Bien sûr, la force d’un modèle de simulation tient dans sa précision. D’autre part, tout modèle de simulation possède aussi ses limites.

Bien conscient de ces faits et pour tenter de pousser davantage la qualité des prévisions du modèle, le chiffrier inclut le calcul d’une encaisse prévisionnelle ajustée.

L’objectif de base est simple : faire en sorte que le modèle améliore la qualité de ses prévisions au fur et à mesure que le nombre de résultats réels augmente.

Pour vous permettre de mieux interpréter les résultats présentés par la courbe « Encaisse prévisionnelle ajustée », voici les hypothèses de simulation qui guident son calcul :

1.   Si nous nous trompons en moyenne de X % sur notre prévision pour l'ensemble des mois réels disponibles, il est plausible de penser que nous nous tromperons d’un pourcentage similaire pour nos prochaines prévisions.

2.   Plus le nombre de mois de résultats réels est grand, plus la situation de départ de notre prochaine prévision ajustée doit influencer l'ajustement.

À titre d'exemple, il est plus probable d'obtenir une encaisse près de 100,000$ en période 12 si l'encaisse réelle est de 100,000$ en fin de période 11 que si vous avez la même encaisse réelle, mais en fin de période 1. Par conséquent, s’il est logique d’utiliser l’écart moyen pour ajuster l'encaisse prévisionnelle, il faut effectuer l’ajustement en intégrant cette notion de croissance progressive de la précision en fonction du nombre de résultats réels connus.

3.   L'écart cumulatif en $ entre l’encaisse prévisionnelle et l’encaisse réelle avant de passer à une période prévisionnelle est une tendance lourde, c'est-à-dire que cet écart influence l’ensemble des prévisions à venir.

Exemple : Si vous avez accumulé 100,000$ de surplus d'encaisses dû à de meilleures ventes, il est logique de conclure que ce montant a des répercussions positives sur l'ensemble des mois à venir. Il faut donc s'assurer d'intégrer adéquatement toute tendance lourde dans l'ajustement de la prévision.

Toutefois, cet écart cumulatif en $ est peut-être en partie le résultat d'un décalage dans le temps entre les activités budgétées et leur date de réalisation réelle. Il est donc dans cette optique également lié à l’écart moyen en pourcentage.

Autrement dit, le fait d’avoir réalisé de meilleures ventes pour une partie de l’exercice ne veut pas dire automatiquement que nous allons continuer de réaliser de meilleures ventes. Il faut donc être prudent.

Pour s’assurer que la prévision ajustée demeure prudente, il est donc préférable de pondérer l'intégration de la tendance lourde en n’en prenant qu'une portion. Cette portion sera fonction du nombre de résultats réels en main au moment du calcul de l'ajustement.

Sur la base de ces hypothèses, voici sous une forme simplifiée le calcul de l’encaisse prévisionnelle ajustée pour une période « P » donnée :

Soit :

A :   L'encaisse prévisionnelle précédente « P - 1 ». Notez que cette encaisse peut correspondre à un résultat réel ou une prévision ajustée.

V :   La variation de l’encaisse prévisionnelle entre les périodes « P - 1 » et « P ».

C :   L'écart moyen cumulatif en % entre le prévisionnel et le réel en « valeur absolue » pour l'ensemble des mois réels disponible.

F:    Le poids de l’ajustement prévisionnel à appliquer. Cette valeur est définie aux paramètres d’ajustement prévisionnel.

E :   L'encaisse prévisionnelle ajustée pour la période de prévision.

Alors, l’encaisse prévisionnelle ajustée s’obtient par :

E : A + V + ( V * C * F * ( 1 - P/12) )

Cette forme algébrique fait bien ressortir la croissance progressive de l’apport des résultats réels dans l’ajustement de la prévision au fur et à mesure que le nombre de résultats réels augmente.

Elle fait également ressortir le rôle que peut jouer le paramètre « Poids de l’ajustement prévisionnel » pour diminuer l’impact d’écarts extrêmes historiques sur les prévisions à venir sous l’hypothèse où ses écarts extrêmes ont été causés par des situations expliquées et contrôlées.