Clearview Advisory Group هي شركة استشارات استراتيجية ومالية مقرها الولايات المتحدة، تخدم العملاء في الفئة المتوسطة من السوق في مجالات التخطيط متعدد السنوات وتخصيص رأس المال. تتطلب المشاريع نماذج توقعات تستند إلى الواقع الاقتصادي الكلي الحالي — مستندات موجهة إلى مسؤولي الشؤون المالية وأعضاء مجالس الإدارة. يقود James Merritt أعمال النمذجة الكمية عبر مشاريع العملاء.
ثلاث مجموعات بيانات حكومية، من دون طبقة دمج
كان المطلوب تسليمه قالب توقعات مالية لمدة 3 سنوات مرتكزًا إلى مؤشرات اقتصادية كلية أمريكية مباشرة — CPI، ونمو real GDP، وأسعار الفائدة. كانت بيانات الاقتصاد الكلي موزعة في ملفات CSV حكومية منشورة بشكل منفصل. ولإنشاء خط الأساس، احتاج Merritt إلى استخراج الصفوف اللاحقة لعام 2020 من كل ملف، وحساب معدلات النمو السنوية لكل من CPI وreal GDP، ثم دمج السلاسل الثلاث كلها في جدول واحد متماسك قبل أن يبدأ أي عمل موجه للعميل.
أضافت بيئة ما بعد 2020 تعقيدًا غير خطي: فارتفاع التضخم، وأشد دورة رفع لأسعار الفائدة من Federal Reserve خلال أربعة عقود، وتقلبات GDP من انكماش حاد إلى تعافٍ قوي، كلها جعلت افتراضات الخط المستقيم أو تمديد الاتجاهات السابقة لعام 2020 تنتج خط أساس مضللًا بشكل جوهري. وكان الارتكاز إلى بيانات حديثة أمرًا غير قابل للتفاوض. وعند تنفيذ هذه المواءمة يدويًا، تستغرق عدة ساعات قبل حتى البدء في قالب التوقعات.
أصبحت Energent.ai محرك الدمج
قام Merritt بتحميل ملفات CSV الثلاثة الخاصة بالاقتصاد الكلي مباشرة إلى Energent.ai. وتولى الوكيل كامل خط المعالجة:
- فحص مجموعات البيانات الثلاثة المحمّلة والتحقق منها قبل المتابعة
- تنفيذ Python لاستخراج أحدث القراءات اللاحقة لعام 2020 من كل ملف
- احتساب معدلات النمو YoY لكل من CPI وreal GDP، ثم دمج السلاسل الثلاث كلها في ملف CSV موحد واحد
- إسناد إنشاء لوحة المعلومات إلى وكيل فرعي، لإنتاج مخطط تراكبي تفاعلي يغطي طفرة التضخم، ودورة رفع أسعار الفائدة، وتقلبات GDP ضمن خط زمني موحد
- تأليف قالب توقعات منظم بصيغة markdown لمدة 3 سنوات يتضمن أرقام خط الأساس، وجداول معدلات YoY، وهيكلًا إسقاطيًا لثلاث سنوات
- التحقق من بنية الملفات وسلامة العرض قبل التسليم النهائي
لا عمليات دمج يدوية. لا إعادة كتابة للصيغ. لا أداة رسم منفصلة.
بيانات تراعي الأنظمة الاقتصادية، لا مجرد تقارير أجمل
- حساب فعلي على ملفات فعلية. نفّذ الوكيل Python على ملفات CSV المحمّلة الفعلية — وليس على بيانات وهمية. جاءت معدلات نمو YoY من القراءات المصدرية، لا من تقديرات تقريبية.
- تغطية ما بعد 2020 كإعداد افتراضي. تم استخراج الصفوف اللاحقة لعام 2020 عبر السلاسل الثلاث كلها، ما التقط نقاط التحول في الأنظمة التي تجعل توقعات الفترة الحالية مختلفة جوهريًا عن الاستقراء لما قبل 2020.
- جلسة واحدة، حزمة كاملة. جرت عمليات الإدخال والدمج والتصور وتأليف القالب بشكل متسلسل ضمن جلسة واحدة. واستندت لوحة المعلومات والقالب إلى خط الأساس الموحّد نفسه.
- مرونة في الصيغ. تمت معالجة ملفات من مصادر حكومية مختلفة وبُنى أعمدة مختلفة من دون أي معالجة مسبقة يدوية.
كيف يدير James Merritt العملية
- حمّل ملفات CSV الثلاثة الخاصة بالاقتصاد الكلي إلى جلسة Energent.ai.
- يستخرج الوكيل قراءات الفترة الحالية ويحسب معدلات النمو YoY.
- يتم إنشاء ملف CSV موحد وإتاحته للتنزيل.
- يتم إنتاج لوحة معلومات تراكبية تفاعلية بواسطة وكيل فرعي.
- يتم تأليف قالب توقعات منظم بصيغة markdown والتحقق منه.
- يتم تنزيل الملفين لتسليمهما إلى العميل.
ثلاثة مخرجات جاهزة للعميل، في جلسة واحدة
- خط أساس اقتصادي كلي موحد: ملف CSV واحد يجمع قراءات CPI وreal GDP وأسعار الفائدة — مع احتساب معدلات النمو السنوية لـ CPI وreal GDP، والإبقاء على أسعار الفائدة كقراءات مستوى
- لوحة معلومات تراكبية تفاعلية: مخطط موحد يغطي الأنظمة اللاحقة لعام 2020 — واضح لجمهور مالي غير متخصص
- قالب توقعات منظم: مستند markdown منسق يتضمن أرقام خط الأساس، وجداول معدلات YoY، وهيكلًا إسقاطيًا لثلاث سنوات، وجاهزًا للتسليم إلى العميل
العمل الذي كان سيستهلك عدة ساعات من تجميع البيانات يدويًا عبر ثلاثة ملفات حكومية منفصلة اكتمل ضمن جلسة عمل واحدة.
"انتقل القالب مباشرة إلى فريق CFO لدى العميل بوصفه المستند العملي لدورة التخطيط متعددة السنوات. هذا هو المعيار — جيد بما يكفي ليستخدمه فريق CFO مباشرة. وقد كان كذلك." — James Merritt، مستشار أول للاستراتيجية في Clearview Advisory Group