V YSOKÁ ŠKOLA EKONOMICKÁ V P RAZE Fakulta financí a účetnictví
katedra manažerského účetnictví
DIPLOMOVÁ PRÁCE
2022 Bc. Anastasia Isaeva
V YSOKÁ ŠKOLA EKONOMICKÁ V P RAZE Fakulta financí a účetnictví
katedra manažerského účetnictví
studijní obor: Účetnictví a finanční řízení podniku
Využití nástrojů Business Intelligence pro podporu manažerského účetnictví ve vybraném
podniku
Autor diplomové práce: Bc. Anastasia Isaeva
Vedoucí diplomové práce: doc. Ing. Libuše Šoljaková, Ph.D.
Rok obhajoby: 2022
Čestné prohlášení
Prohlašuji, že jsem diplomovou práci na téma „Využití nástrojů Business Intelligence pro podporu manažerského účetnictví ve vybraném podniku“ vypracovala samostatně a veškerou použitou literaturu a další prameny jsem řádně označila a uvedla v přiloženém seznamu.
V Praze dne 10.01.2022
...
Bc. Anastasia Isaeva
Poděkování
Ráda bych poděkovala doc. Ing. Libuši Šoljakové, Ph.D. za cenné rady, vstřícnost a odborné vedení při zpracování této diplomové práce.
Rovněž bych chtěla poděkovat svému blízkému okolí za jejich podporu během celého studia a vedení společnosti HYDROengineering s.r.o. za poskytnutí dat a informací použitých pro zpracování praktické části této práce.
Abstrakt
Tato diplomová práce je zaměřena na návrh systému plánování a strategického řízení ve vybraném malém podniku a tvorbu návazného reportingu prostřednictvím nástroje Business Intelligence. V teoretické části jsou shrnuty základní teoretické poznatky z oblastí manažerských informačních systémů a manažerského účetnictví se zaměřením na plány, rozpočty a systém měření a řízení výkonnosti podniku Balanced Scorecard. V praktické části jsou pro vybraný podnik definovány strategické cíle a měřítka Balanced Scorecard, zároveň je navržen systém podnikových rozpočtů. Takto vzniklé výstupy jsou následně implementovány v prostředí aplikace Power BI.
Klíčová slova
Business Intelligence, manažerské informační systémy, Power BI, Balanced Scorecard, plán, rozpočet
Abstract
This thesis focuses on the design of a planning and strategic management system in a selected small enterprise and the creation of follow-up reporting through the Business Intelligence tool. The theoretical part summarizes the basic theoretical knowledge in the areas of management information systems and management accounting with a focus on plans, budgets and the Balanced Scorecard system for measuring and managing business performance. In the practical part, the strategic objectives and Balanced Scorecard measures are defined for a selected enterprise, and a system of enterprise budgets is proposed. The resulting outputs are subsequently implemented in the Power BI software.
Key words
Business Intelligence, management information systems, Power BI, Balanced Scorecard, plan, budget
Obsah
Úvod ... 8
Teoretická část ... 10
1 Manažerské informační systémy ... 10
1.1 Historický vývoj manažerských informačních systémů ... 10
1.2 Vývojové tendence v oblasti manažerských informačních systémů a Business Intelligence ... 13
1.2.1 Analýza velkých dat – Big Data ... 13
1.2.2 Umělá inteligence (AI) ... 13
1.2.3 Cloudová řešení ... 14
1.2.4 Self-service Business Intelligence ... 14
2 Business Intelligence ... 16
2.1 Hlavní komponenty, typy aplikací a vrstvy v Business Intelligence ... 17
2.1.1 Vrstva pro extrakci, transformaci, čištění a nahrávání dat ... 17
2.1.2 Vrstva pro ukládání dat ... 18
2.1.3 Vrstva pro analýzy dat ... 20
2.1.4 Prezentační vrstva ... 22
2.1.5 Vrstva oborové znalosti ... 23
2.2 Představení vybraných nástrojů Business Intelligence ... 24
2.2.1 Power BI ... 25
2.2.2 Tableau ... 27
2.2.3 Microsoft Excel ... 29
3 Vybraná odvětví manažerského účetnictví ... 31
3.1 Systém plánů a rozpočtů ... 31
3.1.1 Cíle a funkce systému plánů a rozpočtů ... 31
3.1.2 Časové dimenze systému ... 33
3.1.3 Proces sestavování rozpočtu ... 34
3.1.4 Formy rozpočtů ... 37
3.1.5 Kontrola plnění rozpočtů ... 39
3.2 Koncepce Balanced Scorecard pro měření a řízení výkonnosti podniku ... 41
3.2.1 Finanční perspektiva ... 42
3.2.2 Zákaznická perspektiva ... 44
3.2.3 Perspektiva interních procesů ... 45
3.2.4 Perspektiva učení se a růstu ... 46
3.2.5 Proces implementace Balanced Scorecard ... 47
Praktická část ... 49
4 Představení společnosti ... 50
4.1 Základní informace o společnosti ... 50
4.2 SWOT analýza ... 51
4.2.1 Silné stránky... 52
4.2.2 Slabé stránky ... 53
4.2.3 Příležitosti ... 54
4.2.4 Hrozby... 54
4.3 Poslání a vize ... 55
5 Návrh Balanced Scorecard ... 56
5.1 Strategické cíle dílčích perspektiv ... 56
5.1.1 Finanční perspektiva ... 56
5.1.2 Zákaznická perspektiva ... 57
5.1.3 Perspektiva interních procesů ... 58
5.1.4 Perspektiva učení se a růstu ... 58
5.2 Strategická mapa ... 59
5.3 Návrh měřítek ... 60
5.3.1 Finanční perspektiva ... 60
5.3.2 Zákaznická perspektiva ... 62
5.3.3 Perspektiva interních procesů ... 63
5.3.4 Perspektiva učení se a růstu ... 65
6 Návrh hlavního podnikového rozpočtu ... 68
6.1 Návrh rozpočtové výsledovky ... 68
6.1.1 Rozpočet výnosů z prodeje ... 68
6.1.2 Rozpočet nákladů ... 70
6.2 Návrh rozpočtu peněžních toků ... 73
6.2.1 Rozpočet peněžních toků investiční činnosti ... 73
6.3 Návrh rozpočtové rozvahy ... 74
7 Implementace v Power BI ... 75
7.1 Implementace BSC ... 75
7.1.1 Finanční perspektiva ... 77
7.1.2 Zákaznická perspektiva ... 80
7.1.3 Interní perspektiva ... 83
7.1.4 Učení se a růst ... 83
7.2 Implementace rozpočtů ... 84
7.2.1 Odchylky tržeb ... 85
7.2.2 Odchylky nákladů ... 86
Závěr ... 88
Seznam použité literatury a pramenů ... 90
Seznam obrázků a tabulek ... 93
8
Úvod
Během posledních dekád prošla tržní ekonomika výraznými změnami. Vlivem globalizačních procesů a s rozvojem informačních technologií se zvýšily nároky na informace, které potřebují řídící pracovníci pro efektivní rozhodování. Tyto informace by měly být k dispozici v reálném čase, v odpovídající kvalitě, měly by být objektivní, přesné a dynamické. Právě poskytování informací v souladu s výše uvedenými požadavky je jednou z problematik, kterou se zabývá oblast Business Intelligence.
Většina velkých firem a korporací si již uvědomuje cennost podnikových dat a vnímá je jako aktivum, které dokáže vytvořit konkurenční výhodu a přinášet ekonomický prospěch. Tato data se používají nejen k operativnímu a taktickému rozhodování, ale i ke strategickému řízení podniku. Nicméně, pokud se bavíme o oblasti malých a středních firem, řada odborníků upozorňuje na problém nedostatečného, ne-li chybějícího strategického řízení v podnicích. Vedení těchto firem se spíše soustředí na hodnocení minulého vývoje a operativní procesy a činnosti než na implementaci podnikové strategie a plánování budoucího vývoje. Výše uvedená skutečnost platí i pro tuto diplomovou práci ve vybraném malém podniku.
Cílem této práce je tedy navrhnout systém plánování a systém strategického řízení na bázi konceptu Balanced Scorecard v konkrétním podniku a následně vzniklé rozpočty a měřítka implementovat prostřednictvím nástroje Business Intelligence.
Výsledný postup implementace by mohl sloužit jako vodítko nebo inspirace pro ty malé a střední firmy, které zvažují zavedení vlastního řešení. Největší přínos by však tato práce mohla mít pro vybraný podnik, a to vzhledem k tomu, že jsem ochotna výstupní datové modely pro sledování důležitých metrik a odchylek předat vedení společnosti.
Diplomová práce je rozdělena na část teoretickou a praktickou. V teoretické části jsou shrnuty základní teoretické poznatky z oblastí manažerských informačních systémů a manažerského účetnictví. V praktické části jsou poznatky z teoretické části aplikovány na příkladu konkrétní společnosti.
První kapitola teoretické části představuje ucelený pohled na historický vývoj manažerských informačních systémů od počátku 50. let minulého století až po současnost. Mimo jiné poskytuje přehled moderních tendencí v daném odvětví. Druhá kapitola projednává jednak základní pojmy a principy fungování BI systémů, jednak
9
porovnává nejvíce používané programové nástroje BI mezi sebou z hlediska jejich možností, cenové dostupnosti a náročnosti na uživatelské znalosti. Třetí kapitola zahajuje oblast manažerského účetnictví a je věnována systému podnikových plánů a rozpočtů, a také nástroji strategického řízení a měření výkonnosti podniku Balanced Scorecard.
Praktickou část uvádí čtvrtá kapitola věnovaná představení společnosti. V rámci dané kapitoly je rovněž provedena SWOT analýza a formulace poslání a vize podniku.
Na základě těchto informací je v páté kapitole navržen systém měřítek Balanced Scorecard na období 2021–2023. Šestá kapitola je věnována návrhu hlavního podnikového rozpočtu na rok 2021. Nakonec poslední, sedmá kapitola, popisuje postup zpracování podnikových dat a implementace měřítek BSC a rozpočtů pro sledování odchylek v aplikaci Power BI.
10
Teoretická část
1 Manažerské informační systémy
Pojem informační systém prošel od okamžiku vzniku významnými změnami. V různých obdobích své existence informační systémy sloužily pro různé účely. V této kapitole budou popsány jak historické etapy vývoje manažerských informačních systému, tak i současné vývojové tendence v této oblasti.
1.1 Historický vývoj manažerských informačních systémů
V padesátých letech minulého století si lidé začali uvědomovat roli informací jako jednoho z nejdůležitějších zdrojů podniku, organizace, ale i společnosti jako celku. V souvislosti s tím se začaly vyvíjet automatizované informační systémy různých druhů. Systémy elektronického zpracování dat (EDP – Electronic Data Processing) nazývané také Transaction Processing Systems (TPS) byly v té době průkopnické. Byly to první rozsáhlé počítačové informační systémy, které centralizovaly a zpracovávaly každodenní transakce a činnosti s velkým množstvím podobných, opakujících se dat. Přechod od manuálního k elektronickému zpracování transakcí urychlil některé procesy ve firmách, zejména pokud se jednalo o vedení záznamů v papírové podobě. Hlavním důvodem, proč se počítače v této vývojové etapě uplatnily nejprve v transakčních procesech, Marie Pospíšilová (et al., 2008, s. 64) vidí v tom, že řada těchto procesů byla snadno algoritmizovatelná. Manažeři, naopak, musí myslet multidimenzionálně a pro přijetí rozhodnutí potřebují rychlé, stručné a snadno interpretovatelné informace, přičemž tyto informace jsou součástí aktivit, které jsou obtížně algoritmizovatelné.
Netrvalo dlouho a přibližně v 60. letech se poprvé začalo hovořit o manažerských informačních systémech (MIS). MIS původně vznikly jako systémy pro sběr a zpracování dat a vyvinuly se v složitější a inteligentnější systémy. Jedná se o počítačové systémy, které shromažďují data z více podnikových systémů, analyzují dostupné informace a generují zprávy, které slouží pro podporu manažerského rozhodování. Do těchto aplikací vstupují data z integrovaných procesů marketingu, prodeje, nákupu, výroby, distribuce a finančně-ekonomického řízení. Ze shromážděných dat se následně dají získat výstupy v podobě např. nákladových
11
trendů, analýzy prodeje, stavu zásob a měření výkonnosti. Na základě takto získaných zpráv manažeři mohli zhodnotit, které oblasti podnikání mají nedostatečný výkon a podle toho učinit rozhodnutí.
V 70. letech se manažerské systémy rozšiřovaly o systémy pro podporu analytických a rozhodovacích procesů, z ang. Decision Support System – DSS. Systém pro podporu rozhodování poskytoval historické i ad hoc zprávy, které se týkaly jak interního, tak externího prostředí podniku a poskytovaly více variant řešení, a to zejména na dotazy typu „co se stane, když“ dojde ke změně zadaného parametru (Pospíšilová, et al., 2008, s. 65). DSS umožňují posoudit různé dopady možných rozhodnutí, pracují s informacemi z více zdrojů a díky modelování a simulaci podstatně rozšiřují informační podporu pro rozhodování. Tento pokrok pozvedl proces rozhodování na novou úroveň. Vedení mohlo přesněji předpovídat tržby, provádět analýzu rizik a činit smělejší strategická rozhodnutí.
Současně s tím začala éra osobních počítačů na pracovišti. Počítače byly připojeny k hlavnímu serveru, takže informace byly přístupné zaměstnancům v celé společnosti. To vedlo k výraznému zvýšení produktivity. S tím přišla potřeba odborných znalostí pro správu těchto počítačových sítí.
Další vývojovou etapou jsou expertní systémy, z ang. Expert Systems (ES), které se vytvořily postupným vytvářením znalostních databází. Jedná se o počítačové systémy napodobující rozhodovací schopnost člověka neboli experta v dané problematice. Expertní systémy nabízejí rozhodnutí za podmínky, že jsou v systému obsaženy příslušné závislosti a algoritmy výpočtů, přičemž díky postupnému vkládání nových znalostí, se tyto systémy dále rozvíjely. K rozvoji přispívá mimo jiné i rozvoj neuronových sítí s využitím teorie pravděpodobnosti, který umožňuje předpovědět důsledky rozhodnutí dokonce i v případech, kdy nejsou k dispozici všechny informace (Pospíšilová, et al., 2008, s. 65). Oblasti, kde jsou expertní systémy běžně využívány, jsou například bankovnictví (zejména při poskytování úvěrů), kriminalistika a jiné.
Na přelomu 80. a 90. let se rozvijí technologie datových skladů (DWH) a datových tržišť (DMA) (Pospíšilová, et al., 2008, s. 65). Existuje snaha z dostupných historických dat pomocí sofistikovaných metod matematické statistiky a modelování získat nové, dosud neznámé informace. Tento proces je definován jako Data Mining (DM).
12
Vzhledem k tomu, že počítače přesunuly moc do rukou vedoucích pracovníků, mohli si zakoupit software šité na míru a odpovídající požadavkům jednotlivých oddělení, např. účetní software, software pro podporu projektového řízení a HR systémy. Výsledkem bylo to, že uvnitř podniku bylo více dílčích systémů a všechny fungovaly nezávisle na sobě.
To vedlo ke vzniku informačních systémů pro podporu rozhodování vrcholového vedení podniku, z ang. Executive Information Systém (EIS), de facto se jednalo o dokonalejší verzi DSS systémů. EIS pracují s velkými objemy dat generovaných transakčními procesy uvnitř podniku a transformují je do logických struktur pro řídící a rozhodovací procesy. Vedoucím pracovníkům to umožnilo analyzovat výstup jejich oddělení a hodnotit jeho dopad na celkový výkon firmy.
Existence ve firmě zároveň několika informačních systémů, které nebyly navzájem propojené, mělo za následek ztrátu času zaměstnanců duplikováním informací napříč systémy. Informační systém se v tomto ohledu musel stát efektivnějším.
Toho se dosáhlo vytvořením systémů Enterprise Resource Management (ERP) neboli systémů pro plánování a řízení podnikových zdrojů, které integrovaly systémy pro správu všech podstatných podnikových zdrojů a zároveň expertní systémy.
Na konci 90. let dochází k vývoji produktů Business Intelligence (BI). Termín Business Intelligence poprvé v roce 1989 zmínil analytik společnosti Gartner Group Howard J. Dresner a uvedl, že se jedná o „sadu konceptů a metod určených pro zkvalitnění rozhodnutí firmy“. Autoři publikace Business Intelligence (Novotný, et al., 2005, s. 18-19) definují BI následovně: „Business Intelligence je sada procesů, aplikací a technologií, jejichž cílem je účinně a účelně podporovat rozhodovací procesy ve firmě. Podporují analytické a plánovací činnosti podniků a organizací a jsou postaveny na principech multidimenzionálních pohledů na podniková data“.
Na začátku nového století se Business Intelligence stal běžně používaným pojmem. V tu dobu existovaly dvě základní funkce BI: vytváření reportů a jejich vizualizace. Nyní, jak je patrné z definice, je pojem Business Intelligence mnohem komplexnější a proto bude této problematice věnována samostatná kapitola.
13
1.2 Vývojové tendence v oblasti manažerských informačních systémů a Business Intelligence
1.2.1 Analýza velkých dat – Big Data
Mezinárodní technologická společnost IBM v elektronickém článku na svých webových stránkách (Morperez, 2020) odhaduje, že se denně celosvětově generuje přibližně 2,5 kvintilionu bajtů digitálních dat. Pro data, jejichž rozsah je natolik velký, že je obtížné je zpracovávat tradičními databázovými nástroji či aplikacemi se používá pojem Velká data neboli Big data. Big data vznikají v důsledku náročných vědeckých výpočtů a také v důsledku enormního nárůstu digitálního obsahu. Dnes považujeme procházení webových stránek, komunikaci na sociálních sítích, nákupy v online obchodech atd. za součást běžného života, ale málo kdo uvažuje nad tím, že každý den při těchto běžných činnostech zanecháváme digitální stopu a vytváříme velké množství dat. Tato data, pokud jsou správně selektována a vhodným způsobem transformována do srozumitelné podoby, může řada podniků využít pro svůj ekonomický prospěch. Big data doplňují tradiční zdroje dat a umožňují podnikům získat informace například o segmentech zákazníků, jejich nákupních preferencích nebo spotřebním chování. Manažerské informační systémy se nejen musí vypořádat s přílivem dat, ale také je analyzovat. Získané informace lze použít k zefektivnění operací, zlepšení služeb zákazníkům a vytváření personalizovaných marketingových kampaní.
1.2.2 Umělá inteligence (AI)
Umělá inteligence se nyní vyskytuje téměř v každém sektoru ekonomiky. Virtuální asistenty, samořídící vozidla, chatboty pro usnadnění komunikace se zákazníky – to všechno je zásluhou umělé inteligence. Jedná se o takové systémy nebo stroje, které napodobují lidskou inteligenci za účelem efektivního provádění úkolů a mohou se postupně zdokonalovat na základě již dostupných informací.
Pokud se bavíme o oblasti Business Intelligence, jedná se o technologie, které se používají k pokročilé analýze velkého množství dat v reálném čase. Výsledky analýz jsou díky této technologií k dispozici okamžitě, během několika milisekund, přičemž vstupní data mohou mít jak strukturovanou (databázové tabulky, zdrojové kódy), tak i nestrukturovanou (prostý text, obrázky, videa, zvuk) podobu. S pomocí umělé
14
inteligence můžeme hledat komplexní řešení strategických problémů, objevovat skryté závislosti v procesech a jevech nebo vytvářet predikce vývoje na základě aktuálních a historických dat. BI řešení s použitím umělé inteligence tak může podniku přinést značnou konkurenční výhodu.
1.2.3 Cloudová řešení
Cloudové technologie se dostávají do popředí, jelikož s rozvojem elektronického obchodování a sociálních médií vznikl požadavek na zpracování a prohlížení dat v reálném čase a nezávisle na lokaci.
Cloudové technologie jsou založeny na principu, kdy uživatel za poplatek získává síťový úložný prostor a počítačové zdroje jiného počítače. Cloud tak umožňuje přístup k potřebným informacím v podstatě kdykoli a odkudkoli, jedinou podmínkou je připojení k internetu. Dané řešení je obzvlášť dobré zejména pro menší podniky, které si nemůžou dovolit stejné množství hardware a úložného prostoru jako větší společnosti. Cloudová platforma tak může společnost osvobodit od velkých počátečních investic do IT a průběžných nákladů na údržbu IT infrastruktury. Navíc data v cloudu jsou dobře chráněna před hackerskými útoky a nečekanými výpadky, ke kterým by mohlo dojít v případě používání lokálních serverů. I přesto, že se jedná o poměrně bezpečnou technologii, existuje zde určité bezpečnostní riziko, jelikož umožňujeme přístup k podnikovým datům třetí straně. V první řadě je tak nutné se zaměřit na výběr spolehlivého a ověřeného dodavatele cloudových služeb. Dále je důležité předem identifikovat citlivé informace a pokud možno se vyhnout jejich sdílení prostřednictvím cloudu.
Konkrétně v oblasti BI se cloudový přístup začal rozšiřovat v posledních deseti letech. Dle výzkumné studie společnosti BARC (Bange & Eckerson, 2016, s. 4-5) počet firem používajících cloudové řešení BI výrazně roste. Dotazované společnosti jako hlavní důvody provozování BI v cloudu uvádí zejména flexibilitu, nižší náklady, rychlost implementace a nízké nároky na údržbu hardwaru/softwaru.
1.2.4 Self-service Business Intelligence
Autoři článku Self-Service Business Intelligence (Alpar & Schulz, 2016, s. 151) zmiňují, že systémy BI prošly v posledních letech dvěma zásadními změnami. První změnou je to, že v důsledku enormního nárůstu digitálního obsahu došlo k tomu, že se
15
v podnicích začaly objevovat nová data, která se liší od tradičních provozních dat z hlediska jejich struktury, objemu a rychlosti oběhu. Druhá změna spočívala v tom, že rozsah úloh BI se rozšířil vedle strategické i na operativní úroveň řízení, což mělo za následek zvýšení počtu uživatelů BI a zvýšení poptávky po BI reportingu. Na trhu se tak začal pociťovat nedostatek BI specialistů, kdežto běžní uživatelé BI často museli činit podnikatelská rozhodnutí na základě neúplných informací. V návaznosti na tyto změny byl navržen koncept Self-Service BI (SSBI), jehož hlavní myšlenkou je co největší soběstačnost uživatelů při zpracování podnikových dat. SSBI umožňuje běžným uživatelům vytvářet vlastní analýzy a získávat užitečné informace z velkého množství dat, aniž by se do toho musel zapojit BI specialista. Samoobslužné nástroje BI obsahují intuitivní uživatelská rozhraní, která usnadňují práci s daty pro uživatele bez znalostí z oboru IT.
Největším přínosem tohoto konceptu je finanční a časová úspora, která plyne převážně ze snížení závislosti jednotlivých oddělení na oddělení IT. Nezbytným faktorem je však patřičné zaškolení personálu pro práci s SSBI a existence autority zodpovědné za správnost dat a podnikové reporty. Je důležité podotknout, že správnost dat nevylučuje možnost jejich chybné nebo rozdílné interpretace v případě, kdy se data zpracovávají různými uživateli, což považuji za nevýhodu daného konceptu.
16
2 Business Intelligence
Podnikatelské prostředí se v současné době vyznačuje tím, že je vysoce konkurenční, je zapotřebí umět včasně reagovat na podněty trhu, využívat jeho příležitosti a zároveň minimalizovat rizika, kterým je organizace vystavována.
Manažeři firem jsou tak nuceni činit zodpovědná rozhodnutí v krátkém časovém horizontu a musí pro to mít dostatek relevantních a objektivních informací. Mezi základní požadavky na tyto informace patří jejich okamžitá dostupnost, snadná interpretace, minimální technická náročnost pro konečného uživatele a možnost se pružně přizpůsobovat měnícímu se internímu a externímu prostředí společnosti.
Níže si dovolím shrnout požadavky na počítačové výstupy pro vrcholové řídící pracovníky tak, jak jsou definovány v mnou použité literatuře (Pospíšilová, et al., 2008, s. 73):
• mohou být modifikovány podle aktuálních požadavků větší/menší míry podobnosti či agregace;
• umožňují kombinovat náhled na data podle zvolených dimenzí;
• vzájemně kombinují zobrazované prvky;
• provádějí výpočty finančních a jiných ukazatelů (metrik);
• relativně rychle reagují na změny v dotazech;
• pracují s aktualizovanými údaji z interních a externích zdrojů;
• výstupy poskytují s využitím uživatelsky příjemné vizualizace, a to prostřednictvím grafů, tabulek, map.
Business Intelligence obsahuje aplikace a technologie pro shromažďování, skladování, analýzu podnikových i mimopodnikových dat, jež pokrývají všechny výše uvedené požadavky řídících pracovníků.
Nehledě na to, že problematika architektury BI spadá spíše do oblasti IT, považuji za nezbytné alespoň ve stručnosti popsat základní charakteristiky, komponenty a možnosti řešení BI, jelikož podle mého názoru se jedná o podstatné informace, které pomůžou pochopit fungování jednotlivých procesů a usnadní následnou implementaci vlastního řešení v praktické části.
17
2.1 Hlavní komponenty, typy aplikací a vrstvy v Business Intelligence
V první řadě je třeba zmínit fakt, že architektura BI řešení a uspořádání jednotlivých komponent se může výrazně lišit v závislosti na potřebách konkrétních podniků. Neexistuje tedy žádné univerzální BI řešení, které by vyhovovalo a odpovídalo požadavkům naprosté většiny zákazníků. Každé BI řešení je tvořeno na míru a ovlivňuje ho i řada dalších faktorů jako například finanční situace podniku, technická vybavenost, organizační struktura a jiné. Nicméně dle Novotného (et al., 2005, s. 26) se za dobu vývoje dané oblasti ustálila obecná koncepce architektury BI řešení (obrázek 1) a můžeme ji rozdělit do několika základních vrstev.
Obrázek 1. Obecná koncepce architektury BI
Zdroj: Novotný, Pour a Slánský (2005, s. 27)
2.1.1 Vrstva pro extrakci, transformaci, čištění a nahrávání dat
Jelikož je naším cílem z výstupů BI řešení získat co největší přidanou hodnotu, úplně na začátku je třeba zajistit kvalitní datové vstupy. O tuto záležitost by se měly
18
postarat ETL a EAI systémy, které tvoří vrstvu pro extrakci, transformaci, čištění a nahrávání dat.
ETL je zkratkou od angl. Extraction, Transormation and Loading. Proces ETL je nedílnou součástí každého projektu zaměřeného na data a zpravidla je ze všech fází projektu časově nejnáročnější. V prvním kroku jsou data extrahována ze zdrojových systémů. Extrakce dat je zajištěna v dávkovém režimu, tedy data jsou přenášena v určitých časových intervalech. Z toho důvodu se v českém prostředí běžně používá termín datová pumpa.
V dalším kroku jsou data upravena do požadované formy a vyčištěna. Vercellis (2009, s. 53) uvádí, že cílem fáze čištění a transformace je zlepšení kvality dat extrahovaných z různých zdrojů prostřednictvím opravy nesrovnalostí, nepřesností a chybějících hodnot. Mezi hlavní nedostatky, které jsou odstraněny běhěm této fáze, řadí:
• duplikaci dat;
• chybějící data;
• existenci nepřípustných hodnot.
Nakonec se takto očištěna data načtou do tabulek datového skladu, aby byla k dispozici analytikům a aplikacím pro podporu rozhodování.
Nástroje EAI (angl. Enterprise Application Integration) poskytují prostředky pro přesun dat ze zdrojových systémů do datového skladu. Zahrnují integraci primárních podnikových systémů a slouží také pro sdílení určitých vybraných funkcí napříč systémy (Turban, et al., 2010, s. 47). Na rozdíl od nástrojů ETL pracují v reálném čase, doplňují tak dávkový přenos a umožňují vznik nové generace datových skladů, tzv.
Real-Time Data Warehouse (Novotný, et al., 2005, s. 29).
2.1.2 Vrstva pro ukládání dat
Vrstva pro ukládání dat zajišťuje procesy ukládání, aktualizace a správy dat pro řešení BI. Patří sem datové sklady, datová tržiště, operativní datová uložiště a dočasná úložiště dat. Jak napovídají názvy těchto databázových komponent, liší se hlavně tím, za jakým účelem jsou tam data ukládána a jakým způsobem budou následně využita.
Zakladatel Data Warehousingu Bill Inmon definuje datový sklad – DWH (Data Warehouse) jako integrovaný, subjektově orientovaný, stálý a časově rozlišený
19
souhrn dat, uspořádaný pro podporu potřeb managementu (Novotný, et al., 2005, s.
32).
• Integrovaný – jsou zde ukládána data z celého podniku.
• Subjektově orientovaný – data jsou rozdělována podle jejich typu (např. data o zákazníkovi jsou zde uložena pouze jednou, kdežto v produkčních systémech bývají uložena do různých souborů podle toho, pro kterou aplikaci mají být použita).
• Stálý – data jsou zde uložena po celou dobu existence datového skladu a nelze je ručně upravovat nebo mazat.
• Časově rozlišený – pro potřeby analýzy za různá časová období záznamy zde uložené obsahují informaci o dimenzi času.
Zjednodušeně řečeno, datový sklad je úložiště současných a historických dat vytvořených pro podporu rozhodování, tedy dat, které by potenciálně mohly zajímat manažery v celé organizaci. Data jsou obvykle strukturována tak, aby byla dostupná ve formě umožňující provádět analytické operace.
Datová tržiště – DMA (Data Mart) fungují na podobném principu jako datové sklady, avšak jsou uřčena pro omezený okruh uživatelů (oddělení, divize, pobočka, závod). Proto lze datové tržiště považovat za funkční datový sklad menší velikosti a konkrétnějšího typu než celkový datový sklad společnosti (Novotný, et al., 2005, s.
33).
Dočasné úložiště dat – DSA (Data Staging Areas) slouží k prvotnímu ukládání netransformovaných dat ze zdrojových systémů. Přenášejí se pouze aktuální data, která ještě nebyla zpracována, a po jejich zpracování se tato data z dočasného úložiště odstraní. Data jsou ukládána ve stejné struktuře, v jaké jsou uložena ve zdrojových systémech. Nejedná se o povinnou komponentu řešení BI, ale v některých případech může usnadnit průběh transferu dat ze zdrojových systémů s minimálním dopadem na jejich výkonnost (Novotný, et al., 2005, s. 30).
Operativní úložiště dat – ODS (Operational Data Store) může sloužit buď jako jednotné místo, kde se agregují data z primárních systémů, což umožňuje koncovému uživateli rychlý přístup k aktuálním číselníkům z databáze (zákaznický, produktový), nebo jako soubor dat z již existujícího datového skladu obsahující pouze aktuální záznamy vybraného množství dat. Typickým příkladem využití operativního úložiště
20
dat je podpora interaktivní komunikace se zákazníkem (např. podpora pracovníků call- center, kdy ODS dodává aktuální data o zákazníkovi, jeho profilu, použitých produktech apod.) (Novotný, et al., 2005, s. 30).
2.1.3 Vrstva pro analýzy dat
Nad již uloženými daty můžeme provádět nejrůznější analytické operace. Pro tyto účely nám můžou sloužit nástroje pro reporting, systémy On-Line Analytical Processing (OLAP) a nástroje pro dolování dat.
Aplikace BI jsou založeny na principu multidimenzionality, která umožňuje jednoduše vytvářet pohledy na data, rychle a pružně měnit jednotlivé dimenze, řadit je do nových souvislostí, vyhledávat zákonitosti vývoje, trendy, identifikovat odchylky klíčových ukazatelů od žádoucích hodnot, pracovat s historickými daty a predikovat budoucí vývoj (Pospíšilová, et al., 2008, s. 77). Vizualizací principu multidimenzionality je model datové krychle, mezi odborníky však nejčastěji uslyšíme termín OLAP kostka. OLAP kostka je tvořena několikadimenzionálními tabulkami umožňujícími velmi rychle a pružně měnit jednotlivé dimenze a nabízet tak uživateli různé pohledy na modelovanou ekonomickou realitu (Novotný, et al., 2005, s. 21-22).
Obrázek 2. Multidimenzionální kostka
Zdroj: Novotný, Pour a Slánský (2005, s. 22)
21
Na obrázku 2 je zobrazena kostka, kde jednotlivé rozměry představují dimenze, malé kostičky představují data s hodnotami konkrétní metriky odpovídající daným dimenzím. Základní dvě dimenze představují ukazatele (ekonomické proměnné) a čas.
Další dimenze se dají definovat dle potřeb koncového uživatele (např. zboží, zákazník, dodavatel, lokace), v daném případě se jedná o organizační jednotky.
OLAP databáze jsou tvořeny jednou či několika souvisejícími OLAP kostkami a většinou, na rozdíl od datových skladů, již zahrnují předzpracované agregace dat podle definovaných hierarchických struktur dimenzí. Dimenze totiž můžou být víceúrovňové a nejlépe se to dá ukázat na dimenzi času. Agregace dat zde může být na úrovni dekád, roků, pololetí, kvartálů, měsíců a tak dále.
Výstižnou alternativní definici OLAP systémů v roce 1995 navrhnul Nigel Pendse, je vyjádřená krátkou větou „OLAP is FASMI“. Zkratka FASMI znamená Fast Analysis of Shared Multidimensional Information. Jednotlivé body této definice jsou popsány v kapitole Nástroje pro analýzu dat (Pospíšilová, et al., 2008, s. 76) a daly by se interpretovat následujícím způsobem:
• Fast (rychlá) – doba odezvy na dotazy uživatelů by měla být co nejkratší a nezávislá na množství zpracovávaných dat. Manažeři totiž ke své práci potřebují systém, který nebrzdí jejich analytické rozbory a dokáže podporovat jejich analytický myšlenkový pochod.
• Analysis (analýza) – musí existovat spojení s obchodními daty a dostatečná flexibilita, musí tedy umožňovat výpočet dalších než jen předem definovaných ukazatelů, nezávisle kombinovat různé dimenze.
• Shared (sdílená) – všichni uživatelé musí mít přístup ke stejným datům z pohledu jejich konzistence, ale zároveň může být umožněn ve vazbě na bezpečnost různým uživatelům přístup k různým oblastem dat.
• Multidimensional (multidimenzionální) – systém pro podporu řízení musí umožňovat analýzu dat z více pohledů (přes více dimenzí), včetně možnosti používat vícenásobné hierarchie. Právě tato vlastnost dává OLAP systémům jedinečnost a potřebnou analytickou sílu.
• Information (informace) – primárním problémem není objem dat, ale kvalita informace. Uživatelé potřebují kvalitní, relevantní a správné informace.
22
Dále považuji za nezbytné uvést několik základních operací, které může uživatel v OLAP systémech aplikovat:
• Drill-down/drill-up – možnost se pohybovat do vyšších nebo nižších hierarchických úrovní dané dimenze (např. město – okres – kraj).
• Pivoting – možnost otáčení datové krychle (např. záměna sloupců a řádků).
• Slicing – možnost provádět řezy datovou kostkou, tedy nalézt takovou podmnožinu dat, kde jedna dimenze je zafixována v podobě určité instance.
• Dicing – možnost provádět řezy datovou kostkou pro více dimenzí.
• Hiding – možnost potlačení určité metriky, pokud se výrazně odchyluje od ostatních.
Reportingem se zde rozumí činnosti spojené s dotazováním se do databází, a to buď cestou spuštění předpřipravených dotazů v určitých časových intervalech, nebo jednorázově formulovaným specifickým dotazem vytvořeným uživatelem (Novotný, et al., 2005, s. 34).
Dolování dat (Data Mining) lze dle (Novotného, et al., 2005, s. 35) charakterizovat jako „proces extrakce relevantních, předem neznámých nebo nedefinovaných informací z velmi rozsáhlých databází. Dolování dat slouží manažerům k objevování nových skutečností, čímž pomáhají zaměřit jejich pozornost na podstatné faktory podnikání, umožňují testovat hypotézy, odhalují ve stále se zrychlujícím a složitějším obchodním prostředí skryté korelace mezi ekonomickými proměnnými apod.“
2.1.4 Prezentační vrstva
Aplikace, které tvoří prezentační vrstvu, zajišťují informační toky mezi koncovým uživatelem a ostatními komponenty BI, přičemž oběma směry. Z jedné strany sbírají od koncových uživatelů požadavky na analytické operace, ze strany druhé prezentují koncovému uživateli výstupy požadovaných analýz. Nejčastějšími formami prezentace jsou tabulky, grafy, mapy nebo interaktivní dashboardy (na obrázku 3 je příklad dashboadu vytvořeného v programu Tableau). Vizualizace vznikla proto, že grafická podoba dat je pro člověka intuitivní, více přijatelná, rychleji se chápe a lépe se pamatuje. Vizualizační metody používají řídící pracovníci, kteří se potřebují rychle a kvalitně rozhodovat (Pospíšilová, et al., 2008, s. 84).
23
Obrázek 3. Náhled dashboardu v programu Tableau
Zdroj: webová stránka. Online: https://anthonysmoak.com/2018/07/23/tableau-sales- dashboard-performance/
2.1.5 Vrstva oborové znalosti
Oborová znalost (know-how) je nezbytnou součástí každého řešení BI, neboť definuje a formuje podobu celkového řešení, zatímco všechny doposud zmíněné komponenty jsou pouze nástroji k jeho vytvoření. Na oborovou znalost pohlížíme jako na kombinaci znalostí dvou oblastí: znalost fungování prostředí (je dodána zaměstnanci firmy, ve které se řešení implementuje) a znalost možností technologií BI (je většinou zodpovědností dodavatelské firmy).
24
2.2 Představení vybraných nástrojů Business Intelligence
V této podkapitole budou představeny nástroje Business Intelligence, které se běžně používají v praxi. Můj výběr byl částečně založen na tržním výzkumu agentury Gartner (Richardson, et al., 2021), která každoročně sestavuje tzv. magické kvadranty čili seznamy nejlepších ICT firem z celého světa. Magické kvadranty dělí mezi sebou konkurující firmy do čtyř kategorií (Richardson, et al., 2021):
• Vyzyvatelé – velmi schopní hráči, kteří představují vážnou hrozbu pro společnosti z kvadrantu lídrů. Mají silné postavení na trhu, dobré produkty a dostatek zdrojů pro zajištění dalšího růstu.
• Specializovaní hráči – jsou často zaměřeni na konkrétní tržní segmenty nebo problémy. Do tohoto kvadrantu mohou patřit také společnosti, které přizpůsobují své stávající produkty pro vstup na cílový trh, nebo které mají potíže s vývojem a realizací své vize.
• Lídři – firmy s významným podílem na trhu, které již získaly důvěru zákazníků a vlastní všechny marketingové a obchodní dovednosti nezbytné k prosazení nových technologií. Tyto společnosti prokazují jasné porozumění potřebám trhu, jsou inovátory a mají dobře formulované plány, které mohou potenciální zákazníci použít při navrhování vlastních infrastruktur a strategií.
• Vizionáři – vysoce inovativní firmy, které řeší provozně nebo finančně významné problémy koncových uživatelů, ale dosud neprokázali schopnost získat významnější podíl na trhu.
25 Obrázek 4. Magický kvadrant
Zdroj: Richardson, et al., 2021. Online: https://www.gartner.com/doc/reprints?id=1- 24ZXJ0MU&ct=210107&st=sb
Svoji pozornost jsem se rozhodla zaměřit hlavně na programy od společností, které mají nejvyšší postavení v kvadrantu lídrů (obrázek 4). Jedná se o společnosti Microsoft, které dodávají programy Power BI a MS Excel, a americkou společnost Tableau. Dalším důvodem pro výběr zrovna těchto softwarových řešení byla jejich relativní uživatelská nenáročnost a možnost vyzkoušení programů zdarma, byť s určitými omezeními. V následujících podkapitolách budou popsány hlavní charakteristiky jednotlivých řešení.
2.2.1 Power BI
Microsoft Power BI je výkonnou platformou pro analýzu dat a jejich vizualizaci.
Umožňuje analyzovat velké množství dat z různých zdrojů, převádět čísla do přehledných sestav a sledovat změny obchodních ukazatelů online pomocí
26
dynamických řídících panelů (dashboadů). Aplikace Power BI byla poprvé zpřístupněna široké veřejnosti relativně nedávno, a to v roce 2015.
Obrázek 5. Power BI Desktop
Zdroj: Microsoft. Online: https://docs.microsoft.com/cs-cz/power- bi/fundamentals/desktop-what-is-desktop
Soubor produktů Power BI zahrnuje aplikaci Power BI Desktop pro vytváření datových modelů a navrhování reportů, Online službu Power BI pro publikování reportů na webu a mobilní aplikaci Power BI pro prohlížení sestav na mobilních zařízeních a tabletech s Windows, iOS a Android.
Významnou výhodou Power BI je to, že se jedná o produkt společnosti Microsoft, což znamená, že se řídí filozofií, principy a architekturou podobnou ostatním produktům tohoto IT giganta. Rozhraní programu bude uživatelům systému Windows dobře známé. Mimo jiné je Power BI úzce propojen s jinými klíčovými produkty společnosti, jako je MS Excel, Azure Cloud Service a SQL Server. Obecně řečeno, Power BI byl vytvořen s cílem rozšířit funkce aplikace MS Excel, posunout ji na vyšší úroveň a využít ji pro úlohy, které byly dříve mimo její dosah.
Klíčové charakteristiky
• Podpora více způsobů importu dat – streamovaná data, cloudové služby, sešity aplikace Excel a aplikace třetích stran.
• Interaktivní dashboardy se změnami dat v reálném čase.
27
• Jednoduché rozhraní API pro integraci Power BI do vlastních aplikací.
• Sestavy a dashboardy lze sdílet několika různými způsoby.
Cena
Microsoft Power BI je považován za kvalitní nástroj Business Intelligence a mnoho lidí láká jeho poměrně nízká cena. Existují dvě možnosti: bezplatná verze služby s omezenými funkcemi a firemní licence Power BI Pro či Power BI Premium s celou řadou funkcí. Ceny jednotlivých licencí v roce 2021 jsou uvedeny v tabulce 1.
Tabulka 1. Ceny licencí Power BI
Zdroj: Microsoft. Online: https://powerbi.microsoft.com/en-us/pricing/
2.2.2 Tableau
Další významnou platformou je Tableau. Jedná se o (Tableau Software, Inc.) americkou společnost, která vyvíjí stejnojmenný software pro interaktivní vizualizaci dat a Business Intelligence. Společnost byla založena v lednu 2003, a v roce 2019 ji koupila společnost Salesforce za 15,7 miliard dolarů. Zakladatelé společnosti, Christian Chabot, Pat Hanrahan a Chris Stolte, byli výzkumníky na katedře informatiky na Stanfordské univerzitě a specializovali se hlavně na vizualizační techniky pro analýzu relačních databází a datových kostek. Cílem platformy Tableau jako vizualizátora dat je pomoci uživatelům porozumět jejich datům co nejúčinnějším způsobem.
Dnes je Tableau jedním z lídrů mezi platformami BI. Program je zaměřen na tvorbu interaktivních řídicích panelů (dashboardů), které uživateli umožňují sledovat
28
dynamiku, trendy a datovou strukturu pomocí jednoduchých vizualizačních nástrojů.
Do skupiny produktů Tableau patří aplikace Tableau Desktop pro tvorbu, analýzu a prezentaci dat, Tableau Server (v případě, že firma používá vlastní IT zdroje) nebo Tableau Online (v případě, že firma používá cloudové řešení) pro správu přístupů k výsledkům analýz a aktualizaci dat a Tableau Prep pro správu a vzájemné propojení různých datových zdrojů.
Obrázek 6. Tableau Desktop
Zdroj: Tableau. Online: https://www.tableau.com/products Klíčové charakteristiky
• Rozsáhlé možnosti sdílení sestav a dashboardů.
• Podpora více než 30 typů dat a kombinování dat z různých zdrojů.
• Integrace s jazykem R.
• Aktivní komunita uživatelů vytvářejících výuková videa, blogy a fóry.
Cena
Cenotvorba produktů Tableau není tak přehledná, jako je tomu v případě platformy Power BI. Z hlediska nároků na práci s daty Tableau dělí uživatele na tři skupiny: Creator, Explorer a Viewer. Licence Tableau Viewer a Tableau Explorer zahrnují pouze produkt Tableau Server/Online, ale liší se oprávněním uživatelů
29
(podrobněji v tabulce 2). Licence Tableau Creator zahrnuje produkty Tableau Desktop, Tableau Prep a Tableau Server/Online.
Tabulka 2. Ceny licencí Tableau
Zdroj: Tableau. Online: https://www.tableau.com/pricing/teams-orgs
2.2.3 Microsoft Excel
Microsoft Excel je tabulkový procesor, který je součástí kancelářského balíku Microsoft Office. MS Excel není považován za nástroj Business Intelligence, nicméně obsahuje řadu funkcí a doplňků, které umožňují shromažďovat, analyzovat a vizualizovat data. Mezi tyto doplňky patří především technologie Power Pivot pro vytváření datových modelů, relací a výpočtů a Power Query pro připojení k externím datovým zdrojům nebo import dat a jejich následnou transformaci a vizualizaci.
Hlavním důvodem, proč někteří datoví analytici nepovažují Excel za dostatečně dobrý nástroj BI, je jeho omezení při práci s velkými objemy dat. Nicméně je faktem, že ne vždy je nutné pracovat s velkými objemy dat a v tomto směru je MS Excel často využíván pro předběžnou kontrolu vzorků dat nebo podmnožiny velkého souboru dat.
Klíčové charakteristiky
• Intuitivní uživatelské rozhraní.
• Možnost připojení k jiným databázím, zejména k SQL serverům.
• Široká škála doplňkových nástrojů, které dokážou rozšířit možnosti Excel.
• Možnost vizualizace analýz pomocí klasických a pokročilých grafů.
30
• Aktivní online komunita, kde se dá nalézt metody řešení konkrétních problémů v aplikaci Excel.
Cena
Vzhledem k tomu, že MS Excel je – stejně jako ostatní aplikace z balíčku Microsoft Office – součástí základního kancelářského vybavení, společnosti nevzniknou dodatečné náklady spojené s používáním tohoto software pro účely Business Intelligence. Pro úplnost však uvádím ceny balíčků Microsoft Office platné v roce 2021 v tabulce 3.
Tabulka 3. Ceny licencí Microsoft Office
Zdroj: Microsoft. Online: https://www.microsoft.com/en-us/microsoft- 365/business/compare-all-microsoft-365-business-products
31
3 Vybraná odvětví manažerského účetnictví
V dané kapitole budou popsány teoretické aspekty manažerského účetnictví se zaměřením na oblasti, které jsou relevantní z hlediska jejich následné implementace prostřednictvím nástrojů Business Intelligence ve mnou vybraném podniku.
3.1 Systém plánů a rozpočtů
Plánování je základním kamenem efektivního řízení a vyžaduje, aby manažeři byli schopni s přiměřenou přesností předpovědět klíčové hodnotové veličiny ovlivňující celkový výkon společnosti. Takové předpovědi poskytují manažerům základ pro efektivní řešení problémů, kontrolu a alokaci zdrojů. Vzhledem k nedostatku zdrojů musí organizace alokovat svoje finanční prostředky a pracovní sílu tak, aby to bylo v souladu s jejími strategickými cíli. Nejlepším způsobem, jak toho dosáhnout, je sestavení finančního plánu na bázi strategického plánu společnosti.
Ve snaze blíže specifikovat pojmy „plán“ a „rozpočet“ jsem objevila zajímavou skutečnost, kterou zmiňuje Bohumil Král v učebnici Manažerské účetnictví (et al., 2012, s. 269). Autor uvádí, že rozdíly ve vymezení těchto pojmů jsou zřejmé nejen v české literatuře, ale i v anglosaských a německy mluvících zemích: „V anglosaské oblasti se pojem „plánování“ (Planning) často chápe jako obecný proces formulování cílů a cest jejich dosahování, výstupem tohoto procesu je „plán“ (Plan) primárně vyjadřující věcně (naturálně) stanovené cíle, resp. prostředky jejich dosažení. Naopak proces formulování hodnotově vyjádřených cílů se obecně označuje jako rozpočtování (Budgeting) a výstupy tohoto procesu jako rozpočty (Budgets). V tomto směru je naše tradiční zvyklostní terminologické vymezení bližší německé oblasti, kde se pojem
„plán“ (der Plan) častěji uplatňuje jako souhrnné označení pro systém stanovení cílových veličin za podnik jako celek; tradičně pro dlouhodobě sledované cíle. V souvislosti se stanovením hodnotově vyjádřených úkolů vnitropodnikovým útvarům a pro dílčí podnikové činnosti se však již více používá pojem „rozpočet“ (der Anschlag, der Voranschlag).“
3.1.1 Cíle a funkce systému plánů a rozpočtů
Cíl plánování a rozpočtování dle Krále (et al., 2012, s. 271) nesmíme pojmout jako pouhé stanovení kritérií, která musí být splněna za každých podmínek.
V opačném případě by mohlo dojít k nežádoucím situacím, například k zakrytí rezerv
32
při stanovování směrných veličin vedoucími pracovníky tak, aby se eliminovalo nebezpečí, že by plán, resp. rozpočet nebyl splněn. Další možnou komplikací je snaha splnit daný úkol přesně na 100 %. Tato snaha vychází z obavy ze zpřísnění kritérií v následujících obdobích, pokud dojde k jejich významnému překročení. Hlavním cílem systému plánů a rozpočtů tedy není stanovení úkolů, ale zefektivnění rozhodovacího procesu prostřednictvím omezení neurčitosti.
Sestavení podnikového rozpočtu by mělo vycházet ze strategických cílových dominant stanovených pro podnik jako celek. Předcházet by měla také analýza vývoje ekonomického okolí společnosti s cílem identifikovat možné budoucí hrozby a omezení a přijmout opatření k zamezení těchto vlivů. Pro sestavení rozpočtu jsou také důležité informace o očekávaném vývoji poptávky na trhu, o cenách vstupů, nákladové náročnosti činnosti podniku a obchodně platebních podmínkách hlavních partnerů.
Patřičná příprava by měla proběhnout i uvnitř podniku, jelikož je nutné zkoordinovat veškeré činnosti podniku (např. marketing, logistika, výroba, distribuce a prodej) do jednoho celku a zajistit podmínky pro jejich ekonomicky racionální průběh. Jednou z nejobtížnějších úloh fungování rozpočtu je sladění záměrů a očekávání jednotlivých středisek na všech úrovních vnitropodnikového řízení (Fibírová, et al., 2007, s. 349).
Dle Fibírové (et al., 2007, s. 350) je základním úkolem rozpočtu v peněžním vyjádření kvantifikovat pro stanovené období a stanovený objem výkonů podniku popřípadě jeho středisek předpokládaný vývoj hodnotových veličin (nákladů, výnosů a zisku, příjmů a výdajů, aktiv a závazků). Takto kvantifikované hodnotové veličiny mohou plnit řadu úloh a funkcí. Mezi hlavní funkce krátkodobých podnikových rozpočtů můžeme řadit zejména tyto (Fibírová, et al., 2007, s. 352):
• plánovací funkce – stanovují cíle ve vývoji hodnotových veličin v daném období v návaznosti na strategické cíle;
• koordinační funkce – koordinují činnost středisek uvnitř podniku v návaznosti na vymezení jejich pravomoci a odpovědnosti, organizační a ekonomickou strukturu podniku;
• motivační funkce – motivují řídící pracovníky středisek k dosažení dílčích úkolů v souladu s cíli podniku jako celku;
• kontrolní funkce – jsou nástrojem kontroly skutečného vývoje hodnotových veličin v porovnání s jejich výší stanovenou rozpočtem;
33
• funkce měření výkonnosti – umožňují měřit výsledek činnosti středisek.
Je dobré se také zmínit o tom, že vzhledem k různorodosti úloh se některé z nich mohou dostat do vzájemných konfliktů. Příkladem takového konfliktu je zejména plánovací funkce na straně jedné a motivační funkce s měřením výkonnosti na straně druhé. Pokud by kritéria v sestaveném rozpočtu byla příliš přísná a naplnění těchto kritérií by bylo málo pravděpodobné, působil by takový rozpočet spíše demotivačně a docházelo by ke snížení efektivnosti, popřípadě ke snahám o zkreslování výsledků.
Z toho důvodu je komunikace při sestavování rozpočtu obzvlášť důležitá. Cestou ke zmírňování výše uvedeného rozporu je především zajištění spoluúčasti řídících pracovníků při stanovení úkolů střediska a důraz na jejich informovanost, transparentnost používaných nástrojů a metod řízení a v neposlední řadě používání motivačních odměn v souvislosti s pozitivními odchylkami (úsporami nákladů).
3.1.2 Časové dimenze systému
Finanční plány a rozpočty se sestavují na různá časová období. Dlouhodobé plány a rozpočty s perspektivou na období delší než 1 rok zohledňují ty nejdůležitější změny v podnikatelském procesu, například zásadní změny v nabídce finálních výkonů, změny struktury zákazníků nebo změny způsobu tvorby výkonu včetně jejich technologického a personálního zajištění (Fibírová, et al., 2007, s. 353). Krátkodobé plány a rozpočty vychází z dlouhodobých plánů a rozpočtů prostřednictvím jejich podrobného rozpracování a konkretizace, a tím pádem zajišťují jejich naplnění v budoucnu.
Délku časového horizontu dlouhodobých plánů a rozpočtů nelze jednoznačně stanovit. Může se však odvíjet od takových faktorů jako je životnost produktu, délka podnikatelského cyklu, životnost hmotných i nehmotných fixních aktiv a stabilita tržního prostředí v daném segmentu (Král, et al., 2012, s. 274).
Jak uvádí Fibírová (et al., 2019, s. 314), předpokladem účinného fungování systému plánů a rozpočtů je v prvé řadě propojení strategického, taktického a operativního řízení. Na nejdelší časové rozmezí (mluvíme o období tří, pěti až deseti let) jsou obvykle připravovány strategické plány, které se sestavují v agregovaných hodnotách pro klíčové oblasti podnikových aktivit, jednotlivé trhy a produkty.
Strategický plán definuje cíle pro dané období a věcně konkretizuje objemy prodeje výkonů, k čemuž využívá alternativní scénáře vývoje budoucího tržního prostředí.
34
Jeho dalším výstupem by měl být předpokládaný vývoj hlavních vrcholových hodnotových ukazatelů – zejména zisku z prodeje v členění dle hlavních teritorií prodeje a skupin produktů, dále rentability vloženého kapitálu a mnohdy i čistého peněžního příjmu.
Taktické plány se sestavují pro období jednoho roku až tří let a, jak je zřejmé z předchozího výkladu, vychází ze strategických plánů. Od strategických plánů se taktické plány liší stupněm podrobnosti a rozpracovanosti, zaměřují se především na co nejlepší využití existujících zdrojů a vytvořené kapacity. Jinými slovy směřují k optimalizaci objemu a struktury produktů a také ke včasné reakci na měnící se požadavky trhu a zákaznických segmentů (Fibírová, et al., 2019, s. 315).
Pro operativní řízení se sestavují krátkodobé plány a rozpočty zpravidla pro období do jednoho roku. Základem je stanovení úkolu ve velmi detailní úrovni výkonu a odpovědnosti, a to pro jednotlivé měsíce nebo pro čtyř-pětitýdenní intervaly.
Zdrojem informací jsou převážně detailní převdopědi toho, co se stane, a to s ohledem na aktuální vývoj (Fibírová, et al., 2019, s. 315).
Dalším významným instrumentem pro efektivní fungování celého systému řízení a přizpůsobení se neustále měnícím se podmínkám trhu je dle Fibírové (et al., 2019, s.
316) klouzavé plánování. Systém klouzavých plánů a rozpočtů, tzv. rolling plans and budgets je založen na tom, že se v průběhu roku postupně aktualizuje předpokládaný vývoj na další období, a to v návaznosti na skutečný vývoj podmínek činnosti podniku.
V praxi to probíhá tak, že se stanoví konkrétní období, zpravidla tři měsíce, a stále se plánuje na požadované úrovni detailu tři měsíce dopředu. Například během prvního čtvrtletí se upřesňují rozpočty pro druhé čtvrtletí, během druhého čtvrtletí rozpočty pro třetí čtvrtletí a tak dále. Tento postup zaručuje větší vypovídací schopnost rozpočtů ve srovnání s rozpočty sestavenými jedenkrát ročně.
3.1.3 Proces sestavování rozpočtu
Sestavení kvalitního podnikového rozpočtu předpokládá určitou předběžnou přípravu. Nedílnou součástí této přípravy je zavedení metodických postupů sestavení rozpočtů, které popisují nejen samotný průběh tvorby rozpočtů, ale i základní informační zdroje. Odpovědnost za tyto činnosti leží na konkrétních pracovnících oddělení controllingu, přičemž poslední spolupracují při přípravě rozpočtů s řídícími pracovníky středisek. Kromě zpracování postupů a metod sestavení rozpočtů zajišťují
35
pracovníci controllingového oddělení také poradenskou a administrativní činnost, poskytují účetní informace o minulém vývoji, zodpovídají za včasné připravení rozpočtů a sestavují časový harmonogram činností. Současně se na úrovni vrcholového řízení podniku vytváří tým pro sestavení rozpočtů, jehož členy jsou vrcholoví výkonní pracovníci zastupující hlavní oblasti činnosti podniku (finanční řízení, marketing, řízení výroby, logistiku, prodej apod.). Výše zmíněný tým zpravidla zvolí jednoho konkrétního pracovníka, nejčastěji vedoucího controllingového útvaru, aby koordinoval sestavení rozpočtů jednotlivých středisek se sestavením hlavního podnikového rozpočtu (tzv. Master Budget) (Fibírová, et al., 2019, s. 322).
Základní etapy sestavení rozpočtové výsledovky.
Výsledek hospodaření se podle Krále (et al., 2012, s. 280) tradičně považuje za základní rozpočtové kritérium. Z toho důvodu je rozpočtová výsledovka výchozím bodem pro sestavení krátkodobých podnikových rozpočtů. Nejvýznamnější část rozpočtové výsledovky tvoří rozpočet zisku/ztráty z hlavní výdělečné činnosti. Jeho základ tvoří rozpočet výnosů, odvozený z plánu prodeje, a na něj navazující tři typy rozpočtů nákladů: rozpočet jednicových nákladů, rozpočet přímých nákladů konkrétního druhu výkonu a rozpočet režijních nákladů.
Níže budou popsány etapy sestavení rozpočtové výsledovky tak, jak je definuje Fibírová (et al., 2019, s. 323) v publikaci Manažerské účetnictví – nástroje a metody:
Konkrétní vymezení rozpočtové politiky podniku a základních směrů vývoje jeho činnosti – prvořadým úkolem při sestavení rozpočtové výsledovky je vymezení rozpočtové politiky podniku, základních směrů vývoje jeho činnosti a faktorů, které omezují jeho činnost. Rozpočtová politika v běžném období je dle Fibírové (et al., 2019, s. 324) ovlivněna převážně plánovanými změnami marketingového mixu, záměry na rozšíření nebo omezení konkrétních výkonů a základními směry rozvoje činnosti podniku, například plánovanými technickými a technologickými změnami. Vrcholoví řídící pracovníci by měli být s podnikovými cíli a politiky dobře obeznámeni, a to z důvodu následného zohlednění těchto dlouhodobých záměrů v dílčích rozpočtech středisek. Dále je nezbytné určit rozhodující faktory, které omezují výkonnost podniku. Ve většině podniků se jedná o poptávku na trhu, případně o výrobní kapacitu.
36
Příprava rozpočtu výnosů z prodeje – tržní poptávka determinuje objem a strukturu jak prodaných, tak vytvořených výkonů. Dalším krokem sestavení rozpočtové výsledovky je tak sestavení rozpočtu výnosů z prodeje, který považujeme za nejdůležitější rozpočet vzhledem k tomu, že pokud nebude sestaven správně, budou nesprávně sestaveny i ostatní rozpočty (Fibírová, et al., 2019, s. 324). „Rozpočet výnosů z prodeje vychází z plánu prodeje konkrétních výkonů a jejich předem stanovených prodejních cen, přičemž výnosy z prodeje jsou členěny dle skupin, druhů a jakosti výkonů, dle teritoria jejich prodeje, distribučních kanálů a dle skupin zákazníků. Celkový roční rozpočet výnosů z prodeje je podrobně rozpracován do měsíčních rozpočtů“ (Fibírová, et al., 2019, s. 325).
Stanovení základní struktury rozpočtu nákladů – dále se stanoví základní struktura nákladů v rozpočtové výsledovce. Struktura nákladů je velmi důležitá pro rozhodovací úlohy managementu. Obecně řečeno, management v zakázkové výrobě a v sériové výrobě má rozdílné informační potřeby. Proto by měl management volit takovou strukturu nákladů, která bude vyhovovat konkrétní rozhodovací úloze a konkrétní podobě procesu tvorby výkonů. Níže je uveden ilustrační příklad členění nákladů v rozpočtové výsledovce:
→ Variabilní náklady prodaných výkonů
→ Jednicový materiál
→ Jednicové mzdy
→ Variabilní režie
→ Fixní náklady výrobku
→ Fixní náklady skupiny výrobku
→ Fixní náklady střediska
→ Fixní náklady podniku
První (výchozí) etapa přípravy rozpočtů středisek – poté následuje příprava rozpočtů středisek vrcholovými řídícími pracovníky. Šiška (et al., 2008, s. 141) hovoří o dvou krajních přístupech, jakými může být organizována tvorba hlavního podnikového rozpočtu:
• První přístup směřuje „shora-dolů“ (tzv. „top-down“). Jeho podstatou je to, že vrcholový management podniku konkretizuje hlavní kroky k dosažení podnikových cílů, kvantifikuje je do podoby hrubého rozpočtu a stanoví
37
výnosové a nákladové úkoly pro podřízené útvary. Úloha těchto útvarů spočívá pouze v provedení méně významných úprav a zpodrobnění.
• Druhý přístup je nazýván „bottom-up“ neboli „zdola-nahoru“, a to v souvislosti s tím, že v první fázi každý podřízený útvar zpracuje vlastní rozpočet, který následně předloží vrchlovému managementu ke kontrole a schválení.
Vrcholový management z těchto dílčích rozpočtů vytvoří jeden vyvážený celek hlavního podnikového rozpočtu a to tak, aby korespondoval s hlavními podnikovými cíli.
Dle Fibírové (et al., 2019, s. 329) by však měla příprava rozpočtu středisek probíhat způsobem „bottom-up“, neboť vrcholoví řídící pracovníci mají větší motivaci k plnění rozpočtu, na kterém se sami podíleli. Způsobem „top-down“ by mělo probíhat pouze stanovování pravidel pro sestavení rozpočtů a jejich schválení.
Projednání návrhu rozpočtu střediska s hierarchicky vyšším stupněm řízení – jakmile mají vedoucí pracovníci na nejnižších úrovních řízení připravené svoje rozpočty, předávají je ke schválení hierarchicky vyšší úrovni řízení. Vyšší úroveň řízení zkompletuje obdržené rozpočty a předá takto agregovaný rozpočet další vyšší úrovni řízení. Tento postup stále pokračuje a končí na hierarchicky nejvyšší úrovni řízení podniku jako celku (Fibírová, et al., 2019, s. 329).
Koordinace a přepracování rozpočtu středisek, jejich přijetí – ve finální fázi přípravy rozpočtů středisek se ověřuje, zda jsou jednotlivé rozpočty v souladu s podmínkami a omezeními ostatních rozpočtů. Jakékoliv změny v rozpočtech se předkládají opětovně ke schválení a musí být akceptovány všemi zúčastněnými stranami.
Sestavení a schválení podnikového rozpočtu a finální schválení rozpočtů středisek – po etapě koordinace a vzájemné harmonizace rozpočtů středisek je sumarizací sestaven hlavní podnikový rozpočet (rozpočtová výsledovka, rozvaha a rozpočet peněžních toků) (Fibírová, et al., 2019, s. 331).
3.1.4 Formy rozpočtů
Vzhledem k různorodosti rozhodovacích úloh, které řeší vrcholový management prostřednictvím systému plánů a rozpočtů, je zřejmé, že je nelze uspokojit pouze jedinou formou informace. Z toho důvodu existuje řada modifikací rozpočtů, které
