AI预测助力财务规划：免费分步教程

大多数预测教程一上来就让你建模。这篇不一样，它从你手头已有的文件开始：一张月度收入或支出表，多半是从财务系统里导出来的，多半还有点乱。

读完你会得到一份 12 个月的预测、围绕它的两个情景，以及一套判断这些数字是否可信的方法。全程免费。

开始之前你需要准备什么

三样东西，其中第一样是唯一真正重要的：

1. 月度历史数据，每个周期一行。 至少 12 个月，能有 24 个月更好。两列就够了：月份，和你想预测的那个数字。如果你的历史数据只有 PDF 报告，先把它转成表格。
2. 一个能读取文件的工具。 本教程使用匡优数言财务预测，因为免费版足以覆盖整个练习，但这些提示词在任何能读取电子表格的 AI 工具里都适用。如果你还在纠结选哪个工具，可以参考我们的财务分析 AI 指南来对比各类工具。
3. 十五分钟。

你不需要知道什么是时间序列，也不需要挑选预测方法。那部分交给工具处理。

你的文件大致应该长这样：

如果你的月份是按列而不是按行排的，或者每个季度一张独立的工作表，不要手动reshape。第 1 步会处理这些，而且数据清洗是工作流的一部分，而不是前置条件。

第 1 步：把文件整理好，并找出它的问题

先粘贴这段。别急着跳到预测那一步。

这个文件包含月度财务历史数据。在做任何预测之前：
1. 找出日期列和数值列，并告诉我你选的是哪两列。
2. 如果数据不是每月一行，把它reshape成每月一行。
3. 列出所有缺失、为零或空白的月份。
4. 告诉我第一个月、最后一个月，以及完整月份的总数。
5. 标出任何比相邻月份高出或低出 50% 以上的数值。
先不要预测，只报告你发现的内容。

你应该得到的结果： 一条干净的月度序列、完整周期的数量，以及一份缺口和异常尖峰的清单。

这一步为什么存在： 一份建立在 24 个月里仅 19 个可用月份、且有一个重复的 12 月的预测，看上去会非常平滑，但其实是错的。你在图表里看不出来，但在这份清单里能看出来。

这是第 1 步理想回应的样子：工具会说明它标准化了哪些字段、填充了哪些单元格，然后返回一个文件：

继续之前先做决定。 对工具发现的每个缺口和异常尖峰，选一种处理方式：

• 真实的尖峰（一笔大额一次性交易、一笔退款、一个季节性高峰）保留，但做记录。
• 属于错误的尖峰予以修正或排除。
• 缺失的月份要么从其他来源补上，要么排除，绝不要猜。

明确告诉工具你的决定。"排除 2024-07，系统迁移导致这个月不可靠"比什么都不说要好得多。

第 2 步：构建基础预测

使用清洗后的月度序列，生成一份 12 个月的预测。
- 以表格形式展示预测，包含月份和预测值。
- 说明你使用了哪种方法，以及为什么它适合这组数据。
- 告诉我历史数据中是否存在趋势、季节性，还是两者都没有，并给出依据。
- 为每个预测月份给出一个区间，而不只是一个单一数字。
- 列出你的预测所依赖的假设。
然后把历史数据和预测画在同一张图上，让预测部分在视觉上有所区分。

你应该得到的结果： 12 个预测月份、说明所用的方法、趋势与季节性的判断、一个区间，以及一份简短的假设清单。

真正需要细读的两个部分是方法和假设。 "基于 24 个月历史的线性趋势加月度季节性"是很有用的信息。如果工具说不清它做了什么，你就无法为这个数字辩护。

区间比点估计更重要。 预测值 290,000、区间 240,000 到 340,000，是对一个难题的诚实回答。一个自信的单一数字则不是。

至于图表本身，历史数据用实线、预测用虚线并配阴影带，是值得遵循的惯例。更多细节可参见图表与图形。

完成的第 2 步大致长这样，标题里写明了所用方法，异常值和环比变化也随图一并标注：

注意标题写明了所用方法。这是你在自己的输出里要留意的细节。

第 3 步：添加情景

一份计划需要不止一条线。到这里，预测就变成了财务规划。

基于基础预测，再构建两个情景：
- 悲观情景：从第 4 个月起，增长放缓至历史增速的一半。
- 乐观情景：近期最强趋势保持不变地延续下去。
每个情景都给出 12 个月的总额和最后一个月的数值。
然后给我一张表，把三个情景并排对比，并用大白话告诉我，每个情景要成真，现实世界里需要发生什么。

你应该得到的结果： 三列可以摆到决策者面前的数据，以及每个情景所依赖的条件。

最后那条指令才是让情景真正有用的关键。"乐观情景要求第四季度企业客户管线按当前速度成交"是你的团队可以认同或反对的判断。"乐观情景：340 万"则不是。

第 4 步：压力测试

在交付之前做四项检查。

它比显而易见的答案更好吗？ 问：如果我直接假设明年和去年一样、再按平均增速调整，结果会是多少？你的预测有什么不同，为什么？ 如果这个复杂答案和朴素答案几乎一样，那就用朴素答案。它更容易解释。

它能在没见过的数据上站得住吗？ 问：只用我历史数据末尾往前 12 个月之前的数据重新构建预测，然后把你当时的预测和实际发生的情况做对比。 这是你能做的最有信息量的一个测试。如果这个方法在过去十二个月上错得离谱，那它在接下来十二个月大概率也会错。

形状合理吗？ 看图，不要看表。它是否保留了你业务实际存在的季节性规律？如果 12 月总是冲高，它有没有体现 12 月的冲高？一条被拉平成直线，通常说明季节性丢了。

总额合理吗？ 把 12 个月的预测总额和最近 12 个月的实际数据对比一下。如果它意味着 60% 的增长，要么是上游某处出了问题，要么你确实将迎来非凡的一年，并且你应该能说清原因。

什么时候不该相信这份预测

四种情况下，本教程的方法不适用，统计性预测会误导你：

• 历史数据不足 12 个月。 工具没有足够的素材去学习规律。改用基于驱动因子的估算：数量乘以单价，人数乘以成本。
• 发生了结构性变化。 新的定价模式、一次并购、刚进入的市场，或刚停产的产品。历史数据已不再描述同一门生意。
• 数字只取决于少数几个已知事件。 如果下个季度的收入就靠三笔企业订单成或不成，趋势线就是错误的工具。去预测那些订单本身。
• 有人要为它担责任。 董事会承诺或契约条款计算，需要的是由人负责、有明确驱动因子的模型，而不是一份外推。用这份预测去质疑那个模型，而不是取代它。

常见错误

• 先预测、后清洗。 第 1 步的存在是有原因的。缺口和重复数据会完美地藏在一条平滑的曲线里。
• 悄悄剔除一次性项目。 排除一笔巨额一次性交易往往是正确的。但若无声无息地做，下个季度就没人记得基准为什么会变。
• 比较对象搞混。 对比去年、对比预算、对比上一版预测，是三场不同的对话。标明你展示的是哪一种。
• 每个月都改提示词。 如果你在一月份用不同的措辞重新运行，你就分不清预测的变化是真实的，还是你自己造成的。把提示词存下来，反复使用。
• 只展示点估计。 你在第 2 步要过区间了，把它展示出来。

每月重复这套流程

这套工作流的价值在于重复，而不在于第一次运行。把第 1 步到第 3 步的提示词存在一个文档里。每个月加入新的实际数据，重新运行同样的提示词，再追加一个问题：

把我上个月对本月的预测与实际结果做对比。用金额和百分比说明差距，并告诉我我之前列出的假设里，哪一条被证明是错的。

坚持做六个月，你对自己生意的了解会超过任何一份单次预测。这也是让预测流程在读者眼中变得可信的那个关键问题。

匡优数言在导出的 .xlsx 文件里保留公式，所以你下载的预测是一个可继续编辑的电子表格，而不是一堆扁平的数字。免费版每月 10 次对话，无需信用卡，足够跑完本教程；如果你的历史数据是以报告而非表格形式提供的，也支持 PDF 和图片输入。注意目前没有直接的 Google Sheets 连接：导出为 xlsx 或 csv，上传，然后把结果重新导入。

一旦预测稳定下来，自然的下一步就是让它变成常规动作：月度版本可以做成自动化报告工作流，如果需要多人持续关注，可以做一份 Excel 转仪表盘视图。

后续步骤

现在就用自己的文件跑一遍第 1 步和第 2 步，然后再加上情景。大多数人都会在第 1 步发现自己数据里原本不知道的问题，光这一点就已经值回这十五分钟。

延伸阅读：用 AI 在 Excel 中做现金流预测把同样的方法用在现金流而非收入上，财务分析 AI 涵盖差异分析与报告，而管理报告则把输出变成管理层愿意阅读的内容。

常见问题

有没有真正免费的 AI 财务预测方式？ 对于这个规模的工作流，有的。匡优数言免费版每月 10 次对话、无需信用卡，足以覆盖本教程。通用 AI 聊天工具也有免费额度，但它们处理凌乱的电子表格文件时可靠性较差。

我需要多少历史数据？ 12 个月是任何季节性规律能显现出来的最低要求，24 个月则能达到比较可靠的程度。低于 12 个月，请使用基于驱动因子的估算，而不是趋势预测。

它会有多准？ 这取决于你的业务，而不是工具；诚实的验证方式是第 4 步的回测。用一年前的数据重新构建预测，再和实际发生的情况对比。这样你就能得到自己数据的真实误差率。

AI 能取代 FP&A 吗？ 不能。它产出预测和外部分析的初稿。选择假设、质疑假设并最终为计划负责，是 FP&A 的职责，也是在会议上真正重要的部分。

预测和规划有什么区别？ 预测是你对将要发生什么的最佳估计。规划是你决定为此做什么，并附上目标和负责人。第 3 步就是它们之间的桥梁：情景把一个估计变成一组选择。