3 דרכים שונות לבנות תחזית תזרים מזומנים ל-13 שבועות עם AI
שלוש שיטות שונות — Excel, Python ו-Copilot בתוך Excel — לבניית תחזית תזרים מזומנים ל-13 שבועות, כולל פרומפטים מוכנים לשימוש ודגשים על היתרונות והמגבלות של כל שיטה.
10 שנות ניסיון כ-CPA לימדו אותי דבר אחד: המודל הוא רק חצי מהסיפור. החצי השני הוא הכלי שאתה בונה איתו את המודל.
לאחרונה בניתי את אותה תחזית תזרים מזומנים ל-13 שבועות בשלוש דרכים שונות — פעם אחת ב-Excel פשוט, פעם אחת ב-Python (כש-AI כותב את הקוד), ופעם אחת עם פונקציית ה-AI המובנית בתוך Excel (Copilot / Claude / ChatGPT כתוסף). המטרה לא הייתה להכתיר מנצח.
כל שבוע מישהו שואל אותי "רונן, באיזו שיטה הצוות שלי צריך להשתמש?" והתשובה שלי היא: זה תלוי בסטאפ שלכם. ופתאום הבנתי שהתשובה הזו היא חסרת ערך אם אני לא מסביר את הטרייד-אופים.
אז היום אני מראה לכם שלוש שיטות, שלב אחר שלב.
חשוב לציין: לשם הפשטות שמרתי על המודלים פשוטים. מודל תחזית טוב צריך להתחיל פשוט כדי להגיע ל-80% מהתוצאה, ורק אז לדייק אותו — כל עוד אתה ואחרים עדיין יכולים להבין ולתחזק אותו.
שיטה 1 — AI בונה עבורך את ה-Excel
עבור ישות קטנה עם חשבון בנק אחד, השיטה הזו עדיין מצוינת. ארבעה שלבים בלבד ויש לכם תחזית ל-13 שבועות.
שלב 1. התחילו מיתרת הבנק בפועל. היתרה הפותחת צריכה להגיע מדף חשבון הבנק, לא מה-ERP. כל מה שבא אחריה יורש את המספר הזה, אז חשוב לקחת אותו מהמקור.
שלב 2. תזמנו תקבולים לפי תנאי תשלום, לא לפי תאריך מכירה. מכירה עם תנאי תשלום של שבועיים ומכירה עם תנאי תשלום של שלושה שבועות הן שתי שורות שונות במודל, גם אם הן הופקו באותו יום. השתמשו בתאריך תנאי התשלום בחשבונית, או בממוצע היסטורי לפי לקוח.
שלב 3. כל תשלום יוצא נכנס לשבוע שבו המזומן בפועל עוזב אתכם. עלויות ישירות הקשורות למכירות (למשל חומרי גלם) לרוב משולמות שבוע עד שלושה שבועות לפני המכירה שאליה הן שייכות — וכאן רוב התחזיות הידניות נשברות.
שלב 4. בנו את שורת המזומן הסוגר וסמנו שבועות שליליים. רכזו לטבלה אחת: יתרת פתיחה, תקבולים, תשלומים, שינוי נטו, יתרת סגירה. הוסיפו עיצוב מותנה שיצבע באדום כל שבוע שיורד מתחת לאפס.
הנה פרומפט שאפשר להשתמש בו לאחר העלאת הנתונים לכלי AI (ודאו שהכלי עומד בתקן אבטחה כמו SOC2 אם אתם מזינים נתונים רגישים):
בנה תחזית תזרים מזומנים ל-13 שבועות בטאב חדש בשם "תחזית 13 שבועות".
יתרת פתיחה: [מדף חשבון הבנק]
מוצר A: [X] יחידות/שבוע ב-[X]₪, תנאי תשלום 14 יום
מוצר B: [X] יחידות/שבוע ב-[X]₪, תנאי תשלום 21 יום
עלויות משולמות 1-2 שבועות לפני המכירה הרלוונטית
שכר שבועי: [X]₪ | שכר דירה חודשי: [X]₪
עמודות: שבוע | יתרת פתיחה | תקבולים | תשלומים |
תזרים נטו | יתרת סגירה
השתמש בנוסחאות בלבד. סמן כל שבוע עם יתרת סגירה שלילית באדום.
הוסף טאב הנחות עם כל קלט שנתתי לך.
המגבלות: הזנת נתונים ידנית נמצאת בכל מקום. אין אוטומציה אלא אם מישהו כתב VBA ומאקרו — והאדם הזה בדרך כלל עזב את החברה לפני שנתיים. וככל שמאגר הנתונים גדל, Excel נהיה איטי ונתקע. אנחנו מתחזקים כך תזרימים כבר 30 שנה. זה עובד, אבל זה לא נותן לכם שום דבר לבקר חוץ מההעתק-הדבק שלכם.
שיטה 2 — Python
אני איש כספים, לא מפתח, אז אני לא כותב קוד. אבל זה לא אומר שאני לא יכול להשתמש ב-Python.
Python מצוין כשעובדים עם הרבה נתונים, ורוצים להשתמש באלגוריתמי חיזוי שפשוט אי אפשר לקבל ב-Excel או בצ'אט AI רגיל. בסדנת אנליטיקה מתקדמת, סקריפט שנוצר על ידי AI "איחד 2 מיליון שורות תוך 6 שניות". הגרסה המקבילה ב-Excel לאותה עבודה היא שבוע שלם מהחיים שלכם.
שלב 1. תארו את המשימה. פתחו את כלי ה-AI המועדף עליכם, תארו את המשימה ואת מבנה הקובץ, ובקשו סקריפט שאפשר להריץ ב-Google Colab (כלי חינמי של גוגל להרצת Python). אתם לא שואלים את ה-AI מה מצב המזומנים שלכם — אתם מבקשים ממנו לבנות את הכלי שמחשב אותה.
שלב 2. פתחו את Google Colab. זה רץ בדפדפן, זה חינמי, ואף אחד ב-IT לא צריך לאשר את זה. עם זאת, שימו לב שאתם משתמשים בזה עם חשבון גוגל — ודאו שמותר לכם להעלות נתונים חסויים עם החשבון הזה.
שלב 3. הריצו את הסקריפט, וקראו את הקוד שורה אחר שורה לפני שאתם מאמינים לפלט. אין הזיה שמסתתרת בתוך קוד שאתם יכולים לקרוא. זה הביקורת שקשה לקבל מצ'אט AI לבד.
שלב 4. בשבוע הבא, החליפו את הנתונים והריצו את אותו סקריפט. אותם קלטים, אותו פלט, בכל פעם מחדש.
הנה פרומפט שאפשר להשתמש בו כדי ליצור קוד להרצת תזרים ב-Python:
כתוב סקריפט Python שאני יכול להריץ ב-Google Colab
שבונה תחזית תזרים מזומנים ל-13 שבועות.
קלטים (הזן ידנית לעת עתה):
- יתרת פתיחה: [X]
- מוצר A: [X] יחידות/שבוע, מחיר [X]₪, תנאי תשלום 14 יום
- מוצר B: [X] יחידות/שבוע, מחיר [X]₪, תנאי תשלום 21 יום
- עלויות משולמות שבוע לפני המכירה הרלוונטית
- שכר שבועי: [X]₪
- שכר דירה חודשי: [X]₪, מפוזר באופן שווה על פני השבועות
הצג טבלה עם העמודות הבאות:
שבוע | יתרת פתיחה | תקבולים | תשלומים |
תזרים נטו | יתרת סגירה
לאחר מכן ייצא כקובץ Excel בשם cashflow_forecast.xlsx.
סמן כל שבוע עם יתרת סגירה שלילית במילוי אדום.
הוסף הערות לכל חלק בקוד כדי שאוכל להבין מה כל חלק עושה.
השלב האחרון הוא סיבה טובה להשתמש ב-Python. רוב מודלי ה-AI הם הסתברותיים — הם נותנים לכם את התשובה הסבירה ביותר, שלא תמיד נכונה. Python דטרמיניסטי: אותו קלט, אותו פלט. עבור מספר שאתם עומדים להציג בפני גורם מממן, ההבדל הזה קריטי.
שיטה 3 — AI בתוך Excel (Edit with Copilot)
פונקציית העריכה של Copilot ב-Excel מסוגלת להתמודד עם קובץ מרובה-טאבים ומחזירה נוסחאות Excel אמיתיות שאפשר ללחוץ ולערוך — תוך דקות, כאשר מצבי הנחיה אחרים של AI יכולים לקחת שעות כדי להגיע לאותה נקודה.
שלב 1. בדקו את הרישיון שלכם. בדקו אם יש לכם מנוי Microsoft 365 Copilot נתמך ופתחו את Excel. תזדקקו לתוכנית Copilot Business או Enterprise (מומלץ עבור שימוש בנתונים רגישים). בדקו בדף התמחור הרשמי של מיקרוסופט.
אין לכם גישה ל-Copilot? אפשר להשתמש בתוספים Claude ו/או ChatGPT בתוך Excel אם אין לכם תוכנית Microsoft 365 נתמכת.
שלב 2. תנו לו את כל התדריך בבת אחת. תנו את כל זה בפרומפט אחד — כמו שהייתם מתדרכים אנליסט זוטר. בדוגמה שלנו זה כלל שני מוצרים, נפחים ומחירים, תנאי תשלום לכל אחד, עלויות המשולמות שבוע עד שלושה שבועות לפני המכירה, שכר דירה חודשי מוקצה לפי הכנסות, שכר חודשי, ושתי מקדמות עבור ציוד בשבועות 5 ו-8. (התאימו לסיטואציה שלכם.)
שלב 3. עקבו אחר הפרשנות בסרגל הצד תוך כדי הבנייה, ואז לחצו על התאים. הכלי מתאר מה הוא עושה תוך כדי תנועה, ובסוף מקבלים טאב תזרים ל-13 שבועות עם לוח זמנים לתקבולים מפוצל לפי מוצר, וגרף שמסמן שבועות שליליים.
הנה פרומפט שאפשר להשתמש בו בכל תוסף Excel מבוסס AI (Copilot, Claude ו-ChatGPT):
הנתונים שלי נמצאים בחוברת העבודה הזו.
יתרת הבנק נמצאת בטאב "דף בנק", תא B2.
תנאי תשלום ונפחים נמצאים בטאב "קלטים".
השתמש רק בטאבים האלה. אל תפנה לגיליונות אחרים.
בנה את התחזית בטאב חדש בשם "תחזית 13 שבועות".
דבר נוסף שחשוב לשים עליו דגש: הפלט של Copilot בלבד הוא הסתברותי בין הרצות, כך שאותו פרומפט עלול לא לבנות את אותה תחזית אותו דבר פעמיים. הפתרון לזה הוא לשלב Edit with Copilot יחד עם Power Query, כך שרענון הנתונים נשאר דטרמיניסטי ורק הבנייה עצמה היא AI.
הדבר האחד שכדאי לזכור
תפסיקו לשאול איזה כלי הכי טוב. שאלו כמה פעמים אתם בונים את הדבר הזה.
אם אתם בונים תחזית כזו פעם אחת — Excel פשוט מספיק. אם אתם בונים אותה כל שבוע עם הרבה נתונים מבולגנים — לכו על Python. אם אתם בונים אותה כל שבוע בתוך חוברת עבודה שהצוות שלכם כבר משתמש בה — השתמשו ב-AI בתוך Excel.
ולא משנה באיזו שיטה בחרתם, המשימה בסוף זהה: לבדוק, לאתגר, לקחת אחריות. שום כלי AI לא חותם על התחזית — אתם חותמים.
איזו שיטה הכי מתאימה לחברה קטנה עם חשבון בנק אחד? ▼
אם אתם בונים תחזית פעם אחת בלבד ומדובר בישות קטנה עם חשבון בנק אחד, שיטת ה-Excel הפשוטה (שיטה 1) מספיקה לחלוטין ואינה דורשת שום ידע טכני נוסף.
מדוע Python נחשב לפתרון "דטרמיניסטי" לעומת כלי AI רגילים? ▼
רוב מודלי ה-AI הם הסתברותיים ומייצרים את התשובה הסבירה ביותר בכל הרצה, שלא בהכרח זהה בכל פעם. סקריפט Python, לעומת זאת, מפיק תמיד את אותו פלט עבור אותו קלט — יתרון קריטי כשמציגים מספרים בפני גורמים חיצוניים כמו בנקים או משקיעים.
מה החיסרון העיקרי של שימוש ב-Copilot בתוך Excel? ▼
הפלט של Copilot הוא הסתברותי בין הרצות שונות — אותו פרומפט עלול לא לייצר את אותה תחזית פעמיים. הפתרון המומלץ הוא לשלב Edit with Copilot עם Power Query, כך שרענון הנתונים יישאר דטרמיניסטי וה-AI יתמקד רק בבניית המבנה.
הצעד הבא
הצעד הבא שלך הוא לעוד מידע, תוכן ומדריכים לפני כולם. הירשם לספריית התוכן AI Finance Transformation.
פוסטים קשורים
רוצה לשמוע עוד?
הזמן פגישת ייעוץ חינמית או הירשם לניוזלטר כדי לקבל עוד תכנים כאלו.