Shutterstock
Seoses üleminekuga informatsiooniajastule on muutuse läbi teinud ka ettevõtete varaline struktuur. Firmade äritegevuses mängivad üha suuremat rolli immateriaalsed varad nagu näiteks kaubamärgid ja teave klientide kohta ning kasumite genereerimiseks pole niivõrd suures mahus materiaalseid varasid enam vaja. Investorite olukorra muudab see aga raskemaks, sest kõiki immateriaalseid varasid ei ole raamatupidamisreeglite järgi võimalik ettevõtete aruannetes kajastada ning küsimuseks on ka kuidas seda teha.
Traditsiooniliste väärtusmõõdikute kohaselt tundub mitmete tehnoloogiaettevõtete, eriti sotsiaalvõrgustike valuatsioonitase ülimalt kõrge. Näiteks Facebook (FB) kaupleb 79 kordsel kasumil ja 10 kordsel raamatupidamislikul väärtusel (P/B suhtel). Tegu pole ainult sotsiaalvõrgustike fenomeniga, vaid ka näiteks internetikaubamaja Amazon (AMZN) kaupleb müstilistel tasemetel – ettevõtte P/E suhe on 806 ning P/B suhe 13. Kuna hinnatasemed on kõrged, otsivad analüütikud tasemete õigustamiseks uusi põhjendusi. Näiteks räägitakse kasutajate arvust, klikkidest, vaatamiste arvust jne.
Selliste ettevõtete ühiseks nimetajaks on tavaliselt tohutu informatsiooni hulk oma kasutajate/klientide kohta, mida pidevalt analüüsitakse ning saadud tulemused peaksid aitama firmadel oma müügitulemusi parandada. Selline tegevus on saanud ka oma nime – big data. Selles valguses ei pruugi kasutajate arvule keskendumine pelgalt põhjenduste otsimisena näida, sest suurem informatsiooni hulk suurendab ettevõtte teenuste väärtust.
Näiteks Facebooki üheks suureks plussiks loetakse väga detailset informatsiooni kasutajate huvide kohta, mille abil saab just õigetele inimestele kuvada neile huvi pakkuvaid tooteid. Ettevõtted on sellisele reklaamiteenusele nõus rohkem kulutusi tegema, sest info ettevõtete toodete ja teenuste kohta jõuab õigele sihtrühmale. Ka Amazon kogub andmeid klientide ostuharjumuste kohta, soovitades kliendile ilmselt kõige rohkem meeldivaid tooteid. Sarnase tegevusega on hõivatud mitmed ettevõtted, kes antud andmeid oma tarbeks kasutavad või kolmandatele osapooltele müüvad ning kelle ärimudel big data’le üles ehitatud ongi.
Probleem on aga selles, et keegi ei tea, kui palju sellised andmed väärt on ja kuidas neid täpsemalt hinnata. Asjaolu teeb raskemaks ka see, et ettevõtted ise ei ole samuti nõus suud paotama teemal, palju kliendiandmete kogumine ja töötlemine ettevõttele raha sisse toob. Näiteks supermarketite operaator Kroger (KR) kogub andmeid klientide kohta, toob välja trendid ning seejärel müüb need tarnijatele edasi.
Analüütikute arvates toob andmemüük Krogerile aastas sisse ligikaudu $100 miljonit, kuid ettevõte ise on selle koha pealt vait, öeldes, et Kroger järgib üldtunnustatud raamatupidamisreegleid, mis keelavad andmeid kajastada kui varasid ja andmete kogumisele ja analüüsimisele kulutatud summasid kohelda kui investeeringuid. Praegu pannakse immateriaalsetele varadele hinnasilt juurde siis, kui teise ettevõtte ülevõtmisel makstakse ostetava ettevõtte raamatupidamislikust väärtusest kõrgemat hinda.
USAs raamatupidamisreegleid kehtestav Financial Accounting Standards Board (FASB) on nendel teemadel ka 2002. ja 2007. aastatel arutelusid pidanud, kuid tulemusteta. Peamisteks murekohtadeks on, kuidas liigitada andmekogumise ja töötlemisega seotud väljaminekuid – kas kulutusena või investeeringutena. Lisaks, kui andmete väärtus kajastada ettevõtte bilansis, peaksid ettevõtted hindama andmete kausliku eluea pikkust, hindama tulevikuväärtust ja raporteerima olulistest muutustest väärtuses. Käegakatsutavate varade puhul oleks selliseid arvutusi suhteliselt lihtne sooritada, kuid immateriaalsete varade maailm on märksa hägusam.
Näiteks, andmed on väärtusetud, kui nendega õigesti ümber ei käida ja need ettevõtte jaoks sissetulekut ei too. See tähendab, et andmete olemasolu üksi ei tähenda täiendavat lisaväärtust ning ka andmete töötlus ei pruugi olulisel määral midagi juurde anda. Alates 1980-ndatest on akadeemikud töötanud välja erinevaid ennustavaid mudeleid tarbijakäitumise kohta, üks tuntumaid nendest on negatiivne binoommudel. Teadlaste trotsiks aga on jaemüüjad jätkanud lihtsamate tehnikate kasutamist. Näiteks mingi kindla perioodi möödudes loetakse klient mitteaktiivseks, kui ta pole antud ajal ühtegi ostu sooritanud.
Seetõttu hakkas Saksamaa turundusprofessor Florian von Wangenheim koostama võrdlust lihtsamate ning kaasaegsete statistiliste meetodite vahel mõttega, et veenda ettevõtteid moodsamaid meetodeid kasutama. Üllatuseks avastas ta, et lihtsa rusikareegli ennustusvõime oli sama hea või isegi natuke parem kui negatiivse binoomjaotusega mudeli puhul.
Kuigi ettevõtte andmete väärtus ei pruugi kajastuda ettevõtete aruannetes, ei tähenda see, et investorid peaksid antud näitajat huupi pakkuma või lootusetult möönma, et ettevõtte väärtust pole võimalik hinnata. Lõppude lõpuks on investorite jaoks kõige tähtsam kui palju ettevõte omaniku jaoks teenib ning kui suured andmebaasid, milleni finantsaruannete haare ei küündi, tõepoolest annavad oma panuse ettevõtte äritegevusse, siis kasumireal kajastub see endiselt.
Artikkel on informatiivse eesmärgiga ja ei ole mõeldud soovitusena müüa või osta mainitud väärtpabereid.
Tweet
