Forecasting and business planning cycles

Ogni trimestre un’azienda deve prevedere domanda, capacità, ricavi e costi prima di avere tutti i dati certi. Questa lezione mostra come l’analista entra in un ciclo decisionale ricorrente, in cui gli scenari, le assunzioni e gli aggiornamenti contano quanto il numero finale. Un forecast utile non promette certezza: rende espliciti i driver, l’incertezza, i momenti di revisione e le decisioni che cambiano a seconda dello scenario.

Perché il forecast è coordinamento, non profezia

Conviene leggere il forecasting come lavoro di coordinamento tra previsione e responsabilità. Il numero finale serve poco se nessuno sa quale ciclo di planning lo usa, quale driver spiega lo scostamento più rilevante e come comunicare uno scenario senza farlo sembrare una promessa. Quando una di queste tre cose manca, il forecast diventa un esercizio che impressiona la slide ma non guida nessuna scelta.

Il valore di un forecast si misura sulla decisione che abilita. Se il numero non cambia un’allocazione di budget, un piano di assunzioni o una scelta di prezzo, probabilmente è arrivato troppo tardi o è troppo aggregato per essere usato.

Planning cycles: who decides what and when

Every company operates on three overlapping planning cycles, with different scopes and detail:

Cycle	Frequency	Horizon	Granularity	Who leads it
Strategic	Annual	3-5 years	Annual, by business unit	CEO + Board
Operational	Quarterly	12-18 months	Monthly, by department	CFO + FP&A
Tactical	Monthly / Weekly	1-3 months	Weekly/daily	Team leader

Il forecast mensile è quello che pesa di più sull’operatività: è il segnale che dice se siamo in linea o se dobbiamo cambiare rotta. Entro il giorno 5 del mese, ogni team leader dovrebbe sapere se il mese precedente è stato sopra o sotto il target.

I tre errori che uccidono un forecast

Tre errori si alimentano a vicenda e mandano fuori strada qualsiasi previsione.

1. Anchoring bias: ci si ancora al numero dell’anno scorso e lo si aggiusta in su del 10%. Ma il passato non predice il futuro se il mercato o il prodotto sono cambiati.

2. Survivorship bias nelle assunzioni: si scrive “il churn resterà al 4%” ignorando che negli ultimi tre mesi è salito. Le assunzioni vanno basate sul trend recente, non sulla media storica.

3. Single point forecast: si dà un numero solo invece di un range. Un forecast utile dice “Revenue Q3: 82-94M, caso base 88M”, non semplicemente “Revenue Q3: 88M”.

The three-scenario model

La pratica standard in FP&A è costruire tre scenari invece di uno.

Best Case: all optimistic assumptions come true (top 20%)
Base Case: most likely assumptions (expected value)
Worst Case: all pessimistic assumptions come true (bottom 20%)

Il caso base non è la media tra best e worst: è il valore atteso, basato sulle probabilità reali di ogni driver. Prendiamo un forecast di nuovi clienti mensili, con traffico di 100K visite al mese (con scarto del 20%) e tasso di conversione del 2.5% (con scarto di 0.5pp), dove i nuovi clienti sono il prodotto di traffico e conversione.

Best:  120K × 3.0% = 3.600
Base:  100K × 2.5% = 2.500
Worst:  80K × 2.0% = 1.600

Il range 1.600-3.600 dice molto più del punto 2.500. Se il budget del team marketing presuppone 3.000 nuovi clienti, il forecast avverte subito che il caso base è sotto budget.

Bottom-up e top-down: la vera riconciliazione

Il forecast bottom-up parte dai team operativi: ognuno stima le proprie metriche e il forecast finanziario è la somma. Il forecast top-down parte invece dal target del board, per esempio “vogliamo crescere del 30%”, e forza i numeri ad adattarsi. L’approccio corretto fa incontrare i due nel mezzo.

1. Il bottom-up genera il range realistico, per esempio “possiamo arrivare a 260-290M”.
2. Il top-down definisce il target, per esempio “dobbiamo arrivare a 300M per la prossima raccolta”.
3. Il gap, qui tra 10 e 40M, non si chiude dicendo “lavoriamo di più” ma con un piano specifico: servono due nuovi canali di acquisizione o un aumento del 15% del tasso di conversione, ed ecco il progetto per ottenerlo.

HubSpot ha descritto pubblicamente il proprio processo. Il team FP&A raccoglie input da 14 team owner, ognuno dei quali stima le proprie metriche chiave per il trimestre successivo, li aggrega in un modello centrale e li riconcilia con il target del board. Il processo richiede tre settimane ogni trimestre. La regola più importante, secondo il VP Finance, è che nessuno viene penalizzato per un forecast sbagliato: si viene penalizzati per un forecast deliberatamente ottimista, perché il forecast serve a prendere decisioni, non a impressionare il board.

Approcci semplici alle serie storiche

Non serve un modello di machine learning per fare forecasting utile. Tre approcci semplici battono modelli complessi in molti casi. Il primo è il metodo naïve con stagionalità: il revenue di questo mese è quello dello stesso mese dell’anno scorso moltiplicato per uno più il trend annuale, ed è sorprendentemente accurato per business stagionali come retail e turismo. Il secondo è la media mobile con trend, cioè la media mobile a tre mesi più il trend recente, buona per business a crescita costante. Il terzo è il run rate con aggiustamento: prendi i dati del mese corrente, li annualizzi moltiplicando per 12 e correggi per la stagionalità nota, ed è ottimo per i SaaS a metà trimestre.

-- Naïve forecast with annual seasonality in SQL
WITH last_year AS (
  SELECT month, revenue
  FROM monthly_revenue
  WHERE year = EXTRACT(YEAR FROM CURRENT_DATE) - 1
),
annual_trend AS (
  SELECT AVG((this_year.revenue - last_year.revenue) / last_year.revenue) AS trend
  FROM monthly_revenue this_year
  JOIN last_year ON this_year.month = last_year.month
  WHERE this_year.year = EXTRACT(YEAR FROM CURRENT_DATE)
)
SELECT ly.month, ly.revenue * (1 + COALESCE(t.trend, 0)) AS forecast
FROM last_year ly, annual_trend t
ORDER BY ly.month;

Controlli prima di usare un forecast

Prima di portare una previsione in una decisione, controlla completezza, duplicati, timezone, definizioni cambiate e segmenti esclusi. Molte previsioni apparentemente sofisticate falliscono perché il dato di partenza misura un comportamento diverso da quello che il team crede di osservare. Ricorda anche che la media aggregata è solo l’inizio: se due segmenti si muovono in direzioni opposte, il numero unico non rappresenta nessuno dei due. Un esempio concreto: nel planning trimestrale il forecast revenue migliora rispetto al mese scorso, ma il mix clienti cambia e la capacità del supporto resta limitata. Il forecast qui non serve solo a prevedere, serve a coordinare risorse, rischi e scelte di scenario.

Esercizi e checkpoint

Per fissare il metodo, parti dal livello base: scrivi in cinque righe quale decisione concreta dovrebbe migliorare grazie al forecast, indicando metrica, unità di analisi, baseline e rischio principale. Al livello intermedio costruisci una tabella con tre scenari, e per ciascuno indica cosa cambia, quale spiegazione alternativa è plausibile e quale controllo useresti prima di raccomandare un’azione. Al livello research grade trasforma l’esercizio in un decision memo con assunzioni, criteri di esclusione, soglia di intervento, sensitivity check e un piano di monitoraggio dopo la decisione. Usa un export reale, una tabella sintetica o una dashboard interna, con almeno una dimensione di segmento, una metrica osservabile e un periodo di confronto.

Tre domande chiudono il lavoro. Quali sono i tre cicli di planning aziendale e chi li guida? Perché un forecast a scenario unico è pericoloso e cosa si usa al suo posto? Come si riconciliano bottom-up e top-down?

Summary

Un forecast è utile quando riduce l’incertezza su una scelta reale, non quando aggiunge cifre decimali. La forma corretta tiene insieme i cicli di planning (strategico, operativo, tattico), i tre errori da evitare (anchoring, assunzioni viziate, punto singolo), il modello a tre scenari e la riconciliazione tra bottom-up e top-down. Tutto il resto serve solo se rende più affidabile uno di questi passaggi. Categoria: Tecnico. Difficoltà: advanced. Tempo stimato: 18 min.

---

References:

• Brealey, R., Myers, S. & Allen, F. (2019). Principles of Corporate Finance, 13th ed. McGraw-Hill.
• HubSpot. (2022). “How HubSpot Does Financial Planning and Forecasting.” HubSpot Blog.
• Makridakis, S., Wheelwright, S. & Hyndman, R. (2008). Forecasting: Methods and Applications, 3rd ed. Wiley.