. Jeg anbefaler, at du lader softwaren tage sig af at bygge en model, så du kan fokusere på de strategiske aspekter af finansiel prognosticering.

Og husk, at din finansielle prognose ikke er mejslet i sten. 

Når du har prognosen, kan du ændre dine antagelser for at vurdere din økonomiske situation under forskellige scenarier. Brug denne indsigt til at minimere risici og styrke din økonomiske position.

Hvis du derimod er interesseret i at analysere resultaterne af dine historiske data, vil software til finansiel analyse være bedre egnet til dette formål.

Klar til at udbygge dine evner som leder inden for økonomi? Tilmeld dig vores nyhedsbrev for at få ekspertrådgivning, vejledninger og anbefalinger fra de økonomiledere, der former teknologiindustrien.