Het toepassen van data-analyse binnen de financiële processen levert veel voordeel op. Het levert een scherper beeld van de huidige situatie, het beperkt risico’s, het verhoogt de lange termijn waardecreatie en verbetert de validatie van synergiën en de waardering van ondernemingen. De analyse van data – in vergelijking met meer traditionele wijze van onderzoek – leidt tot meer accurate en diepgaandere resultaten van de onderneming.
Hoe werkt het?
Door het combineren van interne en externe data, en van gestructureerde en ongestructureerde data, kunnen we inzichten genereren die vroeger niet mogelijk waren. Middels een analyse tool en standaard beschikbare files uit de het financiële pakket maken het mogelijk om inzicht te krijgen van omzetcategorieën tot factuur, gedetailleerd inzicht in inkopen, productie, voorraden en verkopen inclusief inzicht in mogelijke optimalisaties. Of tot een kwalitatief betere analyse van one-offs. Daarnaast is het mogelijk om financiële informatie te koppelen aan niet financiële informatie. Hierdoor ontstaan mogelijkheden om business cases fact based te onderbouwen. Dit leidt tot betere prognoses ter onderbouwing van de business case. Bij het uitvoeren van data-analyses is het van belang om heldere onderzoeksvragen te formuleren. Daarnaast zijn het gebruik van de juiste bestanden en de integriteit van de bestanden zijn essentieel. De interactie met de klant en medewerkers van de target ter validatie van de resultaten complementeren de analyses.
Voordelen
De voordelen van data-analyses zijn, los van efficiency en snelheid groot. De snelheid waarmee de hoeveelheid data geanalyseerd kan worden is enorm. Organisaties die ervoor kiezen om zowel een traditionele, kwalitatieve analyse in combinatie met geavanceerde data-analyse te gebruiken zullen een voordeel hebben bij het maximaliseren van de ondernemingswaarde in vergelijking met organisaties die alleen een kwalitatieve analyse laten verrichten. Data-analyse levert eveneens input voor geprognotiseerde cash flow op, hetgeen tot een kwalitatief betere prognose leidt.
Voorbeelden
De mogelijke analyses die kunnen worden verricht zijn in twee hoofdstromen onder te verdelen namelijk financiële en niet financiële informatie. Bij financiële informatie komen veelal de bekende analyses naar voren als marge-analyse indien mogelijk op product-, geografisch en of businessunitniveau. Analyse van deal drivers, werkkapitaal en cash flow. Analyses van niet financiële resultaten zijn: resultaten van locaties afzetten tegen lokale demografische gegevens en aanwezigheid van concurrenten, of analyses hoe klanten op social media spreken over de producten en vanuit patenten databases ontdekken welke nieuwe technieken een bedreiging kunnen vormen. Een aantal andere voorbeelden zijn:
- Management rapportages – als gevolg van beperkte diepgang, gewijzigde presentatie of nieuwe boekhoudgrondslagen – onvoldoende inzicht bieden in belangrijke trends (bijvoorbeeld sales per productgroep, kwaliteit van de voorraad of vaste activa, bezetting van de productielijnen) waardoor de onderliggende data gebruikt moet worden;
- Veel of gedetailleerde systeemdata te verwerken om bijvoorbeeld input te krijgen op het verbeteren van processen;
- Het geeft inzicht door informatie met bevestigen van belangrijke veronderstelde synergievoordelen door data van de overnamekandidaat en de overnemende partij te combineren;
Resultaten
De toepassing van data-analyse zoals hierboven beschreven is voor bijna iedere onderneming van toepassing. De kleinschaligheid van de onderneming hoeft daarbij geen verhindering te zijn om data-analyse toe te passen. De inzichten die dergelijke analyses opleveren helpen ondernemers bij verschillende soorten beslissingen, zoals investeringsbeslissingen, overnamebeslissingen, herfinanciering etc. Kortom data-analyse is breed inzetbaar, geeft betere inzichten en leidt tot scherpere beslissingen.