Az első két részben (itt és itt) az adatvezérelt vállalati döntéshozás kérdéskörében elsősorban a felsővezetőkre koncentráltam. Kiemelten kezeltem a fenntartható tulajdonosi értékteremtés fogalmát. A vezetői képességekről az is árulkodik, hogy ezt a szemléletet a menedzsment mennyire képes „keresztülverekedni” a vállalati működés teljes vertikumán. Mennyire „csorog le” a tulajdonosi értékteremtés fókusza a vezetési szintek alsóbb rétegeibe, sőt mennyire épül be a vállalati kultúrába. Az adatvezérelt döntéstámogatás szemszögéből nézve itt arról van szó, hogy a vezetői információs rendszer a megfelelő adatokkal dolgozik‑e. A megfelelő KPI‑ok, ösztönzők, metrikák kerülnek‑e meghatározásra, vagy a menedzsment megelégszik a hangzatos (ám a tulajdonosok pénzét annál inkább égető) hárombetűs projektek bevezetésével, mint az OKR, ERP, CRM stb.
A tanácsadói működésem során találkoztam olyan esettel, amikor egy CRM‑rendszerben az értékesítői hatékonyság mérését arra is alapozták, hogy naponta kis esszéket kellett az autópályán félreállva írni a saleseseknek. A novelláknak is beillő, strukturálatlan szöveget persze a menedzsmentnek sem volt ideje olvasgatni, így végül semmilyen értékelhető döntéstámogató információ nem volt levezethető ebből a „funkcióból”. Cserébe akaratlanul is vesztegették a dolgozók idejét. Érzékelvén a hatékonyságvesztést, a rendszert fejlesztő külső IT‑cég – nyilván csinos összegért – egy térinformatikai döntéstámogató réteget is tervezett ráfejleszteni a CRM‑re az értékesítők földrajzi mozgásának optimalizálására.
A belső miniprojekt ennek úgy vetett véget, hogy a vezetői interjúk alapján definiáltuk a valóban hasznos metrikákat. Az ezekhez szükséges értékesítői adatokat – ideértve a földrajzi helyneveket – egy kb. tucatnyi elemből álló adatszótárban meg lehetett határozni. Innentől ezt a maroknyi szót kellett csak következetesen használni az egyes értékesítői folyamatlépésekre, ami azonnal kiváltotta az időrabló “esszírást”. Az így havonta, negyedévente lekérdezhető adattáblából aztán GenAI segítségével generált R‑kódokkal remek dashboardokat és még egy térképi nézetet is le lehetett vezetni, ahol követni lehetett az értékesítési tevékenység földrajzi megoszlását.
Ezeknek az adatoknak az egyéb – pl. számviteli – adatokkal (pl. gépkocsihasználat) történő korrelációelemzésével korábban soha nem látott hatékonyságelemzéseket (lásd lejjebb a DuPont‑elemzés részt) lehet elvégezni. A teljes kis információs rendszer összerakása külső tanácsadó nélkül, sokszorosan olcsóbban, két hétvége alatt állt össze.
Ez a kis történet is rámutat arra, hogy az adatvezérelt döntéstámogatás nem elsősorban hardver‑ és szoftverkérdés, hanem sokkal inkább a megfelelő folyamatleírás kérdése. Olyan folyamatleírásé, amelyet képesnek kell lennünk egy négyzetrácsos oldalra is felskiccelni. Itt is érvényes ugyanis a világhírű elméleti fizikus, Richard Feynmanhoz kötött parafrázis, miszerint amit nem tudsz egy oldalon röviden elmagyarázni, azt nem érted. És ezen az sem segít, ha mindezt méregdrága IT‑rendszerek bevezetésével palástolod.
A másik lényeges tanulság, hogy a döntéstámogató adatelemzés folyamatának az első és egyik leglényegesebb lépése a probléma megértése, és ennek kapcsán a megfelelő kérdések feltétele. Ez szinte művészet, amit odáig lehet fejleszteni, hogy átlagosan öt jól célzott „miért?”‑tel el lehet jutni a probléma gyökeréig (a módszert a Toyotánál Taiichi Ohno nevéhez kötik).
Arra, hogy mekkorát tud „robbanni”, ha a koncepció jó, és a megfelelő metrikákra alapozzák a mérést és a döntéshozást, az egyik példám a Coca‑Cola. Az 1981‑ben kinevezett Roberto Goizueta radikálisan átformálta a Coca‑Cola irányítását: 1988‑tól a Stern & Stewart tanácsadásával EVA‑ (Economic Value Added) alapú, value‑based management rendszert vezetett be, amelyben a menedzsment ösztönzői közvetlenül a gazdasági hozzáadott értékhez kötődtek. Ez a szemlélet arra kényszerítette a vállalatot, hogy csak olyan beruházásokat finanszírozzon, amelyek hozama meghaladja a tőkeköltséget, és megszabaduljon a tőkét pusztán „foglalkoztató” tevékenységektől. Goizueta vezetése alatt a Coca‑Cola részvényárfolyama rendkívüli emelkedést mutatott amiben szerepet játszottak a fentiek. Az EVA‑ és value‑based management megközelítés Coca‑Colánál való bevezetéséről részletesen ír: G. Bennett Stewart, Joel M. Stern: The EVA Challenge (Wiley, 2001), valamint a Stern Value Management ‘Our History’ oldala, amely a Coca‑Colát az 1980‑as évek végén bevezetett value‑based management ügyfelei között említi.
A John Deere nagyon hasonlóan járt el. Ők az EVA‑ra hajazó, úgynevezett SVA‑ (Shareholder Value Added) azaz részvényesi értéknövekmény‑fókuszú rendszert vezettek be. Ez remek példája annak, hogyan lehet a menedzsment javadalmazását közvetlenül a vállalati stratégia végrehajtásához kötni. A módszer egyszerre értékeli a rövid távú operatív teljesítményt és a hosszú távú tulajdonosi értékteremtést, így kiegyensúlyozottabb döntéshozatalra ösztönöz.
Az alábbiakban végigveszem a legfontosabb metrikákat, az angol elnevezéseket meghagyva.
Operating Return on Operating Assets (OROA)
Az OROA azt méri, hogy a vállalat mennyire hatékonyan használja az üzemeltetésben lekötött eszközeit. Gyakorlatilag az üzemi eredményt hasonlítja össze az operatív eszközállománnyal: mennyi profitot termelnek a gépek, berendezések, készletek és egyéb működő eszközök. Minél magasabb az OROA, annál jobb a tőkehatékonyság – vagyis ugyanannyi eszközzel több pénzt keres a cég.
Operating Return on Sales (OROS)
Az OROS a működési marzsot ragadja meg: azt mutatja meg, hogy az árbevétel hány százaléka marad meg üzemi eredményként. Ez a mutató arra kényszeríti a menedzsmentet, hogy egyszerre figyeljen az árképzésre, a termékmixre és a költségek fegyelmezett kezelésére. Ha az OROS javul, akkor a cég egységnyi bevételen nagyobb működési nyereséget ér el – vagyis javul a „minőség” a topline mögött.
Return on Equity (ROE)
A ROE a saját tőkére vetített megtérülés: mennyi nyereséget termel a vállalat a tulajdonosok által befektetett tőkére. Befektetői nézőpontból ez az egyik kulcsmutató: azt jelzi, hogy mennyire éri meg tulajdonosnak lenni a cégben. A magas és tartósan stabil ROE azt sugallja, hogy az üzleti modell erős, a menedzsment pedig jól gazdálkodik a saját tőkével. A sorozat első és második részében ezt a mutatót alaposan kiveséztem.
Shareholder Value Added (SVA)
Az SVA (Shareholder Value Added) a klasszikus számviteli profit helyett a gazdasági hozzáadott értéket méri. A logika: nem elég profitot termelni, annál is többet kell keresni, mint amennyibe a befektetett tőke „bérleti díja” kerül (azaz a tőkeköltség). Ha az SVA pozitív és növekvő, akkor a vállalat valós értéket teremt a részvényeseknek, nem csak forgatja a tőkét. Ez a mutató jól illeszkedik a hosszú távú, value‑based management szemlélethez.
Relative Total Shareholder Return (rTSR)
Az rTSR (Relative Total Shareholder Return) a részvényesek összesített hozamát méri – árfolyamnyereség plusz osztalék – más cégekhez viszonyítva. Nem az abszolút hozam számít, hanem az, hogy a vállalat jobban teljesít‑e, mint az iparági versenytársak vagy egy releváns benchmark. Ezzel azt ösztönzik, hogy a menedzsment ne csak „sodródjon” a piaccal, hanem felülteljesítést érjen el.
Relative Revenue Growth
A Relative Revenue Growth a bevételnövekedés ütemét hasonlítja össze a fő versenytársakéval vagy a piaci növekedéssel. Ha egy cég gyorsabban nő, mint a piac, akkor részesedést szerez, erősíti a „moatját” (versenyelőnyt biztosító üzleti várárok), és nagyobb jövőbeli profitbázist épít. Ha lassabban nő, akkor hiába jók a marzsok, idővel lemaradhat. A John Deere ezzel a mutatóval azt méri, mennyire tud tartósan, fenntartható módon piacot nyerni.
Mitől erős ez a modell?
A John Deere rendszere azért figyelemre méltó, mert nem egyetlen KPI‑ra épül. Egyszerre jutalmazza
- a működési hatékonyságot,
- a profitabilitást,
- a tőkehatékonyságot,
- a versenytársaknál jobb részvényesi hozamot,
- és a hosszú távú növekedést.
Ez csökkenti annak kockázatát, hogy a menedzsment egyetlen mutató „kozmetikázására” koncentráljon, miközben romlik a vállalat valódi versenyképessége.
És, hogy ez mennyire működött, itt egy ábra a Deere free cah-flow alakulásáról az SVA rendszer beveteése előtt és után:
A tulajdonosi értékteremtés szemszögéből a fentieken túl azonban van még egy kérdés: ki és milyen mértékben finanszírozza a növekedést? Ennek egyik mérőszáma a CCC, amelynek trendjét elvárás szerint a lehető legalacsonyabban kell tartani. A cash conversion cycle (CCC) annak az időnek a hosszát fejezi ki (napokban mérve), amely alatt a vállalat a készletekbe és egyéb erőforrásokba fektetett pénzt az értékesítésből származó pénzárammá alakítja. A CCC azon kvantitatív mutatók egyike, amelyek segítenek értékelni a vállalat működésének és menedzsmentjének hatékonyságát.
A tulajdonosok nézőpontjából: ha a menedzsment képes úgy növelni az árbevételt, a nyereséget és a cash flow‑t, hogy közben a CCC alacsony (vagyis a növekedést nem, vagy nem teljes mértékben a tulajdonosok finanszírozzák), akkor az a minőségi működés egyik jele.
Nem véletlen, hogy Tom Meredith, a Dell korábbi pénzügyi igazgatója azt mondta: „El kellett érnünk, hogy a cég minden szintjén – a legalacsonyabbtól a legfelsőbb szintig – megértsék a cash conversion cycle‑t, és azt, hogyan tudják befolyásolni.”
Hogy keretbe foglaljam az eddigieket (ideértve a sorozat első két részét is), megmutatom a DuPont vállalat teljesítménymérési gyakorlatát, amit F. Donaldson Brown 1914‑ben fejlesztett ki. Ha olvastad az első két részt, akkor emlékezhetsz, hogy ott hangsúlyos szerepet kaptak a felsővezetés teljesítményét mérő, különböző tőkén elért megtérülési mutatók. Azt is hangsúlyoztam, hogy ezeket önmagukban értékelni nagyon félrevezető lehet. A DuPont‑elemzés egyfelől a helyes értelmezésben segít, másfelől összekapcsolja a felsővezetés mérőszámait az operatív vezetőkével. Segít megérteni, hogy középvezetőként a számok szintjén hogyan tudsz kapcsolódni a felsővezetéshez.
A módszer a ROE‑t (tulajdonosi tőkén elért megtérülés) három tényezőre bontja:
- működési hatékonyság,
- eszközhasználat hatékonysága,
- pénzügyi tőkeáttétel.
A megértéshez egy aprócska kis matekra azért szükség van. A ROE, azaz a sajáttőke‑arányos megtérülés felsővezetői szinten definiálva egyenlő az adózás utáni nyereség osztva a tulajdonosok által biztosított átlagos saját tőkével. A DuPont‑képletben ugyanez a ROE viszont egyenlő az árbevételből képződő nyereség aránya (%) szorozva az eszközök árbevétel‑termelő hatékonyságával (%) szorozva az eszközök saját tőkéhez viszonyított finanszírozási arányával (%).
Azaz:
Egy rövid példával – amit az Investopédia oldaláról kölcsönöztem (DuPont Analysis: Definition, Uses, Formulas, and Examples, Investopedia. A SuperCo–Gear Inc. példa) – hadd világítsam meg a megközelítés erejét. Azon túl, hogy két vezetői szint metrikáját össze tudtad kapcsolni, értelmezni tudod annak mélyebb jelentését. Az alábbi esetben például azt láthatod, hogy ha két vállalat vagy üzletág (tehát két menedzsment) teljesítményét kizárólag ROE‑számok alapján kellene értékelned (ahogy ezt sokan teszik), akkor lehet, hogy a GearIncet tartanád jobbnak, mivel az Y1‑től Y2‑ig jobb ROE‑növekedést ért el. A DuPont‑elemzés viszont megmutatja, hogy ennek fő hajtóereje főként a növekvő tőkeáttétel (többlethitel) volt, míg a SuperCo – bár alacsonyabb – ROE‑növekedését főleg a működési és eszközhasználati hatékonyság javulása, valamint a tőkeáttétel csökkenése hozta. Vagyis valójában a SuperCo és a menedzsmentje végezte a jobb munkát:
Végül hasonló gondossággal és hozzáértéssel kell meghatározni a funkcionális területek (marketing, sales, logisztika stb.) mérőszámait is. Itt is ügyelni kell a taktikai, operatív és stratégiai szintek megkülönböztetésére, ahogy az a supermetrics.com oldalán (Marketing KPIs and metrics guide) is olvasható:
Zárásként: ha az oldalt Tudatos KisBefektetőként látogatod, talán elcsodálkoztál a kicsit menedzsment‑témájú bejegyzéseken. Egyrészt – ahogy meg is hirdettem a blogot – az adatvezérelt döntéstámogatás témáját céloztam meg, ami helyenként ilyen témájú tartalmakat is jelent. Másrészt nagyon fontosnak tartom – ezt több helyen is jeleztem –, hogy a „technológia‑nehéz” (pl. AI, data science, kódolás) kvantitatív elemzés ne ejtsen csapdába.
Ha befektetési céllal látogatod az oldalt, mindig emlékeztesd magad a tőzsdepszichológia és a kvalitatív elemzés fontosságára is. A sorozat három része ezt az utóbbit is hivatott hangsúlyozni. A menedzsment teljesítményértékelése ugyanis a kvalitatív elemzés része. És ha annak során a három cikkben elmondottaknak a nyomát sem találod, akkor minimum nézz jobban a motorháztető alá.
Jogi disclaimer
Az itt leírtak kizárólag oktatási és szemléltetési célt szolgálnak, nem minősülnek egyedi befektetési ajánlásnak vagy pénzügyi eszközre vonatkozó elemzésnek. Az esetleges befektetési döntéseket te hozod meg, és te viseled azok következményeit. Befektetési döntés meghozatala előtt azonban mindig konzultálj független, engedéllyel rendelkező pénzügyi tanácsadóval, és végezz saját kutatást. Az én szerepem az, hogy módszertant, gondolkodásmódot és elemzési eszközöket mutassak be – ezen a fórumon erősen egyszerűsített formában –, valamint a saját tapasztalataimat osszam meg. Amit elmondok, az vélemény és ismeret, nem pedig utasítás, ajánlás.
