Comentário de variância para o conselho, sem causas inventadas
Dê a um modelo de IA os seus números de realizado contra orçado e receba uma análise de variância limpa, mais um comentário curto e factual para o conselho. O recurso que se destaca é o que o modelo se recusa a fazer: ele não inventa um motivo para a variância; ele diz que a causa não está nos dados e lista o que precisaria para explicá-la.
Cole realizado e orçado de receita, lucro bruto, despesas operacionais e lucro operacional. O modelo calcula cada variância em valor e percentual, marca cada uma como favorável ou desfavorável, encontra a história real comparando o percentual de margem bruta e redige um comentário de cerca de 150 palavras. Onde a causa de uma variância não está contida nos números, ele diz isso com clareza e lista os dados necessários, em vez de fabricar uma explicação que soa plausível.
Separar o que aconteceu do porquê
Um bom comentário de variância separa duas coisas que costumam se confundir: o que aconteceu, que os números podem dizer, e por que aconteceu, que eles geralmente não podem. O modelo consegue calcular que o lucro bruto caiu enquanto a receita subiu, e consegue mostrar que a causa é compressão de margem, não um problema de topo de linha. O que ele não pode fazer com honestidade é nomear a razão dessa compressão, porque preço, volume, mix e custo de insumo vivem todos fora do resumo de quatro linhas que recebeu.
Essa contenção é todo o valor do prompt para um parceiro de negócios de finanças. Um material de conselho que afirma com confiança uma causa errada é pior do que um que diz "a causa ainda não foi identificada; eis o que precisamos para encontrá-la." Essa honestidade é o mesmo princípio que sustenta ligar mudança operacional a resultado financeiro na execução da estratégia: medir o que você pode defender e ser explícito sobre o que ainda não consegue explicar.
O prompt, pronto para colar
Substitua os valores de exemplo pelos seus. Mantenha a regra de proteção no topo e os passos numerados; são eles que fazem a diferença.
Você é um parceiro de negócios de finanças. Trabalhe apenas com os valores que eu fornecer. Não invente nenhuma explicação nem número. Onde uma causa não estiver nos dados, diga isso e liste o que você precisaria para explicá-la. Realizado x orçado neste trimestre (R$): Receita: 4.120.000 x 4.000.000 Lucro bruto: 1.360.000 x 1.440.000 Despesas operacionais: 910.000 x 880.000 Lucro operacional: 450.000 x 560.000 Faça o seguinte: 1. Calcule a variância e a variância % de cada linha. 2. Marque cada variância como favorável ou desfavorável. 3. Enuncie a história principal (a receita subiu, mas o lucro bruto caiu) e calcule a margem bruta % realizada x orçada. 4. Redija um comentário de conselho curto e factual, de no máximo 150 palavras, sinalizando claramente onde uma causa não está nos dados. 5. Liste os dados que você precisaria para explicar a queda de margem.
Um exemplo resolvido
Linha / Realizado (R$) / Orçado (R$) / Variância (R$) / Variância % / Veredito:
- Receita: 4.120.000 / 4.000.000 / +120.000 / +3,0% / Favorável
- Lucro bruto: 1.360.000 / 1.440.000 / -80.000 / -5,6% / Desfavorável
- Despesas operacionais: 910.000 / 880.000 / +30.000 / +3,4% / Desfavorável
- Lucro operacional: 450.000 / 560.000 / -110.000 / -19,6% / Desfavorável
A margem bruta caiu de 36,0% orçada para 33,0% realizada, uma queda de 3 pontos. A compressão de margem, e não a linha de receita, é o que puxa a falta no lucro operacional. O modelo redigiu um comentário de cerca de 148 palavras que enuncia esses fatos e então afirma explicitamente que a causa da queda de margem não é identificável a partir dos dados fornecidos. Ele se recusou a adivinhar. Em seguida listou os dados que precisaria para explicar a queda:
- uma ponte de receita separando volume de preço
- custo dos produtos vendidos detalhado por categoria
- mix de vendas por faixa de margem
- custos unitários de insumo contra orçado
- detalhe de descontos e bonificações
- despesas operacionais detalhadas por linha
Essa recusa é o ponto. A IA deu ao conselho um retrato verdadeiro e uma lacuna honesta, em vez de uma resposta confiante que poderia estar errada.
O que custa para rodar
A entrada tem cerca de 260 tokens. Uma execução completa, com a tabela de variância, a análise de margem, o comentário redigido e a lista de dados desejados, custa uma fração de centavo em qualquer modelo atual. Rodá-lo a cada ciclo de reporte é praticamente gratuito diante do tempo que poupa na primeira versão. Os números de tokens são aproximados e variam conforme o modelo e o tokenizador.
A salvaguarda que importa
Esta é a instrução de proteção mais importante de todo o material. O comentário de conselho é exatamente onde uma causa fabricada faz mais estrago, porque ela é repetida como fato.
Trabalhe apenas com os valores que eu fornecer. Não invente nenhuma explicação nem número. Onde uma causa não estiver nos dados, diga isso e liste o que você precisaria para explicá-la.
A instrução transforma o modelo de um adivinhador confiante em um analista honesto que nomeia a lacuna. O prompt pode dizer ao conselho que a margem comprimiu, mas não pode dizer por quê, porque o porquê vive no detalhe de custo. Rastrear a margem até produto, cliente e canal, para que a causa esteja nos dados da próxima vez, é o trabalho por trás de um modelo de rentabilidade real em TDABC.
Perguntas frequentes
- Por que a IA não deve nomear a causa da variância?
- Porque a causa quase nunca está contida em um resumo de quatro linhas. Preço, volume, mix e custo de insumo vivem fora dele. Se o modelo nomeia uma razão sem esses dados, ele está adivinhando, e um material de conselho que afirma uma causa errada com confiança é pior do que um que declara a lacuna honestamente.
- O que o modelo consegue afirmar com segurança?
- O que aconteceu: as variâncias em valor e percentual, se cada linha é favorável ou desfavorável, e que a margem bruta comprimiu de 36,0% para 33,0%. Ele mostra que a compressão de margem, e não a receita, puxa a falta no lucro operacional. Só não pode dizer por que a margem caiu.
- Quais dados o modelo pede para explicar a queda de margem?
- Uma ponte de receita separando volume de preço, o custo dos produtos vendidos por categoria, o mix de vendas por faixa de margem, os custos unitários de insumo contra orçado, o detalhe de descontos e bonificações e as despesas operacionais por linha.
- Quanto custa rodar este prompt?
- A entrada gira em torno de 260 tokens e uma execução completa custa uma fração de centavo em qualquer modelo atual. Os valores são aproximados e variam conforme o modelo e o tokenizador.
- Como faço para a causa estar nos dados no próximo trimestre?
- Rastreando a margem até produto, cliente e canal com um modelo de rentabilidade em TDABC construído sobre o seu razão reconciliado. Com o custo traçado até o objeto certo, a próxima variância já vem com a causa visível, e o comentário deixa de terminar em lacuna.
Leia também
O prompt diz ao conselho que a margem comprimiu, mas não por quê. O Profit Check gratuito leva 10 minutos e mostra onde a margem se cria e onde ela se perde. Ou fale conosco pela página de contato.
Prova
Um distribuidor na Nova Zelândia. €1,335M de custo de servir tornado visível, depois reduzido à metade, e 830 clientes deficitários reduzidos a 295.
Ler o estudo de caso →Com quem você vai falar
Miguel Guimarães, Sócio-fundador
Trabalhando com custos e lucro há mais de 25 anos. Apresentou o caso de cost-to-serve da Damco no Managing for Profit (Amsterdã RAI, dezembro de 2009), no mesmo programa que Robert S. Kaplan.
Ligue +351 910 313 731
