Smb cash flow forecast

小微企业现金流预测（30/60/90 天）

为小微企业生成 30/60/90 天现金流预测：基于各客户历史回款方差给出置信区间，并点名具体风险。双产出——简明聊天摘要 + 可下载 XLSX 工作簿。

何时使用

用户问这类问题时触发：

• "下个月工资发得出来吗？""还剩多少跑道（runway）？"
• "帮我预测一下现金流""会不会现金断流（cash crunch）？"

不该用边界：本技能只读、不改账，是预测而非记账。不做正式做账/对账/报税、不出审计级财报、不做上市公司估值建模。交付后须提醒：这只是预测，做融资/借贷决策前请与簿记/会计核实。

步骤

步骤 1 — 确认可用数据源

按以下顺序探测哪些连接器在线，记录实际用到的源（影响置信区间宽度）：

1. QuickBooks — AR 账龄、AP、固定成本的主源。
2. PayPal — 交易历史与结算时点。
3. Stripe — 扣款与打款历史。
4. Square — 销售与打款历史。
5. CSV 上传 — 无任何连接器时的兜底。

都没有且无附件 → 请用户连接数据源或上传 CSV（收入/支出表格，格式宽松）。

步骤 2 — 拉取数据

• QuickBooks：AR 账龄（客户、发票额、开票日、到期日、逾期天数）；AP（供应商、应付额、到期日）；经常性固定成本（房租、工资、订阅）。
• PayPal/Stripe/Square：结算历史（交易日、金额、结算日）；用结算时滞（交易日→打款日）算各源平均与方差。
• CSV：按收入/支出表解析，必需列（命名灵活）：date、amount、type(income/expense)、description；列含义不清时先展示表头让用户确认映射。

步骤 3 — 计算历史回款时滞

对每个 AR 客户（或 CSV 收入源）计算：

• 平均时滞 mean lag — 开票/交易日到实收的平均天数。
• 回款方差 — 最近 6–12 笔回款时滞的标准差，用于定区间宽度。

回款记录 < 3 笔：用总体均值作点估计，默认套 ±30% 区间。CSV 数据若该源历史 ≥ 3 笔，则用实际方差算区间，不要默认 ±30%。

步骤 4 — 构建 30/60/90 预测

分三窗口：0–30 天、31–60 天、61–90 天。每窗口算：

行	方法
预期流入	落在窗口内的 AR，按平均时滞调整后的实收日
预期流出	落在窗口内的 AP + 固定成本
净现金头寸	流入 − 流出
置信区间	± 加权平均回款方差占预期流入的百分比

置信区间公式：

band_pct = weighted_avg_stddev_days / avg_payment_lag_days
low  = net_cash × (1 − band_pct)
high = net_cash × (1 + band_pct)

band_pct 四舍五入到一位小数；上限 ±50%，更高说明数据太薄、模型不可信 → 改为打风险标记（步骤 5）。

边界保护：若 mean lag ≤ 1 天（如 Square POS 即时到账），不要做除法，直接把 band_pct 设为 5%，否则会除零/区间爆炸。

步骤 5 — 点名风险

扫描会把低区间估计压成负、或造成流动性紧张的情形，每条产出一行风险（按美元影响从大到小，最多 5 条）：

• 逾期付款风险：客户 X 历史晚付 18 天，其 $8,400 发票从 30 天窗口推到第 48 天。
• 工资紧张：工资（$22,000）4/15 到期；4/14 低区间现金 $19,200，缺口风险 $2,800。
• 数据过薄告警：客户 Y 仅 2 笔回款记录，区间设为默认 ±30%。
• 无连接器告警：仅用 CSV，无实时 AP / 经常性成本，置信区间比正常更宽。

步骤 6 — 交付产出

聊天摘要（必出）：

现金流预测 — [日期区间]
数据源：[用到的连接器]

            预期       低区间    高区间
30 天净额： $X,XXX    $X,XXX    $X,XXX
60 天净额： $X,XXX    $X,XXX    $X,XXX
90 天净额： $X,XXX    $X,XXX    $X,XXX

⚠ 风险标记：[数量]
  • [风险 1]
  • [风险 2]

XLSX 工作簿（必出）：生成前先读 xlsx 技能/SKILL.md。三个 sheet：

1. Summary — 30/60/90 预测表带置信区间；每个窗口行下展开内联子行，列出构成流入（绿）/流出（红）的逐笔交易，使估值在本表内可审计。
2. Detail — 全部交易按窗口分组、组内按日期排序，含累计净额列与每组小计（总流入/总流出/净）；过去交易置灰单列于底部；三个窗口即使为空也要有行，空窗口放"本窗口无交易"占位行。
3. Risks — 标记的风险及其美元影响与所属窗口。

文件名：cash-flow-snapshot-[YYYY-MM-DD].xlsx。

指令

无破坏性操作，无需审批门。交付后固定提醒：

"本预测基于 [所列数据源]，不能替代会计意见——做融资决策前请先与你的簿记/会计核实。"

示例

services 业务，QuickBooks + PayPal 已连。AR：Acme $8,400（到期 4/10，历史均滞 18 天）、BlueSky $14,200（4/22，滞 7 天）；固定成本：工资 $22,000（4/15）。

调整后实收日：Acme 4/28、BlueSky 4/29 → 均落在工资日之后。

加权平均 stddev 3.6 天 / 加权平均时滞 12.7 天 → band_pct = 28.3%

窗口     预期流入   预期流出   净额      低(−28%)   高(+28%)
0–30d   $22,600    $22,000   +$600    −$5,928    +$7,128
31–60d  $6,000     $3,680    +$2,320  +$1,670    +$2,970

风险：① 工资紧张——$22K 工资 4/15 到期，但 AR 4/28–29 才到账，低区间缺口风险高达 $22,000；② 逾期付款——Acme 均滞 18 天，$8,400 推到工资日之后。

注意事项

源 gotchas（采编保留的关键约束）：

• AR 账龄含已收发票：QuickBooks 账龄导出可能含 $0 余额发票，会虚高流入 → 先按 balance_due > 0 过滤；连接器不暴露 balance_due 时，先减去已知 PayPal/Stripe 结算额。
• PayPal 结算时滞因交易类型而异：别假设全部 1–2 个工作日到账（争议/新卖家/大额会被冻结）→ 用实际 transaction_date → completed_date 对算每类的均值与标准差。
• CSV 列名各家不一：QuickBooks 用 "Transaction Date/Amount/Transaction Type"，Wave 用 "Date/Amount/Account Type" → 模糊匹配表头（date→transaction date→txn date；amount→debit/credit；type→category→account type），并先确认映射再算，一个问题胜过一份悄无声息的错预测。
• 固定成本藏在一次性 AP 里：很多小微不规范打 "recurring" 标签，房租可能每月以一次性账单出现 → 找连续 ≥3 个月、同供应商、金额相近（±10%）的 AP 当作固定成本，并向用户确认。
• band 公式在 mean lag = 0 时崩：见步骤 4 边界保护（≤1 天直接设 5%，不做除法）。

参考源含 reference/gotchas.md（连接器异常/极端方差）与 reference/examples/worked-example.md（为新数据形态建模输出格式时）。

互见

• related：cfo-financial-advisor —— 战略层现金跑道/burn 管理，本技能是其战术级 30/60/90 落地。
• related：startup-financial-modeler —— 中长期（3–5 年）现金流/跑道建模。
• related：budget-variance-analysis —— 预实差异归因，可解释流出偏差来源。
• combines_with：financial-statements-generator —— 三表（含现金流量表）正式输出。
• combines_with：sales-forecast-builder —— 用销售预测填充未来流入假设。

---

本条采编自 anthropics/knowledge-work-plugins（Apache-2.0）。