Leverandørbetaling liquidity forecast – forklaring og eksempler

Hva er leverandørbetaling liquidity forecast?

Leverandørbetaling liquidity forecast er en spesifikk type likviditetsprognose som fokuserer på utbetalinger til leverandører. Den inngår i det større feltet cash flow forecasting, som brukes av bedrifter for å forutsi fremtidige kontantstrømmer. Mens en generell likviditetsprognose dekker alle inn- og utbetalinger, retter leverandørbetaling liquidity forecast seg inn mot den delen av utbetalingene som knytter seg til varekjøp og tjenester fra eksterne partnere.

For en investor gir kunnskap om hvordan et selskap håndterer leverandørbetalinger innsikt i hvor godt det styrer arbeidskapitalen. Selskaper som har kontroll på sine fremtidige utbetalinger, reduserer risikoen for likviditetsproblemer og kan ofte forhandle bedre betingelser med leverandørene. Dette kan igjen påvirke lønnsomheten og aksjekursen over tid.

Prognosen er spesielt viktig i bransjer med lange betalingsfrister eller sesongvariasjoner. For eksempel vil en norsk byggentreprenør som har store innkjøp av materialer tidlig i prosjektet, men først får betalt fra kunden ved ferdigstillelse, være helt avhengig av en nøyaktig prognose for leverandørbetalinger for å unngå å gå tom for penger.

Forstå leverandørbetaling liquidity forecast

For å forstå leverandørbetaling liquidity forecast må man først skille mellom de ulike typene kontantstrømmer i en bedrift. Driftsinnbetalinger kommer fra kunder, driftsutbetalinger går til leverandører og ansatte, mens investerings- og finansieringsaktiviteter utgjør egne kategorier. Leverandørbetalinger er ofte den største enkeltposten blant driftsutbetalingene, og de er samtidig mer forutsigbare enn for eksempel kundebetalinger, fordi de er basert på kontraktsfestede betalingsbetingelser.

Likevel er det usikkerhetsmomenter. Rabatter for tidlig betaling, forsinkelser fra bedriftens side, eller endringer i innkjøpsvolum kan påvirke de faktiske utbetalingene. Derfor bygger en god prognose på historiske data om betalingsatferd, samt oppdatert informasjon om innkommende fakturaer. Mange norske bedrifter bruker en rullerende prognose som strekker seg 30 til 90 dager frem i tid, og som oppdateres ukentlig eller daglig.

For investorer er det nyttig å se på hvorvidt et selskap offentliggjør informasjon om likviditetsstyring. I årsrapporter kan man finne beskrivelser av rutiner for kontantstrømprognoser og eventuelle kortsiktige trekkfasiliteter. Et selskap som konsekvent har en likviditetsreserve på for eksempel 10–15 % av omsetningen, viser at det tar likviditetsrisiko på alvor.

Hvordan fungerer leverandørbetaling liquidity forecast?

Prosessen med å lage en leverandørbetaling liquidity forecast kan deles inn i flere trinn. Først samles alle forfalte og kommende fakturaer fra leverandører. Dette gjøres gjerne via et ERP-system som automatisk henter fakturadata. Deretter kategoriseres fakturaene etter betalingsbetingelser – for eksempel 30, 60 eller 90 dager – og eventuelle rabattvilkår for tidlig betaling.

Neste trinn er å estimere betalingsdatoene. Hvis en faktura har forfallsdato 15. mars og betalingsbetingelse 30 dager, vil forventet betalingsdato være 15. mars, med mindre bedriften har en policy om å betale på forfallsdato. Noen bedrifter betaler alltid ved forfall, andre utnytter rabatter og betaler tidligere. Historiske data kan justere estimatene – for eksempel hvis bedriften i snitt betaler 2 dager etter forfall.

Til slutt legges usikkerhetsfaktorer til. En enkel måte er å beregne et intervall: forventet utbetaling pluss/minus en prosentandel basert på historisk variasjon. Prognosen oppdateres løpende etter hvert som nye fakturaer ankommer og gamle betales. Tabellen under viser et eksempel på en 4-ukers prognose for en mellomstor norsk bedrift:

Historisk bakgrunn

Før digitaliseringen av økonomifunksjoner ble likviditetsprognoser ofte laget manuelt i regneark. Regnskapsførere måtte samle inn fakturaer fra papirarkiver og taste inn beløp og forfallsdatoer. Dette var tidkrevende og ga rom for feil, og prognosene ble sjelden oppdatert mer enn en gang i måneden. Etter finanskrisen i 2008 ble likviditetsstyring løftet frem som et kritisk område, og mange bedrifter innførte mer systematiske prosesser.

I Norge har spesielt oljeservice- og industribedrifter vært tidlig ute med å ta i bruk avanserte treasury-systemer. Samtidig har fremveksten av skybaserte ERP-løsninger som Visma, 24SevenOffice og Tripletex gjort det enklere også for små og mellomstore bedrifter å automatisere deler av prognosearbeidet. De siste årene har kunstig intelligens og maskinlæring begynt å spille en rolle, for eksempel ved å analysere historiske betalingsmønstre og foreslå mer presise estimater.

I dag er leverandørbetaling liquidity forecast en standard del av treasury-funksjonen i de fleste større norske selskaper. Mindre bedrifter har også fått tilgang til verktøy som integrerer prognoser direkte i fakturahåndteringen, noe som senker terskelen for å ta i bruk metoden.

Praktisk eksempel

La oss ta utgangspunkt i Norsk Mekanikk AS, en mellomstor produsent av maskindeler med hovedkontor i Fredrikstad. Selskapet har 50 leverandører og betaler i gjennomsnitt 5 millioner kroner per måned. Betalingsbetingelsene varierer: de fleste har 30 dagers betalingsfrist, men noen strategiske leverandører har 60 dager. Norsk Mekanikk lager en rullerende 4-ukers prognose for leverandørbetalinger, som oppdateres hver fredag.

I uke 1 viser prognosen forventede utbetalinger på 1,2 millioner kroner, i uke 2 1,5 millioner, i uke 3 0,8 millioner og i uke 4 1,5 millioner. Samtidig har selskapet en innbetalingsprognose fra kunder på 1,0 million i uke 1, 1,8 millioner i uke 2, 1,2 millioner i uke 3 og 1,6 millioner i uke 4. Ved å sammenstille disse ser økonomisjefen at det i uke 1 vil være et underskudd på 200 000 kroner, mens uke 2 gir et overskudd på 300 000 kroner.

For å dekke underskuddet i uke 1 kan Norsk Mekanikk enten bruke en eksisterende kassekreditt på 500 000 kroner, eller forhandle med en stor leverandør om å utsette en faktura på 200 000 kroner med én uke. Siden selskapet har en god relasjon til leverandøren, velger de det siste. Prognosen oppdateres deretter, og underskuddet forsvinner. Dette viser hvordan en nøyaktig likviditetsprognose gir handlingsrom og reduserer behovet for dyr kortsiktig finansiering.

Fordeler og ulemper

Fordelene med en systematisk leverandørbetaling liquidity forecast er mange. For det første gir den bedre kontroll på likviditeten, slik at bedriften unngår overtrukne kontoer og tilhørende gebyrer. For det andre kan den avdekke muligheter til å utnytte leverandørrabatter – hvis prognosen viser at det er ledig kapital, kan bedriften betale tidligere og oppnå 2–3 % rabatt. For det tredje styrker den forholdet til leverandørene, fordi betalinger skjer som avtalt.

Ulempene er knyttet til usikkerhet og ressursbruk. Prognosen er bare så god som dataene den bygger på, og uventede hendelser som forsinkede fakturaer eller endrede innkjøpsbehov kan gjøre den upresis. For små bedrifter uten dedikerte økonomisystemer kan arbeidet med å samle inn og oppdatere data være tidkrevende. I tillegg kan en for detaljert prognose føre til overstyring og unødvendig tid brukt på avvik som ikke har vesentlig betydning.

Vanlige misforståelser

En utbredt misforståelse er at leverandørbetaling liquidity forecast er det samme som et budsjett. Budsjettet er en overordnet, langsiktig plan for inntekter og kostnader, ofte for et helt år. Likviditetsprognosen er derimot kortsiktig og operasjonell – den ser på faktiske kontantstrømmer uke for uke eller dag for dag. Budsjettet kan si at bedriften skal bruke 60 millioner på innkjøp i år, mens prognosen viser at 5 millioner må betales neste uke.

En annen misforståelse er at prognosen alltid er nøyaktig. I virkeligheten er den et estimat som må revideres kontinuerlig. Selv med gode systemer vil det alltid være en viss usikkerhet, for eksempel fordi en leverandør sender fakturaen senere enn forventet, eller fordi bedriften selv velger å betale tidligere for å få rabatt. Derfor bør prognosen alltid presenteres med et usikkerhetsintervall.

Mange tror også at kun store selskaper har nytte av slike prognoser. Små bedrifter kan ha like stor glede av en enkel oversikt over kommende betalinger, spesielt hvis de har sesongvariasjoner eller er i en vekstfase. En gründer med én ansatt kan like gjerne lage en prognose i et regneark som en stor bedrift med et avansert treasury-system. Det viktigste er å ha en rutine for å oppdatere den jevnlig.

Oppsummering

Leverandørbetaling liquidity forecast er et praktisk verktøy for å styre kontantstrømmen knyttet til betalinger til leverandører. Det gir bedrifter mulighet til å planlegge utbetalinger, unngå likviditetsproblemer og utnytte rabatter. For investorer gir kunnskap om selskapers likviditetsstyring en pekepinn på hvor godt de håndterer risiko og arbeidskapital.

Historisk sett har utviklingen gått fra manuelle regneark til automatiserte systemer med AI-støtte, noe som har gjort prognosene mer nøyaktige og tilgjengelige også for mindre aktører. Praktiske eksempler viser hvordan en enkel 4-ukers prognose kan avdekke underskudd og gi grunnlag for gode beslutninger.

Selv om det finnes ulemper som usikkerhet og ressursbehov, oppveier fordelene for de fleste bedrifter. Ved å unngå vanlige misforståelser og starte i det små, kan enhver virksomhet dra nytte av å ha kontroll på sine fremtidige leverandørbetalinger.