Příklady analýzy citlivosti v LuckyTemplates

Chci se ponořit hlouběji a ukázat vám způsoby implementace některých příkladů analýzy citlivosti ve vašem modelu LuckyTemplates. Celé video tohoto tutoriálu si můžete prohlédnout ve spodní části tohoto blogu.

Analýza citlivosti je velmi důležitým finančním modelem. Pomáhá podnikům předpovídat výsledek určitého scénáře , jako jsou změny zákazníků a nákladů, k celkovým ziskům společnosti.

V předchozím tutoriálu o predikci zisku jsem si prošel náhled příkladů analýzy citlivosti. Pokud si chcete vyzkoušet některé skvělé techniky předpovídání ziskovosti, klikněte na toto .

Ale v tomto tutoriálu se chci zaměřit na některé užitečné příklady analýzy citlivosti ze vzorové zprávy Předpovědi zisku a ponořit se do nich.

Pokud chcete vědět, jak na to, je to přesně to, co vás zde naučím. Dozvíte se také, jak získat procenta v různých osách a jak změnit výsledky na základě některých výpočtů.

Obsah

• Přidání nových parametrů
• Kontrola základního modelu
• Práce na připojení
• Závěr

Přidání nových parametrů

První věc, kterou musíte udělat, je vytvořit čísla, která mohou ovlivnit výsledky uvnitř míry. Jen abyste věděli, toto je velmi důležitá část této analýzy.

Nejprve klikněte na Nový parametr .

Za druhé, musíte vytvořit použitelné parametry pro vaše tabulky v okně Parametr What-if .

Poté můžete vytvořit tabulku podobnou té, kterou jsem vytvořil pro scénáře zákaznických změn se scénáři změny nákladů . Tato tabulka ukáže změny zisku při nárůstu nebo poklesu zákazníků a nákladů.

Tuto tabulku jsem vytvořil předem pomocí vzorce pro nákladové scénáře . Použije tabulkovou funkci GENERATESERIES a poskytne vám tabulku, kterou jste zadali, například scénáře kalkulace.

Vytvořil jsem také tabulku pro scénáře zákazníků, která vypadá takto, stále pomocí funkce GENERATESERIES .

Tyto scénáře jsou založeny na předpokladu, že můžete zvýšit své zákazníky, možná prostřednictvím marketingu. Kromě toho, další věc, kterou je třeba zvážit, jsou ceny komodit nebo směnné kurzy pro prodejce – účinky všech těchto scénářů na celkové zisky jsou to, co zde chci demonstrovat.

Kontrola základního modelu

Po vygenerování tabulek scénářů pak můžete vidět, jak to vypadá, pokud jde o vztahy modelu. Co zde chci prohloubit, jsou modely pro nákladové scénáře a scénáře zákazníků . Můžete si všimnout, že tyto modely ve skutečnosti nemají vliv na základní model.

Dal jsem je jen na stranu, aby bylo jasné, že jsou to jen nosné stoly. Jen to musím začlenit do tohoto prediktivního typu analýzy, kterou budu dělat pomocí nějaké pokročilé logiky.

Jakmile k tomu dojde, opatření skutečně vytvoří spojení a to je klíčový důvod, proč analýza scénářů funguje v LuckyTemplates opravdu dobře . Cílem je zde předpovídat a porovnávat výsledky různých scénářů.

Můžete použít sloupce, jako je ten níže, který pochází z těchto dvou podpůrných tabulek, které jsem zmínil dříve.

Je také možné vytvořit více příkladů analýzy citlivosti, jako je tato tabulka, protože je to míra, která generuje tuto akci. Stačí vložit „co kdyby parametry“, které jsou nastaveny do matice, a propojit je pomocí opatření.

Práce na připojení

Nyní vám ukážu, jak se vzorcem pracovat, a ukážu vám, jak jsou různé míry propojeny.

Za prvé, ve vzorové zprávě mám Profit Forecast a to je pro původní prognózu zisku. Mám také číslo scénáře zisku , které je upraveno na základě „parametru co kdyby“, který jsem měl.

Například došlo k nárůstu zákazníků o 10 procent (10 %) a snížení nákladů o 10 procent (10 %). Jak vidíte, čísla ve scénářích zisku se úměrně zvyšují na 27 milionů dolarů. Uvedené číslo je výrazně nad mou prognózou a v rozdílu ziskového scénáře. číslo; můžete vidět rozdíl mezi mou původní prognózou a prognózou scénáře.

Nyní jsou zmíněná opatření to, co lze vidět v tabulce Analýza citlivosti scénáře . Abychom to shrnuli, číslo ve scénáři zisku je určeno parametry pro zákazníka a nákladovým scénářem. 

V tabulce scénáře změny zákazníka vs scénáře změny nákladů můžete vidět, že rozdíl ve výsledcích ve výši 6 milionů USD se ve skutečnosti shoduje s touto částí tabulky.

Jsem si jistý, že tam vidíte souvislost. To je jen několik příkladů analýzy citlivosti, ze kterých se můžete skutečně poučit.

Závěr

Doufám, že to funguje a funguje dobře ve vašem modelu. Pokud se chcete dozvědět více o tom, jak toto vše nastavit a jak odvodit předpověď, překrýt své scénáře a vyřešit rozdíly, podívejte se na níže uvedenou relaci.

Pokud máte nějaké myšlenky nebo zpětnou vazbu k těmto příkladům analýzy citlivosti, dejte mi vědět v komentářích.

Hodně štěstí!