Применение и работа с финансово-экономической моделью

Финансово-экономическое моделирование — это не только разработка, но и использование финансово-экономических моделей для выработки, обоснования и принятия управленских решений. И это в равной мере относится как к моделям, разработанным с учетом требований и специфики конкретных проектов и организаций, так и к более универсальным моделям, которые могут быть использованы для предварительной финансово-экономической оценки более широкого круга проектов и организаций.

К сожалению, многие пользователи не иначе как «боятся» полноценно работать с финансово-экономическими моделями и стараются всячески переложить такую работу на своих подчиненных, коллег или разработчиков соответствующих моделей. Основные «страхи» можно охарактеризовать как:

• «cлишком много данных и таблиц»;
• «не знаю, с чего начать»;
• «не знаю, какие цифры указывать»;
• «боюсь что-нибудь испортить»;
• «не понимаю своих действий».

В результате работа с финансово-экономическом моделью часто сводится к разовому расчету, а возможности модели, вне зависимости от ее сложности и функционала, часто используются лишь на несколько процентов.

К еще большему сожалению, на это есть веские причины. Очень часто приходится видеть финансово-экономические модели, которые выглядят как разовый расчет и еще хуже — как черновик, и не никак соответствуют простым правилам эргономики, которые мы постарались сформулировать в отдельной статье

В данном параграфе мы постараемся развеять основные «страхи» и подтолкнуть вас к более смелому и активному использованию финансово-экономических моделей. Разумеется, исходя из предположения о том, что доставшиеся вам модели отвечают хотя бы минимальным требованиям эргономики.

Знакомство с моделью.

Прежде всего, необходимо запланировать и уделить хотя бы один час своего времени на знакомство с финансово-экономической моделью: прочитать инструкцию или документацию, познакомится составом, структурой и логикой изложения исходных данных (например, в наших моделях они всегда выделены желтым цветом), изучить состав и структуру отчетных материалов. Все это можно сделать как самостоятельно, так и в рамках обсуждения с разработчиком модели.

Если ячейки с исходными данными никак не отделены от расчетных, их нужно найти и выделить цветом. Логика здесь обычно простая — если ячейка содержит формулу, значит она расчетная, если просто число или иное значение — значит это исходные данные.

Заполнение исходных данных.

Заполнять исходные данные можно в любом удобном порядке. Проще всего это делать в той логике, в которой расположены таблицы или ячейки с исходными данными. А если такая логика вас не устраивает, то уже исходя из собственного опыта или здравого смысла.

В ячейки с исходными данными можно смело записывать абсолютно любые адекватные значения. В грамотно составленной финансово-экономической модели этими действиями вы точно ничего не испортите.

Если модель исходных данных кажется вам излишне подробной, то скорее всего многие строки или колонки носят резервных характер, а значения по таким строкам или колонкам можно либо не заполнять, либо продублировать. Например, в таблице затрат с разбивкой по статьям и по месяцам исходные данные можно смело заполнять только по тем затратам и только за те месяцы, где это действительно необходимо.

Однако встречаются и такие элементы исходных данных, конкретные значения которых должны быть заполнены обязательно. Такие случаи обычно либо видны невооруженным взглядом, либо должны быть отдельно отмечены разработчиком финансово-экономической модели. Характерным примером таких исходных данных являются коэффициенты сезонности — поскольку в расчетах они обычно на что-то умножаются, то их значение по умолчанию равно «1», а это значит, что такие ячейки не могут оставаться пустыми. Другим характерным примером является выбор системы налогообложения — даже если вы не знаете какой, вариант вам подойдет лучше, выбрать какой-то из них все-таки придется. Впоследствии вы всегда сможете вернуться и внести необходимые корректировки.

Бывают ситуации, в которых имеющиеся в распоряжении или найденные открытых источниках аналитические данные по той или иной причине не укладываются в модель исходных данных. Такие аналитические данные необходимо предварительно обработать под требования модели, то есть рассчитать, усреднить или агрегировать. Обычно в этом нет ничего сложного, а сделать это можно «на бумажке», в отдельном листе Excel или прямо в ячейке с исходными данными.

Бывают ситуации, в которых для заполнения отдельных исходных данных имеющейся информации объективно недостаточно. Это вполне нормальная ситуация, которая не должна вас останавливать. Такие исходные данные нужно «взять на карандаш», а их значения на текущем этапе указать экспертно со значительным запасом в худшую сторону. Впоследствии вы всегда сможете вернуться и внести необходимые корректировки.

Следуя вышеуказанным рекомендациям, нужно постараться заполнить все необходимые исходные данные и лишь после этого переходить к просмотру и анализу результатов моделирования. Ничего страшного, если для этого потребуется несколько итераций.

Балансировка исходных данных.

При просмотре и анализе результатов моделирования необходимо ориентироваться прежде всего на те таблицы и показатели, которые вы привыкли использовать при принятии управленческих решений. Такие показатели следует обсудить с разработчиком модели на самом раннем этапе финансово-экономического моделирования.

Очень часто первые результаты выглядят либо слишком хорошо, либо слишком плохо. Это нормальная ситуация, которая не должна вас останавливать. Если знаете причину, то смело возвращайтесь к исходным данным, вносите корректировки и повторно оценивайте результат. Если причина неизвестна — углубляйтесь в отчетные материалы, откройте отчет о финансовых результатах или движении денежных средств, посмотрите данные в разбивке по годам или по месяцам либо обратитесь к динамике рентабельности продаж.
Следуя вышеуказанным, рекомендация, необходимо постараться сбалансировать исходные данные таким образом, чтобы результаты моделирования оказались в некотором приемлемом интервале значений. Либо признать, что такой вариант объективно недостижим.

Балансировка исходных данных обычно требует огромного количества итераций и должна выполняться в достаточно интенсивном режиме. И этому почти ничего не мешает, ведь все эксперименты с исходными данными на текущем этапе осуществляются исключительно в виртуальной среде.

Исходные данные, значения которых изначально носили неопределенный характер либо были значительно скорректированы в процессе балансировки могут рассматриваться как некие целевые операционные показатели или KPI. Такие исходные данные потребуют дополнительного изучения и обоснования на последующих этапах обсуждения, согласования и более детального планирования бизнеса или проекта.

Обсуждение и согласование.

После того, как сформированы некоторые базовые финансово-экономические параметры реализации проекта, начинается длительный процесс его содержательного обсуждения и согласования. На данном этапе финансово-экономическую модель необходимо смело брать с собой, открывать и показывать на встречах и совещаниях и там же на месте совместно оценивать экономические последствия тех или иных замечаний и предложений.

Подводя итог, необходимо отметить, что работа с финансово-экономической моделью осуществляется параллельно и в тесной взаимосвязи с поиском и обоснованием исходных данных — отдельной, часто непростой и достаточно ответственной задачей, требующей отдельного рассмотрения.