Wykonaliśmy wiele audytów rentowności dla różnych firm, ale jeden utkwił mi w pamięci szczególnie. Była to firma produkcyjno-handlowa, a o audyt poprosiła dyrektor finansowa. Uważała, że materiał ekspercki z zewnątrz będzie inaczej postrzegany przez właściciela i menedżerów niż gdyby był przygotowany przez pracowników.
Przygotowaliśmy audyt TOP 10 kontrahentów. Podczas prezentacji wyników audytu właściciel oniemiał ze zdziwienia, po chwili powiedział – Gdy zakładałem firmę potrafiłem wszystko zapisać i policzyć na serwetce, potem wykorzystywałem jeden arkusz Excela, a teraz pokazujecie mi, że moi, wydawałoby się najlepsi klienci, są zjadaczami zysku? O co tu chodzi? Czy znana jest Ci sytuacja, w której rosną przychody, ale zyski zostają bez zmian lub nawet spadają?
W 2023 roku uczestniczyłem w śniadaniu biznesowym Klubu Dyrektorów Finansowych „Dialog” w Rzeszowie. Podczas dyskusji nt. rosnących kosztów pojawiła się bardzo ciekawa wypowiedź: „jesteśmy obecnie w sytuacji gdy koszty wciąż rosną ale okno ze zmianami cen już się zamknęło”. Rezultatem tego jest właśnie spadek marż.
Poniżej przedstawiam trzy najczęściej popełniane błędy podczas analizy rentowności klientów i produktów.
1) Błędne lub niekompletne dane
„Garbage in, garbage out” co oznacza, że jeżeli na wejściu są błędne dane, to nawet mając zaawansowane analizy i piękne raporty menedżer podejmie błędne decyzje. Coraz częściej systemy informatyczne mają wiele wbudowanych raportów. Na rynku są też zaawansowane narzędzia analityczne, które w fascynujący sposób przekształcają dane w bardzo dynamiczne wykresy czy też zaawansowane dashboardy (np. Power BI, Tableau, Qlik czy też Eureca i OneLook). Pojawia się poczucie – mam dobrą informację zarządczą. Usypia to czujność związaną z jakością danych.
Wskazówka nr 1 – upewnij się, że dane są wiarygodne.
Warto więc sprawdzić, zatem czy opieramy się na rzetelnych i sprawdzonych danych. Może się bowiem okazać, że dane są poprawne, ale …. niekompletne, nie dające całościowego spojrzenia np. na klienta.
W przytoczonej na wstępie historii okazało się, że:
– niektóre koszty zbierane były na firmę matkę (centrala sieci handlowej), a inne na poszczególne spółki. W analizie rentowności musimy mieć przekonanie, że wszystkie koszty są odpowiednio przypisywane i nic nie ginie w gąszczu danych,
– do tej pory rentowność klienta kończyła się na marży pierwszej i te dane wszyscy łącznie z właścicielem analizowali. Nie brano pod uwagę innych kosztów związanych z obsługą konkretnego klienta (choćby prowizje, zwroty, koszty działu sprzedaży).
Dlaczego właściciel był tak zaskoczony? Dlatego, że okazało się, iż kilku teoretycznie najlepszych klientów z grupy TOP 10 od lat zjadało zyski jego firmy. Tymczasem jego firma, nieświadoma tego co się dzieje, świętowała z szampanami kolejne kontrakty, wysyłała klientom prezenty i wypłacała pracownikom sowite prowizje.
A zatem wskazówka nr 2 to uwzględnijmy wszystkie istotne koszty związane z klientem. Docelowo warto zautomatyzować proces kalkulacji i alokacji wszystkich kosztów, ale na początek wystarczy analiza danych za dany okres z istotnymi pozycjami. Na tym etapie nie trzeba być precyzyjnym, chodzi o złapanie całościowego obrazu i podjęcie dyskusji na linii finanse – sprzedaż.
„Lepiej mniej więcej mieć rację niż dokładnie się pomylić”.
2) Niedobór informacyjny lub przeładowanie
Żyjemy w czasach nadmiaru. Mamy nadmiar niemalże wszystkiego (na pewno poza czasem). Z każdej strony bombardowani jesteśmy masą informacji. Giniemy w morzu danych (być może nawet jest to już od dawna ocean). Nadmiar informacji powoduje deficyt uwagi i coś co nazywa się przeładowaniem informacyjnym. Trzeba tutaj uważać na dwie skrajności w procesie podejmowania decyzji:
- Zbyt mało danych, dane zbyt ogólne i zagregowane – takie informacje często dostępne są w przygotowanych w systemach analizach (standardowych lub dedykowanych) lub też tzw. tradycyjnych systemach Business Intelligence i kostkach OLAP. Na zagregowanym poziomie widać np. że marża jest pozytywna, ale może się okazać (i tak często jest), że u rentownego klienta mamy nierentowne zlecenia czy produkty albo u nierentownego – wysoko marżowe. Przykładowo na zagregowanym poziomie możemy widzieć +2 mln marży, ale dopiero po wejściu w szczegóły zauważymy, że jest to suma: +3 mln z części klientów i -1 mln z innej części.
- Za dużo danych i wspomniane „przeładowanie informacyjne”. Na spotkaniu u jednego z klientów zobaczyłem bardzo zaawansowany raport (nazywany ONE-PAGE-RAPORT) – w formie drukowanej (kilka połączonych kartek A3) i Excelowej (setki wierszy i dziesiątki kolumn). Na pytanie czy ktoś coś w tym widzi usłyszałem odpowiedź – tylko właściciel. Potem okazało się, że i właściciel ma problemy z „przeładowaniem informacyjnym”.
Kiedy zatem analiza jest najlepsza? Wskazówka nr 3 – warto wyważyć ilość przedstawionych w raportach informacji i znaleźć „złoty środek”. Ilustruje to powyższy wykres (źródło: „Doskonałość w projektowaniu raportów. Standardy i rekomendacje dotyczące tworzenia skutecznych raportów”. C.Eisl, P. Hofer, H. Losbichler, L.Perkhofer).
Poniżej analiza, która powstała dla klienta w oparciu o wspomniany ONE-PAGE-REPORT. Właściciel spojrzał na taki obraz („wart tysiąca słów”) i zapytał na kiedy może go mieć u siebie na komputerze, najlepiej automatycznie odświeżany.
3) Nieumiejętność lub błędy w interpretacji
Technologia daje nam olbrzymie możliwości analizy danych, w tym za pomocą różnych wizualizacji. Często nie zastanawiamy się co dana wizualizacja pokazuje, na co zwraca uwagę, jaki niesie przekaz. Dlaczego? Bo często osoby przygotowujące w ogóle się nad tym nie zastanawiają. Budują po prostu „ładne” analizy nie wiedząc jaki wykres do prezentacji wybrać.
Poniżej przykład wykresu tzw. krzywej wieloryba. Bardzo szybko widać, że firma osiągnęła 1,28 mln marży a mogłaby 4,92 mln. Bardzo szybka i czytelna informacja (pod warunkiem, że nauczymy się ją czytać). Od razu nasuwa się wniosek – zrezygnujmy z tych klientów, którzy „zjadają” nam marżę. I to jest bardzo zła interpretacja, dlatego że jeśli do wyliczania marży są wzięte koszty pośrednie, to po rezygnacji z tych nierentownych klientów i tak w dużej części te koszty zostaną. A zatem trzeba wiedzieć co kryje się pod takimi danymi – jakie szczegóły, jakie działania, co jeszcze.
Wskazówka nr 4 –wykorzystujmy technologię dla przekazywania informacji, a wskazówka nr 5 – nauczmy się takie informacje interpretować.
To dotyczyło interpretacji pojęć finansowych i wykresów dostępnych w narzędziach. Trzeba jednak znać jeszcze specyfikę biznesu, klientów i rynku, a także mieć wiedzę z innych obszarów jak choćby Teorii Ograniczeń.
Wskazówka nr 6 – warto łączyć wiedzę z różnych obszarów i z różnych, czasem nawet sprzecznych, koncepcji. W klasycznym controllingu często analizujemy marże wg klientów, produktów, zleceń, segmentów czy handlowców. Warto to robić wykorzystując dostępną wiedzę z zakresu rachunkowości zarządczej. Ale czy na tym poprzestać?
Spójrzmy na poniższy przykład:
Z controllingowego punktu widzenia nie ma wątpliwości, że dział handlowy powinien się koncentrować na sprzedaży produktu 1. Marża jednostkowa wartościowa i % są wyższe niż w przypadku produktu 2. Są jednak warunki, przy których dział handlowy powinien sprzedawać produkt 2.
Wyobraźmy sobie, że te dwa produkty są sprzedawane w restauracji i są to konkretne posiłki z karty dań. Restauracja jest otwarta w dni powszednie od godziny 10 do 22. W większości czasu jest więcej miejsc wolnych niż klientów. Wyjątkiem są jednak tzw. godziny lunch’owe. Od godz. 13.00 do 14.30 ustawiają się klienci w kolejce. W tym czasie restauracja doświadcza wąskiego gardła, którym jest czas kucharzy na przygotowanie posiłków. Spójrzmy na obliczenia poniżej.
Okazuje się, że w godzinach lunch’owych restauracja może przygotować więcej produktów 2 (tj. 90) niż produktów 1 (tj. 30). A zatem możliwa marża do osiągnięcia w tym czasie jest większa na produktach 2. Warto w takiej sytuacji liczyć marżę na wąskie gardło.
W tym przypadku wąskim gardłem były godziny kucharza i obsługi, ale to mogą być godziny handlowców, m2 lub m3 w magazynie lub flocie samochodowej.
Przykłady interpretacji różnych poziomów marż, różnych wizualizacji w kontekście modelu biznesowego omawiamy szeroko na naszych webinariach i szkoleniach. Pokazujemy również jak szybko utworzyć analizy zarządcze, które mają odpowiednią ilość danych – nie za mało ale i nie za dużo.
W 2024 roku nasiliła się bardzo ciekawa dyskusja nt. wykorzystania sztucznej inteligencji w finansach i controllingu, w tym jakimi danymi zasilać rozwiązania AI. Tutaj są wypowiedzi dyrektorów – Milena Pacia, TDJ, Maciej Broniszewski, Sword, Piotr Słomianny, MPWiK Wrocław – z Klubu Dyrektorów Finansowych „Dialog”. Jak nowe możliwości technologiczne wpłyną na analizę rentowności, na ten moment jeszcze dokładnie nie wiemy. Z pewnością wniosą nową jakość w przytoczonych w niniejszym artykule obszarach:
- Poprawie jakości i kompletności danych
- Analizie i wychwytywaniu istotnych informacji z uwzględnieniem np. anomalii
- Interpretacji tychże informacji i tworzeniu rekomendacji dla osób podejmujących decyzje
Paweł Musiał
Zapraszam do odwiedzania strony Controlling Systems, na której jest poszerzona wiedza z tego zakresu oraz do czytania nowych wpisów tutaj, w Digital Finance Excellence, serwisie programu Klubu Dyrektorów Finansowych „Dialog”