Как аналитика прибыльности может менять представление о бизнесе

Время чтения: 15 минут

Заметка эксперта

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.
Автор:
Опыт:
Мы используем файлы cookie
Чтобы улучшить работу сайта и предоставить вам больше возможностей. Продолжая использовать сайт вы соглашаетесь с условиями использования файлов cookie.
Мы используем файлы cookie
Настройки
Файлы cookie, необходимые для корректной работы сайта, всегда включены.
Другие файлы cookie можно настроить.
Основные файлы cookie
Всегда включен. Эти файлы cookie необходимы для того, чтобы вы могли пользоваться веб-сайтом и его функциями. Их нельзя отключить. Они устанавливаются в ответ на ваши запросы, такие как настройка параметров конфиденциальности, вход в систему или заполнение форм.
Аналитические файлы cookie.
Disabled
Эти файлы cookie собирают информацию, чтобы помочь нам понять, как используются наши веб-сайты или насколько эффективны наши маркетинговые кампании, или чтобы помочь нам настроить наши веб-сайты под вас.
Рекламные файлы cookie
Disabled
Эти файлы cookie предоставляют рекламным компаниям информацию о вашей онлайн-активности, чтобы помочь им предоставлять вам более релевантную онлайн-рекламу или ограничить количество просмотров рекламы. Эта информация может быть передана другим рекламным компаниям.
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.

Кейс 1. «Одномерные» и «многомерные» распределения косвенных доходов и расходов

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.

Кейс 2. Распределение встречных расходов и затрат

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
Наверное, вы обратили внимание, как много вычислений пришлось выполнить, распределяя затраты несколькими итерациями. Отметим, что итераций расчета может быть гораздо больше, чем 4, поэтому такой подход к распределению расходов приводит к длительным расчетам в Excel, ERP-системах и других программных продуктах. В результате, даже автоматизированный расчет может длиться больше суток!
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.
Задайте вопрос эксперту
Вам ответит:
Алексей Кучин
Директор по развитию практики
«Бизнес-планирование»
Если затронутые вопросы для вас актуальны, и вы захотите углубиться в тематику управления прибыльностью, будем рады пообщаться и посоветовать возможные решения.
Понравилась статья?
Больше актуальных новостей и интересных кейсов
Не забудьте подписаться на наш Telegram!
Будьте в курсе событий!
Читайте также: