Les modèles seuls ne sont pas fiables. Absolument inutile. Trop souvent, nous voyons des décisions trompeuses prises à partir de ce pic dans un graphique linéaire Excel ou la valeur absolue d'un modèle financier. Mais les modèles ne sont qu'une simplification de la réalité. Un reflet de l'histoire. Un benchmark ou un point d'ancrage pour les prévisions futures.

Les modèles sont puissants lorsqu'ils sont présentés dans une histoire - contextualisant les données de l'introduction, analyse et recommandations.J'ai récemment pris un verre avec un ami qui travaille dans la banque d'investissement, nous sommes arrivés à un (trop simplifié) conclusion que les banquiers d'investissement et les consultants font la même chose. Nous validons une opportunité en construisant un modèle autour de l'état futur. C'est le travail de base. Nous accrochons ensuite l'accord en injectant des informations sur l'industrie, jouer avec les variables des modèles financiers / opérationnels, et aligner les options proposées avec les objectifs stratégiques de l'organisation. Alors, comment transformer un modèle magnifiquement complexe en une histoire fascinante?

Si vous n’avez pas construit le modèle vous-même, cela vaut la peine d'investir le temps de comprendre ses mécanismes - c'est-à-dire. quelles sont les sources de données et comment sont-elles appliquées pour produire un résultat? Idéalement, la plupart des modèles doivent avoir un tampon dans une plage où un ensemble d'options peut se trouver. Un principe de modélisation de base qui nécessite une compréhension approfondie de la qualité des données, le contexte de l'entreprise et son impact sur le résultat global. Par exemple, vous pourriez appliquer un 20% tampon de contingence à une prévision d'opex pour tenir compte des faux frais, ou utiliser des références de l'industrie pour une évaluation afin d'inclure les pires et les meilleurs scénarios autour de la valeur réelle.

Il y a une histoire claire ici. L'ajout d'un tampon à un modèle indique que ce modèle n'est pas parfait, mais il existe une science sur la façon dont nous gérons les inconvénients des hypothèses ou de la variabilité des données.

p> Le plaisir de la modélisation est de jouer avec des variables pour produire différents scénarios - que ce soit en changeant les prix, taux de rendement, écarts de stock, utilisation de la main-d'œuvre ou même des projets échoués. Vous pourriez faire cela avec des simulations de Monte Carlo sophistiquées (ce que je n'ai jamais eu raison!), ou modifier manuellement les entrées d'un modèle pour tester son impact sur le résultat final.

Nous créons des histoires à travers ces scénarios. En quoi le résultat différerait-il si nous conservions un projet à mi-chemin de sa durée de vie?? Que se passerait-il si le prix de la laine montait soudainement en flèche 80%? Que se passerait-il si nous achetions la société Y au lieu de la société X… ou les deux?

Créer des mondes alternatifs avec nos modèles nous permet de prendre des décisions sur les risques que nous devons atténuer et la mesure dans laquelle nous pourrions vouloir contrôler les variables en fonction de leur impact relatif.

Un modèle prend du sens lorsqu'il inspire l'action. Action qui découle d'une décision. Une décision qui vient de voir une opportunité en lien direct avec un besoin commercial et social.

Un modèle est finalement utilisé pour faire des recommandations sur un ensemble d'initiatives, s'appuyant sur la vision et l'intention stratégique de l'entreprise. Mais il en faut beaucoup pour arriver à la coupe finale. Il faut une compréhension approfondie des facteurs qui perturberaient l'organisation en interne, dans l'industrie au sens large et comment ces facteurs se traduisent par un énoncé du problème et un appel à l'action.

Les recommandations elles-mêmes doivent raconter une histoire à travers une analyse de rentabilisation solide. Il nous dit:

• Objectif et besoin
• Coûts d'opportunité (de choisir une initiative parmi une autre)
• Atténuation des risques
• Mesurer les performances

À la fin de la journée, le modèle n'est vraiment qu'une petite partie d'un terrain. L'histoire est dans le détail, Les hypothèses, les sources de données et toutes les petites nuances qui contextualisent son existence.