директор и машина · стратегия · запись № 052 · 24 августа 2026 · Давид Герштейн

Финансовая модель, которой никто не пользуется: типичные причины провала

Суммы в разборе пересчитаны на условную компанию — пропорции, механика и выводы реальные.

Почему финансовая модель не работает: с чего начался разрыв в 2,4 раза

Финансовая модель перестаёт работать в первый же месяц, если её строили не от факта платежей, а от желаемой цифры сверху. У нас так и вышло: в стратегии стояла годовая цель 120 млн ₽ выручки, а в план, который отдел продаж реально мог закрыть, заложили 50 млн ₽ — разрыв в 2,4 раза. Никто не мог объяснить, откуда он взялся, пока не разобрались: 120 млн считали по сумме подписанных договоров, а 50 млн — по фактически поступившим авансам, которые обычно составляют 37–40% от суммы договора. Это были две разные модели, которые случайно оказались на одном слайде.

Марк смотрит презентацию и задаёт один вопрос: «за счёт SEO или за счёт SMM он даст больше лидов?» Ответа в модели нет — цифры слились в одну обтекаемую формулировку: «рост будет». На встрече выясняется, что SEO-специалист вообще не может назвать источники лидов из органического поиска — аналитика не настроена на связь между запросом, страницей и продажей. Похожий разрыв между лидами и деньгами я разбирал отдельно — там же видно, на каком именно шаге теряются продажи между маркетингом и отделом продаж: лиды есть, а продаж нет. Модель, которая не может ответить на прямой вопрос собственника за час, а не за квартал, для него бесполезна — он и так не читает отчёты длиннее страницы.

Во что обошлась путаница между договором и авансом

Путаница между двумя базами обошлась не в потерянное на споры время, а в конкретные деньги, потраченные на решения, принятые вслепую. У нас план по найму строился на цифре 120 млн, которую отдел продаж физически не мог закрыть авансами: реальный приток денег держался около 50 млн. Наняли на рост, которого не было ни в деньгах, ни в загрузке.

Чтобы прикинуть цену такой путаницы на своих цифрах, нужны две формулы. Первая — прямые расходы на лишний найм: число лишних сотрудников × зарплата с бонусом × месяцы до обнаружения ошибки = прямые потери на найм. Вторая — управленческое время, потраченное не на решения, а на споры о происхождении цифр: число вовлечённых руководителей × часы в неделю на споры × число недель × ставка часа руководителя = потери управленческого времени. Обе формулы консервативные: если у вас разрыв плана и факта больше 2,4×, оценка вырастет пропорционально.

Итого около 950 тыс ₽ прямых и косвенных потерь — это цена одной путаницы «договор vs аванс», а не всей модели в целом: дальше будут ещё три ошибки, и каждая добавляет свою часть счёта.

Четыре типовые ошибки финансовой модели: от смешения баз до слепого доверия ИИ

Модель умирает не от одной большой ошибки, а от четырёх типовых: смешение баз, фиксированные цифры вместо формул, отсутствие владельца у каждой строки и слепое доверие тексту, который сгенерировал ИИ. Вот как каждая выглядела у нас.

Третья ошибка держится на одной короткой фразе, которую Марк повторяет каждому новому руководителю направления: «Ты должна знать юнит-экономику каждого направления как свои пять пальцев. Сколько зарабатываем, какая маржа, какие точки бизнеса. Это база, база, база. Любой финансовый директор знает всю эту юнит-экономику». Если этого не знает никто, кроме финансиста в Excel раз в квартал — модели у направления фактически нет, есть только цифра, которую один раз кто-то куда-то вписал.

Как пересобрать финмодель: пять шагов, которые выдержали проверку

Рабочая модель держится на пяти вещах: явном источнике каждой цифры, формулах вместо констант, назначенном владельце строки, структуре «от общего к частному» и фиксированном ритме сверки. Ниже — порядок, в котором мы это делали, шаг за шагом.

1. Зафиксировать источник каждой цифры. Выручка — это то, что зашло на счёт, а не сумма подписанных договоров. Мы приняли жёсткое правило по образцу решения с продажами: «действуем по факту — если в течение двух дней деньги заходят, это продажа», а не то, что обещано клиенту на встрече. Что → откуда: CRM/платёжный шлюз → поле «оплачено» → лист модели «Факт».
2. Перевести ключевые показатели на формулы. План = факт предыдущего месяца × (1 + темп роста), где темп роста — параметр, а не переписанное вручную число. При отклонении факта модель пересчитывается автоматически, а не переписывается заново каждые три недели.
3. Назначить владельца по каждому направлению. Тот, кто отвечает за строку, обязан знать маржу, средний чек и конверсию своего участка — без этого юнит-экономика превращается в цифру «для отчёта», а не в рабочий показатель.
4. Структурировать отчётность по кругам. Сначала общая картина (доля лидов по каналам, конверсия по каждому), потом детализация по годам с фиксацией прогресса, и только потом — тактика по каналу. Подробно про такую структуру и про то, как выглядит стратегия, которая не превращается в презентацию для полки, я разбирал отдельно — там же пример, как доля лидов с одного канала выросла с 5% до 35% за год: стратегия как рабочий инструмент, а не презентация для полки.
5. Ввести регулярный ритм сверки. Фиксированный день — четверг, коммерческий отчёт по трём блокам (маркетинг, продажи, авансы), результаты копятся в одну таблицу к концу недели. Цикл пересчёта модели упал с квартала — это около 90 дней — до недели, 7 дней между сверками: цифра просто не успевает устареть до следующего четверга. Так сразу видно, где проблема системная, а где просто конкретный менеджер не выполняет план.

На диаграмме — как сократился цикл пересчёта модели: с квартала (≈90 дней) до недели (7 дней) после перехода на регулярный ритм сверки по четвергам.

Источник данных для первого шага — тема отдельного разбора: если контроль движения денег не выстроен системно, любая формула сверху будет считать мусор. Похожий принцип я описывал на примере авансов и дебиторки — контроль, который не держится на памяти конкретного человека: дебиторка растёт: контроль, который не зависит от памяти людей. Рекомендую как предварительный шаг перед пересборкой модели.

Может ли ИИ построить финмодель: где помогает, а где создаёт иллюзию точности

ИИ хорошо генерирует убедительно звучащий текст стратегии и плохо проверяет собственные допущения — поэтому его место в модели не автор, а критик уже готовых расчётов. Тот случай с ИИ-стратегией из таблицы выше — тому пример: цифры и тренды выглядели стройно, а по сути в расходах пропали бонусы продаж, и весь прогноз держался на продолжении линии тренда, ничем не подкреплённом. Марк сформулировал точно: «стратегия выглядит убедительно, но содержит объективно бредовые вещи».

Конвейер, который мы выстроили после этого: Google Sheets (черновик модели) → скрипт-триггер по четвергам → API модели-критика → лист «Проверка допущений» → уведомление в Telegram, если найдены проблемы. Модель для этой задачи нужна дорогая, топ-уровня — не дешёвый классификатор: задача не сгенерировать текст, а найти логическое противоречие в цифрах, и ошибка здесь стоит дороже разницы в цене токенов между моделями. Сколько такой конвейер съедает в реальных счетах — отдельная тема, я считал это на своих проектах: сколько на самом деле стоит ИИ в месяц.

Ты — финансовый аналитик, проверяешь черновик финансовой модели перед тем, как её увидит собственник.
Тебе дан JSON со строками модели: название показателя, значение, источник или формула, период.

Найди и перечисли:
1. Показатели без указанного источника (значение "захардкожено", нет ссылки на факт или формулу).
2. Показатели, которые смешивают разные базы (например, сумма договоров и сумма поступивших оплат под одним названием "выручка").
3. Показатели, в формуле которых не учтены обязательные статьи расходов (бонусы, налоги, комиссии).
4. Показатели, которые не пересчитываются автоматически при изменении входных данных (константа там, где должна быть формула).

Формат ответа: таблица «показатель — тип проблемы — что уточнить у владельца строки, прежде чем показывать цифру собственнику». Если проблем не найдено — явно напиши «противоречий не найдено», а не оставляй пункт пустым.

Промпт работает только если модель-критик получает структурированный JSON, а не текстовое описание — иначе она сама начинает генерировать убедительные, но непроверяемые ответы, повторяя ту же ошибку, которую должна ловить. Формат «таблица с уточняющим вопросом» важен отдельно: без него ИИ склонен формулировать проблему абстрактно («данные требуют уточнения»), а конкретный вопрос владельцу строки заставляет либо назвать источник, либо признать, что цифра действительно ничем не подтверждена.

Итог: с чего начать, если модель уже разошлась с фактом

Если план и факт разошлись сильнее, чем в полтора-два раза, разбираться в причине стоит не с формул, а с источника: спросить, что именно каждая цифра называет — оплату, договор или обещание — и свести всё к одной базе, прежде чем менять что-либо ещё. Дальше формулы, владельцы строк и ритм сверки достраиваются поверх уже согласованного источника, а не вместо него. У нас на это ушло около месяца, но цена ошибки — 2,4-кратный разрыв плана и факта — того стоила: без пересборки та же путаница повторилась бы в следующем квартале с теми же потерями на найм и тем же управленческим временем на споры, вместо которых теперь есть еженедельный четверговый отчёт на трёх блоках.

Частые вопросы

Почему финансовая модель перестаёт соответствовать реальности?

Чаще всего потому, что план держится на фиксированных цифрах, а не на формулах от факта: рынок или законодательство меняются быстрее, чем кто-то успевает вручную переписать таблицу.

Какие ошибки финансовой модели встречаются чаще всего?

Смешение разных баз (выручка по договору vs по оплате), отсутствие владельца у каждой цифры, статичные показатели вместо формул и слепое доверие тексту, сгенерированному ИИ, без проверки допущений.

Может ли ИИ сам построить рабочую финансовую модель?

Нет, ИИ хорошо генерирует убедительно звучащий текст стратегии, но плохо проверяет собственные допущения — его роль в модели должна быть ролью критика готовых расчётов, а не автора.

#ошибки и провалы #деньги #аналитика и отчётность