财务模式是指南针，而不是水晶球

作为早期公司的投资者和顾问, 我所见过的几乎所有新企业的财务模式都在某个阶段呈现出指数级增长. 关于用户获取成本的假设趋于下降, 每用户平均收益(ARPU)呈上升趋势, 预计成本的增长将慢于收入的增长, 销售周期缩短, 价格上涨, 收入激增.

12-18个月, 大多数公司发展如此之快，以至于他们要么(a)筹集资金，为他们已经证明的巨大增长机会提供资金, 或者(b)收回营销支出并收获由此产生的自由现金流.

类似的, 世界各国政府使用的COVID-19模型得出的预测与结果大相径庭. 鉴于一种新型病毒固有的巨大不确定性，这并不奇怪. 这是一个现实而非愤世嫉俗的评估. 所有的模型都是错误的, 但随着时间的推移，有六个步骤可以最大限度地提高它们的准确性.

第一阶段:斧头

第一步 财务建模过程 就是推翻所有的假设

• 为什么你的客户获取成本与你试图击败的数十亿美元的竞争对手相当?
• 你真的期望在四个月内从陌生拜访到销售吗? 你向财富500强企业出售七位数合同的经验是什么?
• 你所有的销售人员如何从第一天开始就高效工作?
• 你没有任何客户成功的预算，但仍然假设极低的流失率-为什么?
• 你的产品与你的主要竞争对手有足够的区别，你可以多收50%的钱吗?

我与很多SaaS(软件即服务)公司合作, 我们关注的三个主要关键绩效指标是 客户获取成本(CAC)、客户流失和客户终身价值(LTV). 这些都是由其他假设驱动的:CAC是你在营销和推广上花费多少的函数, 有多少人点击了你的广告, 有多少人对这些广告采取了行动, 他们中有多少人转化为免费用户，最终变成付费用户, 当.

在做出任何业务决策之前，所有的假设都被分配给KPI族. CAC KPI包括营销渠道假设，也包括销售假设. 你的销售人员一次能管理多少潜在客户? 成交率是多少? 一般销售需要多长时间? 只有在我们为所有这些假设找到足够的支持之后，我们才能继续实施商业计划.

这一步可以等同于我们现在正在经历的COVID-19大流行. 这些模型也是建立在假设之上的. 一个是R0, 假设的SARS2 CoV-19病毒在易感人群中自然传播的速度是多少. 其他假设是围绕感染后COVID-19的影响.

中国当局进行的初步调查未发现该小说人际传播的明确证据 #冠状病毒 (2019-nCoV #武汉, #中国🇨🇳. 图片.推特.com/Fnl5P877VG

-世界卫生组织(卫生组织)(@卫生组织) 2020年1月14日

这些假设从一开始就没有得到充分理解, 和, 在理想的情况下, 西方卫生官员在做出最终决定，强制实施各种形式的社交距离之前，对所有这些建议都提出了质疑.

阶段2:已知的未知

金融模型中不太确定的变量是已知的未知数. 当我与客户一起找出最需要关注的假设时, 我们在一个有白板的房间里(或者在一个有空白谷歌文档的缩放房间里)，根据它们在模型中的确定性程度和重要性对它们进行排序.

对于消费者SaaS公司来说, 销售转化率(conversion rate)是一个非常重要的假设. 我的一个客户是一个医疗保健应用程序——他们有一个免费的产品, 付费订阅产品, 他们通过将客户介绍给服务提供商赚取佣金. 假设每1中有50个,000名注册免费应用程序的用户最终升级为付费用户. 这是基于最近的数据，但也可能是基于竞争对手的经验或他们之前在另一家公司的经验. 模型中的每个假设都是团队认为那些特定的假设对当时可用的信息最有意义的结果.

因为我们知道转化率对销售增长和利润率有很大的影响, 因为我们对这个速率的假设不太确定, 这个变量是我们的主要关注点. 如果您经营的是消费者SaaS业务，销售额相对较高，销售周期较短, 您可以很快看到这些结果. 当有足够的数据时, 我们要么满足于我们的假设是准确的，要么看到有一个问题需要解决，因为我们高估了转化率.

我们要解决的真正问题是, 因为我们得到了一些轶事报道, 当你没有症状时你能有效地传播它吗. 安东尼年代. Fauci, M.D.， NIAID主任(2020年2月19日)

类似的, 公共卫生官员当时知道他们的几个假设是不确定的, 症状率, 住院率, 医院的能力, 死亡率, 等. 例如，R0比听起来要复杂得多. 一个好的R0假设需要考虑到所有的行为变化, 根据一个地区的特点(例如.g.城市:拥挤的纽约vs. 南达科他州的一个乡村小镇). 有效复制数, Re, 用来描述病毒在不同情况下和不同时间的繁殖率.

我的SaaS客户和公共卫生官员都必须完全专注于更好地理解模型中的关键变量. 一旦他们知道需要关注哪些硬数据，他们就会进入下一个步骤:测量.

第三阶段:测量

在测量, 我们将深入研究转化率假设:人们是否按我们预期的速度点击广告并下载应用? 他们转化为付费用户的速度是多少? 他们需要多长时间才能转化为付费用户，他们在升级后还能坚持多久?

现在的问题是有很多未知因素... 你知道的, 一开始, 我们不确定是否有无症状感染, 这将使它的爆发范围比我们所看到的要大得多. 现在我们知道确实有. 安东尼年代. Fauci, M.D.， NIAID主任(2020年1月31日)

你可以看到这一过程也在COVID事件中上演. 在疫情早期，世界卫生组织等专家估计该病毒的致死率为3%.全球4%，考虑到流感估计在0%左右，这是一个非常可怕的数字.12%(但在这个数字周围有一系列的估计). That was the number being reported in the press; behind the scenes, 这些模型可能包含了一系列可能性. 但很明显，根据目前的数据，这些估计是建立在一个比可能更高的数字之上的.

使用当前数据, 很明显，感染导致我们所理解的COVID症状的病毒的人的百分比要高得多. 考虑到更高的分母，死亡率必然更低，可能更接近于0.比原来的3%高出12%.4%的数字. 事实证明，我们所依赖的模型是悲观的，而不是乐观的, 我们不得不调整我们对住院和死亡率的估计:

这当然是一个好得多的问题，而不是相反，部分原因是谨慎倾向于谨慎. 现在?

阶段4:修补

现在，世界各国的政治领导人正在与科学家们合作，重新校准他们的模型. 他们正在琢磨该使用或放松哪些改变行为的政策杠杆. 有些假设在世界各地都是一样的, 但许多都是特定地区或环境所特有的.

和我的客户, 我会检查每个KPI中的每个假设，以了解模型的校准情况. 当一个假设与现实不符时，我们会一起集思广益，找出原因. 价值主张是否比我们想象的要少，我们是否向潜在客户清楚地表达了这一点? 产品定价正确吗? 我们是否有一个行动号召来催化他们的购买决定? 我们是否让注册过程尽可能地无摩擦?

我们可以尝试几种不同的方法，看看是否有一种方法能更好地改善表现不佳的指标. 有时, 有一个简单的解决办法, 但通常, 我们必须修补一下，才能在一条特定的道路上建立信心. 软件公司使用一种称为a /B测试的过程:将目标分成紧密可比较的组，在a组和B组上分别尝试一种方法，看看其中一种方法是否能产生始终如一的卓越结果.

我们现在必须考虑所有患者(包括创伤呼叫类型)都被感染，所有人(甚至同事和家庭成员)都因社区传播而暴露. 给消防局紧急服务人员的备忘录 (2020年4月4日)

虽然很少有A/B测试可能发生在策略上，看看哪个效果最好, 不同的国家和国家内部不同的司法管辖区正在采取一系列方法，这些方法几乎同样具有启发性. 世界各地的市政当局和医疗专业人员也在不断改进对付这种疾病的办法, 根据他们自己的病人的反馈和发表的关于其他病人对某些治疗的反应的研究.

阶段5:重新校准

这是橡胶与道路相遇的阶段. 您已经确定了kpi, 将它们与你的预测进行对比, 识别那些关闭的, 明确了驱动它们的假设, 并测试了一些关于如何改善它们的假设.

世界各国政府正处于重新调整的过程中. 大多数国家都在实施计划，在疫情扩散速度取得进展的推动下，分阶段恢复正常, 医院和检测能力, 一般的社区准备. 可以肯定的是，选举结果将受到密切关注.

在商业和公共卫生领域，这一阶段是决策时间——选择一条道路并向前推进. 不要只考虑成功的回报，还要考虑失败的概率和成本(时间和资源). 确定成功的度量标准，当您期望看到结果时，将其显示出来. 如果您选择的路径需要对您的流程进行重大更改，请分配所有权. 这会让你为最后也是最重要的阶段做好准备。

第六步:回到第二步

没有第六阶段-不要通过Go，直接回到第二阶段. 世界上每一个成功的企业都是定期识别的, 测量, 修修补补, 并重新调整他们的假设. 首席执行官应该至少每季度与财务团队会面一次，审查所有业务kpi，并优先考虑需要改进的地方. 创造性的解决方案应该作为一个团队来达成, 但最终责任应由相关企业领导人承担. 这些领导者应该创造一种不断认同的文化, 测量, 修修补补, 重新调整, 并最终继续前进.