आपका Forecast Plan नहीं है। यह Management Honesty का Test है।

# आपका Forecast Plan नहीं है। यह Management Honesty का Test है। **सीधा जवाब:** Forecast कोई promise, budget या motivational target नहीं है। यह assumptions, evidence, uncertainty और operating signals के आधार पर यह अनुमान है कि आगे क्या हो सकता है। जब founder कोई number मांगता है और team सीखती है कि accuracy से optimism ज्यादा सुरक्षित है, तब forecast theatre बन जाता है। Spreadsheet precise दिखता है। Business नहीं। McKinsey ने 130 CFOs का survey किया: 90 ऐसी companies से थे जिनकी revenue 200 million dollars से कम थी और 40 ऐसी companies से जिनकी revenue 1 billion dollars से अधिक थी। आधे से कम companies अपने forecasts में किसी भी form का non-financial internal data use करती थीं। केवल 35% external market data use करती थीं और केवल 18% weather या traffic जैसे additional signals use करती थीं। लगभग 40% ने कहा कि उनके forecasts खास तौर पर accurate नहीं थे और process बहुत समय लेता था [1]। यह केवल finance problem नहीं है। यह management-design problem है। ## Forecast honesty को measurable बनाता है Forecast बताता है कि leaders क्या होने की उम्मीद करते हैं। Plan बताता है कि company क्या करना चाहती है। Budget resources allocate करता है। Target ambition set करता है। ये अलग instruments हैं। अगर target को forecast की तरह पेश किया जाता है, तो board ambition और evidence के बीच का gap नहीं देख सकता। अगर budget को forecast माना जाता है, तो management नई information पर respond करने के बजाय पुराने assumptions defend कर सकती है। अगर plan को forecast कहा जाता है, तो number को real बनाने के लिए जरूरी choices और dependencies छिप सकती हैं। Decision-grade forecast assumptions को visible बनाता है: * Number होने के लिए क्या true होना जरूरी है? * कौन सा operating signal दिखाएगा कि यह हो रहा है? * Plausible range क्या है? * कौन सी information हमारा view बदल देगी? * Signal बदलने पर action का owner कौन है? Assumptions के बिना number precision नहीं है। यह concealment है। ## Finance-only forecasts क्यों fail होते हैं McKinsey एक common failure pattern बताती है: managers को earnings targets दिए जाते हैं, इसलिए वे number hit करने के एक-दो तरीके खोजते हैं। Quality, customer retention और operating efficiency खराब होती है। Bottom line कुछ समय तक मजबूत दिखती है, फिर performance low gear में फंस जाती है [1]। इस तरह forecast self-fulfilling problem बन सकता है। लोग उसी metric को optimise करते हैं जिससे उन्हें judge किया जाता है, चाहे वह lagging indicator ही क्यों न हो। Revenue late आता है। Churn late आता है। Margin late आता है। Cash late आता है। Leading signals अक्सर कहीं और होते हैं: qualified pipeline, activation, usage, renewal intent, delivery capacity, defect rates, collection days, hiring time और supplier reliability। जो CEO केवल financial output देखता है, वह business नहीं देख रहा। वह उसका delayed reflection देख रहा है। ## Forecast theatre बनाम decision-grade forecasting | सवाल | Forecast theatre | Decision-grade forecast | |---|---|---| | Purpose | Number defend करना | Decision improve करना | | Number | एक precise point | Base, upside और downside range | | Assumptions | Model में छिपे | लिखे, owned और reviewable | | Data | Mostly financial history | Financial, operational और external signals | | Horizon | Static annual view | Rolling updates और scenario tests | | Incentive | Optimistic commitment reward करना | Useful accuracy और early warning reward करना | | Variance | Failure के बाद explain करना | Failure से पहले action बदलना | | Ownership | Finance file own करता है | Operators drivers own करते हैं; finance integrate करता है | | Challenge | Political consensus | Independent challenge और evidence | | Output | Report | Decision, trigger या resource move | ## Founders forecast को corrupt करने के चार तरीके ### 1. Evidence से पहले commitment मांगना “तुम कौन सा number deliver करोगे?” target question है, forecast question नहीं। यह team को negotiate करने पर मजबूर करता है। दो सवाल अलग पूछें: “तुम्हें क्या लगता है कि क्या होगा?” और “हम क्या हासिल करना चाहते हैं?” इनके बीच का फर्क management gap है। ### 2. Optimism को reward करना और updates को punish करना अगर risk उठाने वाले को negative कहा जाता है, तो risk data गायब हो जाता है। अगर forecast miss करने वाले को उस व्यक्ति से ज्यादा punish किया जाता है जिसने quarter end तक problem छिपाई, तो company को accuracy नहीं, silence मिलता है। Harvard Business School research intentional bias को incentive misalignment और power से, तथा unintentional bias को information और procedural blind spots से जोड़ती है [3]। Process दोनों को surface करने के लिए design होना चाहिए। ### 3. Business plan को forecast बनाना McKinsey इसे echo chamber कहती है: plan roll up होता है, repeat होता है और market की unbiased view समझ लिया जाता है [1]। Forecast में internal और external evidence पर आधारित momentum case होना चाहिए, और दिखाना चाहिए कि initiatives base case को कैसे बदलेंगे। ### 4. Variance को बहुत देर से review करना Quarter के बाद variance report learning के लिए उपयोगी है, लेकिन steering के लिए देर हो चुकी है। Forecast को early indicators और trigger points बताने चाहिए। Qualified pipeline threshold से नीचे जाए तो hiring बदले। Activation गिरे तो product plan बदले। Collections slow हों तो spending बदले। Trigger के बिना forecast diary entry है। ## Evidence बेहतर forecasting के बारे में क्या कहता है McKinsey rolling forecasts की सलाह देती है, जिनमें conditions बदलने पर inputs predictable तरीके से update होते हैं [1]। Research यह भी बताती है कि real-world operating data use करने से bottom-line problems बड़े होने से पहले दिखाई दे सकती हैं। McKinsey के cited supply-chain examples में AI-driven forecasting errors को 20% से 50% तक कम कर सकता है। एक call-centre approach ने volume accuracy को लगभग 10% सुधारा, costs को करीब 10% से 15% घटाया और service levels को 5% से 10% बढ़ाया [2]। यह software खरीदने का licence नहीं है। यह evidence है कि बेहतर signals, model testing और uncertainty preparation से forecast बेहतर होता है। HBS research भी यही management conclusion देती है: forecasting process के लिए independent group political conflict को stabilise कर सकता है, जबकि clear roles, information exchange और explicit assumptions bias manage करने में मदद करते हैं [3]। ## Founder का forecast operating system छोटी company को बड़ा FP&A department नहीं चाहिए। उसे discipline चाहिए। **Momentum case** से शुरू करें: अगर company कुछ नहीं बदलती तो क्या होने की संभावना है? Internal operating data और external market signals use करें। **Management case** जोड़ें: अगर company plan execute करती है तो क्या बदलेगा? हर initiative, owner, timing, dependency और expected effect लिखें। **Scenario bands** जोड़ें: अगर key assumption गलत है तो क्या होगा? Base, downside और upside cases use करें। एक decimal point में uncertainty न छिपाएं। **Leading indicators** define करें: वे कम weekly या monthly signals जो financial result से पहले बदलते हैं। हर signal को decision trigger से जोड़ें। **Variance review** चलाएं: forecast को actual से compare करें, लेकिन assumptions को reality से भी compare करें। Price गलत था? Conversion गलत था? Timing गलत थी? Owner late था? हर answer की अलग response चाहिए। **Forecast independence** protect करें: target का owner forecast control करने वाला अकेला व्यक्ति नहीं होना चाहिए। Challenge distrust नहीं है। यह blind spots के खिलाफ defence है।

## Frequently asked questions ### Forecast और budget में क्या अंतर है? Budget एक period के लिए resources allocate करता है। Forecast current evidence के आधार पर estimate करता है कि क्या होने की संभावना है। Budget fixed रह सकता है जबकि forecast बदल सकता है। ### Forecast और target में क्या अंतर है? Target ambition या performance objective है। Forecast likely outcome के बारे में belief है। Target को forecast मानना desire और evidence के बीच का gap छिपाता है। ### Startup को forecast कितनी बार update करना चाहिए? Business की गति पर। Fast-moving sales, cash या usage signals वाली company weekly या monthly update कर सकती है। जरूरी है predictable updates, न कि number को सुंदर दिखाने के लिए random revisions। ### क्या founder को forecasting में AI use करना चाहिए? AI तब मदद कर सकता है जब वह clean operational data से connected हो, reality के against tested हो और scenario analysis के साथ use हो। AI unclear definitions, biased incentives या missing ownership को fix नहीं कर सकता। Better software better process की जगह नहीं लेता। ### Honest forecast की पहचान क्या है? वह leaders की इच्छा और evidence-supported view को अलग करता है। उसमें assumptions, ranges, leading indicators, uncertainty और result बदलने वाले actions दिखते हैं। ### Forecast का owner कौन होना चाहिए? Operators उन drivers के owner हों जिन्हें वे control करते हैं। Finance model integrate करे, assumptions challenge करे और variance explain करे। CEO forecast से लिए गए decisions का owner है। ### Board को क्या पूछना चाहिए? Last forecast के बाद क्या बदला, कौन सा assumption सबसे कमजोर है, कौन सा leading indicator पहले बदलेगा, कौन सा downside trigger active है और quarter खत्म होने से पहले management क्या करेगी? ## अंतिम verdict Forecast board से किया गया promise नहीं है। यह test है कि leadership team evidence और ambition को अलग कर सकती है या नहीं। **अगर आपके forecast में assumptions, ranges, leading signals और decision triggers नहीं हैं, तो वह planning नहीं है। वह organised optimism है।** ## References [1] [McKinsey — Bringing the real world into your forecasting process](https://www.mckinsey.com/capabilities/strategy-and-corporate-finance/our-insights/bringing-a-real-world-edge-to-forecasting) [2] [McKinsey — AI-driven operations forecasting in data-light environments](https://www.mckinsey.com/capabilities/operations/our-insights/ai-driven-operations-forecasting-in-data-light-environments) [3] [Harvard Business School — Managing Functional Biases in Organizational Forecasts](https://www.hbs.edu/faculty/Pages/item.aspx?num=22756) [4] [Harvard Business Review — Sales Teams Aren’t Great at Forecasting. Here’s How to Fix That.](https://hbr.org/2019/03/sales-teams-arent-great-at-forecasting-heres-how-to-fix-that)