Построение системы управления стоимостью компании сотовой связи: практические аспекты Текст научной статьи по специальности «Экономика и бизнес»

Диагностика развития

построение системы управления стоимостью компании сотовой связи: практические аспекты

О. А. ВЛАСОВА,

аспирант кафедры оценки и управления собственностью E-mail: olesyavlasova@mail.ru Финансовая академия при Правительстве Российской Федерации

Телекоммуникационная отрасль России находится на этапе жизненного цикла, сопряженном как с насыщением рынка услугой связи, так и с интенсификацией процессов консолидации, ужесточением конкурентной борьбы. Указанные явления выводят на новый уровень задачи по внедрению в систему управления компанией стоимостных механизмов. В работе рассматривается полный цикл построения системы управления стоимостью сотового оператора. С применением математического аппарата проанализирована зависимость стоимости компании связи от выявленных факторов стоимости. Сделан вывод о критической значимости клиентских, в том числе не идентифицируемых ранее, структурных факторов стоимости.

Ключевые слова:управление, стоимость, система, факторы, сотовый.

Эффективное управление стоимостью предприятия предполагает построение системы управления, которая позволяла бы отслеживать и контролировать факторы стоимости предприятия и принимать решения по корректировке или пересмотру ранее установленных показателей эффективности. При этом управление стоимостью компании связи сопряжено с идентификацией специфических отраслевых факторов стоимости, многие из которых не поддаются прямому воздействию.

В настоящий момент не существует ни универсальной системы управления стоимостью компании, ни аналогичной системы, адаптированной для компаний телекоммуникационного сектора. В этой

связи освещение некоторых практических аспектов построения системы стоимостного управления сотового оператора является актуальным.

Наиболее популярной и проработанной системой управления стоимостью предприятия является модель, предложенная Нортоном и Капланом [1], — это система сбалансированных показателей (BSC — Balanced Scorecard). Внедрение системы управления стоимостью на базе BSC предполагает разработку показателей эффективности для всех направлений и всех уровней организации компании.

Однако данная система ограничивается составлением бюджетов показателей (в том числе нефинансовых) по всем направлениям деятельности, но не предлагает конкретных механизмов управления выявленными факторами, к тому же не учитывает влияния внешних по отношению к бизнесу факторов.

Современные подходы к построению эффективной модели управления стоимостью предприятия базируются в той или иной степени на знаменитом изобретении консалтинговой компании McKinsey&Co — модели «пентагон» (рис. 1). Она предполагает поэтапное наращивание стоимости компании за счет:

1) внешней реструктуризации;

2) оптимизации внутренних процессов;

3) сделок по слияниям и поглощениям, а также разукрупнения бизнеса;

4) использования стратегических и оперативных возможностей;

5) устранения текущего разрыва восприятия между факти -ческой и текущей рыночной стоимостью.

Адаптированный вариант представленной циклической модели рассматривается в работе И. А. Егерева [3], где текущая стоимость бизнеса (рыночная и внутренняя) сравнивается с неким эталонным значением, на достижение которого и направлены мероприятия по управлению стоимостью.

В работах других отечественных авторов [4] рассмотрен вариативный подход к структуре цикла управления стоимостью предприятия. В частности, в указанной работе автор предлагает включить в цикл управления стоимостью такой элемент, как разработка альтернативных стратегий и выбор наиболее предпочтительной. Остальные же элементы цикла — определение текущей стоимости предприятия, анализ внешних и внутренних факторов, построение стоимостной модели — в целом совпадают с классическим подходом.

Наиболее приближена к целям оперативного управления стоимостью компании сотовой связи модель, предложенная В. А. Новосёловым [5]: «Механизм управления созданием стоимости можно представить в виде ряда действий по анализу фирмы с целью выявления факторов, «движущих стоимость», последующей разработкой и реализацией стратегии, имеющей наибольшее влияние на стоимость». Таким образом, автор делает акцент на факторный анализ и анализ чувствительности как наиболее эффективные механизмы управления стоимостью.

процесс построения системы управления стоимостью в общем виде включает в себя следующие этапы.

Текущая рыночная

Возможности слияния и разукрупнения

1. 2.

3.

4.

Выявление факторов стоимости компании. Построение модели финансового управления стоимостью компании.

Выбор показателя-индикатора стоимости компании (справедливая стоимость предприятия, стоимость собственного капитала, свободный денежный поток и др.).

Анализ чувствительности итогового показателя к факторам стоимости.

Выработка рекомендаций по оптимальному управлению стоимостью компании.

рис. 1. Цикл управления стоимостью компании: модель «Пентагон»

Рассмотрим практическую реализацию перечисленных этапов применительно к компании сотовой связи.

этап 1. выявление факторов стоимости компании.

Фактором стоимости (драйвером стоимости) называется любая переменная, изменение которой влечет за собой изменение стоимости компании. В литературе встречаются различные классификации факторов стоимости в зависимости от решаемых в исследовании задач. В частности, факторы стоимости можно разделить на:

• количественные и качественные;

• финансовые и нефинансовые;

• абсолютные и относительные;

• валовые и удельные. Применительно к компаниям сотовой связи

абсолютными финансовыми драйверами стоимости являются, например, выручка, EBITDA, чистая прибыль, величина капитальных вложений. К абсолютным нефинансовым (натуральным) драйверам относятся такие характеристики, как количество абонентов, количество новых подключений, голосовой трафик и трафик сетей передачи данных, число точек продаж (собственных офисов), численность персонала и др.

К относительным финансовым драйверам предлагается отнести три группы коэффициентов:

1) коэффициенты, отражающие отношение стоимости компании (цену акции) к абсолютным финансовым показателям. Например, EV/EBITDA, P/S;

2) коэффициенты, отражающие отношение стоимости компании (цену акции) к абсолютным нефинансовым показателям. Например, EV/абоненты.

Стоимость компании сотовой связи (EV)

3) коэффициенты, отражающие процентное соотношение абсолютных финансовых драйверов. В частности, стандартные показатели эффективности деятельности сотового оператора — EBITDA margin, OIBDA margin, CAPEX/Sales, ROIC;

4) коэффициенты, отражающие соотношение абсолютных финансовых и нефинансовых драйверов. Наиболее типичными для данной группы факторов являются так называемые удельные показатели, то есть показатели в расчете на одного абонента (либо одного нового абонента). Например, ОРЕХ/абоненты, САРЕХ/новые абоненты, маркетинговые расходы/новые абоненты и др.

Наиболее интересны с точки зрения учета отраслевой специфики нефинансовые драйверы стоимости. Помимо перечисленных выше к ним можно отнести, например, долю рынка по абонентам, географию присутствия, среднюю продолжительность разговора. При этом не все нефинансовые драйверы поддаются количественному учету. Так, к нефинансовым качественным факторам относятся качество абонентской базы, качество сети, качество услуг связи, уровень защиты информации. Некоторые авторы выделяют в отдельную группу имиджевые драйверы (image or goodwill drivers) стоимости ввиду их высокой значимости для отдельных секторов экономики. Для телекоммуникационного сектора имиджевые драйверы стоимости — восприятие бренда, лояльность абонентов, репутация оператора на рынке — также можно выделить в отдельную категорию нефинансовых драйверов.

Для моделирования деятельности компании сотовой связи всю совокупность факторов стоимости можно разделить на три фундаментальные группы:

• макроэкономические

факторы;

• отраслевые (рыночные)

факторы;

• внутренние факторы.

Под факторами макроуровня в широком смысле понимается вся совокупность факторов бизнес-среды, в которой функционирует компания: политические, экономические, инфраструктурные и др. В более узком смысле под макрофакторами подразумеваются параметры макроэкономического прогноза рынка конкретного государства.

Отраслевые факторы — это набор показателей, наиболее полно отражающих состояние отрасли, в которой ведет деятельность компания.

И, наконец, внутренние факторы представляют собой набор микроэкономических показателей деятельности, в число которых входят финансовые, операционные, технологические, операционные и другие параметры. Факторы микроуровня могут быть как универсальными, характерными для всех хозяйствующих субъектов данной отрасли, так и уникальными, характеризующими конкретную компанию.

Иерархия факторов стоимости компании сотовой связи, отражающая их функциональные зависимости, приведена на рис. 2. Представленное «дерево факторов стоимости» компании сотовой связи является также принципиальной схемой

1

Cвoбoдный денежный поток (FCF) Cpeднeвзвeшeннaя стоимость капитала (WACC) Чистый долг (net debt)

Операционная прибыль (EBIT)

Амортизация

Капитальные вложения

Изменение СОК

Выручка

Операционные расходы

Расходы Прочие

на привлечение операционные

абонентов (SAC) расходы

Количество абонентов оператора

Средний счет абонента (ARPU)

Количество абонентов на рынке Доля оператора Средняя продолжительность разговора (MOU) Средний тариф (APPM)

1 к t

1 | 1

Население Проникновение сотовой связи Обменный курс (exchange rate) Инфляция (CPI) Рост реального ВВП

рис. 2 «Дерево стоимости» оператора сотовой связи

будущей стоимостной модели. Прописанные взаимосвязи являются достаточными для определения стоимости сотового оператора.

этап 2. построение модели финансового управления стоимостью компании.

Деятельность оператора сотовой связи поддается моделированию с высокой степенью достоверности, что обусловлено независимостью от рынка сырья (предсказуемость расходов), стабильностью спроса на услуги сотовой связи (прогнозируем ость доходов), а также технологическими циклами развития отрасли (низкая вероятность быстрого внедрения нового технологического решения).

Стандартная модель деятельности мобильного оператора включает следующие блоки:

• макроэкономические параметры;

• характеристика рынка (рыночные драйверы);

• прогнозирование выручки:

— абонентская база;

— средний счет абонента (ARPU);

— средняя продолжительность разговора абонента (MOU);

• прогнозирование операционных расходов, в

том числе:

расходы на привлечение новых абонентов (SAC);

прочие расходы;

• прогнозный денежный поток (DCF):

— расчет WACC;

— расчет итоговой стоимости компании.

Макроэкономические параметры. В блоке «Макроэкономические параметры модели» ключевым показателем является численность населения. Значение и динамику данного показателя принимаем равными прогнозу Министерства экономического развития, предполагающему естественную убыль населения Российской Федерации на 1,9 % к 2017 г. по отношению к факту 2008 г. Отметим, что оценка динамики данного показателя для целей моделирования деятельности российских операторов не является критичной ввиду незначительных колебаний.

Численность населения РФ является стабильной, что соответствует демографической модели развитых стран. В отличие, например, от развивающихся стран, где прогнозирование ежегодного прироста населения является неотъемлемой частью моделирования телекоммуникационных рынков. Так, в Индии естественный прирост населения в первом полугодии 2009 г. составил 18 млн чел. (+1,5 % к уровню предыдущего года), в Китае — 9 млн чел. (+0,7 %) (источник: CIA — World Factbook, http://www. cia. gov).

Следующим макроэкономическим параметром модели является валовой внутренний доход (ВВП), точнее — темп роста ВВП в годовом выражении. ВВП наряду с индексом потребительской активности (СР1), а также с темпом роста реального дохода ^1) служат базой для прогнозирования динамики потребления услуг связи. А темп роста ВВП — также для прогнозирования расходных статей денежного потока, ряд из которых (заработная плата, аренда каналов) подлежат индексации на базе инфляционных ожиданий. Все три показателя также прогнозируются Министерством экономического развития.

Традиционно важным макроэкономическим параметром является валютный фактор. Исторически финансовые показатели деятельности российских операторов мобильной связи публиковались в долларах США. С 2009 г. в дополнение к этой отчетности операторы представляют отчетность в российской валюте и других национальных валютах. Курс доллара США (средний и на конец периода) традиционно приводится по данным Центрального банка РФ, прогнозные данные — в соответствии с прогнозом Министерства экономического развития.

Отметим, что деятельность операторов сотовой связи, как правило, ориентирована на внутренний (национальный) рынок. Это означает, что генерация доходов происходит в национальной валюте путем выставления абоненту счета, основные расходные статьи — взаиморасчеты между операторами (20—30 % расходов оператора), заработная плата и социальные платежи (15—20 % расходов), расходы на маркетинг и рекламу (около 15 %) — также номинированы в национальной валюте. Исключение составляют расходы на обслуживание долга (в случае валютных заимствований), а также расходы на закупку оборудования и нематериальных активов у иностранных партнеров-поставщиков.

В целом же зависимость российских мобильных операторов от курсов иностранных валют ограничена. Таким образом, валютный фактор можно считать некритичным при моделировании деятельности компании сотовой связи. Это справедливо в равной степени для всех мировых мобильных операторов, работающих на внутреннем рынке одной страны или имеющих незначительное представительство на зарубежных рынках (как, например, МТС и «Вымпелком» на рынках стран СНГ).

Параметры развития рынка. Следующим блоком разработанной модели компании сотовой связи

является прогнозирование рынка, на котором работает оператор. В нашем примере анализируемый рынок — это рынок услуг сотовой связи Российской Федерации. Основными характеристиками рынка сотовой связи страны являются:

• объем и динамика развития рынка в стоимостном выражении;

• объем и динамика развития рынка в объемных показателях (по количеству абонентов);

• проникновение услуг сотовой связи;

• количество операторов на рынке и уровень конкуренции между основными игроками рынка;

• степень государственного присутствия. Оценкой и прогнозированием объемов рынка

сотовой связи в Российской Федерации занимается ряд аналитических компаний, в частности международные ITU, IDC, Pyramid Research, J'son & Partners, российские iKS-Consulting, ACM-Consulting, MForum Analytics, ИАА «Сотовик», «Коминфо Консалтинг» и др. В целях моделирования деятельности одного мобильного оператора стоимостная оценка рынка сотовой связи в целом (top-down approach) нецелесообразна, так как сопряжена со значительными погрешностями, которых можно избежать при оценке доходов анализируемой компании «снизу вверх» (bottom-up approach).

Данные исследовательских компаний, однако, можно использовать для проверки полученных результатов, исходя из объема рынка сотовой связи и доли оператора на рынке.

В рассматриваемой модели мы подходили к прогнозированию параметров рынка с позиций консервативного подхода: так, делалось предположение о сохранении текущего уровня конкуренции и, как следствие, сохранении доли рынка анализируемого оператора. Такой подход представляется обоснованным и в связи с действующей моделью рынка — олигополией, при которой существует тенденция к паритету сил основных игроков на рынке (то есть доля рынка каждого игрока должна стремиться к 33 %, в модели в базовом сценарии — 34 %).

Прогнозирование роста проникновения мобильной связи осуществлялось на основе анализа ежемесячных статистических данных аналитического агентства ACM-Consulting с 2002 г. Пределы роста проникновения мобильной связи в России являются величиной сложно прогнозируемой. Так, в 2003 г. никто не предполагал, что возможна ситуация, когда количество зарегистрированных пользователей мобильной связи превысит насе-

ление страны, в 2006 г. проникновение превысило 100 %, а в 2009-м приближается к 150 %. При этом, по нашим оценкам, резервы роста сохраняются в российских регионах. Именно за счет прироста региональных абонентов мы закладываем прирост проникновения на уровне 4 п. п. в 2010—2011 гг., тогда как далее объективных предпосылок для роста проникновения более 1 п. п. в год мы не видим.

Таким образом, темп роста абонентской базы в нашей модели является производной величиной от прироста двух фундаментальных факторов стоимости компании сотовой связи: проникновения услуг мобильной связи в России (состояние рынка) и доли оператора на рынке (состояние конкуренции). При этом CAGR (Compound Annual Growth Rate) прироста абонентов анализируемого оператора в период 2008—2018 гг. составит согласно модели 1,3 %, что соответствует среднему приросту абонентских баз компаний-аналогов на развитых телекоммуникационных рынках.

Прогнозирование выручки. Абоненты. Как было отмечено, количество абонентов анализируемого оператора не есть исходная точка модели расчета стоимости компании сотовой связи. Равно как для промышленных предприятий объем производства является производной величиной от производственной мощности предприятия, уровня загрузки мощностей и т. д., так и для компании — оператора сотовой связи количество абонентов — расчетная величина из количества населения, степени проникновения услуг связи и доли оператора на конкретном рынке.

В анализируемой нами модели именно с блока прогнозирования абонентов мы добавляем уникальный фактор стоимости — структуру абонентской базы. Структура абонентской базы оператора представляет собой разбивку всех абонентов оператора в России на четыре блока:

• Moscow Prepaid (абоненты — физические лица в Москве);

• Moscow Postpaid (абоненты — юридические лица в Москве);

• Regions Prepaid (абоненты — физические лица в российских регионах);

• Regions Postpaid (абоненты — юридические лица в российских регионах).

Данные по структуре абонентских баз не являются публичными и доступны лишь для внутреннего пользования самих мобильных операторов, поэтому данный анализ представляет особый практический интерес. В базовом сценарии структура

абонентской базы предполагается неизменной, однако в дальнейшем будет доказано ключевое влияние как самой структуры, так и ее динамики на стоимость компании сотовой связи.

Прогнозирование выручки. Важнейшим блоком модели определения стоимости любой телекоммуникационной компании, в частности оператора сотовой связи, является прогнозирование таких характеристик его клиентской базы, как средний объем потребления услуг оператора, средний тариф (средняя доходная такса) на услугу, средний счет абонента. Данные показатели называются также показателями нагрузки, так как отражают удельные значения определенных величин в расчете на одного абонента компании сотовой связи. Для мобильного оператора перечисленные величины отражаются в показателях качественного развития клиентской абонентской базы:

• средний доход от абонента (Average Revenue per

User - APRU);

• среднее время разговора на абонента (Minutes

on Unit - MOU);

• средняя цена минуты (Average Price per Minute

- APPM).

Следует отметить, что в отличие от ряда регулируемых секторов народного хозяйства (услуги фиксированной телефонной связи, электроэнергетика и др.), при моделировании выручки сотового оператора принято исходить не из среднего тарифа за услугу APPM, а из среднего счета абонента в месяц ARPU. Это связано с тем, что в отличие от регулируемых услуг, тарифы по которым устанавливаются централизованно Федеральной службой по тарифам (ФСТ), на рынке сотовых телекоммуникаций действуют принципы конкурентного ценообразования.

На практике же для целей моделирования проще спрогнозировать величину расходов, которые потребитель (абонент) готов понести, исходя из инфляционных ожиданий, уровня располагаемого дохода и других исходных данных, нежели рассчитать средневзвешенную величину тарифа за услугу сотовой связи по всем тарифным планам, предлагаемым оператором, по всем регионам его присутствия.

В рамках рассматриваемой модели автор отталкивается при прогнозировании доходов от показателя APPM (средний тариф за минуту разговора). Данное допущение сделано с целью соблюдения принципа иерархичности взаимосвязей в модели, что будет необходимо для дальнейшего анализа. Расчет показателя APPM в средне- и долгосрочной

перспективах осуществляется на основе прогноза показателя CPI, а также прогноза прироста реального дохода населения с применением дисконта к данной величине.

Прогнозные значения показателя MOU основаны на ретроспективном анализе данного показателя по операторам «большой тройки», а также на основе анализа данных по зарубежным аналогам. Так, условным пределом роста MOU в мировой практике считается 400 минут в месяц, однако эксперты сходятся во мнении, что для российского рынка данный показатель недостижим (по крайней мере, на основе существующих технологий).

Полученный в модели темп прироста MOU в целом повторяет динамику прироста проникновения мобильной связи и является, на наш взгляд, обоснованным.

Исходя из основного телекоммуникационного равенства ARPU = APPM х MOU темпы роста среднего счета абонента (ARPU) получились расчетным путем и составили 11,7 % (CAGR) в период 2008—2018 гг. Данный показатель является достаточно агрессивным, но, принимая во внимание тот факт, что наращивание ARPU является одним из основных приоритетов деятельности сотовых операторов, полученное значение можно считать реалистичным.

Снижение ARPU — неотъемлемая характеристика телекоммуникационного рынка в стадии активного роста. Так, появившиеся в конце 1990-х гг. услуги сотовой связи считались услугами элитарными и доступными немногим. Цена (средний счет) была соответствующей, причем большую часть ежемесячного платежа составляла абонентская плата. Выход российских мобильных операторов на массовый рынок ознаменовался резким, практически обвальным снижением ARPU, отказом от тарифов с абонентской платой, что в значительной мере поддержало спрос на новую услугу, что было особенно актуально в кризисный период конца 1990-х гг.

Спустя десять лет российский телекоммуникационный рынок снова столкнулся с кризисными явлениями и, как следствие, со снижением потребительского спроса. Однако ситуация в корне изменилась за это время: сейчас рынок насыщен услугой, потребителей, не охваченных мобильной связью, все меньше. Выбор операторов между сохранением абонентской базы и поддержанием показателей эффективности деятельности уже не так очевиден. На рис. 3 представлена динамика ARPU ОАО «МТС» и ОАО «ВымпелКом» в 2004-2008 гг.

20 п

16 -

12 -

8 -

4

Снижение ARPU обусловлено, в первую очередь, периодом активной ценовой конкуренции, обусловившей планомерное снижение цен на услуги на протяжении достаточно продолжительного периода времени. По мере снижения стоимости услуги сотовой связи выделялись сегменты клиентской базы, использующие услуги нерегулярно, в том числе сезонные клиенты. То есть абонент может являться активным и, с точки зрения методологии и технологии сотовой связи, увеличивать клиентскую базу, но на протяжении 6—10 месяцев не приносить компании выручки.

В рамках борьбы со снижением ARPU сотовыми операторами был реализован ряд маркетинговых мер. В частности:

• увеличение доли дорогих услуг — услуг добавленной стоимости (VAS) — в структуре ARPU;

• переход на более совершенные системы учета оттока абонентов (блокировка номера через шесть или три месяца отсутствия операций по счету абонента);

• гибкая тарифная политика. Прогнозирование выручки. Таким образом, консолидированная выручка оператора в России получается описанным ранее способом: перемножением количества абонентов, среднего тарифа за минуту разговора и средней продолжительности разговоров абонента в месяц. Отметим, что при наличии фактических данных по каждому из этих показателей по сегментам абонентской базы мы получим консолидированную выручку по сегментам.

Прогнозирование операционныхрасходов. Особенностью прогнозирования операционных расходов компаний сотовой связи является разбивка данной статьи операционного денежного потока на:

• расходы на привлечение новых абонентов (SAC — Subscriber Acquisition Costs);

• расходы на удержание абонентов (SRC — Subscriber Recession Costs);

• на прочие операционные расходы. Расходы на удержание абонентов иногда не

выделяются в отдельную категорию, но расходы на привлечение одного нового абонента — официальный показатель, статистика по которому предоставляется всеми операторами сотовой связи.

MTS

VimpelCom

конца 2008 г.

> ^ г^ г^ г^ ^ ^ ^ ^ ^ ^ ^ ^

рис. 3. Сравнение показателя ARPU ОАО «МТС» и ОАО «ВымпелКом»,

долл. США

Так, SAC ОАО «МТС» во II кв. 2009 г. составил 672 руб., а ARPU — 245 руб. Это фактически означает, что новый абонент окупит себя менее чем за три месяца.

Согласно методологии ОАО «МТС», в показатель SAC входят расходы на маркетинг и рекламу, а также дилерская комиссия (платежи сетям салонов связи за продажу контрактов оператора). Таким образом, логично, что данные расходы должны увеличиваться пропорционально потребительской инфляции и располагаемым доходам населения, что и отражено в нашей модели. В более сложных моделях расходы на привлечение нового абонента зависят также от расходов на эксплуатацию и развитие сети, так как, несмотря на эффект масштаба, каждый новый создает дополнительную нагрузку на инфраструктуру сети.

В возрастающей борьбе за потребителя операторы готовы повышать затраты на привлечение (удержание) абонентов (SAC — Subscriber Acquisition Costs, SRC — Subscriber Recession Costs). В выравнивании среднего дохода от абонента ARPU (Average Revenue per User) с затратами на его привлечение и/или удержание эффект экономии, связанный с увеличением масштабов производства, сходит на нет. Покажем это: ARPU х N30 = SAC (SRC; SAC + SRC) x N^ => =Жаб x (ARPU - SAC (SRC; SAC + SRC) = 0, где ARPU — средний доход от абонента,

SAC (SRC) — затраты на привлечение (удержание) абонента,

N , — численность абонентской базы.

аб

В большинстве стран Западной Европы в расходы по привлечению абонентов включаются затраты на производство сотовых телефонов, работающих только с sim-картой определенного оператора. В России такой практики до 2009 г. не было, хотя это и

не запрещено, как, например, в Корее или Италии. В 2009 г. подобную практику начал использовать оператор МТС, однако говорить о влиянии нововведения на SAC оператора пока рано.

Традиционно на рынках сотовой связи, входящих в завершающую стадию первичного развития (насыщения), важнейшим драйвером прибыли являются снижающиеся затраты на клиентов (CIC — Customer Investment Costs) в процентном отношении к выручке. Под CIC понимаются все затраты, связанные с привлечением и удержанием клиентов, т. е. SAC и SRC, а именно: стоимость продаваемого оборудования, дилерская комиссия, реклама, прочие расходы на продажу и маркетинг.

SAC (% к выручке) = (SAC х прирост абон.) / (среднее число абон. х ARPU х12) = SAC/ARPU х прирост абонентов/среднее число абонентов х 1/12.

Из формулы следует, что за исключением случаев, когда отток абонентов приобретает существенные масштабы или сильно увеличивается коэффициент SAC/ARPU, SAC в процентах от выручки должен уменьшаться за счет сокращающегося отношения прироста абонентов к среднегодовой абонентской базе.

Аналогичный вид имеет формула для оценки затрат, связанных с удержанием абонентов SRC, с той только разницей, что при прочих равных условиях SRC в абсолютном выражении имеет восходящую динамику во времени. Для России затраты на привлечение и удержание абонентов традиционно низки (ниже европейского уровня) и составляют 24 % у МТС и 18 % у «ВымпелКома» (по данным операторов за IV кв. 2008 г.).

Прогнозный денежный поток (DCF). Остальные параметры прогнозного денежного потока соответствуют принятой методологии доходного подхода к оценке стоимости компаний. Стоит обратить внимание на показатель OIBDA и рентабельность OIBDA (OIBDA margin) как ключевые показатели для проверки корректности сделанных в модели предположений (табл. 1).

Показатель рентабельности OIBDA является достаточно устойчивым для конкретного телекоммуникационного рынка и, как мы видим, колеблется в районе 40 % для рынков развивающихся стран и в районе 30 % — для развитых. Российские сотовые операторы обладают рекордно высокими показателями рентабельности, что является характерной чертой рынка сотовой связи России.

Динамика показателя маржи OIBDA является важным индикатором эффективности управле-

Таблица 1

сравнение показателя маржи OIBDA российских операторов с компаниями-аналогами

оператор страна рыночная капитализация, млн долл. сША рентабельность OIBDA, %

март 2009 г. 2008 г.

Развивающиеся рынки

Magyar Telekom Венгрия 2 749 39,2

Turkcell Турция 11 229 37,4

Mobinil Египет 3 381 44,9

Telefonica O2 Czech Чехия 6 395 43,8

MTN ЮАР 22 138 42,9

China mobile Гонконг 191 748 52,6

America Movil Мексика 52 108 40,6

Telekom Malaysia Малайзия 3 621 36,5

TPSA Польша 7 832 42,4

China Unicom Гонконг 26 251 45,6

Orascom Telecom Египет 5 007 43,6

Advanced info service Тайланд 6 226 42,9

Bharti Airtel Индия 26 181 36,8

среднее 42,2

медиана 42,7

Развитые рынки

DT Германия 54 901 31,4

France Telecom Франция 57 825 35,8

Teliasonera Швеция 20 306 31,1

Tele2 Швеция 4 269 20,2

NTT DoCoMo Япония 60 263 34,3

Partner Communication Израиль 2 371 35,2

Elisa Финляндия 2 276 32,0

Vodaphone Великобритания 98 629 37,5

Telefonica Испания 94 075 38,8

Millicom Швеция 4 754 40,6

NTELOS США 774 42,0

SK telecom Южная Корея 11 309 34,1

KDDI Япония 21 130 21,8

Telenor Норвегия 10 102 30,6

среднее 33,2

медиана 34,1

Россия

МТС Россия 14 786 50,2

—ВымпелКом— Россия 9 518 48,8

премия к развивающимся рынкам 6,82 п. п.

премия к развитым рынкам 15,4 п. п.

Источник: аналитическая система Bloomberg.

ния стоимостью компании сотовой связи с точки зрения реализации важнейшего конкурентного преимущества отрасли — экономии, связанной с масштабами деятельности. С точки зрения фи-

Таблица 2

Динамика показателя EBITDA margin в период перехода сотового оператора от экстенсивного к интенсивному развитию

Оператор Страна 2000 г. 2001 г. 2002 г.

America Movil Мексика 20 % 26 % 36 %

China Mobile Китай 56 % 58 % 59 %

Eurotel Чехия 37 % 44 % 48 %

MobiNil Египет 44 % 46 % 53 %

Orange Словакия 37 % 37 % 40 %

Pannon Венгрия 32 % 35 % 36 %

Partner Израиль н/д 21 % 27 %

Polkomtel Польша 32 % 36 % 37 %

PTC Польша 35 % 39 % 42 %

Turkcell Турция 48 % 50 % 53 %

MTS Россия 42 % 49 % 50 %

VimpelCom Россия 22 % 36 % 43 %

Среднее значение 37 % 39 % 41 %

Источник: данные компаний.

нансов предприятий телекоммуникационная отрасль является ярким примером того, как можно экономить в результате увеличения масштабов деятельности. По мере расширения абонентских баз удельные издержки на привлечение новых абонентов, а также на развитие сети под прирост абонентов сокращаются, что позволяет наращивать маржу прибыли. Проследим эту тенденцию на примере операторов, чье становление и переход от экстенсивного к интенсивному развитию совпали с аналогичным циклом развития российских сотовых компаний (табл. 2).

Исключением из этого правила могут являться случаи, когда на рынке появляются новые конкуренты или новые услуги.

Расчет WACC. В построенной в рамках проводимого исследования модели используется стандартный подход к расчету показателя WACC. В качестве коэффициента — бета — используются данные аналитической системы Bloomberg — среднее значение для компаний сотовой связи (Sector: telecom, subsector: wireless), равное 1,2.

Этап 3. Выбор показателя-индикатора стоимости компании (справедливая стоимость предприятия, стоимость собственного капитала, свободный денежный поток, др.).

Стоимость компании сотовой связи представляет собой совокупность денежных потоков от реализации услуг связи, которые в соответствии с ожиданиями инвесторов будут получены в течение всего срока жизни компании. Из данного определения следует, что воздействие клиентских драйверов на стоимость компании сотовой связи определяется на основе чувствительности свободного денежного

потока (Free Cash Flow, FCF) оператора к идентифицированным драйверам. Свободный денежный поток является наиболее репрезентативным показателем, поскольку включает в себя все денежные потоки после налогообложения, капитальных затрат и финансирования чистых оборотных средств, то есть потоки, доступные акционерам (собственникам) и кредиторам компании.

Критерии выбора денежного потока как индикатора изменения стоимости базируются на дифференцированном подходе к анализу финансовых потоков. Рассмотрение денежного потока как совокупности составляющих элементов предполагает возможность самостоятельного управления каждым из этих элементов, в том числе выделение приоритетов и ранжирование факторов денежного потока.

Таким образом, результаты анализа чувствительности свободного денежного потока к неявленным факторам стоимости были бы идентичны чувствительности стоимости компании к данным факторам. В упрощенном варианте стоимостной модели, рассматриваемом в статье, влияние неоперационных и финансовых факторов, находящихся в модели, ниже свободного денежного потока, сведено к минимуму. В этой связи в качестве величины-индикатора выбрана стоимость компании сотовой связи, а точнее — цена 1 ADR (American Depository Receipt — американская депозитарная расписка).

Этап 4. Анализ чувствительности итогового показателя к факторам стоимости.

Анализ чувствительности (эластичности) — это статистический метод, показывающий, насколько изменится результирующая величина при изменении входящего параметра при условии, что остальные параметры считаются неизменными. Несмотря на некоторую условность данного метода, он позволяет протестировать эластичность стоимости компании по каждому из факторов путем серии вопросов «what if?» и наглядно представить результаты в виде серии таблиц или графиков.

На основе представленного «дерева факторов стоимости» составим полный перечень факторов стоимости компании связи. При этом выделим группы факторов стоимости в соответствии с классификацией, предложенной выше, а также проведем группировку по принципу зависимости/независимости драйверов от других факторов стоимости.

Протестируем чувствительность стоимости 1 ADR анализируемого оператора сотовой связи к каждому фактору стоимости. Результаты анализа представим в виде табл. 3.

Таблица 3

Анализ чувствительности стоимости компании сотовой связи к совокупности стоимостных факторов

Под силой драйвера стоимости в рамках данного исследования понимается некий средний тангенс наклона прямой эластичности. Под абсолютным отклонением фактора на 10 % предполагается его изменение на X + 10 %, под относительным — соответственно на X (100 % + 10 %). Это связано с различной природой анализируемых факторов.

Этап 5. Выработка рекомендаций по оптимальному управлению стоимостью компании.

В целом данные анализа чувствительности подтверждают тезис о том, что клиентские факторы стоимости (ARPU, MOU, темп роста абонентов) имеют значительный вес в изменении стоимости сотовой компании. При этом обратим внимание, что самым сильным фактором оказался темп роста доли абонентов — юридических лиц в общей структуре абонентской базы. Таким образом, подтверждается тезис об исключительной важности не учитываемого ранее фактора стоимости компании сотовой связи — фактора структуры абонентской базы.

В последнем блоке табл. 3 мы сгруппировали все клиентские драйверы стоимости компании сотовой связи и получили вывод о том, что относительная сила блока клиентских драйверов — 13,6, что в четыре раза превышает совокупную силу макропараметров модели.

Совокупная сила драйверов стоимости рассчитывалась как одновременное отклонение всех входящих в группу факторов на один и тот же процент. Причем факторы отклонялись таким образом, чтобы их эффект на стоимость оказывался одинаковым. Сила факторов рассчитывалась так же, как и сила каждого фактора отдельно: это усредненное отношение отклонения стоимости ADR компании к отклонению фактора.

Недостаток такого подхода заключается в том, что мы считаем, что факторы могут отклоняться независимо друг от друга. Однако это верно только для независимых факторов.

Несмотря на очевидную важность клиентского фактора в управлении стоимостью компании сотовой связи, только количественное определение данной взаимосвязи с помощью анализа чувствительности подтверждает тезис о ключевой роли клиентских драйверов, позволяет проранжировать факторы по степени их существенности и получить иерархию факторов стоимости компании сотовой связи.

Анализ чувствительности результирующей величины (в нашем случае цена 1 ADR) ко всем факторам, формирующим стоимость, дает пред-

Параметр Отклонение, % тип Сила

Независимые драйверы

Макродрайверы

Население 0 отн. 1,22

Обменный курс avg 0 отн. -1,65

CPI в 2009 г. 0,01 отн. -0,66

Real GDP, % в 2009 г. 0 отн. -0,11

Rate real income (2009 г.) 0 отн. 0,00

Рыночные драйверы

Mobile penetration (2009 г.) 0 отн. 1,16

MTS share (2009 г.) 0 отн. 1,22

«Клиентские» драйверы

Moscow percent 0 отн. 0,31

Growth rate Moscow percent 0,01 абс. 1,75

Postpaid percent 0 отн. 1,28

Growth rate postpaid percent 0,01 абс. 8,84

APPM Moscow Prepaid (2009 г.) rur 0 отн. 0,60

APPM Moscow Postpaid (2009 г.) rur 0 отн. 0,62

APPM Regions Prepaid (2009 г.) rur 0 отн. 1,61

APPM Regions Postpaid (2009 г.) rur 0 отн. 1,08

MOU Moscow Prepaid 0 отн. 0,60

MOU Moscow Postpaid 0 отн. 0,62

MOU Regions Prepaid 0 отн. 1,61

MOU Regions Postpaid 0 отн. 1,08

SAC Moscow, rur 0 отн. -0,01

SAC Region, rur 0 отн. 0,00

Прочие драйверы

Monthly OPEX ex D&A, RUR/sub 0 отн. -2,26

D&A 0 отн. 0,03

CapEx $$ portion, $ mln (e. g. equipment) 0 отн. -0,67

WACC 0 отн. -1,44

Долгосрочный рост g 0 отн. 0,36

Зависимые драйверы

MTS subs eop 0 отн. 1,22

MTS subs avg 0 отн. 1,65

ARPU 0 отн. 0,26

Revenue, rur 0 отн. 3,91

Revenue, $ 0 отн. 3,91

OPEX ex D&A, $mln 0 отн. -2,26

OIBDA 0 отн. 2,35

CapEx 0 отн. -0,08

FCF 0 отн. 1,00

Групповые факторы

Mobile penetration + MTS share + MTS subs + +APPM + ARPU + MOU + SAC + OPEX/аб. 0 отн. 13,60

WACC + g 0 отн. 1,64

Макродрайверов (6 шт.) 0 отн. 3,45

ставление о потенциальных рычагах управления стоимостью, однако следует иметь в виду некоторые ограничения такого анализа. Так, изменение результирующей величины мы можем оценивать как на основе абсолютного изменения факторов на п %, так и на основе изменения динамики роста факторов на п процентных пунктов. Может различаться и шаг оценки изменений, что делает результаты анализа чувствительности несопоставимыми.

Другая проблема — наличие не строго ие-рархичных взаимосвязей в модели: зависимости «фактор — множество факторов» и «множество факторов — фактор». Таким образом, прямой анализ чувствительности даст искаженный результат. Его устранение достигается в рамках определенных математических процедур.

Сфера применения анализа чувствительности (сенситивности) стоимости к набору факторов определяется задачами, решаемыми менеджментом. В зависимости от задач возможен различный подход к такой характеристике факторного анализа, как тренд развития фактора. Так, очевидно, что под изменением фактора для целей анализа чувствительности мы можем понимать:

• изменение абсолютного значения фактора (в процентах) в каждый год прогнозного периода. То есть это фактически равномерное понижение модели на определенную величину при сохранении трендов, заложенных в базовом сценарии;

• изменение абсолютного значения фактора (в процентах) в первый год прогнозного периода при сохранении трендов базового сценария в последующие годы;

• изменение темпа роста фактора (в процентных

пунктах) в каждый год прогнозного периода.

Отметим, что в случае, когда в качестве результирующей величины рассматривается денежный поток, данный анализ демонстрирует зависимость денежного потока компании от движения финансовых ресурсов. Решение задачи такого рода наиболее актуально для промышленных предприятий. Для компаний, оказывающих услуги населению, то есть получающих стабильный денежный поток от операционной деятельности, важно сравнить факторы денежного потока с другими факторами стоимости, а также идентифицировать факторы, поддающиеся управленческому воздействию на самом нижнем уровне декомпозиции.

Чувствительность стоимости предприятия к тем или иным факторам стоимости зависит не только от отраслевой принадлежности и структуры денежных потоков, но и от стадии жизненного цикла предприятия. Так, для развивающегося предприятия наибольшее значение имеют факторы, формирующие операционную (валовую) прибыль, а также размер инвестиций и постоянных расходов. Для стабильно функционирующего предприятия с большими масштабами деятельности инвестиционные расходы менее существенны, а на первое место выходят факторы неденежного оборотного капитала и факторы операционной (валовой) прибыли.

На основе анализа чувствительности нами будут сформулированы сценарные условия развития ключевых факторов стоимости, которые лягут в основу сценарного анализа динамики стоимости компании сотовой связи.

Список литературы

1. Бабешко Л. О. Основы эконометрического моделирования: учеб. пособие. 2-е, изд. М.: КомКнига, 2006. 432 с.

2. Власова О. А. Эволюция теории управления стоимостью компании: нефинансовые драйверы // Российский экономический Интернет-журнал: http://www. e-rej. ru/articles/2009/ Vlasova. pdf.

3. Егерев И. А. Стоимость бизнеса. Искусство управления. М.: Дело, 2003. 480 с.

4. Ключарева Н. С. Методы управления стоимостью машиностроительного предприятия. СПб., 2007. С. 32-35.

5. Новосёлов В. А Определение стоимости фирмы (оценка бизнеса фирмы). М.: Диалог-МГУ, 2000. 226 с.