تحلیل مالی

چرخه تبدیل وجه نقد و نقدینگی گیرکرده در موجودی

تاریخ
زمان مطالعه۸ دقیقه
نویسندهکمیل مزرعی

شرکتی می‌تواند سودده باشد و باز هم نقدینگی نداشته باشد. صورت سود و زیان سالم است، حاشیه‌ها حفظ شده و فروش از پارسال بالاتر است، اما موجودی حساب بانکی کم می‌شود و خط اعتباری بالا می‌رود. در بیشتر موارد ریشه‌ی ماجرا سرمایه در گردش است و ابزار اصلی تشخیص آن «چرخه تبدیل وجه نقد» (CCC). در این مطلب می‌بینید این چرخه چطور محاسبه می‌شود و در یک مطالعه‌ی موردی چگونه موجودی انبار ۲۰۰ روزه حدود ۱۳ میلیون دلار پول را بی‌حرکت نگه داشته بود.

سود یک نظر حسابداری است، نقد یک واقعیت

سود روی کاغذ می‌تواند درآمدی باشد که هنوز وصول نشده، موجودی‌ای که هنوز فروخته نشده، یا بدهی‌ای که زمان پرداختش با ورود نقد جور نیست. فاصله‌ی سود و نقد همان سرمایه در گردش است و در بیشتر شرکت‌ها بزرگ‌تر از آن است که فکرش را می‌کنند.

مشکل این است که این نقدینگی دیده نمی‌شود. در صورت سود و زیان ردیفی ندارد؛ در هزاران فاکتور، صدها کالا و ده‌ها حساب تأمین‌کننده پخش شده و هرکدام تکه‌ی کوچکی از کل را نگه می‌دارد. برای یافتنش باید دفتر مطالبات، دفتر بدهی‌ها و ریز موجودی را بیرون کشید، با ترازنامه تطبیق داد، روزهای معادل هرکدام را حساب کرد و بعد دید با تغییر این روزها چه می‌شود. یک هفته کار تحلیلگر، و تا تمام شود اعداد عوض شده‌اند.

سه شاخص روزمحور و یک چرخه

برای تحلیل، ترازنامه را به‌جای واحد پول به «روز» بیان کنید:

  • DSO (روزهای وصول مطالبات): مشتریان چند روز دیرتر پول می‌دهند. DSO بالاتر یعنی پول بیشتر در مطالباتی خوابیده که کسب شده اما وصول نشده.
  • DIO (روزهای نگهداری موجودی): کالا چند روز در انبار می‌ماند تا فروخته شود. DIO بالاتر یعنی پول بیشتر روی قفسه و در انبار.
  • DPO (روزهای پرداخت بدهی تجاری): شرکت چند روز دیرتر به تأمین‌کنندگان می‌پردازد. DPO بالاتر یعنی نقد بیشتر مدت بیشتری پیش شماست و به وضعیت کمک می‌کند.

چرخه‌ی تبدیل وجه نقد این سه را به هم وصل می‌کند:

CCC = DSO + DIO − DPO

یعنی از لحظه‌ای که برای مواد پول می‌دهید تا لحظه‌ای که از مشتری وصول می‌کنید، چند روز نقد شما درگیر است. هرچه کمتر، بهتر. شرکتی با چرخه‌ی ۴۰ روزه نقدش را بیش از چهار برابر سریع‌تر از شرکتی با ۱۸۰ روز برمی‌گرداند و تفاوتش مستقیماً در میزان تأمین مالی بیرونی لازم دیده می‌شود.

فرمول چرخه تبدیل وجه نقد و مقایسه موجودی ۲۰۰ روزه با هدف ۵۰ روزه

هفت اهرم، هرکدام جداگانه

یک مدل پیش‌بینی سرمایه در گردش خوب هفت محرک دارد: سه شاخص روزمحور بالا، سایر دارایی‌های جاری، سایر بدهی‌های جاری، رشد ماهانه‌ی فروش و نسبت بهای تمام‌شده به فروش. برای هر محرک سه حالت تعریف می‌شود: پایه، خوش‌بینانه و بدبینانه، و هدف‌ها از فرض‌های خود شرکت می‌آید؛ یعنی تیم مالی کنترل ورودی‌ها را در دست دارد.

نکته‌ی طراحی مهم این است که هر محرک مستقل جابه‌جا می‌شود. نباید مجبور باشید یک سناریوی کلی انتخاب کنید که همه‌چیز در آن خوش‌بینانه یا بدبینانه است. سرمایه در گردش در عمل هیچ‌وقت در همه‌ی بخش‌ها یک‌جهت حرکت نمی‌کند: ممکن است وصول مطالبات بهتر شود، در همان فصل یک تأمین‌کننده شرایط را سخت‌تر کند و رشد فروش هم پول بیشتری در موجودی بخواباند. با هفت کلید مستقل می‌توانید دقیقاً این ترکیب را بپرسید: DSO در حالت خوش‌بینانه، DPO در حالت بدبینانه و بقیه پایه.

از نظر مکانیکی، مدل مانده‌های فعلی را می‌گیرد، روزهای معادل را حساب می‌کند و هر محرک را طی دوازده ماه به‌تدریج به هدف سناریو می‌رساند. سپس مطالبات، موجودی و بدهی‌های پیش‌بینی‌شده را ماه‌به‌ماه، با فروض رشد و هزینه، بازسازی می‌کند. نمودار مقایسه‌ی «وضع امروز هر اهرم» و «هدف سناریو» مهم‌ترین نمودار است: وقتی فاصله کوچک است، هرقدر هم فشار بیاورید نقدی آزاد نمی‌شود؛ وقتی فاصله بزرگ است، فرصت همان‌جاست.

نقد کجا آزاد یا مصرف می‌شود؟

سرمایه در گردش اجزایی دارد که بعضی نقد آزاد می‌کنند و بعضی مصرف. قاعده ساده است: سریع‌تر وصول کردن و سریع‌تر چرخاندن موجودی نقد را آزاد می‌کند، چون پول زودتر برمی‌گردد. دیرتر پرداختن به تأمین‌کنندگان هم نقد را بیشتر نزد شما نگه می‌دارد. نمودار پل (bridge) سهم هر محرک در تغییر کل را نشان می‌دهد تا ببینید کدام حرکت کمک می‌کند و کدام ضرر می‌زند.

زیر عدد کل، همین داده‌ها را برحسب مطالبات، بدهی‌ها و موجودی تفکیک کنید تا تمرکز دیده شود. مانده‌ی مطالبات ۷٫۶ میلیونی به‌تنهایی اقدامی را نشان نمی‌دهد؛ اگر آن را بر اساس منطقه، مشتری و میزان تأخیر از سررسید ببینید، دقیقاً معلوم می‌شود پیگیری کدام حساب‌ها اولویت دارد. همین منطق برای بدهی‌ها هم صادق است: مانده‌ی تأمین‌کنندگان بر حسب دسته و منطقه، میانگین وزنی DPO و اینکه کدام تأمین‌کننده تخفیف پرداخت زودهنگام می‌دهد. این جزئیات مهم است، چون دیرپرداختن به تأمین‌کننده‌ی دارای تخفیف ممکن است بیش از آنچه نقد نگه می‌دارد هزینه داشته باشد.

عدد اصلی: اثر بر جریان نقد

شاخص اصلی «اثر بر جریان نقد» است و ساده محاسبه می‌شود:

اثر بر جریان نقد = سرمایه در گردش فعلی − سرمایه در گردش پیش‌بینی‌شده در پایان افق دوازده‌ماهه

اگر سرمایه در گردش بالا برود، نقد مصرف شده، چون مطالبات و موجودی بیشتری را تأمین مالی می‌کنید. اگر پایین بیاید، نقد آزاد شده است. مثال: اگر سرمایه در گردش اولیه ۲۰ هزار باشد و طی سال به ۱۰۰ هزار برسد، اثر بر جریان نقد منفی ۸۰ هزار است، چون آن ۸۰ هزار اضافه باید از جایی (معمولاً بانک) تأمین می‌شد. اگر کم شود، تفاوت به شکل نقد برمی‌گردد.

درس کلاسیک همین است: شرکت سودده هم می‌تواند بی‌پول شود. رشد اوضاع را بدتر هم می‌کند، چون فروش بیشتر معمولاً مطالبات و موجودی بیشتری می‌خواهد و این‌ها پیش از آنکه سود به حساب برسد، نقد را می‌کشند. (برای ریشه‌های بیشتر، مطلب چرا شرکت سودده نقدینگی ندارد را ببینید.)

یافته‌ی مطالعه‌ی موردی

در داده‌های یک شرکت واقعی، مدل مستقیماً به مشکل اشاره کرد: موجودی انبار حدود ۲۰۰ روز بهای تمام‌شده را نشان می‌داد، در برابر هدف حدود ۵۰ روز؛ یعنی حدود ۱۵۰ روز مازاد. این یک واقعیت بقیه‌چیز را تحت‌الشعاع قرار می‌داد و از آن نوع مشکل‌هایی است که ماه‌ها بدون محاسبه‌ی کسی بدتر می‌شود، چون هر ماه فقط کمی بدتر از ماه قبل به نظر می‌رسد.

به همین دلیل حتی سناریوی پایه‌ی محافظه‌کارانه با عادی‌سازی موجودی در دوازده ماه حدود ۱۳ میلیون دلار نقد آزاد می‌کرد. شرکت ماهانه حدود ۵ تا ۶ میلیون فروش داشت؛ پس نقد گیرکرده بیش از دو ماه فروش بود که بی‌حرکت روی قفسه‌ها و در انبارها مانده بود. تحلیل حساسیت هم نشان داد موجودی با فاصله بزرگ‌ترین اهرم است، خیلی جلوتر از مطالبات و بدهی‌ها. معنای عملی‌اش: انرژی را بین سه اهرم به‌طور مساوی تقسیم نکنید و بیشترین تلاش را همان‌جا بگذارید که بیشترین نقد است.

مطالبات هم مشکل داشت: سهم زیادی از مانده در ده‌ها حساب از سررسید گذشته بود و بخشی از موجودی کم‌گردش یا تقریباً منسوخ بود. هر دو ارزش رسیدگی دارند، اما به پای مازاد موجودی نمی‌رسند؛ برنامه‌ای که با مطالبات شروع می‌کرد، چیز اشتباهی را اول بهینه می‌کرد.

چه چیزی را هوش مصنوعی انجام نداد؟

هدف ۵۰ روز موجودی را هوش مصنوعی تعیین نکرد؛ از فرض‌های خود شرکت آمد. درستی دفترهای زیربنایی را هم تأیید نکرد: داده‌ی آلوده همچنان نتیجه‌ی آلوده می‌دهد. و هیچ شرط تأمین‌کننده‌ای را مذاکره و هیچ فاکتوری را وصول نکرد. تشخیص داد، کمی کرد و اولویت‌بندی کرد. اجرا و قضاوت درباره‌ی درست‌بودن فرض‌ها برای این کسب‌وکار با تیم مالی می‌ماند و تقسیم کار درست همین است. (درباره‌ی نقش و محدودیت‌های هوش مصنوعی در این کار، برنامه‌ی سرمایه در گردش با کمک هوش مصنوعی را هم ببینید.)

چهار گام برای آزادسازی نقد

  1. تشخیص: دفترهای فرعی را بیرون بکشید، مانده‌ها را به روز تبدیل کنید و اهرم‌هایی را بیابید که بیشترین فاصله را با هدف دارند.
  2. کمی‌سازی به پول، نه روز: «۱۵۰ روز مازاد موجودی» برای مدیرعامل معنایی ندارد تا وقتی به «۱۳ میلیون نقد قابل آزادسازی» تبدیل شود.
  3. رتبه‌بندی اهرم‌ها بر اساس اثر، تا تلاش جایی برود که بازدهش بیشتر است.
  4. اجرا به ترتیب بازده و بازبینی مدل با تغییر اعداد، تا برنامه صادق بماند. برای شناخت روش‌های مدل‌سازی، مدل‌سازی سرمایه در گردش با روش کورک‌اسکرو مفید است.

پرسش‌های متداول

چرخه‌ی تبدیل وجه نقد چیست؟ تعداد روزهایی که نقد از لحظه‌ی پرداخت برای ورودی‌ها تا لحظه‌ی وصول از مشتریان درگیر است: DSO به‌علاوه‌ی DIO منهای DPO.

CCC منفی یعنی چه؟ یعنی شرکت پیش از پرداخت به تأمین‌کنندگان، پول مشتریان را دریافت می‌کند؛ وضعیتی نادر و مطلوب.

آیا افزایش DPO همیشه خوب است؟ نه. اگر تأمین‌کننده تخفیف پرداخت زودهنگام بدهد یا رابطه آسیب ببیند، هزینه ممکن است از نقد آزادشده بیشتر باشد.

چرا رشد فروش گاهی نقدینگی را بدتر می‌کند؟ چون فروش بیشتر مطالبات و موجودی بیشتری می‌خواهد و این‌ها پیش از رسیدن سود به حساب نقد مصرف می‌کنند.

جمع‌بندی

مدیریت سرمایه در گردش حسابداری صرف نیست؛ آزادسازی نقد است. با تبدیل ترازنامه به روز، محاسبه‌ی CCC و رتبه‌بندی اهرم‌ها، می‌توان دید پول کجا گیر کرده و برای آزادکردنش چه باید کرد. در مطالعه‌ی بالا، مشکل اصلی نه فروش و نه مطالبات، که موجودی ۲۰۰ روزه در برابر هدف ۵۰ روزه بود.