官方技能 · 財務
財務模型假設檢視
檢視財務模型的假設：逐項列出來源，測試敏感度，對照歷史資料檢查合理性，並指出最重要的 3 個假設。
可在 Claude、ChatGPT 和程式設計代理中使用。使用 Team 和 Business 方案時，我們改進官方技能後，你 Pod 裡的這個技能會自動更新。
適用情境
- 模型送交董事會、貸款方或投資人之前
- 預測看起來好得不像真的，卻沒人說得出原因
你要提供的內容
- 模型本身，或它的輸入與輸出
- 同一批驅動因子的實際歷史資料
- 你信任的基準值與出處（選填）
你會得到的內容
一份檢視，含最重要的 3 個假設、敏感度表、完整的假設清單和結構性問題。
運作方式
- 列出每個假設 包括寫死在公式裡的數字，不只是輸入分頁。每一項寫出：是什麼、數值、單位、期間、來源（歷史、合約、計畫、猜測），以及由誰設定。本技能的預設值：來源空白的，標為「猜測」。
- 區分驅動因子與結果 驅動因子是輸入（轉換率、價格、流失率、招募計畫、薪資）。結果是算出來的（營收、燒錢率）。任何直接打數字、而不是計算出來的結果都要標出來。
- 一次只變動一個輸入來跑敏感度 每個驅動因子都依固定幅度調整（本技能的預設值：±20%，或使用者給的合理範圍），記錄主要輸出的變化。依變化大小為驅動因子排序。
- 檢查合理性 把每個主要驅動因子和公司自己的歷史資料比較：成長率是目前最好月份的兩倍，或流失率只有歷史的一半，都需要理由。和使用者給的基準值比較，並註明出處。兩者都沒有的話，寫「[待確認：沒有歷史資料或基準值]」。
- 指出最重要的 3 個假設 對主要輸出影響最大的 3 個驅動因子，每個都寫出：目前數值、支持它的證據、如果往不利方向出錯輸出會怎樣，以及怎麼提高信心（要蒐集的資料、要做的測試）。
- 記下結構性問題 單位不一致（月 vs 年）、時間點（計畫第 1 個月就有新人到職，沒有留招募時間）、應該彼此連動卻沒有連動的驅動因子（業務人數增加，每人業績目標卻不變，營收也沒動）。
- 寫出摘要 2 到 3 句：模型的結論、它所依賴的 3 個假設，以及最大的風險。
SKILL.md 檔案
完整檔案，就是你的 AI 讀到的內容。 下載檔案
---
name: model-assumptions-review
description: 檢視財務模型或預測中的假設。列出每個假設的數值、來源與設定者，一次只變動一個輸入來測試敏感度，對照使用者提供的基準值與公司自己的歷史資料檢查合理性，並指出最能左右結果的 3 個假設。絕不自己編造基準值。適用於有人提供財務模型、預測、預算或募資計畫，要求檢視假設、對模型做壓力測試，或問「要成立的前提是什麼」時。
---
# 財務模型假設檢視
財務模型的好壞取決於假設，而通常只有少數幾個假設決定了大部分的結果。這份檢視讓每個假設連同來源都攤開來看，量出哪些假設最能改變輸出，再拿它們對照歷史資料和使用者提供的基準值。它不會重建模型。
## 適用情境
- 模型送交董事會、貸款方或投資人之前。
- 預測看起來好得不像真的，卻沒人說得出為什麼。
- 新的財務主管接手一個既有模型。
- 只檢查 CAC 和 LTV 計算的話不適用：請用 unit-economics-check。每月的 runway 數字也不適用：請用 runway-update。
## 需要準備
- 模型本身，或它的假設與輸出：輸入分頁、驅動因子、主要輸出（營收、燒錢率、現金、runway、獲利）。
- 公司在同一批驅動因子上的實際歷史資料（有的話，最近 6 到 12 個月）。
- 使用者信任的基準值，附來源。沒有提供的話，只和歷史資料比較，並寫明這一點。絕不憑記憶提供基準值。
- 對這次決策最重要的輸出（現金用完的月份、損益兩平的月份、年底營收）。沒有指定的話，用現金用完的月份。
## 步驟
1. **列出每個假設。** 包括寫死在公式裡的數字，不只是輸入分頁。每一項寫出：是什麼、數值、單位、期間、來源（歷史、合約、計畫、猜測），以及由誰設定。本技能的預設值：來源空白的，標為「猜測」。
2. **區分驅動因子與結果。** 驅動因子是輸入（轉換率、價格、流失率、招募計畫、薪資）。結果是算出來的（營收、燒錢率）。任何直接打數字、而不是計算出來的結果都要標出來。
3. **一次只變動一個輸入來跑敏感度。** 每個驅動因子都依固定幅度調整（本技能的預設值：±20%，或使用者給的合理範圍），記錄主要輸出的變化。依變化大小為驅動因子排序。
4. **檢查合理性。** 把每個主要驅動因子和公司自己的歷史資料比較：成長率是目前最好月份的兩倍，或流失率只有歷史的一半，都需要理由。和使用者給的基準值比較，並註明出處。兩者都沒有的話，寫「[待確認：沒有歷史資料或基準值]」。
5. **指出最重要的 3 個假設。** 對主要輸出影響最大的 3 個驅動因子，每個都寫出：目前數值、支持它的證據、如果往不利方向出錯輸出會怎樣，以及怎麼提高信心（要蒐集的資料、要做的測試）。
6. **記下結構性問題。** 單位不一致（月 vs 年）、時間點（計畫第 1 個月就有新人到職，沒有留招募時間）、應該彼此連動卻沒有連動的驅動因子（業務人數增加，每人業績目標卻不變，營收也沒動）。
7. **寫出摘要。** 2 到 3 句：模型的結論、它所依賴的 3 個假設，以及最大的風險。
## 輸出格式
```markdown
# 假設檢視：[模型名稱]，[日期]
**主要輸出：**[例如：現金用完的月份：[數值]]
**摘要：**[2–3 句]
## 最重要的 3 個假設
| # | 假設 | 數值 | 證據 | 如果出錯（不利方向） | 如何提高信心 |
|---|---|---|---|---|---|
| 1 | [驅動因子] | [數值] | [歷史／基準值／猜測] | [輸出變化] | [資料或測試] |
## 敏感度（每次只變動一個輸入）
| 驅動因子 | 基準 | 幅度 | 主要輸出（−幅度） | 主要輸出（+幅度） |
|---|---|---|---|---|
| [驅動因子] | [數值] | [±20%] | [數值] | [數值] |
## 所有假設
| 假設 | 數值 | 單位／期間 | 來源 | 設定者 | 合理性 |
|---|---|---|---|---|---|
| [名稱] | [n] | [單位] | [來源或「猜測」] | [姓名] | [與歷史／基準值比較，或「[待確認：……]」] |
## 結構性問題
- [問題，以及在模型中的位置]
```
## 範例
**輸入：**
> 隼科科技（B2B SaaS）2 年計畫。起始 MRR 60,000。每月新增 MRR 9,000，每月成長 10%。每月營收流失率 1%。毛利率 80%。人數從 14 人增加到第 12 個月的 30 人；平均每人每月成本 9,000。現金 2,400,000。模型顯示第 26 個月現金用完。歷史資料（最近 6 個月）：新增 MRR 平均 6,500，最好的月份 8,100；營收流失率平均 2.2%。使用者基準值：未提供。
**輸出（節錄）：**
```markdown
# 假設檢視：隼科科技 2 年計畫
**主要輸出：**現金用完的月份：第 26 個月
**摘要：**這份計畫能撐到第 26 個月，是假設新增 MRR 一開始就高於目前最好的月份、每個月成長 10%，而且流失率不到歷史的一半。如果新增 MRR 和流失率維持最近 6 個月的水準，現金會更早用完 [待確認：用歷史數值重跑模型]。
## 最重要的 3 個假設
| # | 假設 | 數值 | 證據 | 如果出錯（不利方向） | 如何提高信心 |
|---|---|---|---|---|---|
| 1 | 起始每月新增 MRR | 9,000 | 猜測；歷史平均 6,500，最好 8,100 | [待確認：以 6,500 重跑] | 拿出能支撐 9,000 的 pipeline |
| 2 | 新增 MRR 成長率 | 每月 10% | 猜測；未提供歷史資料 | [待確認：以 0% 和 5% 重跑] | 和規劃中的業務招募與業績目標連動 |
| 3 | 營收流失率 | 每月 1% | 歷史 2.2% | [待確認：以 2.2% 重跑] | 說明哪些留存措施能讓流失率減半 |
## 結構性問題
- 人數到第 12 個月增加超過一倍，但新增 MRR 的成長沒有和業務招募連動；兩者應該一起變動。
```
## 寄出前檢查
- [ ] 每個假設都有數值、單位和來源，或標為「猜測」。
- [ ] 敏感度一次只變動一個輸入，並寫明幅度。
- [ ] 前 3 名依對主要輸出的影響排序，而不是依意見。
- [ ] 引用的每個基準值都來自使用者；歷史比較用的是使用者的資料。
- [ ] 沒有寫出任何不是由模型或列出的計算產生的輸出數字；需要重跑的都標「[待確認：……]」。
## 常見錯誤
- 只看輸入分頁，漏掉寫在公式裡的數字。
- 同時改好幾個輸入，還稱之為敏感度分析。那是情境分析；就照實標示。
- 憑記憶拿外部基準值來評斷成長率。
分享給你的團隊
把它加入 AI Skill Pod，團隊每個人（外包人員也包括在內）都能從自己的 AI 使用同一個版本。 看看和團隊分享 AI 技能的最佳做法
更新紀錄
- v1.0.0 · · First release.
參考來源
- The Aqua Book (2026-11-04 查閱)
- What is Sensitivity Analysis? (2026-11-04 查閱)