Dynamisk planering: vägen framåt med datadrivna prognoser

Verksamhetsplanering och prognostisering i pandemins kölvatten är nu en akut utmaning för många företag. Lösningen heter dynamisk planering. Här får du 5 konkreta tips hur du ska sätta igång arbetet.

Den dramatiska händelseutvecklingen under 2020 och framåt har satt fingret på bristande förmåga att snabbt agera på förändringar i affärsmässiga och socioekonomiska parametrar för prognoser och handlingsplaner. Osäkerheten kring utvecklingen för de områden som en företagsledning behöver bedöma (ekonomiska trender, kundbeteenden och branschtrender) har ökat markant. Den unika händelseutvecklingen som pandemin förorsakat, kombinerat med avsaknad av data från hur tidigare pandemier påverkat organisationer, har gjort förutsägelser kring framtida utveckling än mer osäkra.

Företagsledningar har tvingats att anpassa sig till pandemins effekter och försöka förutse vilka delar av verksamheten som drabbas hårdast och var återhämtningen kan komma att ske snabbast. I tillägg till det har det krävts en bedömning av de finansiella konsekvenserna av nya arbetssätt som snabb övergång till online- kanaler och nya försörjningskedjor. Dessa utmaningar avslöjar brister i metodik samt i systemstöd för prognos och planering vilket begränsat förmågan att bedöma konsekvenser och effektivaste åtgärder för olika scenarion.
 

De första 5 viktigaste stegen mot datadriven planering är: 

1. Initiera ett pilotprojekt som utvärderar värdet av datadriven planeringsmetodik 
2. Involvera intressenter för planering tvärs över hela verksamheten
3. Utbilda berörda medarbetare i metodik och systemstöd för att skapa rätt förutsättningar
4. Koordinera utvecklingen mellan ekonomifunktion och ansvariga för data  science
5. Identifiera möjligheter att utnyttja ny information för beslut och planering som ett led i att förstärka ekonomifunktionens roll som intern rådgivare

Har du fastnat i ineffektiva Excelsnurror?

I en enkät från ett PwC-webinar den 19 juni 2020 svarade 62 procent av deltagarna att deras organisationer använder Excel för planering. Men Excel medför flera begränsningar. Det är tidskrävande och komplext att bygga och kvalitetssäkra modeller och integrera sömlöst med källdata. Det är även svårt att simulera parametrar jämfört med systemstöd som från början är avsett för dynamisk planering. Slutsats: organisationer behöver planeringslösningar som är flexibla, användarvänliga och som kan integrera data från alla delar av verksamheten. 

Moderna systemstöd för prognos och scenarioplanering har funktionalitet som med stöd av artificiell intelligens/machine learning kan identifiera de mest kritiska interna och externa parametrarna i planeringsmodeller ur interna och externa datakällor. En optimal kombination av statistiska modeller kan utformas och testas för att maskinellt skapa prognosförslag som sedan fastställs efter en slutlig manuell bedömning. Resultatet blir att naturlig bias beroende på mänskliga begränsningar kan minimeras, att högsta möjliga kvalitet på prognoser kan uppnås och att ledtider och manuell resursinsats minimeras. Prognoser kan uppdateras vid behov och med den frekvens som är av värde för organisationen.

Har du redan börjat med dynamisk planering? Bra! Fortsätt då med...

Om du redan tagit första stegen mot datadriven, dynamisk planering så är det viktigt att du fortsätter arbetet med utvecklingen med planeringsmodeller med ett fåtal parametrar att simulera. Börja med att:

1.  identifiera ett användningsfall eller en beslutssituation

2.  bygg en planeringsmodell och använd den för att ge insikter,

3.  ta tillvara erfarenheter och skala sedan upp modellen för att täcka in ett större användningsfall. 

Vi på PwC har en lång erfarenhet av datadrivna approacher som effektiviserar ekonomifunktioner. Vi har också konkret erfarenhet av att hantera utmaningarna som uppkommer i kölvattnet av pandemin. Med rätt metodik, verktyg och kompetens för planering kan du förbereda dig bättre för framtiden. Börja med att kontakta oss i dag!