Ettevõtja või juhina võib tuttav ette tulla olukord, kus ettevõtte müük kasvab, kliente on rohkem kui kunagi varem, tööd jagub kogu meeskonnale ning kõik märgid viitavad justkui ettevõte liiguks õiges suunas.
AGA,
kui kuu lõpus numbreid vaadata, tekib ebamugav küsimus: kuhu kasum jäi?
See on palju tavalisem väljakutse, kui enamik ettevõtjaid tunnistada tahaks. Just seetõttu on kasumlikkuse analüüs oluline juhtidele, finantsjuhtidele, operatsioonijuhtidele ja analüütikutele, kes peavad tegema otsuseid olukorras, kus andmed on eri süsteemides laiali ja tavaline Exceli aruandlus ei anna enam piisavalt selget pilti.
Selles artiklis vaatame, kuidas kasumlikkuse analüüs aitab üles leida kasumlikud ärisuunad, milliseid näitajaid jälgida ning kuhu suunata ettevõtte tegevus. Lisaks saad lugeda, kuidas muuta Power BI abil see analüüs ühekordsest Exceli harjutusest regulaarseks juhtimisvahendiks.
Kiire ülevaade (TL;DR)
- Käibe kasv ei tähenda automaatselt, et ettevõtte kasumlikkus paraneb.
- Kõige suurema käibega klient, teenus või ärisuund ei pruugi olla kõige kasumlikum.
- Kasumlikkuse analüüsi väärtus tekib siis, kui tulud ja kulud seotakse õigete klientide, teenuste, toodete või projektidega.
- Üldine kasum või EBITDA võib peita suuri erinevusi eri ärisuundade ja klientide tegelikus kasumlikkuses.
- Hinnastamine, tööjõukulu, logistika ja teenindamiseks kuluv aeg võivad muuta näiliselt hea müügi madala marginaaliga äriks.
- Excelist võib väiksema andmemahu puhul täiesti piisata, kuid mitmest süsteemist kokku jooksvate andmete puhul aitab Power BI muuta kasumlikkuse jälgimise regulaarseks juhtimisvahendiks.
Mida näitavad ettevõtte kasumlikkus ja käive tegelikult?
Ettevõtte kasumlikkus ei sõltu ainult sellest, kui palju ettevõte müüb. Oluline on ka mõista, millised kliendid, teenused või tegevused päriselt raha teenivad ja millised kulutavad ebaproportsionaalselt palju töötajate aega või muid ressursse.
Käive näitab, kui palju müük ettevõttesse raha sisse toob. Kasum näitab, kui palju sellest pärast kulude katmist alles jääb.
Kui ettevõtte käive kasvab 30%, kuid samal ajal kasvavad veel kiiremini tööjõukulud, logistika, reklaamikulud või tootmisega seotud väljaminekud, võib kasum hoopis väheneda.
Kui kasumlikkusest puudub detailsem ülevaade, hakkavad otsused tasapisi põhinema tunnetusel. Mõni teenus tundub oluline, sest see teeb palju käivet. Mõni klient näib väärtuslik, sest ta ostab regulaarselt või toob sisse palju tööd.
Samas võivad just need tegevused võtta kõige rohkem aega või põhjustada enim lisakulusid, jättes lõpuks kõige väiksema marginaali.
Kasum vs kasumlikkus
Kasum ja kasumlikkus on omavahel seotud, kuid need ei tähenda päris sama asja.
Kasum näitab eurodes, mis jääb pärast kulude mahaarvamist alles. Kasumlikkus aitab hinnata seda tulemust mingi võrdlusbaasi suhtes, näiteks müügitulu, varade või omanike investeeritud kapitali suhtes.
Kõige lihtsam näide on puhaskasumimarginaal, mida arvutatakse järgmise valemiga:
Puhaskasumimarginaal (%) = puhaskasum / müügitulu × 100
Kui ettevõtte müügitulu on 1 000 000 eurot ja pärast kõiki kulusid jääb puhaskasumiks 100 000 eurot, on puhaskasumimarginaal 10%. Kui sama müügitulu juures oleks puhaskasum 250 000 eurot, oleks marginaal 25%.
Juhtimise seisukohalt on aga sageli veel olulisem minna ettevõtte koondtasandist allapoole.
Kui näeme, et kogu ettevõtte puhaskasumimarginaal on 8%, ei anna see ülevaadet erinevate ärisuundade lõikes. Tegelikkuses võib ühe ärisuuna marginaal olla 12% ja teise oma -4%. Keskmine võib edukalt peita nii ettevõtte parima äri kui ka selle osa, kuhu raha kaob.
Miks paljud ettevõtted ei saa oma kasumlikkusest täpselt aru?
Praktikas hakkab segadus kasvama enamasti järk-järgult. Esialgu töötab kõik üsna lihtsalt: andmeid on vähe, klientide arv on hallatav ja Exceli ülevaated tunduvad piisavad.
Ettevõtte kasvades muutub pilt keerulisemaks.
Andmed liiguvad erinevate süsteemide vahel. Osa infost asub ERP-is, osa CRM-is, osa finantstarkvaras ning osa jätkuvalt Excelis. Kulude struktuur muutub keerukamaks ja teenuseid lisandub juurde.
Ühel hetkel tekib olukord, kus keegi enam päris täpselt ei tea:
- milline teenus on kõige kasumlikum;
- milline klient nõuab kõige rohkem ressurssi;
- milline projekt tegelikult raha teenib;
- kuhu kaob kõige rohkem aega;
- millised kulud mõjutavad marginaali enim.
Sageli vaadatakse ainult üldist kasumit ettevõtte tasemel, mõtlemata sellele, kust see kasum tegelikult tuleb.
Näiteks võib ettevõttel olla viis teenussuunda. Käivet vaadates on üks suund teistest märgatavalt suurem, kuid detailsem analüüs võib näidata, et suure käibe taga on rohkelt kaudseid kulusid, palju käsitööd ja väga madal marginaal.
Mõni väiksem teenus võib samal ajal olla märksa efektiivsem ning tuua ettevõttele rohkem kasumit vähema pingutusega.
Me jälgime EBITDA-t, kas sellest ei piisa?
EBITDA on üks olulisemaid tegevusliku tulemuslikkuse näitajaid. See näitab ettevõtte kasumit enne intresse, makse ja amortisatsiooni ning aitab muu hulgas hinnata ettevõtte tegevuse tõhusust ja rahastamisvõimet.
Segadus tekib siis, kui ettevõte vaatab ainult üldist EBITDA taset, kuid ei analüüsi, millised tegevused selle numbri taga tegelikult on.
EBITDA võib olla täiesti korralik ka siis kui mõned teenused töötavad sisuliselt nullmarginaaliga või isegi kahjumis. Kuna teised ärisuunad teenivad hästi, jääb tegelik probleem koondnumbri sisse peitu.
Seetõttu tasub kasumlikkust vaadata detailsemalt, näiteks kliendi, teenuse projekti, tootegrupi, piirkonna lõikes või isegi töötundide lõikes.
Väike osa tegevustest võib tuua suure osa kasumist
Kasumlikkuse analüüsi tehes tuleb üsna sageli välja, et kõik kliendid, teenused või tooted ei panusta tulemusse võrdselt.
Seda kirjeldatakse tihti Pareto ehk 80/20 reegli kaudu, kuid ettevõtte puhul ei tasu 80/20 suhet võtta matemaatilise seadusena. Päriselus võib jaotus olla 70/30, 60/20 või midagi hoopis muud.
Oluline on küsimus, mille see põhimõte tekitab: millised kliendid, tooted või tegevused on ettevõtte tegelikud kasumiallikad?
Näiteks 140 kliendiga ettevõttes võib analüüs näidata, et 18 klienti teenivad kokku 65% kogu kliendipõhisest kasumist. Samal ajal võib 25 klienti anda väga korralikku käivet, kuid pärast teeninduskulude arvestamist kokku peaaegu olematu tulemuse.
Siit tekivad juba praktilised küsimused. Mis ühendab kõige kasumlikumaid kliente? Kas neile võiks rohkem müüa? Millised omadused on madala kasumlikkusega klientidel? Kas probleem on hinnas, väikeses tellimuses, kallis logistikas või ebaproportsionaalselt suures teenindusvajaduses?
Kasumlikkuse analüüs aitab mõista, kuidas kasum taas tõusule pöörata
Oletame, et ehitus- või paigaldusettevõttel on kaks teenust:
- Standardpaigaldus toob aastas 700 000 eurot käivet.
- Erilahendused toovad 420 000 eurot.
Juhid tunnevad, et standardpaigaldus on ettevõtte põhiteenus. Seda müüakse palju ja töömehed on pidevalt objektidel.
Kasumlikkuse analüüsis võetakse aga lisaks materjalidele arvesse töötajate tegelikud tunnid, objektile sõitmise aeg, kütus, alltöövõtt, praak, garantiitööd ja projektijuhtimise aeg.
Siis selgub, et standardpaigalduse keskmine marginaal on langenud 6%-ni, samal ajal kui erilahenduste marginaal on 24%.
Põhjuseks võib olla näiteks see, et hinnakirja muudeti viimati kolm aastat tagasi. Samal ajal on töötasu, kütus ja materjalikulu kasvanud ning suurtele klientidele antakse jätkuvalt allahindlusi, sest „nii on alati tehtud“.
Sellises olukorras ei pea tingimata standardteenusest loobuma. Palju mõistlikum võib olla vaadata üle hinnastrateegia, miinimumtasu, transporditasu või kliendipõhised allahindlused.
Kasumlikkust söövad sageli kulud, mida keegi konkreetse teenuse külge ei pane
See on koht, kus kasumlikkuse analüüs kipub päriselus kõige keerulisemaks muutuma.
Raamatupidamisest saad väga täpselt teada, et ettevõtte transpordikulu oli kuus 28 450 eurot. Aga kelle kulu see tegelikult oli?
Kui ettevõttel on neli tootegruppi, ei pruugi olla mõistlik jagada 28 450 eurot lihtsalt nende käibe proportsioonis.
Ühe toote puhul mahub 1000 euro väärtuses kaupa ühte väikesesse pakki. Teise puhul tähendab sama müügisumma poolikut kaubaalust ja eritransporti.
Kui jaotada logistikakulud ainult müügitulu alusel, hakkab esimene toode kandma osa teise toote kulust. Aruandes näeb kõik korrektne välja, kuid tegelik kasumlikkus on sisuliselt valesti arvutatud.
Sama võib juhtuda teenusettevõttes töötundidega.
Konsultatsioonifirmas on kaks projekti mõlemad 20 000-eurose müügihinnaga. Esimene projekt võtab 180 töötundi, teine 340 töötundi, sest klient muudab pidevalt lähteülesannet ja projektijuht kulutab igal nädalal mitu tundi täiendavale suhtlusele.
Kui tööaja infot kasumlikkuse juurde ei tooda, paistavad projektid müügiaruandes võrdsena.
„Aga see klient toob meile nii palju käivet“
See lause tuleb kasumlikkuse analüüsides üsna sageli ette ning vahel on sellel väga hea põhjus.
Suur klient võib anda stabiilsust. Ta võib täita tootmisvõimsust. Tänu tema mahule võib ettevõte saada tarnijatelt paremaid hindu või hoida tööl meeskonda, mida on vaja ka teiste klientide teenindamiseks.
Suurem müügimaht võib seega tõesti tuua mastaabiefekti. See ei ole aga iseenesest mõistetav.
Näiteks võib hulgimüüja suurim klient osta aastas 1,2 miljoni euro eest, saada mahu tõttu 12% hinnasoodustust ja nõuda tarnet viiel päeval nädalas. Tellimused on väikesed ning suure osa transpordikulust kannab müüja.
Müügitabelis on tegemist vaieldamatult võtmekliendiga.
Kui lisada analüüsi ka allahindlus, kauba omahind, komplekteerimine, transport, tagastused ja krediidikulu, võib selguda, et tema marginaal on kogu kliendibaasi üks madalamaid.
See ei tähenda, et kliendist tuleks loobuda. Küll aga on juhtkonnal järgmisteks hinnaläbirääkimisteks olemas palju parem lähtekoht.
Lahendus võib olla näiteks tasuta transpordi piiri tõstmine või allahindluse vähendamine.
Hinnastamine võib mõjutada kasumlikkust rohkem kui uus müük
Ettevõtted otsivad kasvu puhul instinktiivselt uut käivet. Müüme rohkem, võtame juurde müügiinimese, käivitame uue kampaania või leiame uue turu.
Vahel on kõige kiirem tee kasumlikkuse kasvatamiseni aga olemasoleva äri korrastamine.
Kui teenuse või toote kulud on vahepeal tõusnud, kuid hinnastamine pole muutunud, võib käive küll jätkuvalt kasvada, kuid marginaal samm-sammult langeda.
Hinnatõusu puhul tuleb loomulikult arvestada nõudluse, konkurentsi ja kliendisuhetega. Just seepärast tasub hinnastrateegiat analüüsida koos tegeliku kasumlikkusega, mitte ainult müügimahu põhjal.
Inflatsioon võib kasumlikkust süüa ka siis, kui käive kasvab
See on viimaste aastate jooksul olnud paljude ettevõtete jaoks väga praktiline väljakutse.
Võtame näidiseks olukorra, kus ettevõtte käive kasvab aastaga 8%.
Samal ajal palgakulu kasvab 10%, materjalide hind 7%, transport 12% ning ruumide ja energia kulu 9%.
Kui ettevõte pole hinnastamist muutnud või suutnud tootlikkust suurendada, võib 8% käibekasvuga aasta lõppeda väiksema kasumiga kui eelmine.
Juhtimisaruandes peaks seetõttu olema võimalik vaadata mitte ainult seda, kas käive kasvas, vaid ka seda, kuidas muutusid sama perioodi brutomarginaal, EBITDA marginaal või muu ettevõttele oluline kasumlikkuse näitaja.
Mis hetkeni on Excel finantsanalüüsiks piisav?
Excel on väga hea tööriist ja väiksemas ettevõttes võib kogu vajalik kasumlikkuse analüüs täiesti edukalt seal toimida.
Keeruliseks läheb siis, kui analüüsi jaoks vajalikud andmed hakkavad jooksma kokku mitmest erinevast kanalist. Müügiinfo tuleb ERP-ist, kliendiandmed CRM-ist, töötunnid tööaja süsteemist, transpordikulud logistikafailidest ning üldkulud raamatupidamisest.
Kui need andmed tuleb iga kuu käsitsi kokku koguda, kontrollida ja üheks tervikuks sobitada, muutub analüüs ajamahukaks ning vigade tekkimise tõenäosus kasvab.
Veel keerulisem on olukord siis, kui faili koostamise loogikat teab ainult üks inimene. Kui ta puhkusele läheb, kaob ettevõttel ajutiselt võime oma kasumlikkust samal viisil mõõta.
Siin jõutaksegi sageli punkti, kus Exceli-põhisest analüüsist tuleks edasi liikuda tõhusa Power BI lahenduse poole.
Mille poolest Power BI erineb Exceli aruannetest?
Power BI väärtus ei ole selles, et graafik näeb ilusam välja.
Kui müügiandmed asuvad ühes süsteemis, kulud teises ja projektijuhtimine kolmandas, ei teki tervikpilti ilma neid andmeid omavahel sidumata.
Selleks kasutatakse hästi seadistatud Power BI lahendusi ning keerulisema andmestruktuuri puhul ka andmeladu.
Kasumlikkuse juhtimiseks ei ole vaja hiiglaslikku analüüsi, kuhu on surutud 40 erinevat finantsnäitajat.
Juht peaks mõne minutiga aru saama:
- millised kliendid või teenused toovad kõige rohkem kasumit;
- millised toovad palju käivet, aga vähe kasumit;
- kelle marginaal on viimase kuue või kaheteist kuu jooksul langenud;
- milliste kulude kasv seda muutust põhjustab;
- kuhu tasuks müügi-, juhtimis- või arendusressurssi juurde suunata.
Ühest vaatest näeb juht ettevõtte EBITDA marginaali või brutokasumit, aga saab samast vaatest liikuda ärisuuna, teenuse, kliendi või üksiku projekti tasemele.
Ehk kui ettevõtte marginaal langes 14%-lt 11%-le, saab juht vaadata, milline äriüksus muutuse tekitas, millised kliendid seda mõjutasid ning kas põhjus oli hinnas, müügimahus või kuludes.
Mõnikord piisab Power BI andmemudelist, mõnikord on vaja andmeladu
Andmeladu võimaldab andmed enne Power BI-sse jõudmist kokku tuua, puhastada ja ühtsete reeglite järgi struktureerida. See on eriti oluline siis, kui sama kasumlikkuse loogikat peab kasutama mitmes raportis või kogu organisatsioonis.
Kui ettevõttel on üks majandustarkvara, tööaja Excel ja mõned lihtsad lisatabelid, võib kogu vajaliku kasumlikkuse mudeli üles ehitada otse Power BI-s.
Kui aga kasumi arvutamiseks tuleb siduda mitu ettevõtet, ERP, CRM, tootmissüsteem, logistika, e-pood ja ajaloolised Excelid, muutub andmete haldus juba eraldi probleemiks. Siis võib olla mõistlik tuua vahele andmeladu.
Praktiline eesmärk on lihtne: kui finantsjuht ja müügijuht vaatavad sama kliendi kasumit, peaksid nad nägema sama numbrit.
Kokkuvõte
Ettevõtte kasumlikkust ei saa hinnata ainult selle järgi, kas käive kasvab või kas aasta lõpus jäi ettevõte plussi. Kui kasumlikkus on nähtav kliendi, teenuse või ärisuuna tasemel, muutub ka ressursside jaotamine palju lihtsamaks.
Mõne teenuse puhul võib õige otsus olla müügimahtu kasvatada, teise puhul hinda tõsta või protsessi automatiseerida. Mõnikord tasub lõpetada väikeste tellimuste vastuvõtmine, samas kui hea, stabiilne ja kasumlik ärisuund vajab lihtsalt rohkem juhtkonna tähelepanu.
Päris juhtimisväärtus tekib siis, kui on võimalik näha, millised kliendid, teenused ja ärisuunad kasumit loovad, millised seda söövad ning miks see nii on. Mõnikord piisab selleks juba ühest hästi üles ehitatud vaatest, mis näitab, kuhu ettevõtte aeg ja raha tegelikult kuluvad.
Bergwise aitab vajadusel läbi mõelda nii kasumlikkuse loogika kui ka ehitada Power BI lahenduse, kus seda saab jälgida regulaarselt, mitte kord kvartalis Excelit kokku pannes.
Korduma kippuvad küsimused
Mis on ettevõtte kasumlikkus?
Ettevõtte kasumlikkus näitab, kui tõhusalt suudab ettevõte muuta müügitulu, vara või investeeritud kapitali kasumiks. Kasumit mõõdetakse eurodes, kasumlikkust aga suhtarvuna, näiteks puhaskasumi- või EBITDA marginaalina. Nii saab tulemusi paremini võrrelda.
Mis vahe on käibel, kasumil ja kasumlikkusel?
Käive näitab müügist teenitud tulu, kasum seda, kui palju jääb pärast kulude katmist alles. Kasumlikkus seob kasumi mõne võrdlusbaasiga, näiteks müügituluga, ning aitab võrrelda eri perioodide, teenuste või ärisuundade tulemuslikkust. Seega ei tasu neid mõisteid segi ajada.
Milline kasumimarginaal on hea?
Ühte universaalset head kasumimarginaali ei ole. Sobiv tase sõltub sektorist, ärimudelist, kulustruktuurist ja ettevõtte arengufaasist. Kõige mõistlikum on võrrelda marginaali oma varasemate perioodide, eesmärkide ja sarnaste ettevõtetega samas sektoris.
Milliste näitajate järgi on oluline ettevõtte kasumlikkust analüüsida?
Kasumlikkust tasub vaadata vastavalt ärimudelile näiteks kliendi, teenuse, toote, projekti, piirkonna või ärisuuna lõikes. Teenusettevõttes on oluline ka töötundide arvestus, tootmis- ja kaubandusettevõttes materjali- ning logistikakulud. Nii tekib täpsem pilt.
Millal ei piisa kasumlikkuse analüüsiks enam Excelist?
Excelist piisab seni, kuni andmemaht on hallatav ja info tuleb vähestest allikatest. Power BI muutub praktilisemaks siis, kui müügi-, finants-, kliendi- või tööajaandmeid tuleb regulaarselt ühendada mitmest süsteemist ning käsitöö muutub ajamahukaks.
Kuidas aitab Power BI ettevõtte kasumlikkust analüüsida?
Power BI võimaldab ühendada eri süsteemidest pärit andmed ühte vaatesse ja liikuda ettevõtte koondtulemusest kliendi, teenuse, toote või projekti tasemele. Nii saab näha mitte ainult marginaali muutust, vaid ka seda, mis selle muutuse põhjustas ja kus probleem tekkis.
Millal on Power BI kõrval vaja andmeladu?
Andmeladu on kasulik siis, kui analüüsiks tuleb ühendada palju süsteeme, ettevõtteid või ajaloolisi andmeallikaid. See aitab andmed enne Power BI-sse jõudmist puhastada ja ühtlustada, et eri raportid ning kasutajad lähtuksid samadest numbritest ja reeglitest.
Oleme siin, et aidata – olgu selleks Power BI lahenduste arendamine, teadmiste kasvatamine koolituste kaudu või igapäevane kasutajatugi. Töötame koos, et muuta sinu andmed teadlikeks otsusteks ja ärikasvuks.