1.算法预测的应用–如今,企业愈发关注算法预测,但是由于缺乏相关能力和知识以及对于先进工具和技术的采用率较低,算法预测推广受到限制。2.计划和报告周期–预算编制周期长于以往,并且目前存在一种观点,认为详细度越高代表准确性越高。目前,自助报告得到广泛应用,但在满足不断提高的响应能力和服务质量期望方面,财务部门依然任重道远。033.新冠疫情影响–在全球新冠疫情期间,计划、预算和预测流程备受关注,因为各组织需要持续地针对不同情况制定计划。在疫情之前,流程、模型和支持技术已经过时,因此,超过60%的受访者现在正计划改变其组织的工作方式。
4.可持续财务–我们必须立即采取行动应对气候变化。考虑到计划、预算和预测在绩效管理和资本分配以推动创新和投资方面发挥着关键作用,将可持续性考虑其中是至关重要的。领先的组织现在正在采取措施,不只是将传统的财务指标作为管理信息的一部分,而是确保可持续性指标和措施纳入到他们的计划过程中。
5.工具和技术运用–电子表格仍然占主导地位,但在计划、预算和预测方面使用电子表格的情况正开始减少。通过一组完全不同的电子表格,很难实现基于数据驱动的预测算法以快速模拟场景和连接整个组织的计划的愿望。企业现在也越来越多地使用一种以上的工具——在大多数情况下,这是因为各部门在云端自行采购工具。
算法预测的应用科技进步、数据激增以及计算能力加速发展推动企业开始关注先进工具和技术。时下新兴的一项技术是算法预测——依靠历史数据和统计模型来预测未来可能发生的事件。现代计算能力可以推动数据收集、存储和分析实现提速降本。许多企业一直认为预测过程非常耗时,预测以电子表格为基础,对外部驱动因素的使用有限。
四分之三的企业仍然使用电子表格来编制计划、预算和预测,算法预测暂未得到广泛应用。94%的受访者暂未使用算法预测,30%的受访者表示计划过程更加关注已经发生的事件,而非将会发生的事件。企业对于利用算法预测来补充或部分取代传统计划技术一直犹豫不决,但其确实已经意识到算法预测可以在计划、预算和预测过程中提供重要参考。
担心责任归属和数据质量以及不愿承认算法预测的优势等因素阻碍了企业应用算法预测。大约五分之一的受访者表示他们不愿做出新的尝试;尽管企业正在开展概念验证,但是算法预测暂未得到广泛应用。20%的受访者使用R和Python等先进工具和技术(而非电子表格)开展计划工作。大多数企业主要使用内部和结构化数据执行算法预测,仅约十分之一的企业使用外部数据执行算法预测。只有3%的受访者计划使用机器学习执行算法预测。
对于大多数受访者而言,年度预算编制仍主要着眼于未来一年。然而,许多受访者(27%)认为预算编制需要关注未来三到四年或者更长的时间范围。时间范围将会影响预算编制周期长度,从不到一个月到超过九个月不等。财务计划与分析团队通常负责预算编制。
最常用的年度预算编制方法是自下而上的方法(72%),其次是自上而下的方法(56%)和基于驱动因素的方法(35%)。大多数受访者不止使用一种方法,38%的受访者同时使用自上而下和自下而上的方法,31%的受访者使用三种或三种以上的方法。与2014年调查结果相比,预算编制周期长度有所增加。尽管大多数受访者(57%)能够在三个月之内完成预算编制过程,但是只有5%的受访者能够在一个月之内完成,而2014年的比例为16%。
除此之外,需要大约四到九个月来完成预算编制过程的企业比例与2014年相比有所增加。目前存在一种观点,认为颗粒度越细代表准确性越高。总体而言,53%的受访者按照会计科目表的最低详细程度要求编制预算,其中84%的受访者认为其预算编制颗粒度“适中”。只有1%的受访者认为其预算编制“不够详细”。在颗粒度与准确性之间找到最佳平衡点有助于减少预算编制过程中的多余工作。
不同行业的企业的预算编制颗粒度有所不同,这主要取决于业务性质。消费及工业产品行业以及生命科学与医疗行业的企业倾向于编制更加详细的年度预算以支持运营规划和决策。小型企业更有可能编制详细计划,而大型企业编制的计划通常处于适中详细程度。领先企业正在按行项目确定最合适的详细程度,从而在效率和准确性之间实现平衡