Três formas de melhorar a sua previsão e planeamento de cenários

Novos métodos de previsão e planejamento de cenários baseados em análises sólidas de dados ajudam as empresas a atender às mudanças nas demandas dos clientes devido à pandemia. 

As empresasestão passando para a próxima fase do planejamento para a pandemia, com um olho no período de recuperação e outro em como serão seus negócios e seu setor quando saírem da crise e forem além dela. Mas o futuro é um ponto cego para muitas empresas. Os métodos anteriores de previsão de negócios, baseados na demanda passada dos clientes, não são mais suficientes. As suposições anteriores devem ser questionadas e, em alguns casos, consideradas inválidas.

Para empresas que não alteram seus métodos de previsão para atender à demanda em mudança, o planejamento de cenários tanto para operações de curto prazo quanto para alocação de capital a longo prazo será fatalmente falho.

Durante um recente webcast da EY sobre previsão de cenários de recuperação, apenas 9% dos participantes disseram estar "muito confiantes" na capacidade de sua empresa de prever a demanda por produtos ou serviços. Na verdade, 35% disseram que não estavam "nem um pouco confiantes" ou "não muito confiantes".

A recuperação será impulsionada por fases clinicamente definidas

A falta de confiança é justificada. Ao contrário das crises passadas, a crise atual é tanto econômica como médica. A recuperação da COVID-19 passará por fases medicamente definidas; um plano de três anos pode mudar em três dias, com base em quando a propagação do vírus desacelera (agora), quando as empresas podem acelerar a reabertura, especialmente porque os protocolos de teste e rastreamento podem ser colocados em prática (a seguir) e, eventualmente, quando há imunidade, seja através de vacinas ou imunidade do rebanho (além). Mesmo além da recuperação médica, o movimento e as interações humanas podem retornar, mas em padrões e formas completamente diferentes que mudam indústrias inteiras para novos modelos.

O desafio é que a intensidade e a duração de cada fase ainda não é clara, e veremos mudanças na demanda dos clientes em cada fase. Para se preparar para essas mudanças, a previsão deve se tornar uma competência essencial, com ênfase na análise de dados de múltiplas e às vezes novas fontes para entender não apenas os planos de seus clientes, mas também a mudança potencial em quem são seus clientes e como você entrega valor a eles. Isto significa que esperar que o mercado volte às condições normais como se fosse um retorno em V, U, L ou W às curvas de demanda pode perder as maiores mudanças que acontecem no mercado.

As empresas podem tomar várias medidas para alterar a forma como fazem as previsões.

Mude a forma como você olha para o seu cliente

O comportamento do cliente e o potencial de gastos estão mudando de forma dinâmica em muitos setores. A questão chave é qual dessas mudanças se tornará permanente e quanto tempo as mudanças temporárias durarão. Quando os consumidores estarão dispostos a viajar de avião, desfrutar de uma refeição em um restaurante ou se reunir em um cinema? Será que as empresas poderão pagar o aluguel e que as empresas reduzirão o espaço do escritório a longo prazo? Os pacientes estarão dispostos a ir a um hospital para uma cirurgia eletiva?

Na sondagem EY webcast, 77% disseram que as mudanças no comportamento dos clientes eram o principal risco para a sua empresa quando se trata de previsão, significativamente mais do que aqueles que identificaram restrições de liquidez e capital (a próxima resposta mais frequente).

Sabendo que os seus clientes se tornaram ainda mais importantes à medida que as suas circunstâncias e comportamento mudaram massivamente, como devem as empresas adaptar-se?

Altere suas técnicas de análise de dados

A informação utilizada no passado pode ter-se tornado demasiado estática, demasiado imprecisa ou já não ser previsível. Por exemplo, os preços baixos do gás normalmente se correlacionariam com o aumento do tráfego de restaurantes, mas essa relação obviamente se desmoronou.

Em algumas empresas, a análise de mídia social pode ser usada para melhorar a previsão de dados. Dados externos sobre pontos críticos de pandemia, dados meteorológicos, regulamentações governamentais, dados de mobilidade, sentimento do consumidor e outras medidas podem ser executados por meio de regressão ou modelos de rede neural de inteligência artificial (IA) mais avançados para ver o que pode ser melhor usado para aumentar e informar as previsões da empresa.

Uma empresa de consumo com a qual trabalhamos com brainstormed para decidir que dados precisavam para aumentar os seus dados típicos de vendas sindicalizadas e outros inputs para desenvolver uma previsão mais precisa e atempada. Entre os inputs que eles escolheram estavam dados meteorológicos, dados de torres de celulares, menções de mídia social de seus produtos e dados de desemprego no nível de código postal. A sua equipa financeira realizou então uma análise de regressão para ver quais as métricas que mostrariam a causa. O resultado foi previsões mais precisas que agora são atualizadas em horas, ao invés de semanas.

Identificar onde se encontram os dados e "libertá-los"

Durante nosso webcast, 44% dos participantes disseram que o acesso a dados significativos e de qualidade era um de seus maiores impedimentos para uma previsão precisa e oportuna. Quando os que responderam "todos os acima" estão incluídos, mais de três quartos dos participantes viram o acesso a dados significativos e de qualidade como uma questão significativa.

Em alguns casos, como mencionado acima, a razão é provável que os dados nos quais eles confiaram no passado não sejam suficientes para o futuro. Mas também sabemos que, em alguns casos, os dados são difíceis de acessar porque são criados e armazenados em unidades de negócios, geografias e funções organizacionais e, muitas vezes, fora dos sistemas da corporação.

As empresas precisam de estabelecer uma cultura de partilha rápida de dados em toda a organização e colocar os sistemas, tais como painéis de controlo e sistemas de alerta centralizados no local. Estes sistemas podem atualizar regularmente os dados para as equipas financeiras e de previsão estratégica, identificar quando os pressupostos fundamentais podem ter-se tornado questionáveis e permitir que os principais decisores façam escolhas informadas mais rapidamente.

Sempre faça previsões com seus dados

As empresas normalmente gastam 80% do seu tempo em planejamento financeiro e 20% em análise. Isso precisa ser invertido no ambiente atual.

Uma vez que uma empresa tenha definido as entradas de dados necessários e as formas de liberar esses dados dos silos organizacionais, eles podem:

1. Estabeleça uma equipe exclusivamente voltada para a previsão.
   Uma equipe multifuncional pode estabelecer um processo para atualização contínua dos dados e avaliação contínua dos choques de demanda e oferta. O uso de uma abordagem de equipe colaborativa ajuda a fornecer uma modelagem robusta e habilitada para cenários, que é baseada em fatos e apoia a tomada de decisões em tempo real.
2. Evoluir os sistemas de dados para que os dados possam ser atualizados automaticamente.
   Inicialmente, a inserção de todos os dados necessários exigirá uma atualização diária ou semanal. Como as empresas liberam capital para atualizar para diferentes soluções tecnológicas, elas podem passar para uma automação rápida e uma visão melhorada.
3. Não se esqueça do longo prazo.
   Os métodos de planejamento de cenários precisam estar alinhados à estratégia de alocação de capital. A previsão deve analisar o balanço patrimonial, bem como o P&L, de forma integrada. Além de monitorar a liquidez, há decisões de alocação de capital que ajudarão as empresas a prosperar após uma crise. O capital precisará ser realocado entre as unidades de negócios em vários cenários de recuperação? A empresa terá o capital necessário para investir em novas tecnologias ou em aquisições adicionais e, ao mesmo tempo, manter ou aumentar os dividendos ou as recompras de ações?

Como exemplo, a Ernst & Young LLP está trabalhando com uma empresa global de life sciences para reimaginar a indústria. Independentemente das tendências e previsões atuais, a expectativa é que o mercado pós COVID-19 esteja em um caminho de crescimento totalmente novo em termos de comportamento do consumidor, níveis de gastos, segmentos e inovação de produtos e serviços.

Cenários previstos usando uma abordagem de retorno futuro (observando as expectativas futuras para o estado dos negócios e, em seguida, trabalhando para trás) agora estão sendo usados para identificar e desafiar as suposições em que os modelos de receita pós-COVID-19 provavelmente serão diferentes do passado. Esses cenários são usados para tomar decisões revisadas de alocação de capital e investimento atualmente.

A combinação de previsões mais profundas para hoje com uma abordagem de futuros cenários proporciona uma visão mais completa dos cenários, ajudando uma empresa a melhor definir expectativas com investidores e operações de negócios para o planejamento e gestão de risco.

Um programa de previsão robusto deve ajudá-lo a responder a essas perguntas das partes interessadas e da diretoria:

• Quanto da sua demanda você espera voltar e quando?
• Como o comportamento do cliente irá mudar?
  
• Quando é que se pode trazer de volta os trabalhadores furados?
  
• Existem necessidades imediatas de liquidez a curto prazo?
  
• Quantas semanas de dinheiro você deve ter em mãos?
  
• Algum dos seus fornecedores está em risco de falência?
  
• O que você está fazendo para ter certeza de ter estabilidade na sua cadeia de abastecimento?
  
• Você deve manter mais inventário?
  
• Vai precisar de angariar capital a longo prazo?
  

A hora de agir é agora

Felizmente, a nossa sondagem webcast também mostra que as empresas estão a planear uma variedade de passos para melhorar o seu processo de previsão, incluindo permitir um envolvimento mais multifuncional, utilizando novas fontes de dados internas e externas, e melhorar os testes de stress e cenários de limite.