📘 Όταν τα δεδομένα δεν μιλάνε καθαρά… βρίσκεις άλλους τρόπους να ακούσεις την ιστορία τους.
Σε κάθε business plan η εκτίμηση των μελλοντικών εσόδων αποτελεί ένα από τα πιο κρίσιμα και ευαίσθητα σημεία.
Η διαδικασία αυτή μπορεί σε ορισμένες περιπτώσεις να είναι σχετικά βατή όταν υπάρχουν επαρκή ιστορικά δεδομένα, σταθερές τάσεις, ώριμη αγορά και ένα ξεκάθαρο στρατηγικό πλάνο από τη διοίκηση.
Άλλες φορές όμως το τοπίο είναι πιο θολό. Τα ιστορικά στοιχεία παρουσιάζουν έντονες διακυμάνσεις που δεν επιτρέπουν την ανίχνευση ξεκάθαρων τάσεων, η διοίκηση δεν μπορεί να χαράξει σταθερή πορεία αλλά και η ίδια η φύση των εσόδων είναι σύνθετη ή απρόβλεπτη. Σε τέτοιες περιπτώσεις, η πρόβλεψη δεν είναι ούτε εύκολη ούτε ακριβής.
Όμως η πρόβλεψη πρέπει να γίνει ακόμα και όταν δεν είναι ιδανικές οι συνθήκες, θα πρέπει μάλιστα να στηρίζεται σε ένα λογικό και τεκμηριωμένο πλαίσιο καθώς προφανώς είναι προτιμότερη από την πλήρη απουσία σχεδίου.
Και εδώ είναι που η στατιστική μπορεί να προσφέρει εργαλεία και φως σε αυτό το περιβάλλον αβεβαιότητας.
📥 Παράδειγμα στην πράξη:
Μπορείτε να κατεβάσετε εδώ το αρχείο excel: Revenue Projection με τη προσέγγιση που ακολουθήθηκε σε μια τέτοια περίπτωση όπου έπρεπε να εκτιμηθεί μια κατηγορία εσόδων η οποία παρουσίαζε τα παραπάνω χαρακτηριστικά. Προφανώς για λόγους εμπιστευτικότητας έχουν αλλαχθεί οι περιγραφές των εσόδων και έχει περιορισθεί ο αριθμός των κωδικών για τη διευκόλυνση της παρουσίασης του παραδείγματος.
Η συγκεκριμένη περίπτωση αφορούσε την πρόβλεψη μιας κατηγορίας εσόδων για την περίοδο 2025–2028, όπου δεν ήταν εφικτή μια “κλασική”, “ορθολογική προσέγγιση”. Έτσι, ενεργοποιήθηκε μια πιο ευέλικτη μεθοδολογία με χρήση γραμμικής παλινδρόμησης (linear regression).
Κατά την ανάλυση, φάνηκε ότι ορισμένες σειρές εσόδων είχαν ικανοποιητική στατιστική συμπεριφορά, ενώ άλλες εμφάνιζαν έντονη αστάθεια και “σπασμένα” μοτίβα. Ήταν φανερό πως μία ενιαία προσέγγιση δεν μπορούσε να εφαρμοστεί σε όλες..
🧭 Έτσι, επιλέξαμε μια μικτή, υβριδική προσέγγιση με συγκεκριμένα κριτήρια.
🔍 Μεθοδολογία Πρόβλεψης Εσόδων (2025–2028)
- Method S – Statistical
Για τις σειρές με ικανοποιητικό R² (≥ 0,50), εφαρμόσθηκε γραμμική παλινδρόμηση. Το τελικό μοντέλο για τη συνολική γραμμή εσόδων είχε R² = 0,994 μια εξαιρετική ένδειξη. Όταν ένα μοντέλο “δένει” τόσο καλά με τα ιστορικά δεδομένα, μπορείς να του έχεις σε γενικές γραμμές εμπιστοσύνη.
- Method M – Manual
Για πιο «νευρικές» σειρές, με χαμηλό R² ή υψηλή αβεβαιότητα, επιλέχθηκε μια συντηρητική προσέγγιση: ετήσια αύξηση 3%, βασισμένη σε εμπειρικές και λογικές παραδοχές . Όχι φιλόδοξο forecast, αλλά ρεαλιστικό. Και σε τέτοιες περιπτώσεις, η ασφάλεια είναι συχνά η πιο υπεύθυνη επιλογή..
🧠 Το αποτέλεσμα:
- Στατιστικά τεκμηριωμένο, αλλά όχι «τυφλά μαθηματικό» μοντέλο
- Εργαλείο χρήσιμο για reporting, budgeting, και παρουσιάσεις σε επενδυτές
- Ισορροπία ανάμεσα στο Excel και την πραγματική ζωή
📌 Τελικό συμπέρασμα
Δεν είναι πάντα εύκολο να βγάλεις μια καθαρή πρόβλεψη από ασαφή ή ασταθή δεδομένα. Αλλά με κρίση, σωστή μεθοδολογία και επαγγελματισμό, μπορείς να καταλήξεις σε κάτι αξιόπιστο.
Και τελικά, αυτό είναι που έχει σημασία σε κάθε χρηματοοικονομική ανάλυση: Όχι η τελειότητα αλλά η αξιοπιστία.
📩Επικοινωνήστε μαζί μας για να σας υποστηρίξουμε στο business plan της εταιρείας σας.
𝗙𝗶𝗻𝗮𝗻𝗰𝗲 𝗦𝗸𝗶𝗹𝗹𝘀
📞 211 8001205 & 6958 473222
🌐 financeskills.gr