Типичные вопросы о затратах на облако, которые следует ожидать от финансистов (и как на них отвечать)

Если вы работаете разработчиком в SaaS-компании, то ваша работа заключается в создании программных продуктов, которые приносят прибыль вашей компании. Заниматься решением проблем - это то, что вы любите делать, и это прекрасное чувство, когда вы можете создать что-то, что положительно повлияет на вашу компанию.

Одним из менее приятных аспектов вашей работы, вероятно, являются вопросы от финансовых специалистов:

• Сколько вы планируете потратить в следующий период(год)? 

• На что были потрачены деньги?

• Запланированный бюджет на ИТ уже потрачен, но нужен еще. Почему возникла такая ситуация?  

• Почему вы решили создать продукт именно таким образом?(в контексте обсуждения стоимости разработки продукта) 

Большинству технических команд может быть нелегко отвечать на подобные вопросы; кроме того, это может показаться непосильной ношей, когда приходится приостанавливать важные проекты, чтобы найти ответы.

Хорошая новость заключается в том, что вы можете применить свои навыки решения проблем и в этой ситуации. Для этого потребуется немного усилий, но вскоре вы будете легко отвечать на вопросы, не жертвуя временем и энергией, которые вы бы предпочли потратить на свои проекты.

Как уверенно отвечать на сложные вопросы финансистов о затратах на облако

Вопросы от финансистов обычно касаются одной из трех тем: 

1) базовая отчетность 

2) прогнозы на будущее 

3) объяснения конкретных событий

Основные вопросы по отчетности

• Каковы были наши затраты за этот конкретный период времени?

• Как эти затраты были распределены между OPEX и другими категориями расходов?

• Как были распределены затраты между проектом A и проектом B (и т. д.)?

• Как выглядят затраты с учетом и без учета амортизации обязательств?

• Можем ли мы получить детализацию по конкретному проекту за конкретный  период времени?

Вопросы о прогнозах на будущее

• Как вы составили  бюджет на следующий год?

• Сколько мы потратим в следующем году на поставщика А по сравнению с поставщиком Б?

• Мы собираемся продлить контракт с этим поставщиком, и они хотели бы, чтобы мы внесли предоплату в определенном размере. Нельзя ли уменьшить размер предоплаты или вообще не платить вперед?

• Сколько мы заработаем на продукте А по сравнению с продуктом Б в течение следующих 1-2 лет?

• Как изменятся расходы на этого поставщика, когда вы запустите новый продукт/проект?

Запросы на получение объяснений

• Вы не выполнили бюджет за определенный период времени. Почему?

• Мы заметили изменение в [x] метрике или стоимости. В чем причина?

Как отвечать на такие вопросы?

С первого взгляда вы заметите, что на некоторые из этих вопросов ответить гораздо сложнее, чем на другие.

Например, вы можете легко предоставить данные по запросу или посмотреть, сколько вы потратили в определенном квартале, но у вас, скорее всего, не будет готового ответа, если кто-то спросит, сколько вы планируете потратить на один продукт по сравнению с другим через два года. Существует множество переменных, которые могут повлиять на ваш ответ.

То же самое касается почти всех вопросов, с которыми вы столкнетесь во второй и третьей группах.

Если на вопрос нет четкого ответа, почти всегда целесообразно построить модель, которая сможет сделать обоснованное прогнозирование. На самом деле, часто необходимо построить несколько моделей, каждая из которых будет объяснять, что может произойти при определенном стечении обстоятельств. Таким образом, вы сможете непосредственно увидеть, как изменение переменных повлияет на конечный результат. 

Построение моделей также помогает вам самим понять, как вы пришли к ответу, и объяснить это другим. Одно дело - прийти к финансисту и сказать: "В следующем году мы собираемся потратить около миллиона рублей на проект А и два миллиона - на проект Б". Совсем другое - подкрепить эти бюджеты расчетами, объясняющими, почему ваши расходы, скорее всего, будут колебаться вокруг тех или иных цифр.

Если вы построили несколько моделей с различными переменными, вы также сможете объяснить, как различные изменения могут повлиять на ваши окончательные прогнозы. Например, вы можете с уверенностью сказать: "Если мы заключим договор с поставщиком X на более выгодных условиях, то затраты на продукт B приблизятся к отметке в один миллион рублей".

Вы можете смоделировать любые переменные, которые имеют смысл в данной ситуации. Многим нравится строить консервативный план, нормальный план и более агрессивный план, чтобы посмотреть, что может произойти, если компания пойдет по одному из этих трех различных путей.

Знание этих прогнозов поможет вам вести грамотные беседы с финансистами. Это также поможет финансистам объяснить ваши доводы команде руководителей или другим заинтересованным сторонам, которые могут не понимать друг друга из-за отсутствия исходных данных.

Итак, все это заставляет задуматься:

Как построить надежные модели, которые помогут вам делать точные прогнозы на будущее?

Существует множество факторов, которые могут повлиять на точность ваших моделей, но почти всегда они сводятся к тому, как вы решили отслеживать расходы вашей компании на облако.

Решения по прогнозированию и отслеживанию затрат, которые вы примете заранее, окажут непосредственное влияние на вашу способность отвечать на каверзные вопросы финансовых специалистов.

Некоторые из решений, которые вы можете принять сейчас, чтобы улучшить свои возможности прогнозирования в будущем, довольно просты. Если вы знаете, что финансовый отдел будет регулярно спрашивать о разнице в затратах между OPEX и себестоимостью проданных товаров, вы можете обеспечить отслеживание этих затрат заранее, а не пытаться составить электронную таблицу в последний момент.

Что касается факторов, которые вы не можете легко предугадать, то главное - собрать и систематизировать как можно больше информации. Чем более подробными и детализированными будут ваши данные, тем лучше.

Если у вас есть юнит экономика на каждый продукт, функцию, поставщика, клиента и географический регион, вы сможете манипулировать переменными с гораздо большей точностью, чем компания, которая отслеживает эти показатели, используя только грубые средние значения и оценки. Вместо этого ваша модель будет основана на реальных, достоверных данных, которые сделают ваши прогнозы гораздо более точными даже на годы вперед.