AI e previsione dei ricavi: dove aiuta e dove è solo un grafico in più

    Su una società di servizi con pochi clienti grandi, un modello previsionale sbaglia più di una persona informata. Ma c'è una cosa che fa meglio.

    8 minDirezione e controllo di gestione

    Cosa portare a casa

    Risposta breve

    Nella previsione dei ricavi l'AI rende poco dove ci si aspetta — indovinare il fatturato del trimestre — e molto dove nessuno la cerca: correggere l'ottimismo sistematico delle probabilità assegnate alle trattative, e segnalare le commesse che stanno deviando prima che il consuntivo lo dica.

    Con pochi clienti grandi la previsione dipende da decisioni, non da andamenti.

    L'uso più solido è correggere l'ottimismo delle probabilità con lo storico.

    Il valore vero è il segnale precoce, non il numero finale.

    Data Hub

    CONSOO

    Torna alle guide

    Perché i modelli previsionali deludono qui

    Una previsione statistica funziona quando molti eventi piccoli e indipendenti si sommano. In una società di consulenza succede il contrario: pochi clienti, contratti grandi, e un singolo rinnovo che sposta il trimestre. Non è un andamento da estrapolare, è una serie di decisioni prese da poche persone.

    CondizioneIl modello funziona?
    Molti clienti piccoli e ricorrentiSì, discretamente
    Pochi clienti che pesano moltoNo: dipende dalle loro decisioni
    Storico lungo e stabile
    Catalogo di servizi cambiato di recenteNo: lo storico non è comparabile
    Stagionalità forte e regolareSì, su quella componente
    Crescita rapidaNo: il passato non descrive il presente

    Le righe negative descrivono la situazione tipica di una società di consulenza in crescita, ed è la ragione per cui i cruscotti previsionali generici deludono in questo settore.

    I due usi che invece rendono

    1. 01

      Correggere l'ottimismo delle probabilità

      Le percentuali assegnate alle trattative sono quasi sempre più alte del reale. Confrontando sistematicamente le probabilità dichiarate con l'esito, si ricava di quanto ciascuna fase è ottimista — e la correzione vale più di qualsiasi modello.

    2. 02

      Segnalare le commesse che deviano

      Non prevedere il futuro, ma notare che una commessa consuma ore più in fretta dell'avanzamento, o che un cliente ha smesso di rispondere. Sono segnali che esistono nei dati e che nessuno ha tempo di cercare a mano.

    Cosa chiedere a chi vi propone previsioni

    Domande che smontano una demo

    • Su quanti anni di storico è costruita la previsione, e quanti clienti pesano per la maggior parte del fatturato?
    • Cosa succede se un cliente che vale un quarto del fatturato non rinnova: il modello lo prevede o lo subisce?
    • La previsione tiene conto della capacità di erogare, o solo del venduto?
    • Le probabilità delle trattative vengono corrette con l'esito storico o restano quelle inserite a mano?
    • Il sistema mostra perché prevede un certo numero, o solo il numero?

    L'ultima domanda è quella decisiva: una previsione che non si può ispezionare non verrà usata per decidere, perché nessuno firma un'assunzione sulla base di un numero di cui non conosce l'origine. Per questo hice.ai mostra da quali contratti e trattative nasce ogni riga della previsione: un numero di cui si vede l'origine è un numero su cui qualcuno firma.

    Il metodo che regge senza AI

    • Tre livelli separati: firmato, ricorrente, probabile. Mai un totale unico.
    • Probabilità ricavate dal vostro storico, ricalcolate ogni trimestre.
    • Previsione limitata dalla capacità erogabile del periodo.
    • Confronto mensile tra previsione e consuntivo, conservando entrambe.
    • Revisione delle trattative ferme, che sono la principale fonte di ottimismo.

    Questo metodo, applicato con costanza, batte quasi sempre un modello costruito su dati insufficienti. L'AI aggiunge valore sopra questo, non al posto di questo.

    Risorse collegate utili

    Domande frequenti

    L'AI può prevedere il fatturato di una società di consulenza?

    Con molti clienti piccoli e ricorrenti sì, discretamente. Con pochi clienti che pesano molto no: il trimestre dipende dalle decisioni di poche persone, non da un andamento estrapolabile.

    Qual è l'uso che rende davvero?

    Segnalare le commesse che stanno deviando — ore che crescono più dell'avanzamento, clienti che smettono di rispondere — e correggere l'ottimismo delle probabilità assegnate alle trattative confrontandole con l'esito storico.

    Perché le probabilità sono sempre ottimiste?

    Perché le assegna chi sta seguendo la trattativa e ha un interesse a crederci. La correzione non è una questione di onestà ma di misura: si confronta ciò che era dichiarato con ciò che è successo, e si aggiusta.

    Cosa chiedo a un fornitore che mi propone previsioni?

    Se il modello tiene conto della capacità di erogare, cosa succede se un cliente grande non rinnova, e soprattutto se mostra da dove nasce il numero. Una previsione che non si può ispezionare non verrà usata per decidere.

    Serve l'AI o basta un metodo?

    Il metodo viene prima: tre livelli separati, probabilità ricavate dal proprio storico, previsione limitata dalla capacità, confronto mensile con il consuntivo. Applicato con costanza batte un modello costruito su dati insufficienti.

    Confronta le probabilità che assegni alle trattative con quello che è successo davvero: la correzione vale più di qualsiasi modello.

    CONSOO trasforma idee su software, AI e integrazioni in un percorso tecnico chiaro per PMI.

    • 30 minuti, online
    • Nessun impegno
    • Analisi del tuo caso reale
    • Risposta entro 24 ore