A análise de dados pode ajudar os grupos de private equity (PEGs) a obter benefícios importantes durante a due diligence  — pode agilizar o processo de diligência, reduzir a fadiga dos negócios do vendedor e aumentar a criação de valor pós-fusão .

Com o fluxo de negócios novamente em alta e os recursos de pessoal escassos, o retorno do investimento em tecnologias analíticas é claro e presente. Através da coleta e análise de dados habilitadas pela tecnologia em todas as transações, os PEGs podem otimizar melhor os esforços humanos, acelerar o rendimento das transações e reduzir o risco do portfólio. Para demonstrar, vamos dar uma olhada nos quatro casos de uso de análise de dados a seguir:

1. Acelerar os esforços tradicionais de due diligence

Extrair dados oportunos e confiáveis ​​dos sistemas de contabilidade e ERP do seu alvo costuma ser um desafio. Os fundos que utilizam ferramentas e serviços de análise de dados, como interfaces de programação de aplicações (APIs), gastam muito menos tempo voltando ao alvo em busca de dados perdidos ou reformatando extratos de relatórios. Como resultado, é mais provável que identifiquem problemas de qualidade dos dados no início do processo, ou mesmo os evitem completamente.

Modelos de dados padronizados podem ser construídos para dar suporte a transações semelhantes, o que permite aos analistas eliminar a dispendiosa preparação e manipulação de dados de contabilidade geral, vendas, clientes, fornecedores, despesas e dados de estoque. Da mesma forma, as visualizações pré-construídas aceleram as análises de receitas, EBITDA e projeções de caixa, e suportam análises detalhadas de margens  por produto, cliente, geografia e dimensões semelhantes.

Com o nosso apoio, aplicar mesmo uma utilização modesta de ferramentas de gerenciamento de dados e business intelligence pode economizar várias horas para os PEGs em solicitações de informações e preparação de dados. Como estabelecemos parcerias com nossos clientes PEG ao longo do tempo, conseguimos adaptar ainda mais soluções específicas aos seus modelos de investimento, indústrias, plataformas e processos de tomada de decisão. Isso reduziu dias e até semanas do tedioso trabalho de limpeza, transformação e visualização de dados de destino.

Mesmo uma utilização modesta de ferramentas de gerenciamento de dados e de business intelligence pode economizar várias horas para os PEGs em solicitações de informações e preparação de dados.

Compreendendo as tendências de crescimento do comércio eletrônico em empresas de bens de consumo

Vimos um aumento na atividade de investimento em bens de consumo embalados (CPG) durante a pandemia da COVID-19. Os investidores acreditam que muitos produtos terão uma procura sustentada, mas precisam de compreender com precisão as tendências subjacentes que impulsionam a procura, especialmente em novos canais digitais e de comércio eletrônico.

Como o crescimento do comércio eletrônico muitas vezes não manteve a mesma margem líquida das vendas nas lojas, é importante compreender — rapidamente — como as mudanças no mix e no volume podem ou não apoiar as projeções futuras de receitas e lucros. Analisar grandes conjuntos de dados de vendas de clientes para identificar o impacto do crescimento influenciado pela pandemia no comércio eletrônico versus vendas canibalizadas nas lojas é uma análise crítica de CPG – um esforço feito atempadamente com tecnologias analíticas, e sem o qual seria assustador e proibitivo.

Permitindo um mergulho mais profundo nos KPIs operacionais na área da saúde

Parte da maior criação de valor no processo de diligência vem da capacidade de criar transparência e insights além das informações do razão geral, detalhando os resultados financeiros até os dados operacionais subjacentes. No entanto, esses dados também podem ser mais difíceis de obter, mais complexos e menos padronizados.

Normalmente, inúmeras aplicações de nicho suportam as operações em qualquer indústria ou setor, com níveis variados de maturidade em suas respectivas tabelas de dados. Muitas vezes, estes não estão bem integrados nos seus sistemas irmãos de contabilidade e de relato financeiro. Os sistemas de gerenciamento de consultórios médicos são um exemplo comum. Ao aplicar algumas das estratégias de modelagem e padronização de dados descritas acima, conseguimos fornecer consistentemente dados e insights de tendências de KPI operacionais e financeiros que não são possíveis usando análises tabulares tradicionais realizadas em planilhas.

Ao concentrar-se nos principais indicadores de desempenho (KPIs) relacionados a dados de pacientes novos e ativos, produção por visita e taxas de coleta, e depois detalhar os dados subjacentes do sistema de prática médica, um investidor pode identificar rapidamente oportunidades e riscos específicos do local que muitas vezes pode influenciar a estrutura, os preços e os termos do negócio.

Análise de custos de estoque em transações baseadas em ativos

A capacidade de acelerar a preparação, modelagem e visualização de dados de custos de estoque também pode impactar diretamente a estruturação de um negócio baseado em ativos. Se não forem descobertos antecipadamente, os problemas de avaliação de estoque podem resultar em retornos distorcidos e problemas de liquidez imprevistos logo após o fechamento da transação. Geralmente, são necessários vários conjuntos de dados complexos para gerar insights sobre custos de estoque – insights que são extremamente difíceis e demorados de serem descobertos usando planilhas.

Geralmente, são necessários vários conjuntos de dados complexos para gerar insights sobre custos de estoque – insights que são extremamente difíceis e demorados de serem descobertos usando planilhas.

2. Desafie as suposições

Para gerir o custo e a duração de um processo de diligência relativamente ao valor e ao risco da transação, os investidores baseiam-se frequentemente em informações que foram consideradas credíveis ou precisas por várias partes internas e externas à empresa-alvo. Mas os PEG podem ignorar ameaças importantes quando assumem a qualidade dos dados ou não examinam adequadamente as informações.

As tecnologias analíticas podem ser utilizadas de forma forense, permitindo ao PEG “confiar, mas verificar” demonstrações financeiras e projeções previamente revisadas e até mesmo auditadas. Usando técnicas comuns de descoberta, filtragem e validação de dados, ajudamos nossos clientes PEG a testar novamente as finanças e projeções em relação a métricas de fundos, benchmarks e suposições estabelecidas para identificar rapidamente anormalidades e riscos potenciais. Tais esforços podem revelar ajustes significativos, incluindo o reconhecimento de receitas e a normalização dos ajustes de EBITDA, que a equipa de diligência do PEG – ou mesmo auditores terceiros – poderia não identificar de outra forma.

3. Aumente os recursos avançados de análise para aproveitar o valor e a previsão não realizados

Os exemplos acima ilustram principalmente análises descritivas, que respondem a perguntas como: “O que aconteceu?” ou “Qual é o valor exato ou valor futuro projetado?” A análise diagnóstica vai além para descobrir as causas raízes – “Por que isso aconteceu?” — e a análise preditiva concentra-se no futuro: “O que vai acontecer?”

Esses tipos de insights exigem arquitetura de dados mais complicada  (por exemplo, junções complexas, transformações, correspondência de dados e cálculos) e geralmente empregam recursos analíticos avançados. Isso inclui análise estatística, modelagem de cenários hipotéticos e inteligência artificial, incluindo aprendizado de máquina. Esta profundidade de análise atualmente não é merecida para um investimento prototípico em fase inicial, mas esperamos que isso mude à medida que as tecnologias analíticas e as competências relacionadas no mercado de trabalho amadurecem. Como tal, é importante ter uma visão e um plano sobre como você continuará a desenvolver e amadurecer suas capacidades.

Tomando o exemplo anterior do CPG, o próximo nível de análise vai além da identificação do que está a acontecer com a procura do consumidor para avaliar a razão pela qual isso está a acontecer e o que acontecerá se as mesmas tendências continuarem. Em primeiro lugar, porque é que as margens do comércio eletrônico são mais baixas e o que pode ser feito para aumentá-las?

Ao apresentar o volume de vendas e as tendências de preços por categoria, juntamente com investimentos em marketing, gastos comerciais e promocionais, bem como dados de custos da cadeia de suprimentos, os analistas podem identificar e avaliar rapidamente potenciais riscos e oportunidades de lucratividade a longo prazo nas previsões de vendas dos canais de lojas físicas e de comércio eletrônico. .

O nível e a complexidade da análise nesse tipo de inteligência de margem  são extremamente difíceis, senão impossíveis, de serem realizados com planilhas e esforços manuais de integração e transformação de dados. No entanto, modelos de dados sofisticados em análises de alto impacto e complexidade ajudam nossos clientes a ver a história crítica contada pelos dados. Frequentemente, esse é o insight necessário para sinalizar problemas de desempenho que surgirão logo após o fechamento; em outros casos, os insights podem apontar oportunidades para alcançar alfa.

Modelos de dados sofisticados em análises de alto impacto e complexidade ajudam nossos clientes a ver a história crítica contada pelos dados.

4. Aproveite os ativos de dados da fase de diligência para melhorar os resultados da integração

Qualquer aquisição é perturbadora para os negócios, mas quanto mais rápido você definir e alinhar a liderança da empresa do portfólio com o estado-alvo desejado e a execução de um plano para chegar lá, mais rápido você poderá impulsionar o crescimento lucrativo.

Em nossa experiência, uma abordagem de integração baseada em dados permite uma otimização mais precisa e oportuna das atividades de negócios, maior responsabilidade e alinhamento em torno da tomada de decisões, maiores taxas de adoção de mudanças e menor rotatividade. A digitalização e a automação também reduzem os riscos pós-fechamento associados a processos não documentados e à perda de conhecimento institucional significativo.

Vamos revisitar o caso de uso da prática médica acima. Os dados de vazamento de pacientes avaliados durante a fase de diligência podem servir como base para um plano de 100 dias para melhorar a economia da prática do profissional. Ao investir ainda mais nos dados, recursos e capacidades necessários para transformar isto numa análise de sensibilidade robusta, o adquirente pode definir rapidamente metas de taxa de retenção pós-aquisição, preços, previsões de procura e planeamento de receitas. Manter a continuidade dos dados e das análises, desde a diligência até a integração, prepara o terreno para o monitoramento em tempo real dos KPIs e impulsionadores de retorno do investimento mais críticos, e ajuda a identificar proativamente a necessidade de ações corretivas antecipadas.

Não espere — aproveite os benefícios da análise de dados durante a diligência

Quer você dependa de um recurso interno ou de um parceiro estratégico, o volume de transações atual, a guerra feroz por talentos e a crescente acessibilidade de ferramentas de tecnologia relativamente baixa constituem argumentos cada vez mais irrefutáveis ​​para que os PEGs implementem análises. Embora seja necessário algum investimento inicial, programas de análise bem-sucedidos podem ser construídos de forma iterativa e ágil, permitindo que os PEGs inovem e, ao mesmo tempo, mantendo baixos os custos indiretos.Autores – Sean McBride e  Jon Tanis.. saiba mais em Plante Moran 13/06/2022