机器学习与智能规划的未来

当企业处于稳定状态时，计划是简单的。你可以根据前两年的实际情况做出预测和计划，并有理由相信你所规划的未来或多或少会实现。

然而，也许你还没有注意到，商业世界已经变得越来越不稳定。过时的计划方法(静态的，情景的，手动的，大部分是基于电子表格的)不再工作;事实上，它们会诱使你接受错误或过时的假设，削弱你应对收入和需求冲击的能力，从而在竞争中损害你。

甚至在企业受到与大流行相关的封锁、裁员和供应链中断的冲击之前，变革的步伐就在加快。在大流行的破坏结束后很长一段时间内，变革仍将是固定不变的。

寻求智能规划方面的帮助

世界各地的组织都承认，他们必须找到一种自信的前进方式——一种允许他们灵活运作的方式。他们正在采用现代的最佳实践，如持续计划，以取代静态的年度计划滚动预测使用始终新鲜的实际数据和全公司范围的计划不断更新预算，将经过验证的FP&A计划实践扩展到业务的其他部分，包括人力资源和销售。

这些功能已经在世界各地的敏捷组织中得到应用。但首席财务官和其他领导者并不认为，随着时间的推移，商业环境的挑战性会降低。他们在寻找下一步。他们在寻找明智的计划。

通过智能规划，企业可以利用数据更努力地工作。这包括历史数据，它可以显示你去过的地方，以及帮助你评估和预测你要去哪里的前瞻性分析。

开发业务导航系统

随着未来变得越来越不可预测，这种前瞻性正变得越来越重要。决策者想要快速评估多个选项。他们想知道，这些选择不是基于直觉或猜测，而是基于最新的财务和运营实际情况以及外部数据。

可以理解的是，他们也追求准确性。在这里，他们得到了机器学习(ML)算法的帮助，这些算法吸收、处理和学习数据。您可以将ML视为一个预测引擎——以及人工智能的一个使能元素。当这些算法提供分析和场景构建系统时，它们从预测和预测的结果中学习，这些信息有助于在未来做出更准确的预测。这是一个持续的反馈循环，旨在随着时间的推移而改进。

这就是为什么机器学习不仅仅是一些拉动点击量的热门短语。它是智能规划的基础，智能规划反过来将规划转变为业务导航系统，以实现操作的敏捷性。

智能规划的范围

你可以从Workday如何利用机器学习先进的智能计划中看到这一点，它为经理们提供了关于下一步和可能结果的持续指导。例如:

主动发现计划和规划数据中的异常。这有助于组织识别其规划数据中的潜在错误——如果未被发现，可能会导致高昂的代价。因为它是由ML驱动的，所以它会随着时间的推移而学习，特别是当管理人员决定接受或忽略系统标记的异常时。

自动检查数据以检测潜在的异常值。像异常现象一样，异常值数据可能会让财务、销售、人力资源或其他经理走上错误的道路，并将前景扭曲到过于积极或消极的方向。这种ml驱动的特性自动将数据转换为见解，并允许财务和其他业务领导者专注于管理异常——这反过来简化了他们自己的计划流程。

今天，我们已经看到企业在规划自己的未来时采用了这些功能。(我们认为，我们在进化智能规划方面的成功是一个关键原因Gartner将Workday评为领导者在其2020年云财务规划和分析解决方案的神奇象限中。)

创新驱动的未来

但智能规划在不断发展，这在很大程度上要归功于机器学习，还有更多正在进行中。

例如，规划者可以期望将外部数据和宏观指标纳入模型，使管理者能够将他们的业务(从逆风到机遇)与整个市场联系起来。和新智能预测这些能力将帮助销售和供应链经理预测和预测产品或服务需求的变化。华体会体育注册在销售方面，通过新的区域推荐功能，经理将能够在分配和管理区域方面获得更多的控制权和洞察力，这些功能可以权衡各种输入，以达到最佳的区域组合。

Workday解决方案利用智能数据基础，将大量运营数据(来自企业应用程序和外部系统)与财务业绩信息结合起来，使决策者获得360度的业务视图。

这些功能现在可能是下一个级别，但不久它们将成为企业级规划的预期元素。我们在Workday将进一步推动这些技术。因为业务是不稳定的，那些负责使他们的业务敏捷的人需要他们所能得到的所有帮助。

本文由Workday首席产品策略师马特•肖尔(Matt Shore)撰写。

观看演示并查看工作日适应性计划的实际应用。