Rådgivning er dyrt – men hvad er det værd?

Rådgivning bliver ofte betragtet som en omkostning eller en nødvendighed. Ville det ikke være relevant at vurdere køb af rådgivning ud fra de samme præmisser, som når der investeres i en ny maskine?

• Hvad får jeg for pengene?
• Hvor meget ekstra kapacitet giver den?
• Kan den reducere mit processpild?
• Hvad betyder den for min kvalitet og bemanding?
• Hvornår vil min investering have tjent sig hjem?

Så selvfølgelig betyder prisen betyder noget – men den står ikke alene.

For hele motivationen for at købe maskinen er, at virksomheden forventer at få mere værdi tilbage, end den investerer.

Prøv så at skifte maskinen ud med en rådgiver

Her oplever jeg ofte, at indgangsvinklen er en anden og regnestykket opstillet anderledes. Men hvorfor stiller vi ikke de samme krav til investeringen i rådgivning, som vi gør til investeringen i en maskine?

Årsagerne kan være mange. Banken kan stille krav til en business case, og som økonom er jeg selv skolet i at regne på investeringer i aktiver.

Men set fra virksomhedens kasse bør spørgsmålet grundlæggende være det samme:
Hvis jeg bruger 250.000 kr., hvad forventer jeg så at få igen?

I praksis oplever jeg, at virksomhederne ofte har fokus på:

• Hvad er timeprisen?
• Hvor mange timer skal der bruges?
• Hvad kommer det samlet til at koste?

Det er helt rimelige spørgsmål. Men rådgivningen skal også skabe en værdi. Ellers er der ingen grund til at købe den. Så hvis prisen er det eneste, der bliver regnet på, mangler halvdelen af beslutningsgrundlaget, for:

• Hvad risikerer det at koste, hvis vi ikke gør noget?
• Hvad koster problemet?
• Vil løsningen generere øget bundlinje eller reducere en økonomisk risiko?

Et paradoks

I min optik er det lidt et paradoks, at rådgivning ofte købes som en nødvendighed.

Det kan for eksempel være for at opnå et ISO-certifikat, imødekomme et markedskrav eller få løst noget, der halter i virksomhedens drift. Men reelt køber virksomheden rådgivning, fordi den ønsker en forandring. Det samme gælder for maskinen. Den bliver ikke købt for maskinens skyld. Den bliver købt, fordi virksomheden forventer mere kapacitet, lavere omkostninger, bedre kvalitet eller en anden økonomisk gevinst.

I begge tilfælde bruger virksomheden penge i dag med en forventning om at stå bedre i morgen.

Så økonomisk er de to beslutninger måske slet ikke så forskellige. Den ene investering består af stål, motorer og elektronik. Den anden består af viden, kompetencer og arbejdstimer. Men hvis virksomheden bruger 250.000 kr., bør det grundlæggende spørgsmål vel være det samme om det bruges på maskiner eller rådgivning: Hvad forventer vi at få igen for pengene?

Så hvorfor er det helt naturligt at lave en business case på maskinen, mens rådgivningen så ofte primært bliver vurderet på, hvad den koster?

Det er præcis den forskel, jeg gerne vil udfordre.

Jeg har selv manglet et bedre svar

Jeg har lavet min del af business cases gennem årene og købt ydelser og produkter fra både rådgivere, maskinproducenter og specialister.

Personligt har jeg altid haft det lidt anstrengt med regnestykker, hvor en forbedring isoleres, og der sættes en forventning til en given effekt og konstaterer, at investeringen kan betale sig.

For sådan fungerer en produktionsvirksomhed sjældent. Når vi ændrer noget ét sted, kan det påvirke noget andet. Nogle gange positivt. Andre gange negativt. Og nogle gange flytter vi bare problemet eller skaber frustration mellem afdelingerne.

Hvis business casen bygger på, at alle vores positive antagelser rammer med fuld effekt, uden at vi ser virksomheden som en helhed, er der efter min mening ikke lavet et beslutningsgrundlag – der er lavet et ønskescenarie.

Her synes jeg, at kunden både kan og bør forlange mere af leverandøren – uanset om investeringen er en maskine eller rådgivning.

Derfor satte jeg mig for at bygge det værktøj, jeg selv syntes manglede.

Fra mavefornemmelse til beslutningsgrundlag

Resultatet er en analysemodel, der tager udgangspunkt i virksomhedens økonomiske data og data fra den daglige drift.

Modellen kan arbejde med mere end 30 forskellige nøgletal, beregne omkring 720 effektværdier og håndtere mere end 1.200 kriterier, der fastsættes automatisk eller manuelt.

Men flere beregninger gør ikke automatisk beslutningsgrundlaget bedre. Derfor viser modellen resultaterne som intervaller og synliggør samtidig, hvor sikkert estimatet er på det tilgængelige datagrundlag. Jo bedre data, desto bedre grundlag for vurderingen.

Det betyder også, at modellen ikke foregiver, at et estimat er mere præcist, end data giver grundlag for.

Beregningerne må ikke gøre forløbet mere komplekst

Da jeg begyndte at udvikle modellen, satte jeg et ret enkelt krav:

Analysen må ikke blive et projekt i sig selv!

En mindre produktionsvirksomhed skal ikke først bruge dage på at fremskaffe data og udfylde regneark for at finde ud af, om en indsats overhovedet er værd at undersøge nærmere.

Den første beregning kan tage udgangspunkt i virksomhedens eksisterende regnskabstal. Det giver et første estimat – men også et estimat med større usikkerhed.

Har virksomheden relevante driftsdata om eksempelvis leveringsevne, hasteordrer, overarbejde, kvalitetsafvigelser, lager eller fravær, kan de efterfølgende lægges til. Ikke for at gøre modellen mere imponerende, men for at gøre beslutningsgrundlaget bedre.

På den måde kan analysen starte relativt enkelt og blive mere præcis, hvis beslutningen kræver det.

Jeg tror ikke på falsk præcision

Hvis et regneark fortæller, at en indsats vil skabe en akkumuleret netto gevinst på 1.065.740 DKK over 5 år, er beregningen måske præcis. Men det betyder ikke, at virkeligheden er det.

En forventet forbedring på 10 % bliver måske 6 %. Implementeringen tager længere tid. Eller forudsætningerne ændrer sig.

Derfor skal et estimat behandles som det, det er – et estimat.

Modellen skal give et bedre grundlag for at vurdere potentiale, investering og tilbagebetalingstid, derfor arbejder min model også i intervaller.

Det kunne for eksempel være:

Teoretisk potential pr år	1.360.255 DKK
Sikkerhed i Estimatet	19 - 26 % (Lav- tager kun udgangspunkt i regnskab fra CVR
Risikovægtet potentiale pr år	496.923 til 551.692 DKK
Beregnet tilbagebetalingstid	14 til 15 måneder
Akkumuleret netto resultat 0 - 5 år	876.672 til 1.065.740 DKK

Disse tal, er en meget lille del, af den totale rapport. En rapport der ikke fremstår som en facitliste men et vægtet business case estimat.

Modellen er AI-understøttet

Med mere end 1.200 kriterier, 720 effektværdier, over 30 mulige nøgletal og 18 forskellige indsatser er der mange sammenhænge at forholde sig til.

Derfor har jeg valgt at bruge AI som en del af resultatanalysen. Det er modellen, der laver beregningerne ud fra virksomhedens data. AI bruges til at understøtte vurderingen af de beregninger, modellen har lavet.

Det kan hjælpe med at se sammenhænge og udfordre resultaterne.

Men dårlige data er stadig dårlige data. En urealistisk forudsætning bliver ikke mere realistisk, fordi AI har set på den.

AI er derfor en del af analysen – ikke et facit.

Modellen som beslutningsgrundlag

Modellen skal ikke sælge et rådgivningsforløb. Den skal hjælpe med at beslutte, om det giver mening at gennemføre det. Det betyder også, at resultatet kan være, at forløbet skal ændres, udskydes eller helt droppes.

Hvis analysen ikke kan dokumentere negative udfald, er den efter min mening ikke et beslutningsværktøj – så er den et salgsværktøj.

Business casen slutter ikke, når du siger ja

Tilbage i juli skrev jeg indlægget: Har jeres investeringer leveret det, I betalte for?

Her var min pointe, at virksomheder ofte bruger betydelige ressourcer på business casen før en investering – men lægger ofte langt mindre arbejde i den efterfølgende evaluering af investeringen, og dermed kontrol af om investeringen faktisk leverede det forventede resultat.

For at undgå dette scenarie, er modellen bygget på en måde, så der kan følges op på de enkelte parametre for at se om udviklingen går som forventet.

Før: Hvad er problemet, og hvad forventer vi at forbedre?
Under: Flytter de relevante nøgletal sig?
Efter: Fik virksomheden faktisk den forventede effekt?

Modellen skaber ikke forbedringen

Jeg starter med problemet, benytter mine erfaringer til at vælge relevante forløb, hvor efter modellen skaber beslutningsgrundlaget.

Derfor er det også vigtigt at sige – modellen kan kortlægge det økonomiske potentiale i ved et givent forløb. Men den reducerer ikke hasteordre, forbedrer leveringsevnen eller gør virksomheden mindre personafhængig. Det kræver handling.

Det er for mig en central del af robust drift: At prioritere ressourcerne ud fra et oplyst grundlag, så de benyttes dér, hvor de skaber reel værdi for virksomheden.

Så er rådgivning dyrt?

Ja. Det kan det sagtens være. Men timeprisen fortæller kun, hvad rådgiveren koster. Den fortæller ikke, om rådgivningen er dyr.

100.000 DKK for et forløb er dyrt, hvis indsatsen stort set ikke flytter noget. De samme 100.000 DKK kan være en god investering, hvis virksomheden realiserer en langt større og varig forbedring.

Derfor kan spørgsmålet aldrig besvares entydigt.

Rådgivning er ikke billig eller dyr på grund af timeprisen alene. Det afhænger af problemet, potentialet, risikoen og den værdi, virksomheden realistisk kan skabe.

Og hvis jeg skal rådgive dig om at bruge virksomhedens penge på en indsats, synes jeg faktisk, det er et rimeligt sted at starte.

Hvor passer emnet ind?

• Robust Produktion – Skab en mere stabil og effektiv drift
• Advisory Board Blitz – Få strategisk sparring, der skaber fremdrift

Relaterede udfordringer

• Rådgivning vurderes primært på timepris og samlet pris frem for den værdi, indsatsen skal skabe
• Der investeres i forbedringer uden et klart billede af problemets reelle omkostning
• Business cases bygger på positive antagelser uden tilstrækkelig vurdering af usikkerhed og risiko
• Potentialet ved en indsats vurderes isoleret uden at se på påvirkningen af resten af virksomheden
• Beslutninger træffes på mavefornemmelse, fordi relevante driftsdata ikke bliver koblet med økonomien
• Der bruges for mange ressourcer på at skabe et meget detaljeret beslutningsgrundlag, før det er afklaret, om indsatsen overhovedet er interessant
• Investeringen godkendes, men der følges ikke systematisk op på, om den forventede effekt faktisk bliver realiseret
• En business case bruges til at argumentere for en investering frem for også at kunne vise, hvornår virksomheden bør lade være

Typiske symptomer

• Prisen på rådgivningen fylder mere i beslutningen end den værdi, indsatsen forventes at skabe
• Der spørges til timepris og antal timer, men sjældent til problemets samlede omkostning
• Investeringer bliver godkendt på baggrund af simple ROI-beregninger med få antagelser
• Forventede gevinster bliver præsenteret som præcise beløb, selv om datagrundlaget er usikkert
• Beslutninger om forbedringer bygger i høj grad på erfaring og mavefornemmelse frem for økonomi og driftsdata
• Risikoen ved ikke at gøre noget indgår ikke systematisk i beslutningen
• Business casen bruges til at få investeringen godkendt, men bliver sjældent taget frem igen bagefter
• Det er svært at dokumentere, om en gennemført indsats faktisk har skabt den forventede værdi

Typiske konsekvenser

• Virksomheden investerer i indsatser, hvor den økonomiske effekt ikke står mål med omkostningen
• Relevante forbedringer bliver fravalgt, fordi prisen vurderes uden at holde den op mod potentialet
• Økonomiske risici ved ikke at handle bliver overset eller undervurderet
• Ressourcer bruges på de forkerte problemer, mens større potentialer andre steder i virksomheden ikke bliver prioriteret
• Forventede gevinster bliver overvurderet, fordi business casen bygger på for optimistiske forudsætninger
• Afledte konsekvenser andre steder i virksomheden bliver ikke taget med i vurderingen
• Virksomheden mangler et klart udgangspunkt for efterfølgende at vurdere, om investeringen faktisk har leveret den forventede effekt
• Rådgivning kan opleves som dyr, fordi prisen er synlig, mens værdien af indsatsen aldrig bliver gjort tilsvarende synlig