你的 Forecast 不是计划，而是管理层诚实度的测试

直接答案： Forecast 不是承诺、预算或激励目标。它是基于假设、证据、不确定性和运营信号，对未来可能发生什么的结构化估计。

当创始人要求一个数字，而团队发现乐观比准确更安全时，Forecast 就变成了表演。表格看起来很精确，业务并不精确。

McKinsey 调查了 130 位 CFO，其中 90 位来自收入低于 2 亿美元的公司，40 位来自收入超过 10 亿美元的公司。调查发现，不到一半的公司会在 Forecast 中使用某一种非财务内部数据；只有 35% 使用外部市场数据；只有 18% 使用天气、交通等额外外部信号。约 40% 的 CFO 表示，他们的 Forecast 不够准确，而且流程耗时过长[1]。

这不只是财务问题，也是管理设计问题。

Forecast 让诚实变得可衡量

Forecast 表示领导者认为会发生什么。计划表示公司打算做什么。预算分配资源。目标表达雄心。这些是不同的工具。

混淆它们，会产生错误决策。

如果把目标当作 Forecast，董事会就看不到雄心与证据之间的差距。如果把预算当作 Forecast，管理层可能会维护旧假设，而不是响应新信息。如果把计划当作 Forecast，领导者可能隐藏使数字成为现实所需的选择和依赖关系。

一个可以用于决策的 Forecast 必须让假设可见：

• 这个数字要成立，什么必须为真？
• 哪个运营信号会证明它正在发生？
• 合理的结果范围是什么？
• 什么情况会让我们改变判断？
• 如果信号变化，谁负责行动？

没有假设的数字不是精确，而是遮掩。

为什么只看财务的 Forecast 会失败

McKinsey 描述了一种常见的失败模式：管理者被要求完成盈利目标，于是找到一两个办法让数字达标。质量、客户留存和运营效率不断恶化。利润表在一段时间内看起来很强，之后业务却陷入低速[1]。

于是 Forecast 可能变成一个自我实现的问题。人们会优化用来评价自己的指标，即使这个指标是滞后的。

收入是滞后的。流失是滞后的。利润率是滞后的。现金是滞后的。

领先信号往往在别处：合格销售管道、激活率、使用率、续约意愿、交付能力、缺陷率、回款天数、招聘周期和供应商可靠性。

只看到财务结果的 CEO，并没有看到业务，只看到了业务延迟后的倒影。

Forecast 表演与决策级 Forecast

创始人破坏 Forecast 的四种方式

1. 在证据之前要求承诺

“告诉我你能交付什么数字”是目标问题，不是 Forecast 问题。它会迫使团队谈判。应该分开问：“你认为会发生什么？”以及“我们想要实现什么？”两者之间的差距就是管理缺口。

2. 奖励乐观，惩罚更新

如果提出风险的人被称为消极，风险数据就会消失。如果错过 Forecast 的管理者比隐藏问题直到季度末的人受到更大惩罚，公司得到的就是沉默，而不是准确性。

哈佛商学院的研究区分了两类偏差：由激励错位和权力造成的有意偏差，以及由信息和流程盲点造成的无意偏差[3]。Forecast 流程必须设计成能够暴露两者。

3. 把商业计划当作 Forecast

McKinsey 把这称为回音室：计划被汇总、重复，然后被误认为是对市场的无偏判断[1]。Forecast 应该包含一个基于内部和外部证据的动量情景，并显示计划中的行动会如何改变基准情景。

4. 太晚才审查偏差

季度结束后的偏差报告有助于学习，却太晚，无法指导行动。Forecast 应该列出早期指标和触发点。如果合格销售管道跌破阈值，就调整招聘；如果激活率下降，就调整产品计划；如果回款变慢，就调整支出。

没有触发器的 Forecast 只是日记。

证据告诉我们如何改善 Forecast

McKinsey 建议使用滚动 Forecast，在条件变化时以可预测的方式更新输入[1]。其研究还指出，使用真实运营数据，有助于在底线问题变大之前发现它们。

McKinsey 报告称，在其引用的供应链案例中，AI Forecast 可以把误差降低 20% 到 50%。一个呼叫中心案例中，方法使业务量预测准确率提高近 10%，成本下降约 10% 到 15%，服务水平提高约 5% 到 10%[2]。这不是购买软件的许可，而是说明当 Forecast 使用更好的信号、测试模型并准备面对不确定性时，Forecast 会变得更有用。

哈佛商学院研究从另一个角度得到相同的管理结论：由独立团队负责 Forecast 流程，可以稳定政治冲突；清晰的角色、信息交换和明确的假设，有助于管理偏差[3]。

创始人的 Forecast 操作系统

小公司不需要庞大的 FP&A 部门，但需要纪律。

先建立动量情景：如果公司什么都不改变，最可能发生什么？使用内部运营数据和外部市场信号。

再建立管理情景：如果公司执行计划，什么会改变？写出每项行动、负责人、时间、依赖关系和预期效果。

加入情景区间：如果关键假设错误，结果会怎样？使用基准、下行和上行情景，不要用一个小数点隐藏不确定性。

定义领先指标：少数会在财务结果之前变化的周度或月度信号。把每个信号连接到一个决策触发器。

进行偏差复盘：比较 Forecast 与实际结果，也比较假设与现实。是价格错了、转化率错了、时间错了，还是负责人延迟了？每种答案都需要不同的行动。

保护Forecast 独立性：拥有目标的人不应是唯一控制 Forecast 的人。挑战机制不是不信任，而是对抗盲点。

常见问题

Forecast 和预算有什么区别？

预算为一个时期分配资源。Forecast 根据当前证据估计可能发生什么。预算可以保持不变，而 Forecast 可以变化。

Forecast 和目标有什么区别？

目标是雄心或业绩要求。Forecast 是对可能结果的判断。把目标当作 Forecast，会隐藏愿望与证据之间的差距。

初创公司应该多久更新一次 Forecast？

按照业务变化速度更新。销售、现金或使用信号快速变化的公司，可以每周或每月更新。重要的是根据真实运营变化进行可预测的更新，而不是为了让数字好看而随机修改。

创始人应该使用 AI 做 Forecast 吗？

当 AI 连接到干净的运营数据、接受现实检验并用于场景分析时，它可以帮助预测。但 AI 无法修复定义不清、激励偏差或责任缺失。更好的软件不能替代更好的流程。

什么让 Forecast 诚实？

它能把领导者想要的结果与证据支持的结果分开，并展示假设、范围、领先指标、不确定性，以及哪些行动可以改变结果。

谁应该负责 Forecast？

运营团队负责他们能控制的驱动因素。财务负责整合模型、挑战假设并解释偏差。CEO 对基于 Forecast 做出的决策负责。

董事会应该问什么？

问上次 Forecast 之后什么变了，哪个假设最弱，哪个领先指标会先变化，哪个下行触发器已经开启，以及管理层会在季度结束前做什么。

最终结论

Forecast 不是给董事会的承诺，而是测试领导团队能否把证据与雄心分开的工具。

如果你的 Forecast 没有假设、范围、领先信号和决策触发器，它就不是计划，而是经过组织的乐观主义。

参考资料

[1] McKinsey — Bringing the real world into your forecasting process

[2] McKinsey — AI-driven operations forecasting in data-light environments

[3] Harvard Business School — Managing Functional Biases in Organizational Forecasts

[4] Harvard Business Review — Sales Teams Aren’t Great at Forecasting. Here’s How to Fix That.