Финансовая кухня

 Краткие идеи от  ICAEW «Как CFO могут обеспечивать долгосрочный рост организации?» 🧠 Ключевые выводы 1. CFO должен сочетать данные и профессиональное суждение Авторы подчёркивают, что компании работают в быстро меняющейся среде, где ожидание «идеальных данных» может привести к упущенным возможностям. Эффективные CFO: сочетают аналитику с опытом и интуицией; (наконец то кто то это признал) глубоко понимают бизнес и процессы компании; принимают решения быстрее и увереннее; поддерживают тесную связь с операционной деятельностью и сотрудниками. 2. CFO играет ключевую роль в управлении рисками Исследование описывает CFO как балансирующую силу по отношению к амбициозным CEO. CEO часто продвигают смелые идеи роста. CFO оценивает, насколько эти идеи реалистичны и финансово устойчивы. Долгосрочный рост требует готовности к разумному риску, особенно в инвестициях в ИИ и цифровую трансформацию. Отдельно подчёркивается, что не каждую инвестицию можно обосновать со стопроцентной уверенностью. CFO всё чаще должен поддерживать стратегические «ставки», одновременно честно оценивая риски. 3. Коммуникация и «сторителлинг» становятся критически важными Успешный CFO должен уметь переводить сложные финансовые данные в понятный бизнес-язык. Это включает: объяснение финансовых показателей нефинансовым подразделениям; использование неформальных каналов коммуникации; развитие открытого диалога внутри компании; предоставление оперативной аналитики, а не только формальных отчётов. Сегодня CFO всё чаще воспринимается как «главный рассказчик» бизнеса, а не только как финансовый контролёр. Да, без гуманитарной базы навык надо прямо прокачивать. К счастью, развивается быстро. 4. Устойчивое развитие должно быть частью стратегии В исследовании говорится, что sustainability нельзя рассматривать исключительно как вопрос соответствия требованиям регуляторов. Умеренно актуально для РФ пока. 5. Финансовая функция становится стратегической Главный вывод исследования — финансовая функция трансформирует

Проверяем цели на амбициозность Business Insider пишет: один из KPI Маска в SpaceX — создание постоянной колонии на Марсе с населением не менее одного миллиона человек. За выполнение — 1 млрд акций SpaceX. Вот это и есть амбициозная цель. Теперь вспомните последнее совещание по целям в вашей компании. Наверняка кто-то сказал: «30% роста выручки — это нереально», «рынок не позволяет», «мы такого никогда не делали». Классика. ☠️ На фоне колонии на Марсе жалобы на рост выручки в 30% выглядят немного иначе? Я уже писала про разницу между стратегическими и тактическими целями. Там критерий не горизонт, а амбициозность: стратегическая цель — та, которую непонятно как достичь на текущем уровне. Нет ресурсов, нет понимания механики, есть существенные ограничения. И это нормально. 📍 Большая цель не обязана быть понятной в момент постановки. Она обязана быть настоящей — той, ради которой вы реально будете что-то менять, а не той, что комфортно закроется органикой. 📍 Цель, которая не пугает хотя бы немного — скорее всего, не цель, а план на квартал. 📍 Маск не знает точно, как долетит хотя бы 1 человек до Марса. Но это не мешает ему строить под это инфраструктуру уже сейчас. 🧠 Упражнение, которое я делаю сама и советую: возьмите вашу главную цель на год и спросите — если бы я её точно достигла, что мне пришлось бы изменить в том, как я работаю сейчас? Если ответ «почти ничего» — цель маловата. P.S. Колония на Марсе, конечно, отдельная история. Но сам принцип — ставить цель, которая требует стать другой компанией — работает на любом масштабе.

Непопулярно про ИИ И немножко моих наблюдений про ИИ и финансы, в т ч из реальных кейсов. Если у Вас большая организация, много однотипных задач в финансах обычная автоматизация и спрямление процессов даст больший эффект в финансах, чем ИИ. Если организация средняя, данные плохо поддаются структурированию (например, много индивид сделок, документы от контрагентов из разных стран и пр), и автоматизация экономически не оправдывает себя, то ИИ вполне может облегчить работу или ее ускорить. Реальные примеры: - написать проф суждение (ну скажем для резервов под МСФО 9) - распознать и поместить в эксель документы разных форматов - написать код на питоне, который потом быстро поможет сделать разовый запрос к базам и тп сделать простую презентацию. Все примеры - это не системные, низкочастотные задачи. Но тут другая проблема, данные все же в открытый доступ сливать не стоит, а вот разворачивание ИИ на своем сервере, это уже дороже и сложнее.

Зачем смотреть Moneyball, если вы в управлении Это фильм про то, как принимать решения на данных, когда все вокруг убеждают вас доверять интуиции и «опыту». Финансисты, аналитики - фильм для Вас. Сюжет простой: команда с бюджетом в три раза меньше, чем у конкурентов, начинает выигрывать. С ограниченным бюджетом, без найма звезд. Секрет - новая метрика ценности игрока. И метрика была найдена через цифры и анализ. 📍 Скауты с 20-летним опытом говорили «не берите его, он двигается неправильно». Аналитик с моделью говорил «он выходит на базу в 40% случаев». Победила модель. Экспертное мнение без данных — это просто мнение. 📍 Команда сопротивлялась до последнего. Тренер выставлял «правильных» игроков вопреки системе. Классика внедрения любого изменения: люди защищают не результат, а привычный способ работы. 📍 Когда метод начал работать — его скопировали все. Конкурентное преимущество от нестандартного подхода живёт ровно до момента, пока он не стал стандартом. 🧠 Если Вы часто слышите на совещаниях: «у нас так не работает», «без бюджета ничего не достичь» и «надо чувствовать рынок» фильм для Вас. Что думаете — в вашей компании решения больше на данных или на опыте ключевых людей?

Самая полезная книга за последний год. Небольшое научное исследование (как я люблю) Карло Чиполла: фундаментальные законы человеческой глупости. Когда копировала на электронную книжку долго думала поместить книгу в раздел бизнес или психология. Все-таки бизнес. Автор выводит 5 законов человеческой глупости и формулирует свое определение глупости (буквально ни себе, ни людям). Для затравочки Вам: 🧠Первый закон: Человек всегда и неизбежно недооценивает количество глупых людей, окружающих его. Самые разумные и рациональные люди раз за разом совершают ошибку, полагая, что оппоненты или случайные знакомые ведут себя предсказуемо и умно. Это практически тянет уже на Канемана, хотя написано было задолго до поведенческой экономики. Не буду рассказывать все. Уверена, дорогие подписчики, Вам понравится. Книга дает понимание буквально всему, что происходит в мире, в компании и любых бытовых ситуациях.

В 1913 году инженер Рингельман провёл эксперимент с перетягиванием каната: один человек тянул в полную силу, двое — на 93% от возможности, а восемь — всего на 49%. Закон Рингельмана подтверждён в управлении: чем больше ответственных за задачу, тем хуже результат. Когда показатели стоят на месте — прежде чем нанимать, сделайте пересборку команды и процессов.

Прибыль падает, финансисты режут косты. Знакомая картина: прибыль просела, собирается команда, открывается бюджет. Ищем, где срезать. McKinsey проверили математику на данных компаний из S&P 1500. Результат простой: 📍 +1% к цене при стабильных объёмах → операционная прибыль растёт на 8% 📍 -1% переменных затрат → эффект почти вдвое меньше 📍 +1% объёма продаж → эффект втрое меньше Ценообразование выигрывает у всех. По скорости, по отдаче, по масштабу влияния на P&L. Я видела это на практике не раз. Работа с ценой в моих командах — это была отдельная аналитика: где эластичность позволяет, где отраслевой бенчмарк даёт пространство, где сегмент готов платить больше. Не «поднять всё на 10%» — а точечно, с расчётом. ✔️ Фокус финансиста на доходах даёт больший эффект, чем фокус на расходах. В кризис — тем более. Начинать нужно с выручки. ☠️ Но резать косты политически проще. Никто не поспорит, все понимают логику, результат виден быстро. Именно поэтому это делают по умолчанию — и именно поэтому это ловушка. P.S. Если в вашей компании последний раз серьёзно пересматривали ценообразование больше года назад — возможно, там и лежит незамеченная точка роста прибыли.

С AI комфортнее, чем с CFO — и это уже проблема Контрольная функция, запреты, плохие новости — это работа CFO. Проблема в том, как это выполняется: споры с бизнесом до потери пульса, позиция «я сказала нет», ощущение, что финансы — это стена, а не партнёр. Слушать о том, что бизнес-план не выполняется уже само по себе не очень приятно:) 📍 Друзья, у меня для Вас плохая новость. AI вас заменит. Только не в аналитике — там фактура пока далека от идеала. А в коммуникации. Любая нейронка демонстрирует сочувствие, понимание и приятный стиль общения. AI не скажет «я же говорил, так и получилось». Не получилось, ты молодец, не сдавайся, попробуй еще раз и пр, и дальше ворох тонкой и грубой лести. Финансовый департамент обычно общается не так:) С вами профессиональнее, с AI комфортнее. Вопрос в том, насколько «профессиональнее» в вашем случае будет перевешивать. P.S. для особо чувствительных - пост написан в духе сарказма:)

Почему 70% KPI не управляют ничем после 3 месяцев Когда KPI запускают, всё выглядит логично: метрика, план, мотивация. Через квартал система продолжает работать на бумаге — но решений по ней уже никто не принимает. Вот 5 поломок, которые вижу на практике постоянно: ☠️ Метрика фиксирует факт, но не ведёт к действию. «Выручка упала на 12%» — и что дальше? Если KPI не указывает, что именно делать, это не управление, это отчётность. ☠️ Целей слишком много. Больше 3–5 KPI на уровне топа — и фокус размывается. Команда оптимизирует то, за что больше платят, остальное тихо игнорируется. ☠️ Метрики не обновляются при смене контекста. Рынок поменялся, приоритеты сдвинулись — а KPI остались с прошлогодней стратсессии. Управляют уже не целью, а инерцией. ☠️ Манипуляция встроена в систему. Кейс Wells Fargo — 3,5 млн поддельных счетов ради KPI «8 продуктов на клиента» — крайний случай. В мягкой форме это происходит в каждой второй компании. ☠️ Нет владельца метрики. Если за KPI отвечают «все», по факту не отвечает никто. 🧠 Простой тест: возьмите любой KPI из своей системы и ответьте на два вопроса. Какое решение Вы примете, если метрика упадёт на 20%? Кто конкретно несёт за неё ответственность? Если ответы размытые — KPI уже не управляет, он просто висит в дашборде. Какой самый «мёртвый» KPI есть в вашей системе прямо сейчас? Поделитесь в комментариях.

Чем заменить мёртвый KPI: 3 рабочих альтернативы В прошлом посте разобрали, почему KPI перестают управлять уже через квартал. Вопрос «что вместо» — закономерный, но здесь важно не попасть в другую ловушку: заменить один ритуал другим. По сути задача метрики одна — вести к решению. Исходя из этого и выбираю. 📍 OKR (Objectives & Key Results). Работает, когда нужно держать фокус команды на качественном сдвиге, а не на удержании цифры. Ключевое отличие от KPI: результат формулируется как изменение состояния («клиент выбирает нас первыми»), а не как показатель («выручка +15%»). Горизонт — квартал, цикл пересмотра встроен. Слабое место: требует дисциплины в формулировках, иначе быстро деградирует в те же KPI, только с другим названием. Система может жить и в дополнение к kpi. 📍 North Star Metric. Один показатель, который лучше всего отражает ценность продукта или бизнеса для клиента. Не выручка, не маржа — а то, что предшествует деньгам. У Airbnb это ночи бронирований, у Slack — количество сообщений в команде за день. Подходит, когда компания теряет связь между операционными действиями и реальным результатом для клиента. 📍 Outcome-based goals с rolling forecast. Вместо фиксированного годового плана — скользящий прогноз на 12 месяцев вперёд, который обновляется каждый квартал. Цель привязана не к «выполнить план декабря», а к управляемому движению к результату. Снижает политику вокруг бюджета и убирает классический эффект декабрьского подвига. И если цель очень сложная, например, в антикризисном управлении, помогает держать руку на пульсе. 🧠 Главный критерий при выборе любого из трёх — стабильность результата. Результат предсказуем, его можно объяснить и повторить. Если нет — это не эффективное управление, это случайность с красивой отчётностью. ✔️ Проверка перед заменой: сформулируйте, какое решение Вы примете при отклонении новой метрики. Если ответа нет — инструмент ещё не готов к запуску.

Стоит ли читать старые бизнес-книги? Разбираем Ли Якокка. В далекие студенческие времена я с утра заходила в читальный зал, брала книги, которые нельзя было взять домой, и читала весь день параллельно с лекциями. Именно поэтому в основном считаю бизнес-литературу бесполезной. Но «Карьера менеджера» была зачитана до дыр Как-то не так давно я её перечитала. И обнаружила, что в ней есть описание всех типов корпоративных отношений и конфликтов. А период в книге огромный: там и кризисы в экономике, и разные жизненные циклы компании — можно найти почти все варианты действий, причём и верных, и неверных За 25 лет опыта в крупных компаниях я, кажется, встречалась со всем, что описано в книге. И вот зачем её читать сейчас : вы начинаете быстрее узнавать паттерны — Политика. Кто реально принимает решения, кто влияет, кто блокирует, а кто просто громко говорит — Кризис. Как меняется управленческое поведение, когда деньги заканчиваются и времени нет — Ставки. Где вы ошибаетесь не в цифрах, а в понимании того, что людям важно сохранить — Карьера. Как строятся (и ломаются) отношения с советом директоров, топ-командой и ключевыми «держателями власти» Если вы в роли CEO или C-level, книга работает как зеркало. Части неприятное, но правдивое..

Как я случайно сэкономила компании миллионы — прямо в кабинете председателя банка Едем на переговоры по кредиту. Срочно, важно, всё по-взрослому. За пять минут до входа открываю презентацию — и понимаю, что коллега из вредности поставил не те цифры. Совсем не те. Менять уже некогда. Заходим. Председатель смотрит на слайды. Молчит. Потом — громко, без дипломатии и без особого уважения к нашим умственным способностям — объясняет, что у нас растёт сумма кредитов и одновременно падают проценты. Я сижу и думаю: ну все меня сейчас уволят (а это была моя первая работа). И тут что-то во мне переключается. Открываю рот — сама не понимаю зачем — и говорю спокойно: «Подождите. Проценты у нас действительно высокие. Бизнес их не тянет давно. Я писала об этом несколько раз. Письма есть в системе.» Тишина. Через минуту поднимают переписку. Письма есть. Все до одного — с датами, расчётами и конкретными предложениями по ставке. И прямо в этом кабинете, прямо сейчас, принимается решение о пересмотре условий. (В старые времена не было всех этих комитетов в 5 уровней). На выходе CEO смотрит на меня и говорит вполголоса: «А я думал, это была ошибка в цифрах». Вывод, как в буддистких притчах, предлагаю сделать для каждого свой.

☠️ «Все данные есть, разберёмся» — данные без интерпретации это просто хранилище. Управленческое решение начинается там, где появляется вопрос «почему», а не «сколько».

Пришло время HARD целей SMART уже завяз в зубах. И почти везде я вижу технически правильные цели. Для руководителей такие цели понятны, но не имеют эмоциональной окраски, поэтому не очень мотивируют. Именно здесь работает HARD-фреймворк Марка Мёрфи. Четыре параметра, которые проверяют цель по существу: 📍 Heartfelt — она лично значима. Не «компания хочет», а Вы хотите. Устойчивая мотивация возникает только там, где есть личный резонанс. 📍 Animated — её можно ярко представить. Если цель не визуализируется как конкретная картинка результата — она ещё не сформулирована, она просто записана. Здесь будет ваше сопротивление:) но 95% информации мы получаем через зрение. 📍 Required — она объективно необходима. Не «было бы неплохо» и не «так принято на этом уровне», а реальная потребность — для бизнеса, для роли, для следующего шага. 📍 Difficult — она превышает текущий уровень компетенций. Цель, которая решается имеющимися ресурсами без напряжения, — это задача, а не цель. По-простому, в цели есть вызов. 🧠 Главное смещение здесь — с вопроса «что делать» на вопрос «зачем именно это». Постановка HARD целей требует некоторых навыков коучинга и понимания мотивации своей команды. Мне методика нравится. Проверяю так свои рабочие цели.

Неочевидный минус data driven подходов. McKinsey в исследованиях decision-making 2024–2025 фиксирует неочевидное: у людей с высоким уровнем мышления проблема не в качестве анализа. Проблема в том, что они не могут остановить анализ. Последние 10 лет компании активно инвестировали в data-driven decision making. Логика понятна: больше данных — лучше решения. На практике получили другое: данных стало так много, что решения принимать стало сложнее, а не проще. Понять, что важно когда драйверов выручки 50, а не 10 гораздо сложнее. 🧠 AI сделал это ещё острее. Инструменты для генерации идей и вариантов масштабировались кратно. Инструменты для выбора — остались прежними. 📍 Раньше было 3 варианта — выбирали из 3 📍 Data-driven подход дал 10 вариантов с обоснованием каждого 📍 AI даёт ещё 15 — быстро, убедительно, с аргументами (еще и не верными:) Мозг не ускорился. Зато появилось ощущение, что «ещё не всё рассмотрено», FOMO упущенных цифр. ☠️ Итог: знаете больше, чем когда-либо — двигаетесь медленнее, чем могли бы. Узнаете эту механику у себя или в команде?

CFO финансирует следующую волну AI из денег, которых нет Bain опубликовали данные, с очень странной для меня логикой: 44% компаний планируют вложения в AI из сэкономленных средств предыдущей волны автоматизации. Проблема в отчете в том, что предыдущая волна не достигла 100% целей автоматизации (как обычно и бывает). Далее CFO компаний не измеряли фактический эффект прошлой волны автоматизации. Видимо предполагали, что он равен плановому. Наивные они там конечно на своем Западе:). И в бюджет на AI закладывают сумму в 100% плановой экономии прошлых проектов. Т.е в прошлом проекте была плановая экономия 100 млн, факт 60 млн. На будущие проекты нужно брать 60, а вот многие берут 100%. И дальше как будто бы на инвестиции в AI закладывались большая сумма, чем компания располагала на инвестиции (по сути деньги будут взяты из операционной деятельности). И проблема это чуть ли ни у 40% компаний. Главный финансовый риск по этому отчету внедрения AI - Это одобрение следующей волны на основе возвратов от прошлых проектов, которые так и не пришли. Честно, перечитала 3 раза. Не поняла. Если проект новый и он выгоден компании надо делать. А сравнивать с экономией от прошлых проектов, не очень понятна ценность. Как у Вас устроен контроль за фактическими возвратами от автоматизации?