Wycenę Twojej spółki obniża coś, czego nie widać w P&L
Fundusz albo strategiczny inwestor nie kwestionuje zwykle Twojego przychodu. Kwestionuje to, czy potrafisz go udowodnić trzema kliknięciami, a nie trzema dniami pracy analityka w Excelu.
To jest sedno tego artykułu: Data Debt — dług technologiczny narosły w Twoich danych — to jeden z najczęstszych, a najmniej rozumianych powodów, dla których transakcje M&A kończą się niższym mnożnikiem niż zakładał sprzedający. Nie chodzi o to, czy firma kłamie w liczbach. Chodzi o to, czy potrafi je obronić pod presją pytań. Poniżej 12 konkretnych sygnałów, które audytor znajdzie jako pierwsze — i co zrobić, zanim on je znajdzie.
Dlaczego większość founderów tego nie widzi
Większość zarządów myśli o gotowości do Exitu w kategoriach: przychód, marża, rosnąca baza klientów, ładny pitch deck. To wszystko prawda, ale to tylko połowa równania.
Druga połowa to jakość dowodu. Inwestor kupuje nie tylko biznes — kupuje pewność, że liczby, które widzi, będą takie same za rok, gdy sam zacznie nimi zarządzać. Jeśli ta pewność jest niska, fundusz nie odchodzi od stołu. On po prostu wycenia ryzyko i odejmuje je od ceny. To się nazywa Valuation Haircut, i w praktyce oznacza to samo, co obniżka premii za jakość — tylko podana w milionach, nie w procentach.
Problem w tym, że founderzy traktują dane operacyjnie — jako narzędzie do bieżącego zarządzania — a nie jako drugą księgowość, którą ktoś kiedyś będzie audytował równie skrupulatnie jak bilans.
Data Debt to skumulowany koszt każdego skrótu, ręcznej poprawki i braku standaryzacji w danych — koszt, który nie jest widoczny w codziennej pracy, ale staje się w pełni wymagalny w dniu, w którym ktoś zaczyna sprawdzać Twoją firmę pod mikroskopem.
12 czerwonych flag, które audytor znajdzie w pierwszym tygodniu
Poniższa lista to nie teoria — to powtarzalny wzorzec pytań, na które due diligence zawsze się natyka. Podzieliłem je na cztery grupy, bo każda uderza w inny element wyceny.
Grupa I — Rozbieżność metryk (uderza w wiarygodność)
- Trzy różne liczby Churn — z CRM, z systemu billingowego i z arkusza finansowego, i nikt nie potrafi wyjaśnić różnicy w 15 sekund.
- LTV liczone „na oko” — bez jasnej metodologii, zmieniającej się w zależności od tego, kto akurat robi slajd do zarządu.
- CAC bez rozbicia na kanały — jedna zbiorcza liczba, która nie wytrzymuje pytania „a ile kosztuje pozyskanie klienta z kanału X?”.
Grupa II — Brak Single Source of Truth (uderza w czas transakcji)
Czym jest Single Source of Truth (SSoT)? To jedno, autorytatywne miejsce, z którego pochodzą wszystkie kluczowe liczby raportowane na zewnątrz — bez wersji „roboczych” krążących w mailach i arkuszach.
- Rozjazd między CRM a systemem płatności — sprzedaż mówi co innego niż konto bankowe.
- Brak wersjonowania metryk — nikt nie wie, która wersja raportu z marca była „tą prawdziwą”.
- Ręczne sklejanie danych do zarządu — jeśli ktoś w firmie spędza regularnie dni na kopiowaniu liczb między systemami, ten proces pęknie pod presją pytań funduszu w tydzień, nie w miesiąc.
Grupa III — Brak analityki kohortowej i historii (uderza w opowieść o wzroście)
- Brak retencji rozbitej na kohorty — inwestor nie widzie, czy wzrost jest zdrowy, czy napędzany wyłącznie nowym pozyskaniem przy słabym utrzymaniu klientów.
- Brak historii zmian — nie da się pokazać trendu, bo dane sprzed 12 miesięcy zostały nadpisane, a nie zarchiwizowane.
- Rentowność liczona zbiorczo, nie per segment/klient — fundusz nie wie, które linie biznesu faktycznie zarabiają, a które są dotowane przez resztę firmy.
Grupa IV — Ryzyko operacyjne i bezpieczeństwo (uderza w klauzule umowy)
- Brak jasnych uprawnień dostępu do danych — kto może zmienić liczby finansowe i czy to widać w logach.
- Krytyczna wiedza w głowie jednej osoby — jeśli tylko jeden analityk rozumie, jak działa raportowanie, to nie jest system, to pojedynczy punkt awarii, a fundusz to zauważy.
- Brak dokumentacji architektury danych — nowy właściciel nie dostaje mapy systemu, tylko czarną skrzynkę, którą musi rozszyfrować od zera po przejęciu.
Czy każda z tych flag automatycznie obniża cenę? Nie każda z osobna — ale im więcej ich razem, tym silniejszy sygnał dla inwestora, że ryzyko operacyjne firmy jest wyższe, niż wynika z samego P&L, a to ryzyko zawsze zostaje przeniesione na cenę.
Ile to naprawdę kosztuje w mnożniku
Tu ważne zastrzeżenie: poniższy przykład ma charakter poglądowy, ilustrujący mechanizm — nie jest to konkretny, udokumentowany case.
Załóżmy spółkę wycenianą wstępnie na 50 mln PLN. Jeśli audyt danych generuje u kupującego choćby kilkuprocentową niepewność co do wiarygodności kluczowych metryk, to w praktyce oznacza to dyskonto liczone w milionach złotych, nie w promilach — bo fundusze nie negocjują ryzyka procentowo, tylko kwotowo, i zwykle w swoją korzyść.
Uporządkowanie warstwy danych przed transakcją to zazwyczaj ułamek tej kwoty rozłożony na kilka miesięcy pracy — nie kolejny duży wydatek inwestycyjny, tylko coś bliższego polisie ubezpieczeniowej na Twoje Equity.
[LINK: case study o centralizacji danych]
Co zrobić inaczej — trzy filary gotowości do Due Diligence
Zamiast gasić pożary punktowo, warto pracować na trzech poziomach jednocześnie:
- Audyt wiarygodności danych — domykanie luk między systemem transakcyjnym (np. bramka płatności, bank) a raportowaniem biznesowym, tak by każda złotówka w raporcie miała jednoznaczne pokrycie w rzeczywistym przepływie pieniędzy.
- Dashboard inwestorski — jeden, spójny zestaw kluczowych metryk (tzw. North Star Metrics), które są liczone tą samą metodologią co miesiąc i wytrzymują dociekliwe pytania analityków funduszu.
- Lekka, ale solidna architektura danych — nie chodzi o kupno drogich narzędzi, tylko o pokazanie nowemu właścicielowi, że firma jest technologicznie gotowa rosnąć dalej pod jego skrzydłami, a nie wymaga rekonstrukcji od zera.
To dokładnie ta filozofia, o której często mówię: kod i narzędzia są kosztem, ale uporządkowany, wiarygodny system danych jest aktywem, które inwestor wycenia wyżej, a nie niżej.
Kiedy zacząć — i dlaczego nie w ostatnim kwartale
Jeśli planujesz rundę finansowania lub sprzedaż firmy w perspektywie najbliższych 12–24 miesięcy, okno na spokojne uporządkowanie danych jest szersze, niż się wydaje — ale zamyka się szybciej, niż większość zarządów zakłada. Gdy audytorzy już siedzą w Data Roomie, nie ma czasu na naprawianie fundamentów. Jest już tylko czas na tłumaczenie się, dlaczego są zepsute.
To dobry moment na krótką, poufną rozmowę diagnostyczną — zanim zrobi to za Ciebie strona kupująca, na swoich warunkach.