Desde Climbea y Xerppa, tenemos el objetivo de dotar a los controller de las mejores herramientas para diagnóstico y toma de decisiones, con la intención de conseguir organizaciones más sólidas. Dentro de nuestro RoadMap de Xerppa For Finance, en el que ya hay una gran batería de soluciones para el análisis económico financiero, hoy os enseñamos una forma de analizar el punto muerto (Break Even).
Vamos a recordar rápidamente que es el punto muerto y su utilidad para el análisis, que ya tratamos en este post: Apalancamiento Operativo con BI | CLIMBEA
Que no nos engañe la simplicidad de su cálculo con la potencia de sus conclusiones, que además una vez nos lo llevemos a Power BI estas capacidades se ven drásticamente potenciadas ya que tendremos todas las funcionalidades y características de BI como el contexto, what-if etc.
A nivel de cálculo el Punto muerto es:
Q = CF/ (Pvu-Cvu)
Obviamente, hay ciertas dificultades, pero todas ellas son solucionables, entre otras particularidades tenemos el impacto de la estacionalidad, la definición de costes semivariables etc.
Entrando en materia en el apartado de Business Intelligence; en la siguiente imagen vemos un análisis de punto muerto integrado en el módulo Xerppa For Finance, en primer lugar, hemos desarrollado dentro de nuestra aplicación financiera un módulo que nos permite clasificar que centros de costes y/o Subcuentas variables, fijos y semivariables. Con esto tendremos pleno control sobre que imputar en cada variable, una vez realizado esto, los cálculos en Dax son sencillos.
En una primera versión inclusive podemos no tener unidades de producción o
actividad de referencia y realizar los cálculos para un determinado nivel de
ingresos.
Si obtenemos las unidades o actividad de referencia podremos realizarlo en
unitario. Con ello podremos realizar simulaciones en el precio de venta
promedio, coste variable, y coste fijo. Las posibilidades son casi infinitas. Tal
y como se ve en la imagen anterior podemos analizar diferentes situaciones, en
este caso, como impacta si subimos el precio un 2% pero trae consigo una bajada
de ventas del 6% manteniendo el resto de los parámetros iguales, en el que como
vis, el punto muerto es de 113K Unidades que es un 9% menos que en la situación
anterior, y una previsión de mejora del 5% del beneficio neto
Hecho esto, gracias a nuestra solución
presupuestaria podríamos grabar diferentes escenarios, es decir, podemos
utilizar todo el contexto histórico y dimensiones de nuestro modelo y poder
grabar esos datos para analizarlos posteriormente. Podremos, inclusive
utilizarlo para nuestro modulo presupuestario (que ya tratamos en otro post)
Además, ya no sólo para el punto muerto destacamos el poder hacer una cuenta
de resultado (analítica o no) en términos unitarios, KG vendidos, pedidos
realizados, habitaciones vendidas. Esto nos permite focalizar en aquellas
partidas con mayor impacto en los resultados, sobre todo es útil en negocios
con sectores muy diferenciados o con varias líneas de negocio, así nos permite
evaluar el rendimiento, más adelante en este post veremos un ejemplo
Como decíamos antes, hay ciertos negocios que el punto muerto solo tienen
sentido si se identifica perfectamente los costes semivariables, ya que su
impacto es tan grande que no tendría sentido el análisis.
Esto ocurre sobre todo en negocios como Centros deportivos o de enseñanza, o
el sector hotelero, que lo usaremos de ejemplo para explicar cómo hemos usado
aquí el punto muerto para poder identificar los semivariables. En el sector
hotelero, queremos usar sobre todo el punto muerto para saber si se debe abrir
o no el hotel, es decir si para un determinado nivel de ocupación (actividad de
referencia) es rentable o no.
En este caso hemos usado una regresión lineal y usado la correlación, como
control, para según el histórico poder determinar cuáles son los costes
semivariables para cada nivel de ocupación. Esto nos permite poder analizar el
hotel para cualquier nivel de ocupación, aunque no tengamos datos históricos. Vamos
a ver un ejemplo en nuestra solución vertical pensada para el sector Hotelero
(ver más en overgop.com y revtool.es
)
Así lo que podemos determinar según la cuenta de resultado analítica del hotel es si hay ocupación 0 que parte de costes variables se comportan como fijos. Es importante que la correlación sea buena, sino lo es dará datos que tendremos que homogeneizar o analizar en mayor profundidad. De esta forma usamos el punto muerto para responder una preguntar de negocio muy importante, ¿cuándo abro el hotel?
En la anterior imagen, sin entrar en detalles de todas las explicaciones que podemos obtener, nos está indicado que, para una apertura en septiembre, con una ocupación estimada del 55% (escenario esperado) y para el periodo comprendido del 3/09 al 30/09, aunque tenemos margen bruto positivo, lo esperado es que nuestro beneficio neto sea más negativo que si estuviéramos cerrado, concretamente 27.000€ euros peor.
Os dejamos el siguiente Video donde se explica en detalle estos análisis:
Como decíamos antes, el tener una cuenta resultado en unitario es realmente ponente, ya que hace que podamos focalizarnos en lo importante, que os mostramos dos ejemplos, de como lo hemos realizado en una cuenta de resultado analítica entre las habitaciones ocupadas y otra entre las estancias.
Sea el motivo que sea, creemos que el punto muerto tiene una gran importancia en los análisis, aunque solo sea de forma preliminar a los análisis más profundos, lo importante es que al incorporarlo a nuestros modelos financieros nos aprovechamos de todo el contexto histórico, las dimensiones (centros de costes, empresa, fecha o periodo, segmentos, líneas de negocio…) y aplicando DAX y en última instancia algoritmo de predicción el valor del análisis del punto muerto se dispara.
Si estás interesado en estas funcionalidades ponte en contacto con nosotros o escribirnos a info@climbea.com para implantaciones de Xerppa For Finance.
