Ni granskar era kunders siffror varje månad. Ni upptäcker att lagret växer snabbare än omsättningen, att kassan är på väg att ta slut inför sommaren, att marginalen sjunkit tre kvartal i rad. Ni ser det för att ni är bra på det. Men när hade ni senast samma blick på er egen byrå?
Wolters Kluwers rapport Future Ready Accountant, med data från över 2 700 redovisnings- och revisionsbyråer, innehåller en siffra som borde få varje byråledare att stanna upp. 21 procent av de svenska byråerna uppger att de inte analyserar sin interna data alls. Det är den högsta andelen i Europa.
Siffran är särskilt märklig mot bakgrunden av att Sverige annars ligger i framkant. Svenska byråer har en av Europas högsta andelar daglig AI-användning, 42 procent. Branschen är digitalt mogen, och verktygen finns. Men tillgång till data är inte samma sak som att använda den.
Du som är erfaren har sannolikt redan en uppfattning om hur din byrå mår. Ni har ett resultat per bokslut, en känsla för vilka kunder som är krävande och en bild av vilka konsulter som är överbelastade. Frågan är hur mycket av det som är mätt och hur mycket som är erfarenhet som hunnit bli övertygelse.
Testa med fem frågor:
- Vad är den faktiska effektiva timintäkten per kund, alltså fakturerat belopp delat med nedlagd tid, inklusive det ni aldrig fakturerade?
- Hur stor andel av tiden fakturerades inte alls förra kvartalet, och vilka kunder står för den?
- Hur ser intäktsmixen ut mellan compliance och rådgivning, och hur har den förändrats på tre år?
- Vilka kunder har ni tappat de senaste 24 månaderna, och vad hade de gemensamt innan de lämnade?
- Hur stor del av omsättningen hänger på en enda senior medarbetare?
Om ni svarar med uppskattningar på mer än två av dem tillhör ni troligen de byråer som siffran handlar om, även om ni själva skulle säga att ni “följer verksamheten noga”.
Agitera: det som inte mäts styr ändå, och oftast åt fel håll
Ett vanligt missförstånd är att byråer som inte analyserar sin data sköter sig på intuition. I själva verket sköter de sig på historik. Priser sätts efter vad som gällt tidigare. Kunder bedöms efter hur de “alltid varit”. Resurser fördelas efter vem som ropar högst. Det är ett fungerande system tills förutsättningarna ändras, och förutsättningarna ändras just nu.
Ni missar rådgivningsmöjligheterna som redan ligger i er egen kundstock. Globalt använder 87 procent av byråerna kunddata för att identifiera och skräddarsy rådgivning. Det är inte en detalj. Bland snabbväxande byråer uppger 41 procent att AI överträffat förväntningarna i arbetet med rådgivningstjänster, mot 27 procent bland övriga. Skillnaden förklaras sällan av tekniken i sig. Den förklaras av att de som växer vet vem de ska erbjuda vad, och när. Ett bolag med kraftig tillväxt behöver likviditetsplanering. Ett bolag där ägaren närmar sig pensionsåldern behöver generationsskifteshjälp. Signalerna finns redan i er bokföring, men någon måste leta efter dem systematiskt.
Ni subventionerar olönsamma kunder utan att veta om det. Att fastprisuppdrag kan äta marginalen utan att någon märker det är inte nytt, och samma sak gäller varje kundrelation där verklig tidsåtgång inte jämförs mot intäkt. Utan uppdragsnivåns siffror ser en förlustkund likadan ut som en vinstkund i omsättningsrapporten. Ni kan växa i toppraden medan lönsamheten urholkas stadigt.
Ni fattar investeringsbesluten i blindo. Hela branschen diskuterar automatisering, AI och nya arbetsflöden. Wolters Kluwer visar att 47 procent av byråerna planerar att införa AI-verktyg inom tolv månader, en kraftig ökning från 9 procent 2024. Men en investering i automatisering är bara lönsam om den träffar rätt process. Om ni inte vet var tiden faktiskt går åt riskerar ni att automatisera det som ni redan gör effektivt och lämna det dyra orört.
Ni blir svagare vid en framtida försäljning eller sammanslagning. Konsolideringen i branschen fortsätter, driven av behovet av kapital, teknikinvesteringar och skalfördelar. En köpare tittar inte främst på omsättningen. Den granskar intäktsmix mellan rådgivning och compliance, andel fastpris kontra löpande arvodering, lönsamhet per uppdragstyp, personalomsättning och hur beroende byrån är av enskilda seniora medarbetare. Det är nästan exakt samma frågor som ni just fick ställa er själva. En byrå som kan svara på dem med siffror förhandlar från styrka. En byrå som svarar med “ungefär” får ofta sätta en del av köpeskillingen i en earn-out.
Och ni lever med en osäkerhet som går att undvika. Få saker är mer påfrestande för en ledningsgrupp än att inte kunna svara på varför resultatet blev som det blev. Det är samma frustration som era kunder känner när de ringer er och frågar vad som hänt med deras kassa. Ni vet att det är obehagligt. Det är därför de betalar er.
Varför gör då så många inte det?
Wolters Kluwers rapport pekar på två skäl som stämmer väl med erfarna byråledares egen bild. 38 procent oroar sig för datakvaliteten, till exempel att data är utspridd i olika system eller saknar struktur. 39 procent oroar sig för att medarbetarna saknar erfarenhet och utbildning inom området. Båda är riktiga hinder.
Men ett tredje skäl nämns sällan: det är obekvämt. När ni för första gången räknar fram den verkliga timintäkten per kund riskerar ni att hitta saker ni inte vill se. Kunder som varit med i femton år och aldrig varit lönsamma. Konsulter som ni värderar högt men vars uppdrag systematiskt drar över. Det är lättare att skjuta på analysen än att bestämma sig för vad man ska göra med svaret.
Lösningen: bygg en byrå som styrs av sina egna siffror
Det här kräver inget dataprojekt på sex månader. Utgångspunkten är att de flesta byråer redan har den data som behövs. Den ligger bara i flera system och har aldrig fått stå bredvid varandra. Så här går ni vidare.
Steg 1: Välj sex nyckeltal, inte sextio
Erfarna ledningsgrupper brukar misslyckas på motsatt sätt än nybörjare: de bygger för mycket. Börja med ett litet antal mått som tillsammans ger en rättvisande bild:
- Effektiv timintäkt per kund (fakturerat dividerat med total nedlagd tid, inklusive ofakturerad).
- Realisationsgrad, alltså hur stor del av nedlagd tid som faktiskt blev fakturerad.
- Intäktsmix: andel compliance, rådgivning och projekt av omsättningen.
- Andel fastpris kontra löpande samt lönsamhet för respektive.
- Kundkoncentration: andel av omsättningen från de tio största kunderna och från varje enskild seniorkonsult.
- Kundavgång, mätt både i antal och i intäkt, per kundsegment.
Det räcker för att svara på de flesta av frågorna i inledningen. Lägg till fler först när ni ser att något saknas.
Steg 2: Samla datan på ett ställe, i den kvalitet ni har
Datakvalitet är det hinder som oftast nämns, och det är ett argument för att börja, inte för att vänta. Perfekt data blir man inte klar med. Det praktiska tillvägagångssättet är att dra ut tidrapportering, fakturering och kundregister för de senaste tolv till tjugofyra månaderna, lägga dem i samma tabell och räkna. Det första resultatet blir ofullständigt. Det är poängen. Luckorna visar var processerna brister, till exempel tid som rapporteras på fel kund, uppdrag utan kodning eller fakturor som saknar koppling till uppdraget. Då vet ni också vad som behöver städas i grunden, och ni gör det med ett konkret syfte.
Utse en person som äger datan, gärna någon med blick för både ekonomi och processer. Det blir lätt “allas ansvar” och därmed ingens.
Steg 3: Läs datan i tre vinklar
När siffrorna finns är det tre sorters frågor som ger mest.
Lönsamhet. Rangordna kunderna efter effektiv timintäkt. Titta på de tio procent som ligger lägst och de tio procent som ligger högst. Vad skiljer dem? Bransch, storlek, uppdragstyp, vilken konsult som hanterar dem, hur strukturerat underlaget kommer in? Mönstret säger mer än enskilda siffror, och det styr både prissättning och vilka kunder ni vill ha fler av.
Möjligheter. Leta efter signaler som föregår ett rådgivningsbehov: stark tillväxt, ökande kundfordringar, förändrad ägarbild, nya momsregler som träffar kundens bransch, en kund som börjar köpa utrustning i större skala. Bygg en enkel intern regel: vid signal X erbjuder vi tjänst Y. Den som ser signalen ska veta vad som är nästa steg.
Risker. Titta bakåt på de kunder ni förlorat och fråga vilka tecken som fanns sex månader innan. Fler reklamationer? Färre kontakter? Sena underlag? Det är det närmaste ni kommer en tidig varningslampa, och den kostar ingenting att bygga när historiken väl finns.
Steg 4: Låt AI göra den tunga analysen, men granska den själva
Det är här tekniken faktiskt gör skillnad. Wolters Kluwer visar att 73 procent av de byråer som använder AI regelbundet redan uppger att tekniken förbättrat deras finansiella insikter. Mönsterletande i stora datamängder är något AI är bra på. Men som byråledare med erfarenhet vet ni också att kvaliteten är en ansvarsfråga: en analys som ser övertygande ut kan ändå bygga på felkodad data. Svenska byråer ligger i högre grad på daglig användning av AI men har samtidigt lägre tilltro till tekniken, 65 procent jämfört med 78 procent i Europa. Den försiktigheten är sund. Behåll den, men låt den vända sig mot kvalitetssäkring av underlaget i stället för mot själva användningen.
Steg 5: Gör uppföljningen till en rutin, inte ett projekt
Det vanligaste misstaget är att göra en rejäl analys en gång och sedan låta den ligga. Lägg en timme i månaden i ledningsgruppens schema, med samma sex nyckeltal varje gång. Efter ett halvår har ni trender, inte bara ögonblicksbilder. Då kan ni se om prishöjningen faktiskt förbättrade marginalen, om den nya konsulten drar ned realisationsgraden och om rådgivningsandelen växer i den takt ni räknat med.
Det ni får när ni börjar mäta
Skillnaden märks först i samtalen. Prisdiskussionen med en kund handlar om fakta: “Vi lägger i snitt 40 procent mer tid på ert uppdrag än vi fakturerar.” Anställningsbeslut bygger på var kapaciteten faktiskt saknas. Rådgivningserbjudanden kommer vid rätt tidpunkt i stället för vid årsskiftets allmänna utskick. Och när en köpare, en bank eller en ny delägare frågar hur byrån presterar, kan ni svara utan förbehåll.
Dessutom gör ni själva det ni rekommenderar era kunder att göra. Det är svårt att sälja datadriven rådgivning om den egna byrån styrs på magkänsla.
21 procent av de svenska byråerna analyserar aldrig sin data. Det ger en rejäl fördel åt de övriga 79 procenten, och det är en fördel som går att ta igen redan i höst.
Så börjar ni den här veckan: dra ut tidrapporteringen och faktureringen för de senaste tolv månaderna och räkna fram effektiv timintäkt för era tjugo största kunder. Det tar en eftermiddag. Resultatet kommer med största sannolikhet att ändra minst ett beslut ni har på bordet just nu.