Intelligent forecasting: Bedre prognoser med KI

Presise prognoser er blitt en nødvendighet, ikke et konkurransefortrinn. Og det trengs: I en tid der verdensøkonomien preges av hyppige svingninger, geopolitisk uro og raske endringer i forbruksmønstre, er presise og oppdaterte prognoser viktigere enn på lenge. 

Men med Excel som primærverktøy og manuelle prosesser som standard, kommer mange økonomiavdelinger til kort, mener Elisabeth Martinsen og Paolo Ermolli i CFO Advisory hos KPMG, som nylig publiserte en artikkel om emnet:

– Tradisjonell forecasting er tidkrevende og sårbar. Mange bruker fortsatt regneark som både er utsatt for feil og vanskelig å oppdatere i takt med markedet, sier Martinsen.

Også interessert i budsjettering? Les vårt intervju med Bjarte Bogsnes om beyond budgeting

Dette er intelligent forcasting

Et nytt alternativ vinner nå terreng: Intelligent forecasting på godt norsk. Denne metoden kombinerer kunstig intelligens og maskinlæring på den ene siden, med virksomhetens egne data og eksterne informasjonskilder på den andre siden. Det gir mer presise og fleksible prognoser.

– Det handler ikke bare om å forutsi tall. Det handler om å forstå hva som skaper tallene. Med intelligent forecasting får CFO innsikt i hvilke verdidrivere som faktisk påvirker bunnlinjen, og det gjør beslutningsgrunnlaget betydelig bedre, sier Martinsen.

Ifølge KPMGs egne analyser opplever mange virksomheter i dag økt usikkerhet og kompleksitet. Samtidig øker kravet til fleksibilitet og rask tilpasning. Her mener rådgiverne i KPMG at intelligent forecasting kan spille en nøkkelrolle.

– CFO-rollen er i endring. Fra å være en finansiell kontrollør, er CFO nå en strategisk partner. Men for å være det, må du ha sanntidsinnsikt og evne til å forstå fremtidige scenarier, sier Martinsen.

Med intelligent forecasting kan økonomifunksjonen ta steget fra baksetet til førersetet, mener de to. Det krever endring. Men for de som lykkes, kan gevinsten være betydelig.

Analyse av enda større datamengder på tvers av systemer

Intelligent forecasting gjør det mulig å analysere store datamengder på tvers av systemer og datatyper. Systemet identifiserer mønstre og korrelasjoner som tidligere var skjult. Når for eksempel råvarepriser, kundedata og værprognoser kobles sammen, kan det gi langt bedre forutsigbarhet for produksjonskostnader, etterspørsel og marginer.

– Det er ikke nødvendigvis slik at CFO-en trenger å kunne programmere i Python. Men man må vite hvilke spørsmål man skal stille, og hvordan man kan bruke teknologien til å få bedre svar, sier hun.

Et viktig poeng i implementeringen av intelligent forecasting er datakvalitet. Uten pålitelig data kommer du ingen vei, uansett hvor avansert algoritmen er, mener Martinsen. Derfor handler mye av arbeidet i starten om å rense, strukturere og integrere data fra ulike kilder.

Paolo Ermolli, director i KPMG Norge og en del av CFO Advisory-teamet, mener at intelligent forecasting ikke bare handler om teknologi. Det handler også om kultur.

– Du må ha en organisasjon som er villig til å tenke annerledes. Mange økonomiavdelinger er vant til manuelle prosesser og en lineær rapporteringsstruktur. Intelligent forecasting krever at man åpner opp for iterasjon, simulering og hypotesetesting, sier Ermolli.

Gamechanger for strategisk planlegging

Han peker også på at teknologien muliggjør scenarioanalyser i en helt annen skala enn før. CFO-en kan simulere hvordan ulike hendelser – som renteendringer, valutabevegelser eller skatteendringer – vil påvirke både lønnsomhet og likviditet.

– Dette er en gamechanger for strategisk planlegging. I stedet for å reagere på endringer i etterkant, kan du som CFO være i forkant og legge en plan B – eller C – før du trenger den, sier han.

Ifølge en rapport fra Gartner er selskaper som benytter AI-drevet forecasting 1,5 ganger mer presise i sine prognoser enn de som bruker tradisjonelle metoder. Og presisjon har ikke bare akademisk verdi; det betyr bedre beslutninger, raskere respons og mindre feilmargin i alt fra innkjøp til investeringer.

– Gode prognoser er avgjørende for hele virksomheten. De setter rammene for beslutninger, de identifiserer risiko og de gir fleksibilitet. Når markedet beveger seg raskt, er det ikke de største som vinner, men de mest tilpasningsdyktige, sier Ermolli.

Må investere i teknologi og kompetanse

Men intelligent forecasting implementeres ikke over natten. CFO-området må være villig til å investere i både teknologi og kompetanse. Systemene må kunne håndtere store mengder ustrukturert data. Og ikke minst: De ansatte må trenes i å bruke innsikten til noe mer enn bare rapportering.

– Vi ser at selskaper som lykkes med dette, har en CFO som ikke bare forstår økonomi, men som også bygger bro til IT og forretningssiden. Det er i dette skjæringspunktet at den virkelige verdien ligger, sier Ermolli.

Martinsen er enig. 

– Dette er ikke et kostnadsprosjekt. Det er et verdiskapingsprosjekt. Når du forstår hvilke knapper du kan trykke på for å påvirke resultatet – og hvordan disse henger sammen – da får du en helt annen rolle i virksomheten.