Data-analyse bij due diligence-processen geeft betere inzichten
Het toepassen van data analytics bij due diligence-processen kan veel voordeel opleveren. Het geeft een scherper beeld van overnamekandidaten, het beperkt risico’s, verhoogt de langetermijn-waardecreatie en verbetert de validatie van synergieën en de waardering van ondernemingen, stellen Dennis Doornbos en Harold van Kraaij van M&A-kantoor TIC Finance & Advisory Services.
Door het combineren van interne en externe data en gestructureerde en ongestructureerde data, kunnen we inzichten genereren die vroeger niet mogelijk waren. Analysetools en standaard beschikbare files uit het financiële pakket maken het mogelijk om inzicht te krijgen in inkopen, productie, voorraden, verkopen en mogelijke optimalisaties, of te komen tot een kwalitatief betere analyse van one-offs. Daarnaast is het mogelijk om financiële informatie te koppelen aan niet financiële informatie, waarmee business cases beter worden onderbouwd. Bij het uitvoeren van data-analyses is het van belang om heldere onderzoeksvragen te formuleren. Daarnaast is het gebruik van de juiste bestanden essentieel. De interactie met de klant en medewerkers van de target ter validatie van de resultaten complementeren de analyses.
Voordelen van data-analyses
De voordelen van data-analyses zijn, los van efficiency en snelheid, groot. Data-analyses geven kopers meer vertrouwen in hun due diligence-uitkomsten en de validatie van de initiële investering. De snelheid waarmee de hoeveelheid data geanalyseerd kan worden is enorm. Organisaties die ervoor kiezen om een traditionele, kwalitatieve analyse in combinatie met geavanceerde data-analyse te gebruiken zullen een voordeel hebben bij het maximaliseren van de transactiewaarde. Data-analyse levert eveneens input voor geprognosticeerde cash-flow, hetgeen tot een kwalitatief betere prognose leidt.
Voorbeelden
De analyses die kunnen worden verricht zijn in twee hoofdstromen te verdelen: financieel en niet-financieel. Bij financiële informatie komen veelal de bekende analyses naar voren op het niveau van product, geografie en/of businessunit en van deal-drivers zoals werkkapitaal en cashflow. Analyses van niet-financiële resultaten zijn: resultaten van locaties afzetten tegen lokale demografische gegevens en de aanwezigheid van concurrenten, of analyses hoe klanten op social media spreken over de producten en vanuit patenten databases ontdekken, welke nieuwe technieken een bedreiging kunnen vormen.
Een aantal andere voorbeelden zijn:
- Managementrapportages bieden – als gevolg van beperkte diepgang, gewijzigde presentatie of nieuwe boekhoudgrondslagen – onvoldoende inzicht in belangrijke trends (bijvoorbeeld sales per productgroep, kwaliteit van de voorraad of vaste activa, bezetting van de productielijnen) waardoor de onderliggende data gebruikt moet worden.
- Veel of gedetailleerde systeemdata gebruiken om bijvoorbeeld een set ‘carve out’ financials te maken of complexe financiële modellen periodiek te updaten met recente cijfers.
- Het bevestigen van belangrijke veronderstelde synergievoordelen door data van de overnamekandidaat en de overnemende partij te combineren.
Resultaten
De toepassing van (big) data-analyse zoals hierboven beschreven is voor bijna iedere transactie van toepassing. De kleinschaligheid van de deal hoeft daarbij geen verhindering te zijn om data-analyse toe te passen. De inzichten die dergelijke analyses opleveren helpen kopers bij het besluit wel of niet over te gaan tot de overname. Dit sluit dan ook perfect aan bij onze slogan “betere inzichten, betere beslissingen”.