När jag i maj sitter och formulerar underlaget till vår ansökan om korttidsstöd till Tillväxtverket är det en specifik graf jag lägger framför handläggaren: februariprognosen mot faktiskt utfall, månad för månad. Februariprognosen är försiktigt uppåtgående, helt i linje med hur vi hade sett 2020 utvecklas. Faktiskt utfall för mars ligger precis under, april långt under, maj ännu längre ner. Avvikelsen mellan det vi trodde skulle hända och det som faktiskt hände är inte tolkningsbar. Den är svart på vitt.
Det är den grafen som är hela poängen med den här texten. Inte själva modellen, inte kalkylbladet, inte metoden. Poängen är att ha en prognos som producerades innan krisen så att man har något att jämföra det faktiska utfallet mot. Vem som helst kan bygga en prognos i efterhand som visar hur illa det gick. En prognos som låg på fil innan störningen — som visar vad den rimliga förväntan var — är ett helt annat dokument.
Jag har kört en rullande 9-månaders kassaflödesprognos för byrån sedan 2017. Det är inte avancerat. Det lever i ett kalkylblad. Men det är det enskilt mest användbara ekonomiska verktyg jag har, och de senaste sex månaderna har bevisat det på ett sätt jag helst hade sluppit.
Varför just nio månader
Inte tolv. Tolv månader bort spekulerar man om säsongsmönster man ändå inte kan förutsäga med rimlig precision, och antagandena hinner ruttna innan man tittar på dem nästa gång.
Inte sex. Sex månader ger inte tillräckligt med reaktionstid om något strukturellt skiftar — särskilt inte i en tjänsteverksamhet där säljcykeln från första möte till påskrivet avtal kan ligga på 2-4 månader.
Nio månader ger en planeringshorisont som är tillräckligt lång för att agera på och tillräckligt kort för att antagandena fortfarande är färska.
Jag uppdaterar i början av varje kvartal. Inte månadsvis — månadsuppdateringar skapar brus. Man börjar jaga enskilda kunders timingvarianter istället för att se trenden. Inte årsvis — en januaribudget är inaktuell i mars och ren fiktion i juni. Var tredje månad tvingar mig att ompröva mina antaganden utan att övningen tappar sin mening.
Vad som går in
Intäkter, nedbrutna per kund och viktade efter pipeline-status. En bekräftad retainer får 100 %. Ett muntligt ja från en kund man jobbat med i flera år får 85-90 %. En offert ute till en ny prospekt får det som historiska stängningsfrekvensen säger — för oss har det legat runt 30-35 %. Det är en ganska trivial del av övningen men den blir rätt först när man gjort den ett par gånger och har riktiga stängningsgrader att basera sig på.
Fasta kostnader. Hyra, verktyg, prenumerationer, försäkringar. Tråkigt men det är det som gör prognosen tillförlitlig — fasta kostnader vet man med säkerhet, vilket betyder att variansanalysen bara behöver fokusera på intäktssidan.
Personalkostnader med timing. Inte bara månadslönen utan när nyanställda rampar in och när någon som säger upp sig faktiskt kostar mindre. En person som lämnar i mars är fortfarande full kostnad i april och maj. Arbetsgivaravgifter ovanpå bruttolön. Semesterlöneskuld som ska bokföras var tolfte månad.
Skattetiming. Moms, preliminärskatt, arbetsgivaravgifter — allt på sina faktiska förfallodatum, inte jämnt utspritt över året. Kassaflöde handlar om när pengar rör sig, inte vad resultaträkningen visar. Den som lagt ihop februari utan att se att moms- och arbetsgivaravgiftsinbetalningarna ligger i mars har en otrevlig överraskning på gång.
Utdelning, om aktuellt. Investeringsplatshållare ovanför en viss tröskel.
Output är en månad-för-månad-kassaflödesprojektion. Intäkter minus kostnader, kumulativt, nio månader framåt. Uppdaterad fyra gånger per år. Jämförd mot faktiskt utfall varje månad.
Månadsrytmen
Varje månad, när bokföringen är stängd, skrivs faktiska intäkter in vid sidan av prognosen. Själva jämförelsen är hela poängen.
Om en enskild månad landar över eller under — kolla pipeline-antagandena. Drogs ett projekt framåt? Sköt en kund upp ett beslut? Avvikelse på en enskild månad är nästan alltid en timingfråga, och att jaga den är bortkastad energi.
Om två eller tre månader i rad pekar åt samma håll har något strukturellt förändrats. Då uppdaterar man prognosen. Inte de gamla posterna — de står kvar som de var. Man uppdaterar de framåtblickande månaderna baserat på vad mönstret säger.
Disciplinen är att aldrig skriva om historiken. Februariprognosen säger vad februari-jag trodde. Septemberprognosen säger vad september-jag tror. Båda är användbara just för att de är ärliga ögonblicksbilder — inte retroaktiva skönmålningar.
Så här ser 2020 ut i det här verktyget
Jag uppdaterade prognosen i början av februari. Som vanligt. Kurvan framåt visade fortsatt tillväxt. December 2019 hade stängt starkt, januarisamtalen var solida, pipelinen var frisk. Inget på horisonten antydde att något skulle brinna om ett par veckor.
Mars utfall kom in något under prognos. Min första tanke var att det var timing — ett par kundbeslut som sköts till april. Inte alarmerande. Exakt den typ av enmånadsavvikelse man noterar men inte reagerar på.
April utfall kom in långt under prognos. Det här var inte timing. Två kunder hade pausat helt. En hade halverat sitt scope. Den nya pipelinen hade fryst. Avvikelsen mellan februariprognosen och aprils utfall var tillräckligt stor för att formen var omisskännlig — det var en strukturell störning.
I maj hade jag reviderat framåtprognosen kraftigt nedåt. Variansanalysen kördes nu mot den reviderade baslinjen — och följde om nedgången stabiliserades, accelererade eller vände.
Och det är där grafen jag nämnde inledningsvis kommer in. När jag satt med Tillväxtverkets handläggare var det inte mina ord som övertygade — det var kurvan. Den visade tre saker samtidigt: att vi opererat på en trovärdig tillväxtbana innan krisen, att nedgången var externt driven och inte något vi vållat själva, och att vi hade fångat upp situationen inom veckor istället för att sitta och vänta på årsbokslutet.
Varför metoden höll
Prognosen hade producerats innan krisen. Det var dess viktigaste egenskap.
Kvartalscykeln innebar att februaribaslinjen var färsk. Hade jag uppdaterat årsvis hade senaste prognosen varit från januari — fortfarande nära nog. Men med sexmånaderscykel hade senaste uppdateringen varit från hösten 2019, baserad på antaganden som vid krisens start redan var ett halvår gamla.
Niomånadershorisonten innebar att skadan syntes snabbt i variansanalysen. En kortare horisont hade fångat det också, men med mindre framåtkontext för att kunna planera responsen. En längre horisont hade spätt ut signalen med spekulativa månader i svansen.
Två saker jag lägger till inför 2021
Ett scenariolager. Inte bara en centralprognos utan tre: förväntat utfall, stressfall och återhämtningsfall. Parallella scenarier hade hjälpt mig kommunicera snabbare — till banken, till Tillväxtverket, till teamet. Istället för att förklara avvikelsen i efterhand hade jag kunnat peka på stresscenariot och säga “vi följer den här linjen, och det här är vad som händer om den blir värre.”
Ett lager ledande indikatorer. Den rullande prognosen följer eftersläpande intäkter — det som redan är kontrakterat eller sent i pipeline. Vad den inte fångar är de tidiga signalerna: hur mycket ny pipeline som skapas, volymen av förstamöten, offert-till-avslut-kvoten. Ledande indikatorer hade sagt mig i mars att april skulle bli sämre — innan april hände. Prognosen bekräftade skadan i efterhand; ledande indikatorer hade kunnat förutsäga den.
Poängen
Själva disciplinen är tråkig. Att sitta med ett kalkylblad en eftermiddag per kvartal, skriva in utfall varje månad, motstå frestelsen att revidera historiken. Det känns inte strategiskt. Det känns som bokföring.
Men en prognos man har underhållit i åratal är vad man drar upp den dag situationen vänder. En prognos man bygger mitt i en kris är för sen — den har ingen baslinje, ingen historik av träffsäkerhet, inga bevis på att man opererade kompetent innan något gick snett. Och när man sitter framför Tillväxtverket, banken, eller styrelsen är det bevisningen som är värd något. Inte retoriken.
Driver du ett litet bolag och hela din ekonomiska synlighet består av en årsbudget plus kontosaldot — börja här. Det tar en eftermiddag att sätta upp och en timme per kvartal att underhålla. Avkastningen på den tiden är osynlig tills den dagen du behöver den. Och då är det det mest värdefulla dokument du har.
Är det fler som kör något liknande? Jag är nyfiken på om folk använder andra horisonter eller uppdateringscykler — och om scenariolager är standard eller ovanligt för svenska bolag i den här storleksklassen.