/nginx/o/2022/01/23/14324518t1hfaee.jpg)
Selleks, et maandada ettevõtlusriske ja tagada stabiilsemat ärikeskkonda, käis Maailmapank 2020. aastal välja idee luua riikides süsteem, mis hoiataks ettevõtteid võimaliku maksejõuetuse ohu eest; statistikaamet on välja töötamas selle süsteemi prototüüpi.
Statistikaameti juhtivanalüütik Jaan Õmblus selgitas statistikablogis, et hoiatussüsteemi olemus seisneb selles, et arvutiprogramm jälgib pidevalt ettevõtte majandusandmeid ja teades konkreetse sektori üldiseid majanduspõhimõtteid, saab see aru, kui ettevõte hakkab nii-öelda keskmisest kuhugi poole kalduma.
«Juhul, kui ettevõtte majandustulemused on muutunud kehvemaks, teeb süsteem lisaanalüüsi. Analüüsi põhjal järeldab süsteem, kas ettevõttel võib sarnaste arengute jätkudes tekkida likviidsusprobleeme ja väheneda võime täita oma kohutusi. Kui oht on olemas, saadab arvutisüsteem ettevõttele varase hoiatuse,» kirjeldas analüütik.
Arvutisüsteemi antud hoiatus ettevõttele on informatiivne ega too kaasa õiguslikke tagajärgi. Hoiatus juhib ettevõtte juhatuse tähelepanu sellele, et teatud tõenäosusega ja samade suundumuste jätkudes võib majandusüksus sattuda rahalistesse raskustesse.
«Hoiatuse saanud ettevõtetest ei koosta süsteem nimekirju ja see info ei jõua kolmandate osapoolteni, näiteks ettevõtet finantseerivate pankade või maksehäire registrini,» lubas Õmblus.
Hoiatus peab sisaldama ka viiteid, mille põhjal süsteem järeldab, et ettevõte võib makseraskustesse sattuda. Hoiatuse eesmärk on ettevõtet toetada, et see võiks oma käitumist muuta ja makseraskust välistada või selle võimalikku ulatust vähendada. Kui aga halveneva majandusolukorra põhjused pole kõrvaldatavad, siis saab ettevõte vähemalt astuda juriidilisi samme, et kasvõi näiteks saneerimis- või pankrotiavaldus saaksid õigel ajal esitatud.
«Kahtlemata võib süsteem hoiatust saates ka eksida, sest iga ettevõte on unikaalne. Süsteem võib vea teha ainuüksi sellest, et saadab hoiatuse varakult, kuid mida kaugemat tulevikku püüda ette ennustada, seda enam suureneb võimalus eksida,» möönis ameti juhtivanalüütik.
Hoiatussüsteemist on kasu eelkõige neile ettevõtetele, kelle finantsjuhtimine ei ole suutnud ise ohte tuvastada ja tegevust ümber korraldada. «Sageli on sellised ettevõtted liialt hõivatud igapäevategevustega ja neil napib aega analüüsiks. Hinnanguliselt on varase hoiatuse klientideks 20–25 protsenti tegutsevatest ja aruandlust esitavatest ettevõtetest,» märkis Õmblus.
Varane hoiatus ei ole analüütiline toode, mida saab endale tellida. See laekub, kui selleks on põhjus – ühel hetkel tuleb hoiatus automaatselt e-posti aadressile ja annab märku, et ettevõttel on potentsiaalne probleem. Esmase plaani järgi võib see informatsioon ettevõtjani hakata liikuma läbi ettevõtjaportaali, kuid lõplikult pole see veel kokku lepitud.
Varane hoiatus on plaanitud vaikselt ettevõtluses toimuvat jälgiva taustsüsteemina. «Kui ettevõttes on asjad korras, maksejõuetusele viitavaid riske pole, ei saa sa seda hoiatust mitte kunagi. Samuti, kui sul juhtub olema niinimetatud fantoomfirma, kes ei esita ühtegi deklaratsiooni ega andmeid, aktiivselt majandustegevuses ei osale, siis sõltumata selle ettevõtte bilansi olukorrast ei pruugi sa ikkagi hoiatust saada, kuna süsteem ei saa sisendit analüüsiks,» lausus analüütik.
Varase hoiatamise süsteem hakkab kasutama tehisintellekti abi ehk süsteem muudetakse iseõppivaks ja õpitut kasutatakse ettevõtetele hoiatuste saatmisel.
«Igas majandussektoris on oma tegevusloogika ja tingimused. Hulgimüügi ettevõtte võimalik makseraskus väljendub erinevalt kui viiest inimesest koosneva konsultatsioonifirma makseraskus. Mõlemal juhul väljendab makseraskust see, et ei suudeta arveid tasuda, kuid käibevahendite vajadus ja võimalik võõrkapitali kaasamine on hoopis erinevad,» selgitas ameti juhtivanalüütik.
Süsteem õpib majandussektoreid tundma kahel viisil. Esiteks antakse masinale ette teatud parameetrid, mis iseloomustavad ühe või teise tegevusala ettevõtete majandusnäitajaid ja seejärel võrdleb masin sektoris tegutsevate ettevõttete näitajaid nende parameetritega.
Teiseks, masinale defineeritakse majandussektor ja masin ise otsib andmete pealt välja majandusnäitajaid ja teeb endale selgeks, milline peaks olema selle sektori nii-öelda keskmine, milline on natuke hälbiv ettevõte ja milline on sellisel määral «punasesse» hälbiv ettevõte, keda peaks ka reaalselt hoiatama hakkama.
«Loodavas prototüübis plaanitakse kasutada mõlemat lähenemist. Esimeses etapis seda, et masinale öeldakse ette, mida peab otsima ja milline võiks olla problemaatiline ettevõte. Teises etapis lastakse masin omapead juba välja mõeldud parameetritele lisa otsima, andmeid analüüsima ja selle põhjal järeldama,» kirjeldas Õmblus.
Majandusliku külje pealt on infosüsteemi tehtaval ettevõtete analüüsis kaks poolt, esiteks klassikaline suhtarvuanalüüs ja teiseks majandusanalüütikat, milleks kasutatakse infot, kuidas ettevõtted omavahel rahaliselt suhtlevad – kes kellele kui palju raha maksab.
Varase hoiatuse süsteem on statistikametis veel alles välja töötamisel ja katsetamisel, kuid praeguse visiooni järgi alustab amet klassikalist analüüsi likviidsussuhtarvudest, sest eelkõige likviidsuse puudumine võib tekitada makseraskusi. «Teiseks liigume edasi kapitali struktuuri kirjeldavatele suhtarvudele, mis annavad raamistiku, mille suhtes likviidsust vaadata,» ütles analüütik.
«Kolmandaks toome sisse rentaabluse näitajad, mis on vajalikud, mõista, kui kiirelt ja mis määral suudaks ettevõte oma olukorda parandada. Rentaablus annab analüüsile dünaamilise mõõtme, sest see näitab olukorra muutumist ajas. Viimasena toome sisse esmast efektiivsust kirjeldavad suhtarvud,» rääkis Õmblus.
Majandusanalüütilise lähenemisena analüüsitakse ettevõtete vahelisi rahavooge. Kui bilansid ja kasumiaruanded ning neil põhinevad suhtarvud annavad ametile info teatud hetke seisuga, siis rahavood on tänase seisuga ja dünaamilised.
«Raha liikumine näitab, kui palju ja milliste partnerite käest ettevõtte makseid saab ja kellele ning kui palju edasi maksab. Maksed võivad ajas väheneda või kasvada, olla sesoonsed või stabiilsed, olla hästi struktureeritud või kaootilised. Neid näitajaid saab masin analüüsida ja teha järeldusi. Ehk, kui on täpselt teada, »kes kellega käib« ja mis asju koos aetakse ning kuidas see ajas muutub, on võimalik nii mõndagi öelda, kas keegi on raskustesse sattumas,» tõi ameti juhtivanalüütik esile.
Tema hinnangul annab parima tulemuse ilmselt kahe meetodi toetamine teineteisele. Näiteks on teada tänased rahavood ja aasta tagused rahavood ja bilanss. Selle info põhjal on rahavoogude dünaamikat analüüsides võimalik teatud määral modelleerida, milline võiks bilanss välja näha täna.
Varase hoiatuse süsteemi prototüüp peaks olema valmis, testitud ja hinnatud 2022. aasta esimese poolaasta lõpuks. Selle pinnalt on võimalik anda hinnanguid, kas ollakse valmis süsteemi ka rajama.
/nginx/o/2017/02/09/6323455t1h0c72.png)