Do reporting à previsão: o que uma equipa precisa antes

Os conselhos de administração pedem previsões rolling com mais frequência do que antes, e as equipas financeiras respondem comprando ferramentas de previsão. Esta é normalmente a ordem errada. Uma ferramenta de previsão é um multiplicador da qualidade daquilo que a alimenta, e a maioria das funções financeiras do mid-market que pede uma ainda não construiu aquilo que a tornaria valiosa: um fecho que termine com tempo suficiente dentro do mês para olhar para a frente, e dados históricos suficientemente limpos para modelizar sobre eles.

O resultado, previsivelmente, é uma previsão que repete os valores reais do mês anterior com uma taxa de crescimento aplicada, apresentada com mais confiança do que os dados subjacentes merecem. Não é uma crítica às ferramentas, que em geral fazem aquilo que prometem. É um problema de sequência: a analítica preditiva amplifica a disciplina que já existe na função de reporting, em ambas as direções.

Por que razão isto importa

A procura de informação prospetiva aumentou de facto. Financiadores, investidores e conselhos que se contentavam com valores reais trimestrais esperam agora rotineiramente previsões rolling mensais, e a distância entre o que é pedido e o que a maioria das funções financeiras consegue produzir com credibilidade é grande.

O custo de fechar mal essa distância é concreto. Uma previsão apresentada com uma confiança injustificada e depois falhada de forma material danifica a credibilidade da função financeira por mais tempo do que o próprio desvio sugeriria: um conselho a quem foi dada uma previsão confiantemente errada desconta as várias seguintes, mesmo que sejam melhores. Este é um resultado pior do que não fazer previsões nenhumas.

Há também um custo interno. As equipas financeiras pressionadas para produzir previsões antes de o seu fecho ser fiável gastam esforço a manter duas atividades paralelas — fechar as contas e modelizar o futuro — com a segunda construída sobre alicerces que a primeira ainda não acabou de assentar. Ambas ficam prejudicadas.

Numa vista de olhos: a escala de maturidade

Ler esta tabela de cima para baixo com honestidade vale mais do que qualquer avaliação de ferramentas. A maioria das empresas do mid-market que pergunta sobre software de previsão está em algum ponto das duas primeiras linhas, e a ferramenta não as levará além da terceira sem o trabalho de base.

O que funciona e sobre o que ser honesto

O que funciona:

Corrigir o fecho antes de comprar uma ferramenta de previsão. É a decisão de sequência com maior alavancagem disponível, e é tratada em profundidade noutro artigo desta série. Um fecho de cinco dias não é um extra desejável adjacente à previsão: é praticamente um requisito, porque uma previsão necessita de valores reais recentes e fiáveis como alicerce.

Começar por modelos baseados em drivers antes dos estatísticos. Um modelo construído a partir de um número reduzido de drivers de negócio bem compreendidos — conversão do pipeline, plano de efetivos, economia unitária — é mais útil para uma equipa financeira do mid-market do que um modelo estatístico treinado com padrões históricos, porque pode ser interrogado e ajustado quando o negócio muda. A previsão estatística prova o seu valor com volumes de transações mais elevados e com históricos mais longos e limpos do que a maioria das empresas do mid-market ainda tem.

Capturar os drivers operacionais a par dos resultados financeiros. O histórico de rédito por si só prevê mal o rédito. Os dados de pipeline, volume de encomendas, efetivos e capacidade, capturados de forma consistente, são o que faz uma previsão responder ao que está realmente a acontecer no negócio em vez de ser uma projeção do passado.

Acompanhar a exatidão da previsão como uma métrica de primeira linha. Cada previsão deve ser comparada com o valor real que acaba por se concretizar, com o desvio categorizado por causa. Sem isto, um programa de previsão não tem mecanismo de melhoria nem evidência que mostre se compensa o esforço.

Tratar a previsão como um documento vivo, não como um evento trimestral. Uma previsão rolling atualizada mensalmente contra valores reais frescos é um artefacto diferente e mais útil do que um orçamento anual estático revisitado ocasionalmente. A infraestrutura necessária para isto é em grande medida a mesma que um fecho rápido exige.

Sobre o que ser honesto:

Uma ferramenta de previsão não consegue corrigir um fecho lento ou pouco fiável. É o desajuste de expectativas mais comum nestes projetos. A ferramenta modelizará fielmente os dados que lhe forem dados, com a frequência com que esses dados ficarem disponíveis, e nenhuma sofisticação do modelo compensa inputs desatualizados ou pouco fiáveis.

A previsão estatística e de machine learning necessita de mais histórico limpo do que a maioria das empresas do mid-market tem. Alguns anos de dados categorizados de forma consistente sobre um modelo de negócio estável é um mínimo razoável. As empresas que mudaram de estrutura, de mix de produto ou de tratamento contabilístico dentro dessa janela têm menos histórico utilizável do que o calendário sugere.

Precisão não é o mesmo que exatidão, e as ferramentas de previsão fazem com que isso se esqueça facilmente. Um modelo que produz um valor ao milhar mais próximo não é mais exato pelas casas decimais adicionais, e apresentar falsa precisão a um conselho é um risco de credibilidade concreto e evitável.

A modelização de cenários é valiosa e é frequentemente sobrevendida. Um planeamento de cenários genuinamente útil exige modelos baseados em drivers com sensibilidades bem compreendidas. Comprada antes de esse alicerce existir, produz resultados de aparência plausível a partir de pressupostos que ninguém testou sob stress, o que é pior do que não ter modelo de cenários nenhum, porque parece mais rigoroso do que é.

A mudança organizacional é maior do que a técnica. Prever bem exige que as equipas operacionais forneçam indicadores avançados — pipeline, capacidade, ritmo de encomendas — com uma cadência que a área financeira não pedia antes. Estabelecer esse fluxo de dados é normalmente mais difícil e mais lento do que configurar a própria ferramenta de previsão.

Quadro de decisão: está pronto para prever, e como

Percorra-o por ordem. Pare na primeira correspondência.

1. O seu fecho está de forma fiável abaixo dos dez dias úteis?
Se não, corrija isto primeiro — consulte o quadro do fecho em cinco dias noutro artigo desta série. Nada do que segue importa até os valores reais serem recentes e fiáveis.

2. Os seus dados históricos estão categorizados de forma consistente ao longo de pelo menos dois a três anos?
Se não, isto limita-o a previsão baseada em drivers com dados atuais e prospetivos, em vez de modelização estatística sobre o histórico. Não é uma abordagem inferior: nesta etapa é normalmente a correta de qualquer forma.

3. Captura drivers operacionais — pipeline, efetivos, volume de encomendas — a par dos resultados financeiros?
Se não, comece a capturá-los agora, mesmo manualmente, antes de construir qualquer modelo. Um modelo exclusivamente financeiro construído sem estes dados terá de ser reconstruído quando os dados existirem.

4. Tem um conjunto definido e reduzido de drivers de negócio de que o seu rédito e os seus custos genuinamente dependem?
Se não, resolva isto com as equipas operacionais antes de modelizar o que seja. É um exercício de negócio, não de dados, e determina o que o modelo deve sequer conter.

5. Está a acompanhar a exatidão da previsão contra os valores reais, com o desvio categorizado por causa?
Se não, comece imediatamente, mesmo com uma previsão simples em folha de cálculo. É isto que transforma a previsão de um exercício pontual numa capacidade que melhora.

6. Tudo o que está acima já está instalado — justifica-se agora uma ferramenta de previsão dedicada?
Provavelmente sim, e a seleção da ferramenta deve ser guiada por qual das linhas de maturidade acima pretende alargar — modelização de cenários, previsão estatística, atualização de drivers em tempo real — e não por uma comparação de funcionalidades em abstrato.

7. Ferramenta instalada e as previsões continuam a falhar de forma sistemática.
A ferramenta não é a restrição. Veja se os drivers subjacentes foram corretamente identificados, se as equipas operacionais estão a fornecer os indicadores avançados a tempo, e se o negócio mudou de formas que o modelo não foi atualizado para refletir.

Custo e esforço indicativos

Peça um orçamento para uma avaliação delimitada da sua preparação para prever.

Perguntas frequentes

Conseguimos prever bem sem um fecho rápido?
Apenas num sentido limitado: extrapolando uma tendência de mais longo prazo relativamente insensível ao mês mais recente. Tudo o que exija capacidade de resposta no período corrente necessita de valores reais do período corrente, que é exatamente o que um fecho lento não fornece.

Devemos comprar uma ferramenta de previsão agora para criar dinâmica, mesmo que não estejamos totalmente prontos?
Em geral, não. As ferramentas compradas antes da devida preparação tendem a ser usadas durante um trimestre, produzem resultados decepcionantes porque os inputs não estavam prontos e são discretamente abandonadas — o que torna mais difícil financiar a tentativa seguinte. Um modelo baseado em drivers em folha de cálculo, bem feito, tem melhor desempenho do que uma ferramenta sofisticada alimentada com dados fracos.

Que exatidão de previsão devemos esperar?
Depende muito da volatilidade do negócio e do horizonte da previsão, e não há nenhum benchmark universal que valha a pena citar. A prática mais útil é acompanhar a sua própria exatidão ao longo do tempo e melhorá-la, em vez de a medir contra um valor externo que pode não se aplicar ao seu negócio.

Precisamos de machine learning, ou a previsão baseada em drivers é suficiente?
Para a maioria das empresas do mid-market, a previsão baseada em drivers não é um degrau para algo melhor: é frequentemente a abordagem permanente correta, porque continua interpretável e ajustável à medida que o negócio muda. As abordagens estatísticas e de ML justificam a sua complexidade com volumes mais elevados e com históricos mais longos e limpos do que a maioria das empresas do mid-market tem ou de que necessita.

Como é que isto se liga ao trabalho de aceleração do fecho noutros artigos desta série?
De forma direta e sequencial. O fecho em cinco dias é a infraestrutura de que a previsão depende — valores reais recentes e fiáveis, e o tempo libertado no calendário financeiro para construir e manter um modelo prospetivo em vez de passar o mês inteiro a fechar o anterior.

Fecho — Próximos passos

A previsão não é uma decisão de ferramenta. É o que uma função financeira faz com o tempo e a qualidade de dados que um fecho rápido e fiável disponibiliza. Comprada antes de esse alicerce existir, uma ferramenta de previsão produz uma versão mais sofisticada de um palpite. Construída sobre ele, mesmo um modelo simples baseado em drivers produz algo em que um conselho pode confiar.

O ponto de partida honesto é a escala de maturidade acima: determine em que linha está realmente, não em que linha gostaria de estar, e corrija o que falta por ordem. A maior parte do valor de prever bem é conquistada antes de se comprar qualquer software de previsão.

Sobre o autor

Bruno Galo é o fundador da Atypical Tech, uma consultora de NetSuite que serve clientes do mid-market em toda a Península Ibérica. Especializa-se em ligar sistemas CRM e ERP para fluxos order-to-cash sem atritos, construindo pipelines automatizados de gestão de encomendas que eliminam a introdução manual de dados entre as equipas comerciais e financeiras. Como partner oficial de implementação da Stacksync, Bruno concebe e implementa agentes de IA em plataformas de integração para tratar o encaminhamento de exceções, o processamento de documentos e a reconciliação — transformando fluxos de encomendas fragmentados em sistemas fiáveis que se automonitorizam.

LinkedIn: https://www.linkedin.com/in/brunogd

Fontes

Os URL são a nível de editora e devem ser verificados antes da publicação.

• APQC, Open Standards Benchmarking — medidas dos processos de planeamento, orçamentação e previsão — https://www.apqc.org
• The Hackett Group, investigação de benchmarking financeiro — maturidade em previsão — https://www.thehackettgroup.com
• Oracle NetSuite, documentação de planeamento e orçamentação — https://docs.oracle.com/en/cloud/saas/netsuite/
• Experiência de projetos da Atypical Tech, transformação financeira no mid-market em toda a Península Ibérica