Алексей Кучин

Директор по развитию практики «Бизнес-планирование»
ГК «КОРУС Консалтинг»

Алексей вовлечен в проекты автоматизации бизнес-процессов крупных и средних компаний с 1999 года. В качестве технического специалиста и функционального консультанта внедрял системы класса ERP в России и за рубежом.
С 2007 года занимается консалтингом, курирует проекты и развивает практику в области внедрения систем планирования и анализа.

Экономисты крупных компаний зачастую испытывают сложности при расчете себестоимости и анализе прибыльности. Оперируя большими объемами данных, много сил и времени уходит на то, чтобы посчитать себестоимость и финансовый результат по центрам прибыли, а также ответить на вопросы о том, на каких клиентах, продуктах, поставщиках, процессах мы зарабатываем, где теряем. Таким образом, чтобы предоставить отчетность вовремя имеющимися ресурсами, часто приходиться идти на компромиссы – готовить отчеты, упрощая методику расчетов и снижая их информативность. Разумеется, в этом случае возникает 2 вопроса:

собираем ли мы «правильную» аналитику или она ведет к неверным решениям?

можем ли мы готовить аналитику о прибыльности достаточно оперативно - так, чтобы влиять на экономику бизнеса?

Давайте посмотрим на 2 примера, которые показывают, к чему ведут привычные подходы к анализу прибыльности, и методы, которыми можно: а) преодолеть искажения в анализе прибыльности и б) сократить длительность расчетов. Первый пример более характерен для компаний, работающих с розничными клиентами, а второй – для компаний со сложной производственной цепочкой.

В крупной компании риски «искажений» велики, потому что для анализа приходится собирать много данных, а ИТ не успевает адаптировать программные инструменты к частым изменениям в бизнесе. В результате, экономисты идут на компромиссы и готовят отчеты подручными средствами, упрощая методологию анализа.

Чтобы проиллюстрировать проблему на примере, давайте представим торговую сеть, в которой 200 магазинов с активным ассортиментом 10000 наименований. Если каждый товар – центр прибыли, то получится 200 * 10000 = 200 000 статей, по которым необходимо посчитать прибыль. Дальше эти статьи могут объединяться в группы и категории. При этом в расчете прибыльности по этим 200 000 товарам вовлечены дополнительные статьи и показатели, в т.ч. цены закупки, стоимость логистики, потери от списаний и ретро-бонусы. С учетом возможностей типовых информационных систем, таких как различные конфигурации продуктов 1С, получается массивный расчет, занимающий часы или даже дни.

Поэтому многие компании в такой ситуации упрощают расчет прибыли, сводя его к «одномерному» вычислению. Например, для целей P&L по категориям или товарам, распределяем логистические расходы до товаров, а для целей P&L по каналам продаж распределяем до магазинов. В результате, получаем примерно такие данные для анализа:

Из них следует, что Supermarket 3, возможно, стоит закрыть, а Product A вывести из ассортимента.

Но если бы мы не были ограничены временем на расчеты и возможностями наших информационных систем, то можно было бы сделать «многомерный расчет». Он может сильно «утяжелить» вычисления, но даст полезные инсайты. Например, его результат может выглядеть так:

Из «многомерного расчета» мы видим, что Product A приносит отличные результаты в Supermarket 1, а Supermarket 3 неплохо зарабатывает на Product B. Таким образом, выводы на основе «многомерной» аналитики прибыльности скорее приведут к правильным решениям, нежели «одномерный» анализ.

На правах рекламы скажу, что наш программный продукт Eidox позволяет производить расчет прибыльности на больших объемах данных быстро и даже ежедневно.

Встречные услуги и расходы – обычная ситуация для крупного бизнеса: например, ИТ оказывает услуги Кадрам, а Кадры, в свою очередь, оказывают услуги ИТ и так во многих отделах и функциях. В конечном итоге, для принятия управленческих решений, расходы сервисных подразделений нужно распределить на продукты, услуги, клиентов и др. центры прибыли. Схожая ситуация может наблюдаться в производстве, когда возникают циклические взаимосвязи между сырьем и продукцией или цехами – например, на выходе из процесса возникает сопутствующий продукт в виде тепла, а затем произведенное тепло подается на вход в этот же процесс.

Чтобы реализовать расчет себестоимости в таких условиях, экономисты вынуждены делать ручные расчеты в Excel. Это отнимает много сил и времени!

Ниже привожу упрощенный пример. В примере 3 сервисных отдела и 2 производственных цеха. Все расходы сервисных отделов должны быть распределены на 2 цеха.

Сначала попробуем решить задачу итерационным методом – именно так ее зачастую решают в Excel и примерно по такому же алгоритму реализуют расчеты в ERP-системах.

Итерация 1: B1 = 100000 + 0.15K + 0.08Z = 100000 + 0.1550000 + 0.0830000 = 109900 K1 = 50000 + 0.20B + 0.07Z = 50000 + 0.20100000 + 0.0730000 = 72100 Z1 = 30000 + 0.30B + 0.10K = 30000 + 0.30100000 + 0.1050000 = 65000
Итерация 2: B2 = 100000 + 0.15K1 + 0.08Z1 = 100000 + 0.1572100 + 0.0865000 = 116135 K2 = 50000 + 0.20B1 + 0.07Z1 = 50000 + 0.20109900 + 0.0765000 = 76530 Z2 = 30000 + 0.30B1 + 0.10K1 = 30000 + 0.30109900 + 0.1072100 = 69980

Итерация 3: B3 = 100000 + 0.15K2 + 0.08Z2 = 100000 + 0.1576530 + 0.0869980 = 117078 K3 = 50000 + 0.20B2 + 0.07Z2 = 50000 + 0.20116135 + 0.0769980 = 77925 Z3 = 30000 + 0.30B2 + 0.10K2 = 30000 + 0.30116135 + 0.1076530 = 72493

Итерация 4: B4 = 100000 + 0.15K3 + 0.08Z3 = 100000 + 0.1577925 + 0.0872493 = 117388 K4 = 50000 + 0.20B3 + 0.07Z3 = 50000 + 0.20117078 + 0.0772493 = 78590 Z4 = 30000 + 0.30B3 + 0.10K3 = 30000 + 0.30117078 + 0.1077925 = 73016

Мы видим, что значения стабилизируются. Возьмем результаты 4-й итерации как окончательные.
Теперь распределим эти затраты на Цех1 и Цех2:

Бухгалтерия (117388):

• На Цех1: 117388 * 0.25 = 29347
• На Цех2: 117388 * 0.25 = 29347

Кадры (78590):

• На Цех1: 78590 * 0.45 = 35365.5
• На Цех2: 78590 * 0.30 = 23577

Закупки (73016):

• На Цех1: 73016 * 0.35 = 25555.6
• На Цех2: 73016 * 0.50 = 36508

Итоговое распределение:

Цех1: 29347 + 35365.5 + 25555.6 = 90268.1 Цех2: 29347 + 23577 + 36508 = 89432
Общая сумма: 90268.1 + 89432 = 179700.1

Теперь посмотрим, как такой же расчет реализуется с помощью матриц.

Сначала создадим матрицу распределения затрат A:
A = | 1 -0.15 -0.08 | | -0.20 1 -0.07 | | -0.30 -0.10 1 |

Создадим вектор исходных затрат b:
b = | 100000 | | 50000 | | 30000 |

Нам нужно решить уравнение Ax = b, где x - вектор итоговых затрат. Решение: x = A^(-1) * b
Найдем обратную матрицу A^(-1):
A^(-1) ≈ | 1.3104 0.2484 0.1533 | | 0.3173 1.2001 0.1368 | | 0.4772 0.1805 1.1859 |

Теперь умножим A^(-1) на b:
x = A^(-1) * b ≈ | 117388 | | 78590 | | 73016 |

Теперь распределим эти затраты на Цех1 и Цех2:
Матрица распределения на цеха D:
D = | 0.25 0.25 | | 0.45 0.30 | | 0.35 0.50 |

Итоговое распределение на цеха y:
y = D^T * x ≈ | 90268 | | 89432 |

Итак, окончательное распределение: Цех1: 90268 руб. Цех2: 89432 руб.
Общая сумма: 90268 + 89432 = 179700 руб.
Небольшая разница в результатах (около 300 руб.) связана с округлениями при вычислениях.

Это решение с помощью матриц дает тот же результат, что и метод итераций, но более компактно и элегантно. В условиях большого объема данных ускорение расчета может достигать сотни раз! Отмечу, что примерно такой способ расчета используется в нашем программном продукте Eidox, что позволяет производить расчет себестоимости за минуты и с любой частотой - даже каждый день.

Подводя итог: несомненно, для руководителей любой коммерческой компании важно понимать, где «мы зарабатываем, а где теряем?». Чтобы отвечать на такие вопросы правильно и без задержек, помочь экономистам крупных компаний могут специализированные методы и технологии.