In grotere ondernemingen houden vooral treasury managers en financial controllers zich bezig met de planning van de cashflow. Toch kunnen ook kredietmanagers een belangrijke bijdrage leveren.
Het voorspellen van de toekomstige financiële stromen is voor bedrijven van groot belang. De mate waarin ze dat kwalitatief en betrouwbaar doen, zal helpen om zich op die toekomst voor te bereiden. Op hun beurt moeten heel wat verantwoordelijken binnen de organisatie een accurate voorspelling kunnen maken over indicatoren op het eigen domein. Een forecast loopt over meerdere maanden, tot een jaar (of nóg meer) ver. Logisch dat iedere maand bijsturing nodig is, enerzijds met de gerealiseerde waardes (actuals), maar vooral ook met nieuwe inzichten die ze voortschrijdend verwerft.
Veel van dergelijke planning gebeurt op basis van veralgemeningen, historische waardes en statistische extrapolaties, waarmee je op het eerste gezicht een redelijke inschatting kunt maken. Heel dikwijls is het een beetje de “buil tegen de bluts”, een onderschatting aan de ene kant zal een overschatting aan de andere kant compenseren of camoufleren: “Un train peut en cacher un autre”.
Naar verluidt zijn maar weinig kredietprofessionals betrokken bij zo’n planning. Niet veel bedrijven doen deze oefening erg gedetailleerd en ze zullen snel te veel inspanningen afwegen tegen de benodigde nauwkeurigheid.
Toch kan een kredietmanager, die zijn klantenportfolio statistisch goed opvolgt, vlot een maandelijks insteek van hoge kwaliteit geven, van alvast dit deel van werkkapitaal en cashflow. Het voorspellen van klantenbetalingen hangt af van een aantal parameters en die kun je goed in kaart brengen. Het uitgangspunt is bekend: de uitgaande facturen, of indien het een forecast betreft voor vele maanden in de toekomst, het ‘verkoopbudget’ per periode. Betaaltermijnen variëren niet zo snel in de tijd, dus de gemiddelde betaaltermijn is gekend. Het gemiddelde aantal dagen ‘vertraging’ kan schommelen, doorheen de tijd naargelang de economische situatie. Maar dat is niet altijd volgens de verwachtingen, zoals we konden zien gedurende de voorbije crisissen. Dat vraagt dus een maandelijkse bijsturing. Deze kasstromen zijn meestal onderhevig aan seizoensgebonden cycli. Omdat verkopen dat zelf ook zijn, maar ook het collectieve betaalgedrag kan variëren doorheen het jaar, zoals we tijdens de zomer of op het einde van het jaar zien. Omdat je deze bewegingen kent van vorige jaren, mag je dit redelijkerwijs ook extrapoleren naar de toekomst.
In deze fase is alles dus gebaseerd op gemiddelden en statistische variabelen. Hoe concreter de verkooppredicties worden, hoe nauwkeuriger de voorspellingen worden. Zeker als de facturen op naam van specifieke klanten eenmaal gemaakt zijn, kun je de individuele parameters per debiteur gebruiken. We gaan van een ‘budget’, over een forecast naar actuals met bijgestuurde forecasts, wat soms ‘versiebeheer’ genoemd wordt). Daarbij kun je je een bepaalde luxe permitteren. Veel Pareto-analyses tonen een groot aantal klanten met beperkte bewegingen, waar je met de vermelde gemiddelden aan de slag kunt. Anderzijds zijn er dikwijls een beperkt aantal klanten met substantiële kasbewegingen en dus met aanzienlijke impact. Hier moet je afwegen in welke mate je potentiële, individuele afwijkingen wil monitoren en opnemen in de planning. Het lijkt aangewezen om dat te doen en met een beetje interne organisatie, hoeft dat niet al te veel tijd in beslag te nemen.
Kredietprofessionals zijn er onder meer om de cash van klanten binnen te halen. Ze zijn daarom ook goed geplaatst om dergelijke cashflow te helpen voorspellen.
Bron: FDMagazine
