Panduan Langkah demi Langkah untuk Membangun Model Keuangan yang Akurat

Model Keuangan adalah Kompas, Bukan Bola Kristal

Sebagai investor dan penasihat perusahaan tahap awal, hampir setiap model keuangan yang saya lihat dari usaha baru telah menunjukkan pertumbuhan eksponensial pada tahap tertentu. Asumsi seputar tren biaya akuisisi pelanggan turun, Pendapatan Rata-rata per Pengguna (ARPU) tren naik, biaya diperkirakan tumbuh lebih lambat daripada pendapatan, siklus penjualan memendek, harga naik, dan pendapatan meledak.

Dalam 12-18 bulan, sebagian besar perusahaan tumbuh sangat cepat sehingga mereka akan (a) meningkatkan modal untuk mendanai peluang pertumbuhan besar yang telah mereka buktikan, atau (b) menarik kembali pengeluaran pemasaran dan memanen arus kas bebas yang hasil.

Demikian pula, model COVID-19 yang digunakan oleh pemerintah di seluruh dunia menghasilkan perkiraan yang sangat terputus dari hasilnya. Ini seharusnya tidak mengejutkan mengingat ketidakpastian luas yang melekat pada virus baru. Ini dimaksudkan sebagai penilaian yang realistis—bukan sinis. Semua model salah dalam desain, tetapi ada proses enam tahap untuk memaksimalkan akurasinya dari waktu ke waktu.

Tahap 1: Kapak

Langkah pertama dalam proses pemodelan keuangan adalah mendorong kembali setiap asumsi:

• Mengapa biaya akuisisi pelanggan Anda sebanding dengan pesaing bernilai miliaran dolar yang ingin Anda kalahkan?
• Apakah Anda benar-benar berharap untuk beralih dari panggilan dingin ke penjualan dalam empat bulan? Apa pengalaman Anda menjual kontrak tujuh digit ke perusahaan Fortune 500?
• Bagaimana semua karyawan penjualan Anda akan menjadi produktif sejak hari pertama?
• Anda tidak memiliki anggaran untuk kesuksesan pelanggan namun masih menganggap churn sangat rendah - mengapa?
• Apakah produk Anda cukup dibedakan dari pesaing utama Anda sehingga Anda dapat mengenakan biaya 50% lebih banyak?

Saya bekerja dengan banyak perusahaan SaaS (Perangkat Lunak sebagai Layanan), dan tiga dari Indikator Kinerja Utama (KPI) utama yang kami fokuskan adalah Biaya Akuisisi Pelanggan (CAC), Churn Pelanggan, dan Nilai Seumur Hidup Pelanggan (LTV). Masing-masing didorong oleh asumsi lain: CAC adalah fungsi dari berapa banyak yang Anda belanjakan untuk pemasaran dan promosi, berapa banyak orang yang mengklik iklan Anda, berapa banyak orang yang mengambil tindakan pada iklan tersebut, dan berapa banyak dari mereka yang berkonversi ke pelanggan gratis dan akhirnya berbayar, dan kapan.

Sebelum membuat keputusan bisnis apa pun, semua asumsi ditetapkan ke keluarga KPI. KPI CAC mencakup asumsi saluran pemasaran tetapi juga asumsi penjualan. Berapa banyak prospek yang dapat dikelola oleh tenaga penjualan Anda dalam satu waktu? Berapa tingkat penutupannya? Berapa lama waktu yang dibutuhkan untuk penjualan biasa? Hanya setelah kami menemukan dukungan yang cukup untuk semua asumsi tersebut, kami melanjutkan untuk mengimplementasikan rencana bisnis.

Langkah ini bisa disamakan dengan pandemi COVID-19 yang kita alami sekarang. Model-model itu juga dibangun di sekitar asumsi. Salah satunya adalah R0, yang merupakan asumsi tingkat penyebaran virus SARS2 CoV-19 secara alami melalui populasi yang rentan. Asumsi lain adalah seputar dampak COVID-19 setelah infeksi.

Investigasi awal yang dilakukan oleh otoritas Tiongkok tidak menemukan bukti yang jelas tentang penularan novel #coronavirus (2019-nCoV) dari manusia ke manusia yang diidentifikasi di #Wuhan, #China. pic.twitter.com/Fnl5P877VG

— Organisasi Kesehatan Dunia (WHO) (@WHO) 14 Januari 2020

Tak satu pun dari asumsi itu yang dipahami dengan kuat sejak awal, dan, idealnya, pejabat kesehatan Barat menantang mereka semua sebelum membuat keputusan akhir untuk mengamanatkan berbagai bentuk jarak sosial.

Tahap 2: Yang Diketahui Tidak Diketahui

Variabel yang kurang pasti dalam model keuangan adalah Diketahui Tidak Diketahui. Ketika saya bekerja dengan klien untuk mencari tahu asumsi untuk fokus paling dekat, kami masuk ke ruangan dengan papan tulis (atau ruang Zoom dengan dokumen Google kosong) dan mengurutkan semuanya berdasarkan tingkat kepastian serta kepentingan dalam model .

Untuk perusahaan SaaS konsumen, tingkat konversi ke penjualan (Conversion Rate) adalah asumsi yang sangat penting. Salah satu klien saya adalah aplikasi perawatan kesehatan - mereka memiliki produk gratis, produk langganan berbayar, dan mereka mendapatkan komisi karena merujuk pelanggan ke penyedia layanan. Mereka berasumsi bahwa 50 dari setiap 1.000 orang yang mendaftar ke aplikasi gratis akhirnya meningkatkan ke pelanggan berbayar. Ini didasarkan pada data terakhir tetapi bisa juga didasarkan pada pengalaman pesaing atau pengalaman mereka sebelumnya dengan perusahaan lain. Setiap asumsi dalam sebuah model adalah hasil dari pandangan tim bahwa asumsi-asumsi tertentu paling masuk akal dengan informasi yang tersedia pada saat itu.

Karena kami tahu bahwa tingkat Konversi memiliki dampak besar pada pertumbuhan penjualan dan margin keuntungan, dan karena kami kurang yakin dengan asumsi kami seputar tingkat itu, variabel ini menjadi fokus utama kami. Jika Anda menjalankan bisnis SaaS konsumen dengan volume penjualan yang relatif tinggi dan siklus penjualan yang singkat, Anda dapat melihat hasil ini dengan cukup cepat. Ketika data cukup masuk, kita dapat merasa puas bahwa asumsi kita akurat atau melihat ada masalah yang harus diatasi karena kita melebih-lebihkan Tingkat Konversi.

Pertanyaan sebenarnya yang kami coba selesaikan, karena kami mendapatkan laporan anekdot, adalah dapatkah Anda mengirimkannya secara efisien saat Anda tidak menunjukkan gejala. Anthony S. Fauci, MD, Direktur NIAID (19 Februari 2020)

Demikian pula, pejabat kesehatan masyarakat mengetahui beberapa asumsi mereka tidak pasti pada saat itu: R0, tingkat gejala, tingkat rawat inap, kapasitas rumah sakit, tingkat kematian, dll. R0, misalnya, lebih rumit daripada kedengarannya. Asumsi R0 yang baik diperlukan untuk memperhitungkan semua perubahan perilaku, yang bervariasi dalam penerapan dan efektivitas berdasarkan karakteristik suatu wilayah (misalnya, perkotaan: Kota New York yang padat vs. kota pedesaan di Dakota Selatan). Angka Reproduksi Efektif, Re, digunakan untuk menggambarkan tingkat reproduksi virus dalam berbagai keadaan dan pada waktu yang berbeda.

Baik klien SaaS saya dan pejabat kesehatan masyarakat harus sepenuhnya fokus untuk mencapai pemahaman yang lebih baik tentang variabel kunci dalam model. Begitu mereka tahu data sulit apa yang harus difokuskan, mereka pindah ke langkah berikutnya: Pengukuran.

Tahap 3: Pengukuran

Selama Pengukuran, kami akan mendalami asumsi Rasio Konversi: Apakah orang mengklik iklan dan mengunduh aplikasi dengan kecepatan yang kami perkirakan? Pada tingkat berapa mereka mengonversi menjadi pelanggan berbayar? Berapa lama waktu yang mereka butuhkan untuk mengonversi menjadi pelanggan berbayar dan berapa lama mereka bertahan setelah mereka meningkatkan?

Masalah sekarang dengan ini adalah bahwa ada banyak hal yang tidak diketahui... Anda tahu bahwa, pada awalnya, kami tidak yakin apakah ada infeksi tanpa gejala, yang akan membuatnya menjadi wabah yang jauh lebih luas daripada yang kami lihat. Sekarang kita tahu pasti bahwa ada. Anthony S. Fauci, MD, Direktur NIAID (31 Januari 2020)

Anda dapat melihat proses ini bermain dengan saga COVID juga. Di awal pandemi, para ahli seperti WHO memperkirakan tingkat kematian untuk virus tersebut sebesar 3,4% di seluruh dunia, angka yang sangat menakutkan mengingat flu diperkirakan sekitar 0,12% (tetapi dengan kisaran perkiraan di sekitar angka itu). Itu adalah nomor yang dilaporkan di media; di belakang layar, model kemungkinan menggabungkan berbagai kemungkinan. Tetapi cukup jelas bahwa perkiraan tersebut berlabuh di sekitar angka yang lebih tinggi daripada yang tampaknya mungkin diberikan pada data saat ini.

Dengan data saat ini, tampak jelas bahwa persentase orang yang terinfeksi virus yang menyebabkan gejala yang kita pahami sebagai COVID jauh lebih tinggi. Mengingat penyebut yang lebih tinggi, tingkat kematian tentu lebih rendah, kemungkinan jauh lebih dekat ke 0,12% daripada angka asli 3,4%. Ternyata model yang kami andalkan cenderung pesimistis daripada optimis, dan kami harus menyesuaikan perkiraan rawat inap dan kematian kami turun:

Ini tentu saja merupakan masalah yang jauh lebih baik daripada kebalikannya dan sebagian karena bias yang bijaksana terhadap kehati-hatian. Sekarang apa?

Tahap 4: Bermain-main

Saat ini, para pemimpin politik dunia sedang bekerja dengan para ilmuwan untuk mengkalibrasi ulang model mereka. Mereka mengotak-atik kebijakan pengubah perilaku mana yang akan digunakan atau dilonggarkan. Beberapa asumsi akan sama di seluruh dunia, tetapi banyak yang unik untuk wilayah atau lingkungan tertentu.

Dengan klien saya, saya melalui setiap asumsi dalam setiap KPI untuk memahami seberapa baik model dikalibrasi. Ketika asumsi tidak sesuai dengan kenyataan, kami bertukar pikiran bersama untuk mencari tahu alasannya. Apakah proposisi nilai kurang dari yang kita pikirkan dan apakah kita menjelaskannya kepada calon pelanggan? Apakah produk diberi harga dengan benar? Apakah kita memiliki ajakan bertindak yang mengkatalisasi keputusan pembelian mereka? Sudahkah kita membuat proses pendaftaran semudah mungkin?

Kami dapat mencoba beberapa pendekatan berbeda untuk melihat apakah ada yang bekerja lebih baik dalam meningkatkan metrik yang berkinerja buruk. Terkadang, ada perbaikan yang mudah, tetapi biasanya, kita harus sedikit mengutak-atik untuk membangun kepercayaan di jalur tertentu. Perusahaan perangkat lunak menggunakan proses yang disebut pengujian A/B: Anda membagi target Anda ke dalam kelompok-kelompok yang sebanding dan mencoba satu pendekatan pada kelompok A dan pendekatan lain pada kelompok B untuk melihat apakah keduanya menghasilkan hasil yang unggul secara konsisten.

Kita sekarang harus mempertimbangkan semua pasien (termasuk jenis panggilan trauma) untuk terinfeksi dan semua orang (bahkan rekan kerja dan anggota keluarga) telah terpapar karena penyebaran komunitas. Memo untuk staf FDNY EMS (4 April 2020)

Sementara beberapa pengujian A/B kemungkinan terjadi pada kebijakan untuk melihat mana yang paling berhasil, ada berbagai pendekatan yang diambil oleh berbagai negara dan yurisdiksi berbeda di dalam negara yang hampir sama mencerahkannya. Baik pemerintah kota maupun profesional medis di seluruh dunia juga terus-menerus mengutak-atik pendekatan mereka terhadap penyakit ini, berdasarkan umpan balik dari pasien mereka sendiri dan penelitian yang dipublikasikan tentang bagaimana pasien lain bereaksi terhadap perawatan tertentu.

Tahap 5: Kalibrasi ulang

Ini adalah tahap di mana karet bertemu jalan. Anda telah mengidentifikasi KPI Anda, mengukurnya versus prediksi Anda, mengidentifikasi yang tidak sesuai, menunjukkan asumsi yang mendorongnya, dan menguji hipotesis tertentu tentang cara meningkatkannya.

Pemerintah di seluruh dunia sedang dalam proses kalibrasi ulang. Sebagian besar menerapkan rencana untuk kembali normal secara bertahap yang didorong oleh kemajuan pada tingkat penyebaran, rumah sakit dan kapasitas pengujian, dan kesiapsiagaan masyarakat secara umum. Anda dapat bertaruh bahwa hasilnya akan dipantau secara ketat.

Baik dalam bisnis maupun kesehatan masyarakat, tahap ini adalah waktu pengambilan keputusan - pilih jalan dan dorong ke depan. Jangan hanya mempertimbangkan hasil kesuksesan tetapi juga kemungkinan dan biaya kegagalan dalam hal waktu dan sumber daya. Identifikasi metrik untuk sukses, dan ketika Anda berharap untuk melihat hasilnya, nyatakan. Jika jalur yang Anda pilih memerlukan perubahan signifikan pada proses Anda, tetapkan kepemilikan. Ini akan mempersiapkan Anda untuk tahap terakhir dan paling penting…

Tahap 6: Kembali ke Langkah 2

Tidak ada Tahap 6 - jangan lulus Go, langsung saja kembali ke Tahap 2. Setiap bisnis yang sukses di dunia secara teratur mengidentifikasi, mengukur, mengotak-atik, dan mengkalibrasi ulang asumsi mereka. CEO harus bertemu dengan tim keuangan mereka setidaknya sekali dalam seperempat untuk membahas semua KPI bisnis dan memprioritaskan apa yang perlu diperbaiki. Solusi kreatif harus dicapai sebagai sebuah tim, tetapi tanggung jawab akhir harus diberikan kepada para pemimpin bisnis yang relevan. Para pemimpin itu harus menciptakan budaya yang terus-menerus mengidentifikasi, mengukur, mengutak-atik, mengkalibrasi ulang, dan akhirnya terus maju.