7.2.1 Rozhodnutí o podrobnosti modelu
Znalostní báze
Popis - definice
Obvyklé modely hodnotových toků pracují po svém úplném dokončení s desítkami interních i externích výkonů, které v řadě případů mohou být členěny do určitého počtu (zpravidla 2 – 9) kategorií.
Rozhodování o podrobnosti modelu představuje často klíčový moment pro dosažení uspokojivého výsledku v potřebném čase. Při rozhodnutí je třeba vzít v potaz následující:
- riziko zanedbání určitého významného rozdílu a vytvoření souvisejícího undercosted produktu je u nízkomaržových podnikatelských aktivit téměř vždy podstatné a reálné.
- v určitých případech neznamená podrobnější členění větší složitost, zpravidla tehdy, jsou-li podrobné kategorie odvozeny z praktických zkušeností (pro pokladní supermarketu, přijímající platby v hotovosti, je snazší pracovat s větším počtem přihrádek zvlášť pro každou bankovku, než všechny přijaté bankovky dělit třeba jen do tří skupin „od: – do:“).
- samotná podrobnost modelu také sama o sobě nezajistí správné výsledky. Vždy je třeba vyvažovat hledisko podrobnosti a hledisko věrohodnosti vstupních dat, které se při větší podrobnosti zpravidla snižuje již proto že získání většího množství dat omezuje možnost jejich ověření v jednotlivých případech.
Výukové texty
Metoda selektivního zpřesňování
Jednou z možností, jak neplýtvat silami při hledání velmi podrobných dělení, je vyjít z velmi hrubých kategorií a přidávat dělení tam, kde forecastované výsledky (založené na kalkulovaných sazbách) vykazují největší rozptyl od skutečnosti v průběhu jednotlivých časových období. To, že skutečné výsledky vycházejí střídavě nad nebo pod výsledky předpovídanými, a to bez zjevné příčiny, je nejčastěji způsobeno právě tím, že do jediné kategorie bylo zahrnuto více různých prvků, generujících výkony, a jejich rozdílné zastoupení v jednotlivých obdobích vede k odlišnostem mezi skutečností a předpovědí, založenou na jediné hodnotě, odpovídající jednomu konkrétnímu mixu těchto prvků.
V praxi je dosti dobře představitelné, že v rámci jedné výrobní společnosti provozující různé technologie může být většina nákladových sazeb v úzkém rozmezí hodnot: rozlišovat sazbu pro konkrétní technologii pak není nutné. Pokud se ale jediná technologie svoji sazbou vymyká, je nutné, aby právě tato položka měla svoji vlastní kategorii – ostatní mohou být sloučeny do jediné další kategorie.
Při selektivním zpřesňování se vychází nejprve z velmi hrubého dělení sazeb (u výrobní společnosti může např, každá výrobní fáze být reprezentována jedinou sazbou) a následně se přistupuje k rozčleňování podle vnímaných rozdílů pouze v případech, kde společná sazba za určitou takovou skupinu, odvozená ze skutečných nákladů, vykazuje za jednotlivá období značné odchylky od sazby kalkulované. Typickým důsledkem je, že dělení do skupiny může být velmi rozdílné: některé prvky mají svoji vlastní sazbu, jindy naopak existuje sazba společná pro velký počet (podobně nákladově působících) rozdílných prvků.
Popularizační texty
Můj vztah k průměru byl v poslední době docela nespravedlivý. Nemyslím tím průměrně dobré restaurace ani zaměstnance s průměrnou pracovní morálkou, tam mám vcelku jasno – nevyhledávám, ale jsem vcelku rád, když občas narazím alespoň na ně. Jde mi o průměrnou dávku nákladů, kterou kalkulace přiřadí obchodní zakázce všude tam, kde chybí lepší alokační klíč: tento postup se stane nebezpečným, pokud nakupující dokáží jednoduše rozpoznat a ve svůj prospěch využít případy, u nichž jsou průměrné náklady ve vaší kalkulaci ceny nižší, než skutečné a naopak, vyhnout se všem případům opačným. A k této změně už došlo – když se objevily první internetové vyhledávače. Více v předešlém příspěvku z března 2019
Při svém odmítání průměrných nákladů jsem ovšem trochu opomíjel fakt, že dobrá kalkulace někdy naopak průměrování vyžaduje. Zákazníkům nemůžete počítat různou nákladovou zátěž v případech, pokud by dostali stejnou hodnotu vašeho výkonu ve dvou blízkých obdobích nebo ve dvou souběžných případech s různými náklady, vzniklými jen na základě náhody, nebo díky vašemu, s jejich zájmy nesouvisejícímu rozhodnutí. V takovém případě není průměr jen dobrým, je nejlepším, vlastně jediným možným řešením.
Příklad: oprava nezaviněné poruchy stroje, ke které došlo v určitém měsíci, nemůže být promítnuta svými náklady pouze do tohoto jednoho konkrétního období, kdy by došlo k neadekvátnímu zdražení práce stroje jen působením náhody. Vaše následná rozhodnutí by při takovém způsobu kalkulace byla nepřesná: při další zakázce už sotva dojde k podobné události a odrazovat další zákazníky zvýšením ceny může navíc způsobit, že by celá oprava byla zbytečná, neboť o práci stroje při takové ceně nebude mezi zákazníky poptávka. Jiný příklad jsme diskutovali již v příspěvku z listopadu 2017. Rozdílné náklady práce starého a stejného nového, kapacitu rozšiřujícího zařízení musí být zprůměrovány, přičemž rozložení zakázek mezi jeden a druhé zařízení bude následně optimalizováno tak, aby tento průměr byl co nejnižší: pohled přes skutečné náklady každého zařízení zvlášť by mohl vést k chybnému přednostnímu zatěžování dočasně více obsazovaného zařízení a tím jeho jednotkový výkon dále zlevňovat, často nehledě na ekonomickou výhodnost – nový stroj teprve nabíhá a pracuje na jednu směnu, je tudíž dražší díky horšímu pokrytí svých fixů, celkově je však o něco úspornější a měl by být naopak obsazován přednostně (v maximálním rozsahu tak, aby průměr za použití obou zařízení vycházel co nejníže).
Podobnost správné kalkulace (ABC kalkulace) s fungováním pokladny supermarketu zde opět funguje: představte si obchod, kde je na dvou různých regálech totéž zboží za dvě různé ceny (tedy nevytvořili jednu průměrnou cenu při zjevně stejné hodnotě pro zákazníka). Jaké zmatky nejspíš vzniknou, když z jednoho bude přicházet zpráva o vyprodání a na druhém – tom s vyšší cenou – pravděpodobně stejnou položku zařadí mezi ležáky? A představte si dále, že naopak zprůměrujete a použijete stejnou cenu pro kilové a dvoukilové balení rýže (což je úplně jiná hodnota pro zákazníka): kolik zákazníků bude volit při stejné ceně menší balení, kterého byste při ceně stanovené průměrem měli prodat přesnou jednu polovinu z celkového počtu (abyste neprodělali, pokud platíte dodavateli podle dodaného množství v kilogramech)?
FINBlog 19.5.2019, www.financni-manazer.cz
