Avis et détails du produit Causal

L'équipe de Causal est si intelligente et serviable. Leurs intégrations sont fantastiques, et j'adore la facilité avec laquelle on peut commencer.

Chaque fois que j'ai des questions, ils sont toujours heureux d'aider. Avis collecté par et hébergé sur G2.com.

Rien ne me vient à l'esprit pour le moment ! Nous avons trouvé que c'était très facile à utiliser. Avis collecté par et hébergé sur G2.com.

Mon équipe effectue une TONNE d'analyses de cohortes complexes que Excel ne peut tout simplement pas gérer à mesure que l'entreprise a grandi (des millions de cellules..). Causal a été essentiel dans bon nombre de nos analyses d'impact produit et la création de différents scénarios est assez fluide. L'outil visuel est rapide et nous aide à trouver des bugs dans nos données ou à comprendre plus facilement où nous devons ajuster notre modèle. L'équipe de Causal est extrêmement utile - (un grand merci à Heidi !) écoute les retours et a travaillé en étroite collaboration avec nous pour construire notre modèle de revenus par cohorte. Notre équipe a une longue liste de projets que nous avons hâte de construire dans Causal lorsque nous aurons le temps. Je recommanderais absolument le produit pour toute équipe d'analyse FPA, Corp Dev, et Produit ou Marketing ! Avis collecté par et hébergé sur G2.com.

Il n'y a pas grand-chose à propos de Causal que notre équipe n'aime pas - je dirais plutôt que la partie la plus difficile est de comprendre la courbe d'apprentissage pour écrire des formules et apprendre le langage Causal. Cependant, avec l'aide de l'équipe Causal, ce processus a finalement été assez fluide pour notre équipe. Comparé à des systèmes comme Adaptive, les formules de Causal suivent plus de logique, surtout si vous êtes fort en Excel. Avis collecté par et hébergé sur G2.com.

La chose la plus utile à propos de Causal est leur manière unique de lier les variables et les catégories entre les modèles, ce qui nous permet de réaliser des exercices de modélisation complexes (connectés à des données en temps réel) qui se construisent tous les uns sur les autres, sans avoir besoin de vérifier continuellement les références et de construire des formules complexes qui sont difficiles à suivre pour les spectateurs.

La fonction Cohorte de Causal est également l'une des manières les plus simples de faire de la modélisation de cohortes selon mon expérience. Avis collecté par et hébergé sur G2.com.

Lorsque vous utilisez de nombreuses intégrations de données, il n'y a pas beaucoup de flexibilité pour bricoler avec les catégories ou mapper des catégories de noms différents entre plusieurs sources de données. Cela cause des difficultés pour s'assurer que la source de données a exactement le même format de sortie, peu importe d'où elle provient, ce qui peut prendre beaucoup de temps au départ. Avis collecté par et hébergé sur G2.com.

- La facilité d'importer des données de différentes sources de données.

- L'utilisation de catégories à travers différentes variables.

- Comparer les résultats réels avec un budget. Avis collecté par et hébergé sur G2.com.

Il n'y a pas grand-chose que je n'aime pas. La partie la plus difficile était de comprendre comment l'outil est utilisé et comment structurer les modèles financiers de la manière la plus efficace. Avis collecté par et hébergé sur G2.com.

Nous utilisons Causal pour prévoir les dépenses médias car cela nous permet d'ajouter des variables aux entrées, nous montrant des intervalles de confiance et rapportant aux clients les scénarios les plus probables. De plus, les aides à la visualisation sont bénéfiques et faciles à ajouter, surtout pour les personnes qui ont moins d'expérience avec un outil de feuille de calcul moyen.

Bien que cela puisse sembler intimidant à première vue, c'est assez intuitif, et tout s'assemble parfaitement. Avis collecté par et hébergé sur G2.com.

Les outils de visualisation sont limités et peuvent être maladroits à utiliser efficacement. Bien qu'ils fournissent des graphiques/distributions simples, ils manquent de la capacité de personnaliser de manière approfondie. Avis collecté par et hébergé sur G2.com.

J'adore les tableaux de bord et pour les prévisions de base, la syntaxe est vraiment facile à apprendre. Avis collecté par et hébergé sur G2.com.

Pour certaines de mes fonctions de modélisation plus complexes, la syntaxe n'est pas aussi claire. Je suis sûr que cela se résoudra au fur et à mesure que je continuerai à utiliser la plateforme. Avis collecté par et hébergé sur G2.com.

Causal vous permet à la fois de CALCULER et de COMMUNIQUER le risque financier avec facilité.

La capacité de modéliser facilement des plages et d'intégrer des scénarios dans la budgétisation et la prévision est inégalée. J'ai essayé d'innombrables outils FP&A, et bien qu'ils répondent à certains besoins, aucun d'entre eux n'est au même niveau que Causal. Quelques éléments que j'aime à propos du produit -

- Formules en anglais simple... dites adieu à $A$1:$A$1765 et dites bonjour à "Liste de clients"

- Plages relatives... nous pouvons dire des choses comme le taux de désabonnement attendu sera de "3% à 6%" pour le service A et de "7% à 10%" pour le service B. Il est difficile de décrire à quel point cela est impactant pour la modélisation. Vous réduisez essentiellement votre nombre de variables de moitié.

- L'équipe de support est incroyablement utile et va au-delà pour vous aider à tirer le meilleur parti de Causal

J'ai vu beaucoup d'"alternatives aux tableurs", mais c'est la première qui répond sérieusement aux attentes. Faites-vous une faveur et essayez-le aujourd'hui. Avis collecté par et hébergé sur G2.com.

Pour les utilisateurs d'Excel, vous devez vous attendre à une courbe d'apprentissage. Il m'a fallu un certain temps pour me détacher de ma mentalité de cellule/colonne/ligne, mais un an plus tard, je regrette de ne pas avoir fait la transition depuis Excel plus tôt. Avis collecté par et hébergé sur G2.com.

Le meilleur est que vous pouvez nommer les variables en utilisant leurs noms réels, puis utiliser ces noms dans vos formules, ce qui le rend très intuitif pour vous et votre équipe de revoir et de trouver des erreurs. Avis collecté par et hébergé sur G2.com.

Je pense qu'à ce moment, il y a encore un manque de modèles pour aider la communauté à construire de plus en plus de modèles et à les partager avec d'autres utilisateurs. Si plus de modèles sont disponibles, je pense que la croissance pour causal peut augmenter beaucoup. Avis collecté par et hébergé sur G2.com.

Collecter vos données historiques est facile, vous vous connectez à votre tableau de bord comptable ou de reporting et appuyez sur "exporter". Mais la capacité d'utiliser ces données historiques et de faire des prévisions basées sur elles est vraiment révolutionnaire pour nous.

- Cela nous permet de prévoir nos revenus d'abonnement dans le futur.

- Cela nous permet de prévoir notre flux de trésorerie avec une grande précision à l'avenir.

- Cela nous permet de planifier notre recrutement et d'évaluer l'impact sur notre flux de trésorerie.

Toutes ces choses finissent par vous donner, en tant que fondateur (et non-CFO), la confiance nécessaire pour exécuter vos plans, sachant que vous avez le tampon nécessaire. Avis collecté par et hébergé sur G2.com.

Il faut un certain temps pour s'habituer aux différents concepts, surtout si l'on n'est pas habitué aux outils de prévision (comme moi). Construire un modèle prend du temps et probablement plusieurs essais. Façonner correctement les données nécessite de surmonter certains obstacles. Avis collecté par et hébergé sur G2.com.

Pas besoin de faire des calculs manuels pour les dates/périodes. Causal s'en charge, de la manière que vous attendez. Entrez une formule et elle la calcule pour toutes les périodes que vous avez définies.

Possibilité d'entrer des valeurs dans une plage pour gérer l'incertitude, et Causal intègre cette incertitude dans tous les calculs pour vous, automatiquement, vous évitant de le faire manuellement. C'est un changement radical lorsque vous devez faire de la planification de scénarios et passer rapidement d'un scénario et de variables à un autre.

La possibilité de partager des modèles et de laisser les gens jouer avec les variables sans changer le modèle sous-jacent rend l'exploration des hypothèses et des découvertes non seulement moins risquée et plus facile, mais favorise une culture de partage, de transparence et donne à tous les membres de l'équipe l'opportunité de découvrir des insights et de contribuer. Avis collecté par et hébergé sur G2.com.

L'idée de calculer une formule sur de nombreuses périodes serait excellente à étendre à des périodes arbitraires, pas seulement basées sur le temps. Je crois que cela est prévu pour Causal, mais ce n'est pas encore le cas. J'ai plus de cas où j'ai besoin d'une étape de période générique plutôt que temporelle, où l'approche de Causal serait idéale. Vous pouvez contourner cela en utilisant les périodes de temps pour imiter un cas générique, mais c'est un peu fastidieux.

D'autres aspects du programme comme les graphiques et le contrôle de leur apparence sont encore primitifs par rapport à des produits plus matures, mais cela viendra avec le temps à mesure que le produit mûrit. Pour la plupart, les graphiques standards suffisent, mais dans certaines circonstances, je dois exporter des données pour construire un graphique plus personnalisé en utilisant un autre programme. Avis collecté par et hébergé sur G2.com.