Sprawozdania finansowe w dobie cyfryzacji – nowe możliwości analizy

Porównywalność wskaźników finansowych ze średnimi branżowymi

Dane finansowe nieporównane z wzorcem niewiele mówią. Najczęściej porównywane są ze sobą odpowiednie dane jednostki za kolejne okresy (dynamika). Główną słabością takiego badania jest – jak powiedział jeden z analityków – „porównywanie bałaganu do bałaganu”. Jednostka nie uwzględnia swojej lokaty w branży. Aby takie informacje uzyskać, muszą zostać spełnione dwa warunki:

• dostępność średnich wskaźników sektorowych, służących jako wzorzec,
• miarodajność tych wskaźników, gdyż wyprowadzono je na podstawie reprezentatywnych, aktualnych i o jednakowej treści danych sf firm należących do tej samej branży.

Aby zobrazować skalę problemu, wystarczy informacja, że wskaźnik rentowności, o którym mowa w kolejnym punkcie, wzrósł w 2019 r. (w porównaniu z 2018 r.) o ponad 20%. W przypadku e-sf pojawia się możliwość porównania obliczonych przez poszczególne firmy wskaźników ze wskaźnikami branżowymi pochodzącymi z tego samego roku. Oddala to ryzyko porównywania „gruszek z jabłkami”.

W pierwszej wersji naszego analizatora korzystaliśmy z pochodzących sprzed roku sektorowych wskaźników finansowych opracowanych przez Komisję ds. Analizy Rady Naukowej SKwP[1]. Mają one wiele zalet, np. trafny dobór wskaźników, ich dostępność.

Trzeba jednak mieć świadomość, że ich słabością jest niekiedy stosunkowo niewielka liczba firm, których sf posłużyły za podstawę wyprowadzenia średnich wskaźników sektorowych, a także roczne opóźnienie publikacji. Ogranicza to przydatność wniosków płynących z analizy. Wyraźnie to widać w bieżącym roku, gdy wskaźniki firm za 2020 r. – rok pandemii – będą porównywane ze średnimi wskaźnikami sektorowymi za 2019 r. – rok koniunktury.

Z uwagi na fakt, że dysponujemy już bazą aktualnych sf, stało się możliwe porównanie wskaźników poszczególnych firm ze średnimi wskaźnikami sektorowymi za ten sam rok, a nie tylko pochodzącymi sprzed roku.

W momencie gdy większość e-sf za rok zakończony 31.12.2020 r. zostanie już złożona do KRS, analizator obliczy średnie wskaźniki sektorowe za 2020 r. Nastąpi to jesienią 2021 r. Tym samym staje się możliwe przyspieszenie o kilkanaście miesięcy porównania wskaźników analizowanej firmy ze średnimi wskaźnikami sektorowymi. Analiza wskaźnikowa staje się praktycznie usługą on-line.

Wpływ wielkości i położenia firmy na wartość wskaźników finansowych

Analitycy twierdzą, że na średnie wskaźniki sektorowe wpływa nie tylko jakość gospodarki objętych nimi firm, lecz także niezależne od nich czynniki, jak np. wielkość i położenie (siedziba). Postanowiliśmy zbadać słuszność tego stwierdzenia, gdyż od jego prawdziwości zależy pożądana „pojemność” średnich wskaźników sektorowych.

W tabeli 1 przedstawiamy wyniki naszej analizy wskaźnika rentowności netto. Objęliśmy nią kilka wybranych sektorów gospodarki, w podziale na obszary geograficzne oraz na firmy o przychodach ze sprzedaży do 10 mln zł i powyżej 10 mln zł (możliwe, że stan zatrudnienia byłby lepszą granicą, ale takich danych większość e-sf nie zawiera).

Dane tabeli 1 potwierdzają słuszność tezy o ograniczeniach wiarygodności analizy, przy której za wzorzec przyjmuje się wskaźniki zróżnicowane tylko ze względu na branże, bez uwzględnienia wielkości firmy oraz miejsca prowadzenia przez nią działalności. Analiza wykazała, że wskaźniki firm zaliczanych do tej samej branży różnią się w zależności od wielkości firmy (większe firmy są bardziej rentowne, chociaż mogłoby się wydawać, że sytuacja powinna być odwrotna) oraz jej lokalizacji. W skrajnych przypadkach występują nawet 3-krotne różnice.

Zapewnienie porównywalności wskaźników finansowych dzięki uwzględnieniu przedstawionych w tabeli 1 przekrojów jest możliwe, bo na podstawie e-sf za lata 2018 i 2019, a wkrótce za 2020 r. można zbudować odpowiednią bazę danych pozwalających na ustalenie bardziej szczegółowych wskaźników branżowych.

W praktyce oznacza to, że e-sf umożliwiają przeprowadzenie analizy wskaźnikowej w sposób zdecydowanie zwiększający jej przydatność (bardziej efektywnie, precyzyjnie i szybciej). Wskaźniki branżowe uwzględniają dwa nowe przekroje – wielkość firmy i miejsce prowadzenia działalności – a dodatkowo są aktualne. Tego typu analizą i wynikającą z niej oceną są zainteresowani kontrahenci, np. obecni i potencjalni pożyczkodawcy, w tym dostawcy, konkurenci, a także właściciele i zarząd objętej analizą firmy. Wszyscy mogą łatwo porównać sytuację badanej jednostki z konkurencyjnymi firmami.

Błędy w sprawozdaniach finansowych

Wskaźniki, jak była o tym mowa, są wyprowadzane na podstawie danych zawartych w e-sf złożonych w KRS. Jest oczywiste, że jakość wskaźników zależy od jakości danych zastosowanych do ich obliczenia (na które nie mamy wpływu).

Dlatego kolejnym przedmiotem naszej analizy była wiarygodność danych stanowiących podstawę wskaźników, a miarą tej wiarygodności – błędy w e-sf złożonych do KRS. Te rozpoznane przez analizator to przede wszystkim błędy o charakterze formalnym, np. w sumowaniu czy dotyczące logiki i powiązań między różnymi składowymi sf (np. zweryfikowano zgodność pozycji „zysk (strata) netto” w rachunku zysków i strat, w bilansie, w sprawozdaniu z przepływów pieniężnych i w zestawieniu zmian w kapitale własnym). Analizator sprawdza pod względem poprawności nawet kilkadziesiąt pozycji i na tej podstawie oceniana jest poprawność e-sf.

Z przeprowadzonej analizy wynika, że prawie 30% e-sf zawierało błędy. Ten wynik nas zaskoczył: w grupie większych firm (o przychodach ze sprzedaży powyżej 10 mln zł) średnio jedno na trzy e-sf zawiera co najmniej jeden błąd. W mniejszych firmach ta nieprawidłowość dotyczy tylko jednego na cztery e-sf. Wynika to zapewne z faktu, że e-sf większych firm obejmują z reguły więcej danych, co zwiększa ryzyko popełnienia błędu, albo że biura rachunkowe sporządzające usługowo e-sf mniejszych firm są bardziej skrupulatne.

Ryzyko manipulacji danymi finansowymi

Przeanalizowaliśmy też e-sf pod kątem ryzyka manipulowania danymi w celu „upiększenia” rzeczywistości. Aby zidentyfikować to ryzyko, skorzystaliśmy z rozwiązań opracowanych kilka lat temu w Stanach Zjednoczonych i stosowanych coraz powszechniej na świecie. W Polsce tego typu rozwiązania są już znane np. biegłym rewidentom.

Analiza wykazała, że można zaryzykować stwierdzenie, iż mniej więcej 30% sf jest obarczonych ryzykiem manipulacji. W nieco mniejszym zakresie dotyczy to firm o przychodach ze sprzedaży poniżej 10 mln zł. Istnieje zatem ryzyko, że część e-sf nie przedstawia w pełni wiarygodnych danych, a część danych może być intencjonalnie zmanipulowana.

Chociaż liczba sf zawierających błędy i obarczonych ryzykiem manipulacji jest na podobnym poziomie (ok. 30%), to naszym zdaniem trudno dostrzec w tym przypadku związek między tymi wielkościami.

Rodzi się więc pytanie: czy wyselekcjonowane przez analizator e-sf jako obarczone błędem i/lub ryzykiem manipulacji danych pozostawić w zbiorze sf stanowiącym podstawę obliczenia wskaźników, czy też wyłączyć je ze zbioru? Po dyskusji zwyciężył pogląd, że bez zbadania e-sf wykazujących błędy lub podatność na manipulacje, ustalenia skutków oraz ciężaru gatunkowego tych niedociągnięć brak przesłanek do dyskwalifikacji jakichkolwiek sf.

Ryzyko współpracy

Temat ryzyka współpracy, a więc spłaty na czas zobowiązań lub zapewnienia ciągłości dostaw, interesuje zarówno dostawców, pożyczkodawców, jak i odbiorców. Do poddanych analizie e-sf zastosowaliśmy przewidzianą w naszym analizatorze funkcję oceny ryzyka współpracy z daną firmą. Przyjęliśmy punktową metodę jego oceny, na podstawie wartości kilkunastu kluczowych wskaźników finansowych: rentowności, płynności, zadłużenia, rotacji. Każdemu wskaźnikowi, w zależności od stosunku jego wartości do wartości odpowiadającej wskaźnikowi branżowemu, została przypisana odpowiednia liczba punktów. Na podstawie sumy wszystkich punktów jest oceniana kondycja finansowa firmy na tle branży i szacuje się ryzyko współpracy z tą firmą.

Zastosowanie przyjętych przez nas kryteriów oceny wykazało, że aż kilkanaście procent firm można uznać za wykazujące wysokie ryzyko współpracy, zaś niecałe 40% firm charakteryzuje się niskim ryzykiem współpracy. Zdecydowanie większym ryzykiem są obarczone firmy mniejsze o przychodach ze sprzedaży poniżej 10 mln zł. Zarówno racjonalnie działający, faktyczny lub potencjalny wierzyciel, jak i uzależniony od ciągłości dostaw odbiorca powinien zawczasu sprawdzić kontrahenta (aby później się nie okazało, że nabywca nie zapłaci lub dostawca nie będzie mógł się wywiązać ze swoich zobowiązań). Tego typu sytuacja jest dla kontrahenta zawsze kosztowna i stresująca.

Ryzyko upadłości

Najwyższy stopień ryzyka współpracy to ryzyko upadłości.

Stosując dostosowany do polskich warunków model analizy dyskryminacyjnej prof. Artura Hołdy, pokusiliśmy się o ocenę ryzyka upadłości firm. Firmy zagrożone ryzykiem upadłości to nieco ponad 20% wszystkich objętych zbiorem firm, przy czym zdecydowanie większe ryzyko występuje w przypadku firm mniejszych – 80% firm zagrożonych upadłością to firmy o przychodach ze sprzedaży poniżej 10 mln zł.

Z przeprowadzonych przez nas kalkulacji wynika, że dla większych firm wysoki współczynnik ryzyka współpracy oraz ryzyka upadłości kształtuje się na zbliżonym poziomie i wynosi ok. 6%.

Przepływy pieniężne

Jednym z kluczowych parametrów oceny kondycji finansowej firm są przepływy pieniężne (cash flow, CF). Płynność, czyli zdolność regulowania w terminie własnymi lub pożyczonymi środkami wymagalnych zobowiązań, decyduje o możliwości kontynuacji działalności. Płynność jest ważna zawsze, ale w okresie kryzysu szczególnie. Wiedzą o tym doskonale banki i inne instytucje finansowe, zwracając szczególną uwagę na ten parametr. Tymczasem w Polsce tylko większe firmy, których sf podlega badaniu przez biegłego rewidenta, są zobligowane do sporządzenia sprawozdania z przepływów pieniężnych.

Okazuje się, że jedynie 8,6% w 2019 r. oraz 8,0% w 2018 r. spośród przeanalizowanych przez nas firm sporządziło CF (ponad 21 tys. firm w każdym roku).

W CF firm innych niż sektora finansowego wyodrębnia się przepływy środków pieniężnych w przekroju trzech rodzajów działalności: operacyjnej (statutowej, podstawowej), inwestycyjnej (lokacyjnej) i finansowej. Każdy z tych przepływów, jeżeli wykazuje nadwyżkę wpływów nad wydatkami, jest dodatni (znak +), a w odwrotnym przypadku – ujemny (znak –). Odpowiednio występuje 8 wariantów relacji między dodatnimi lub ujemnymi przepływami środków pieniężnych z każdej z trzech działalności. Pokazują to trzy pierwsze wiersze tabeli 2.

Analiza wykazała, że struktura przepływów pieniężnych, uwzględniając 8 typowych wariantów z 3 kluczowych rodzajów działalności, ukształtowała się w sposób pokazany w tabeli 2 (ostatnie dwa wiersze).

W obu latach najczęściej występował bardzo korzystny wariant 3 – dodatnie przepływy z działalności operacyjnej pokrywające ujemne przepływy z obu pozostałych rodzajów działalności – w granicach 40%. Taka konfiguracja przepływów pokazuje dobrą sytuację firm, gdyż mogą podejmować inwestycje, jednocześnie zmniejszając zadłużenie, a wydatki te finansują z nadwyżki środków pieniężnych uzyskanej z podstawowej działalności operacyjnej.

Jednocześnie jednak w obu rozpatrywanych okresach aż ponad 20% firm sporządzających CF wykazało ujemne przepływy z działalności operacyjnej (warianty 4–7). Są to firmy, które mają problemy z płynnością, a żeby opłacić zobowiązania, sięgają do innych źródeł finansowania bądź wykorzystują oszczędności z lat poprzednich, ew. zalegają z zapłatą. Niestety, ani CF, ani bilans nie zawierają informacji o kwocie przeterminowanych zobowiązań.

Zwraca również uwagę, że swoje zadłużenie finansowe w obu latach zwiększyło ok. 25% firm (warianty 1, 4, 7 i 8).

Fakt, że tylko stosunkowo niewielka część firm w Polsce sporządza CF, spowodował, że zdecydowaliśmy się na włączenie do analizatora e-sf dodatkowej funkcji polegającej na automatycznej kalkulacji przepływów z działalności operacyjnej. Umożliwiło to dostęp do ponad 10-krotnie większej liczby danych (zdecydowanie ponad 200 tys. firm w każdym roku) oraz przeprowadzenie kolejnych analiz (bez możliwości, jakie stwarzają e-sf, przeprowadzenie tego typu kalkulacji byłoby bardzo trudne i uciążliwe). Rezultaty sprawdzenia relacji między wynikiem finansowym a przepływami z działalności operacyjnej przedstawia tabela 3.

W obu latach ponad 60% firm wykazało zarówno wynik finansowy, jak i przepływy pieniężne z podstawowej działalności operacyjnej z tym samym znakiem, tj. zysk i dodatnią nadwyżkę (ok. 40% firm), względnie stratę i niedobór przepływów (ok. 24% firm).

Okazało się jednak, że przepływy z działalności operacyjnej prawie 40% wszystkich firm są ujemne. Potwierdza to tezę, że małe firmy mają większe problemy z utrzymaniem płynności finansowej.

Wpływ COVID-19

W obecnej sytuacji nie sposób pominąć kwestii wywołanych pandemią COVID-19. Nie ulega wątpliwości, że ma i będzie ona miała ogromny wpływ na kondycję finansową wielu firm. Oznacza to, że poruszone w opracowaniu kwestie staną się jeszcze bardziej istotne przy analizie sf za lata 2020 i 2021. Dane sf za poprzedni rok (2020) będą z pewnością zdecydowanie mniej porównywalne z danymi za poprzedzające lata niż dotychczas. Więcej firm będzie zagrożonych upadłością, a wskaźniki finansowe za lata 2020 i 2021 będą się znacznie różniły od wskaźników z lat poprzednich. Wzrośnie ryzyko manipulacji danymi, a tym samym współpraca z wieloma firmami stanie się bardziej ryzykowna.

Jesteśmy ciekawi, jak na dane rachunku przepływów pieniężnych i naszych kalkulacji przepływów pieniężnych z działalności operacyjnej wpłynie pandemia. Widać wyraźnie, że trendy z lat 2018 i 2019 się pokrywają. Jest bardzo prawdopodobne, że w 2020 r. wiele wskaźników „wywróci się do góry nogami”.

Reprezentatywność i wiarygodność danych wejściowych – wnioski

Jedną z kluczowych kwestii jest zapewnienie odpowiedniej reprezentatywności i wiarygodności danych wejściowych, służących do dalszych obliczeń. Nasze dane wejściowe mają w coraz większym stopniu charakter zbioru pełnego, gdyż opieramy się na praktycznie wszystkich sf, a nie lepiej lub gorzej dobranej próbie sf. Pozostaje jednak problem błędów w e-sf. Wydaje się, że dobrym rozwiązaniem byłoby zastosowanie odpowiedniej aplikacji działającej np. na zasadzie algorytmów zbliżonych do zastosowanych w naszym analizatorze. Identyfikowałaby błędy sf już na „bramkach” KRS. Wówczas znacząco zmniejszyłoby się prawdopodobieństwo złożenia do KRS sf zawierającego błędy.

Naszym zdaniem e-sf pozwalają pokonać kilka ograniczeń, które wydawały się dotychczas trudne do przezwyciężenia. Stwarzają możliwość porównywania wskaźników finansowych między firmami działającymi w tych samych branżach, o podobnej wielkości i zlokalizowanych na tym samym obszarze geograficznym. Co więcej, można porównać wskaźniki dotyczące tego samego okresu. Z pewnością kryzys spowodowany pandemią COVID-19 poważnie wpłynie na zmianę wskaźników za 2020 r. w stosunku do tych za 2019 r. Tak przeprowadzona analiza wskaźnikowa zyskuje zupełnie nowy wymiar.

Niedocenianym w dyrektywie 2013/34/UE problemem są przepływy pieniężne. Tematykę tę w niej pominięto, choć płynność w praktyce odgrywa coraz większą rolę, gdyż warunkuje możliwość kontynuacji działalności przez firmę. Uor zobowiązuje większe, podlegające badaniu firmy do sporządzania CF, ale stanowią one mniej niż 10% ich zbioru. Sam wzór sprawozdania jest zaś dość rozbudowany i skomplikowany; łatwo popełnić błędy. E-sf umożliwiają opracowanie rozwiązania, które pozwalałoby na automatyczne sporządzanie pewnego rodzaju „protezy” (namiastki) CF. Może się ono nie bilansować, ale dostarczy ważnych informacji o płynności.

Nasz analizator liczy obecnie kluczową składową CF – przepływy pieniężne z działalności operacyjnej. Jednak w najbliższym czasie zamierzamy włączyć do jego funkcji – kalkulacji wspomnianej „protezy” – całość CF, a więc przepływy pieniężne ze wszystkich rodzajów działalności.

Korzyści dla biznesu

Powstaje pytanie, jakie korzyści może w praktyce odnieść firma posiłkująca się zebranymi i przetworzonymi przez nas danymi. Z naszych przemyśleń i dotychczasowych doświadczeń wynika, że wykazują one następujące zalety:

• szybkość – usługa on-line; czynności analizy wykonywane są automatycznie i zajmują kilka sekund,
• możliwość porównania z firmami podobnej wielkości, działającymi w tej samej branży i na tym samym terenie; pozwala to sprawdzić, jak firma prezentuje się na tle konkurencji,
• możliwość przeanalizowania sporządzonego automatycznie za firmę CF działalności operacyjnej,
• możliwość ustalenia, jak ryzyko współpracy z firmą mogą oceniać inni, w tym instytucje finansowe; czy firmie nie grozi, że będzie postrzegana jako manipulator bądź jako zagrożona upadłością,
• możliwość zidentyfikowania i ew. poprawienia błędów w sf.

Takie same korzyści można uzyskać, analizując dane finansowe innych interesujących nas firm – zarówno odbiorców, jak i dostawców, obecnych i potencjalnych. Można ich zweryfikować przed podjęciem współpracy lub monitorować w jej trakcie. Pozwala to zminimalizować ryzyko poniesienia strat na skutek współpracy z kontrahentem, który od początku był lub stał się ryzykowny. Dzięki podjętym zawczasu działaniom można się również przyjrzeć konkurentom firmy.

Obecnie prowadzimy prace nad kolejną funkcją, która pozwoli sporządzić w pełni automatycznie krótki raport opisujący w przystępny sposób sytuację finansową rozpatrywanej firmy.

Jaka przyszłość

Obecnie coraz więcej danych finansowych można pozyskać w postaci elektronicznej, co stwarza nowe możliwości analizy. Tezę tę potwierdzają prowadzone przez nas już 3 lata prace i doświadczenia z danymi zawartymi w plikach JPK. Analizy tych danych również pozwalają na uzyskanie bardzo przydatnych informacji o kondycji finansowej firm; informacje te wcześniej były praktycznie niedostępne. Chodzi zwłaszcza o mniejsze firmy, których jest 5-krotnie więcej niż firm sporządzających e-sf.

Nasi klienci cenią sobie, że dostępność e-sf stwarza możliwość automatyzacji bardzo wielu żmudnych i czasochłonnych czynności. To z kolei pozwala osobom dokonującym analiz skupić się na właściwej analizie automatycznie pozyskanych i wstępnie obrobionych danych. „Czarną robotę” wykonuje dziś robot – automatyczny analizator.

Przedstawione wyniki naszych prac i analiz nie mają oczywiście charakteru prac badawczych. Są efektem działań służących celom biznesowym, które były możliwe dzięki pojawieniu się e-sf.

E-sf, prezentujące dane w postaci elektronicznej i ustrukturyzowanej, zapewniają szybszy dostęp do informacji, możliwość automatyzacji i wykorzystywania rozwiązań sztucznej inteligencji.