Часто в презентации идей мы вынуждены делать быстрые прогнозы. Иногда у нас нет данных, необходимых для строгого анализа, в других случаях у нас просто очень мало времени, чтобы дать точный ответ. Я помню, что создание финансовых моделей всегда мне давалось нелегко, как раз потому что хотелось предсказать все возможные сценарии, дать точные оценки и т.д. Со временем я поняла, что усложнение модели редко приводит к принятию лучших решений (тут один знакомый мне финансист наверно поперхнется чаем). Почему? 1. Для большинства решений не требуется сверхточный анализ; достаточно быть в пределах некоторого доверительного интервала. Зачастую нам нужно только знать, будет ли что-то лучше / быстрее / прибыльнее, чем текущее значение показателя. Это так называемая оценка материальности инвестиций в то, чтобы вообще что-то начать делать. 2. Чем сложнее модель, тем больше предположений вы накладываете друг на друга. Ошибки накапливаются, и становится сложнее понять суть. 3. Иногда важна скорость, а не точность. Например, за 15 минут до встречи с генеральным к вам подбегает ваш руководитель и спрашивает: "Юля, а мы можем сделать X?" Секрет в том, чтобы тут не давать невозможных обещаний, а сделать консервативный прогноз и посмотреть от чего придется оказаться. В результате вам следует сосредоточиться на том, чтобы оценить ваши предположения на относительном уровне (например, являются ли усилия для задачи X выше или ниже, чем для задачи Y). 4. Если существует минимальное значение показателя (например, дохода, который бизнес хочет получить, посмотрите, сможете ли вы достичь этого уровня при каких консервативных предположениях). Для этого полезно выделить несколько ключевых драйверов в дереве метрик и посмотреть при каких значениях вы добьетесь нужного вам уровня целевой метрики.