Som investerare och rådgivare till företag i ett tidigt skede har nästan alla finansiella modeller jag sett från nya satsningar visat exponentiell tillväxt i något skede. Antaganden om kostnader för kundförvärv trendar ned, genomsnittlig intäkter per användare (ARPU) trendar upp, kostnaderna förutspås växa långsammare än intäkterna, försäljningscyklerna förkortas, priserna stiger och intäkterna exploderar.
På 12-18 månader växer de flesta företag så snabbt att de antingen kommer att (a) skaffa kapital för att finansiera den enorma tillväxtmöjlighet som de har bevisat, eller (b) dra tillbaka marknadsföringsutgifterna och skörda det fria kassaflödet som resultat.
På samma sätt producerade covid-19-modellerna som används av regeringar runt om i världen prognoser som var avsevärt bortkopplade från resultaten. Detta borde inte vara en överraskning med tanke på den stora osäkerhet som är inneboende i ett nytt virus. Detta är tänkt att vara en realistisk – inte cynisk – bedömning. Alla modeller har fel design, men det finns en process i sex steg för att maximera deras noggrannhet över tid.
Det första steget i den finansiella modelleringsprocessen är att trycka tillbaka på alla antaganden:
Jag arbetar med många SaaS-företag (Software as a Service), och tre av de viktigaste nyckelprestandaindikatorerna (KPI) vi fokuserar på är Customer Acquisition Cost (CAC), Customer Churn och Customer Lifetime Value (LTV). Var och en av dessa drivs av andra antaganden:CAC är en funktion av hur mycket du spenderar på marknadsföring och marknadsföring, hur många människor som klickar på dina annonser, hur många personer som vidtar åtgärder på dessa annonser och hur många av dem som konverterar till gratis och slutligen betalda kunder, och när.
Innan några affärsbeslut tas tilldelas alla antaganden till KPI-familjer. CAC KPI inkluderar antaganden om marknadsföringstratten men även försäljningsantaganden. Hur många potentiella kunder kan dina säljare hantera samtidigt? Vad är stängningstakten? Hur lång tid tar en typisk försäljning? Först efter att vi har hittat tillräckligt stöd för alla dessa antaganden går vi vidare till att implementera affärsplanen.
Detta steg kan likställas med covid-19-pandemin vi genomlever nu. Dessa modeller är också byggda kring antaganden. Den ena är R0, vilket är den antagna hastigheten med vilken SARS2 CoV-19-viruset naturligt sprids genom en mottaglig population. Andra antaganden handlar om effekterna av covid-19 efter infektion.
Preliminära undersökningar gjorda av de kinesiska myndigheterna har inte hittat några tydliga bevis för överföring från människa till människa av det nya #coronaviruset (2019- nCoV) identifierad i #Wuhan, #Kina🇨🇳. pic.twitter.com/Fnl5P877VG
— Världshälsoorganisationen (WHO) (@WHO) 14 januari 2020
Inget av dessa antaganden förstods ordentligt från början, och idealiskt sett utmanade västerländska hälsovårdstjänstemän dem alla innan de fattade sina slutgiltiga beslut om att föreskriva olika former av social distansering.
De mindre säkra variablerna i en finansiell modell är de kända okända. När jag arbetar med klienter för att ta reda på vilka antaganden jag ska fokusera närmast på, kommer vi in i ett rum med en whiteboard (eller ett Zoomrum med ett tomt Google-dokument) och sorterar dem alla efter grad av säkerhet samt vikt inom modellen .
För ett konsument-SaaS-företag är konverteringsfrekvens till försäljning (Conversion Rate) ett mycket viktigt antagande. En av mina kunder är en vårdapp – de har en gratisprodukt, en betald prenumerationsprodukt och de tjänar provision för att hänvisa kunder till tjänsteleverantörer. De antog att 50 av varje 1 000 personer som registrerar sig för gratisappen så småningom uppgraderar till betalprenumeranter. Detta baserades på färska uppgifter men kunde också ha varit baserat på konkurrenternas erfarenheter eller deras tidigare erfarenheter av ett annat företag. Varje antagande i en modell är resultatet av ett teams uppfattning att de specifika antagandena är mest meningsfulla med den information som är tillgänglig vid den tidpunkten.
Eftersom vi visste att omvandlingsfrekvensen har en stor inverkan på försäljningstillväxt och vinstmarginaler, och eftersom vi var mindre säkra på våra antaganden kring den kursen, var denna variabel vårt främsta fokus. Om du driver ett SaaS-företag för konsumenter med en relativt hög försäljningsvolym och en kort försäljningscykel kan du se dessa resultat ganska snabbt. När tillräckligt med data kommer in kan vi antingen vara nöjda med att våra antaganden var korrekta eller se att det finns ett problem att åtgärda eftersom vi överskattade omvandlingsfrekvensen.
Den verkliga frågan som vi försöker reda ut, eftersom vi får anekdotiska rapporter, är om du kan överföra den effektivt när du är asymtomatisk. Anthony S. Fauci, M.D., NIAID-direktör (19 februari 2020)
På samma sätt visste folkhälsotjänstemän att flera av deras antaganden var osäkra vid den tiden:R0, symptomatisk frekvens, sjukhusvistelse, sjukhuskapacitet, dödlighetsfrekvens, etc. R0, till exempel, är mer komplicerad än det låter. Ett bra R0-antagande behövdes för att ta hänsyn till alla beteendeförändringar, som varierade i tillämpning och effektivitet baserat på egenskaperna hos en region (t.ex. urban:överbelastad New York City kontra en landsbygdsstad i South Dakota). Det effektiva reproduktionsnumret, Re, används för att beskriva virusets reproduktionshastighet under olika omständigheter och vid olika tidpunkter.
Både mina SaaS-klienter och folkhälsotjänstemännen måste helt fokusera på att uppnå en större förståelse för nyckelvariablerna i modellen. När de väl vet vilken svår data de ska fokusera på går de vidare till nästa steg:Mätning.
Under mätningen kommer vi att göra en djupdykning i antagandet om omvandlingsfrekvens:Klickar folk på annonserna och laddar ner appen i ungefär den takt vi förväntade oss? I vilken takt konverterar de till betalkunder? Hur lång tid tar det att konvertera till betalkunder och hur länge stannar de på när de uppgraderar?
Problemet nu med detta är att det finns många okända... Du vet att vi i början inte var säkra på om det fanns asymtomatiska infektioner, vilket skulle göra det till ett mycket bredare utbrott än vad vi ser. Nu vet vi med säkerhet att det finns. Anthony S. Fauci, M.D., NIAID-direktör (31 januari 2020)
Du kan se denna process spela ut med covid-sagan också. Tidigt i pandemin uppskattade experter som WHO dödstalen för viruset till 3,4 % över hela världen, en mycket skrämmande siffra med tanke på att influensan uppskattas vara någonstans runt 0,12 % (men med en rad uppskattningar runt den siffran). Det var siffran som rapporterades i pressen; bakom kulisserna hade modellerna troligen en rad möjligheter. Men det är ganska tydligt att uppskattningarna var förankrade kring en högre siffra än vad som verkar vara troligt med nuvarande data.
Med aktuella uppgifter verkar det tydligt att procentandelen personer som är infekterade med viruset som orsakar symptomen vi förstår som covid är mycket högre. Med tanke på den högre nämnaren är dödlighetsfrekvensen nödvändigtvis lägre, troligen mycket närmare 0,12 % än den ursprungliga siffran på 3,4 %. Det visar sig att modellerna vi förlitade oss på var pessimistiska snarare än optimistiska, och vi har varit tvungna att justera ned våra uppskattningar av sjukhusvistelser och dödlighet:
Detta är verkligen ett mycket bättre problem att ha än det omvända och delvis på grund av en försiktig partiskhet mot försiktighet. Vad nu?
Just nu arbetar världens politiska ledare med forskare för att omkalibrera sina modeller. De pysslar med vilka beteendeförändrande policyspakar de ska använda eller koppla av. Vissa av antagandena kommer att vara desamma över hela världen, men många är unika för en viss region eller miljö.
Tillsammans med mina kunder går jag igenom varje antagande inom varje KPI för att förstå hur välkalibrerad modellen är. När ett antagande inte stämmer överens med verkligheten, brainstormar vi tillsammans för att ta reda på varför. Är värdeerbjudandet mindre än vi trodde och gör vi det tydligt för den potentiella kunden? Är produkten rätt prissatt? Har vi en uppmaning till handling som katalyserar deras köpbeslut? Har vi gjort registreringsprocessen så friktionsfri som möjligt?
Vi kan prova några olika tillvägagångssätt för att se om man fungerar bättre på att förbättra de underpresterande mätvärdena. Ibland finns det en enkel lösning, men vanligtvis måste vi mixtra lite för att bygga upp förtroende för en viss väg. Mjukvaruföretag använder en process som kallas A/B-testning:Du delar upp dina mål i nära jämförbara grupper och provar ett tillvägagångssätt på A-gruppen och en annan på B-gruppen för att se om någon av dem ger konsekvent överlägsna resultat.
Vi måste nu betrakta alla patienter (inklusive typer av traumasamtal) som smittade och att alla personer (även kollegor och familjemedlemmar) har blivit utsatta på grund av spridning i samhället. Memo till FDNY EMS-personal (4 april 2020)
Även om få A/B-tester sannolikt förekommer på policyer för att se vilka som fungerar bäst, finns det en rad olika tillvägagångssätt som används av olika länder och olika jurisdiktioner inom länder som kan vara nästan lika upplysande. Både kommuner och sjukvårdspersonal över hela världen pysslar också ständigt med sin inställning till denna sjukdom, baserat på både feedback från sina egna patienter och publicerad forskning kring hur andra patienter reagerade på vissa behandlingar.
Detta är scenen där gummit möter vägen. Du har identifierat dina KPI:er, mätt dem mot din förutsägelse, identifierat de som är avstängda, identifierat de antaganden som driver dem och testat vissa hypoteser om hur du kan förbättra dem.
Regeringar runt om i världen håller på att omkalibrera. De flesta implementerar planer för en gradvis återgång till normalitet som drivs av framsteg när det gäller spridningshastighet, sjukhus- och testkapacitet och allmän beredskap i samhället. Du kan slå vad om att resultaten kommer att övervakas noga.
Inom både företag och folkhälsa är det här stadiet beslutstid – välj en väg och gå framåt. Tänk inte bara på lönsamheten av framgång utan också sannolikheten och kostnaden för ett misslyckande i form av tid och resurser. Identifiera mätvärden för framgång, och när du förväntar dig att se resultaten, manifestera. Om din valda väg kräver en betydande förändring av dina processer, tilldela ägarskap. Detta förbereder dig för det sista och viktigaste steget...
Det finns inget steg 6 - passera inte Go, gå bara tillbaka till steg 2. Varje framgångsrikt företag i världen identifierar, mäter, mixar och omkalibrerar sina antaganden regelbundet. VD:ar bör träffa sina finansteam minst en gång i kvartalet för att gå igenom alla affärs-KPI:er och prioritera vad som behöver förbättras. Kreativa lösningar bör nås som ett team, men det yttersta ansvaret bör tilldelas de relevanta företagsledarna. Dessa ledare bör skapa en kultur av att ständigt identifiera, mäta, mixtra, omkalibrera och i slutändan gå framåt.
En steg-för-steg-guide för att bli dödsboförrättare
Så balanserar du ett checkhäfte – en steg-för-steg-guide
Detaljerad guide för att bygga en trend
Real Rate of Return:Complete Guide
Hur handlar man med optioner i Indien? Steg-för-steg-guide!
Dagshandel för nybörjare:En steg-för-steg-guide
Wealth Accumulation:Den enkla guiden till att bygga välstånd
Hur man närmar sig ekonomisk datavisualisering