Не закапывать деньги: как энергокомпаниям сохранить инвесторов в кризис

Закон инвестирования суров, как и все финансовые законы. Компании должны стремиться к доходности капитала (ROE), которая превышает его стоимость (cost of capital). Стоимость складывается из многих компонентов и зависит от соотношения заемных и привлеченных средств, рисков для бизнеса, волатильности  и прочих факторов.

По общему правилу, если доходность меньше стоимости капитала, то инвестору проще «не вставать с кровати» и держать деньги в банке или в финансовых инструментах. Если ROE выше стоимости капитала, то самая лучшая стратегия для компании вкладывать как можно большую часть прибыли, чтобы стоимость бизнеса для акционеров постоянно росла.

Но в таких капиталоемких индустриях, как, например, энергетика и ЖКХ, теория разбивается о суровую реальность. Как определить, принесет ли увеличение ROE инвестиция в конкретное оборудование, например, в генератор или в подстанцию?

На фоне снижения доходов энергетиков и планов по довольно радикальному — на 10-15% — сокращению инвестиций в мировую электроэнергетику в 2020 году, это отнюдь не теоретический вопрос.

При принятии решений менеджменту компании порой приходится выбирать между категориями, которые едва поддаются сравнению. Так, главный инженер может отстаивать проекты по повышению надежности, зам по коммерции ратовать за инвестиции  в расширение сети для удовлетворения перспективных нужд клиентов, а директор по цифровому развитию — утверждать, что цифровизация решит все проблемы.

Часто приходится слышать, что ранжировать общий пул проектов невозможно. Но это не так. В конечном итоге любой инвестиционный проект соревнуется за один и тот же рубль в бюджете компании. Да и сама компания соревнуется на рынке капитала за один и тот же рубль или доллар инвестора.

Простого решения тут нет, но есть набор лучших практик, которые позволяют правильно расставить приоритеты.

Для начала, в капиталоемком бизнесе нужно научиться получать точные данные о состоянии активов. Поможет все, от простых датчиков и телеметрии до цифровых двойников. Главное, чтобы данные были качественными, очищенными и стекались в одно хранилище. В идеале нужно совсем исключить человеческий фактор при передаче информации. Поэтому на многих промышленных объектах внедряют датчики, а обходчиков снабжают автоматизированными планшетами — чтобы избежать ошибок ручной записи в блокноте, потом переноса в журнал и потом в учетную систему.

Надо устранить и корпоративные «кривые зеркала», когда актив находится на уровне дочернего общества, а пользователь — в руководстве холдинга, у них разные учетные системы и, чтобы передать информацию, приходится выгружать и перебивать вручную данные в Excel. К сожалению, такие искажения — скорее практика, чем исключение.

Когда проблема качества данных и автоматизации сбора решена, то можно начинать строить аналитику. Например, выявить причинно-следственную связь между воздействиями на оборудование (осмотрами, ремонтами) и его надежностью. Можно построить модели, предсказывающие выход оборудования из строя и позволяющие скорректировать периодичность обслуживания. Так, анализ работы выключателей в одной электросетевой компании показал, что 80% аварий происходит на оборудовании, которое может выйти из строя с вероятностью более 60%. Поскольку такое оборудование составляло около трети всех выключателей компании, логично было сэкономить на поддержке остальной — «здоровой» техники.

Машинное обучение может помочь при анализе перспектив получения доходов с активов. Прогнозирование жизненного цикла потребителя (то есть будущего оттока клиентов) давно стало нормой в большинстве бизнесов. Для капиталоемких компаний ЖКХ эта задача еще более важна, так как возвращать в прямом смысле «закопанные» в землю деньги, в виде труб или электрических сетей от одного потребителя к другому, крайне затратно. Следовательно, нужно предсказать или рассчитать, как долго то или иное жилое здание, завод или торговый центр будет подключено к сетям и в каком объеме будет потреблять ресурсы.

Затем все предсказательные параметры, описанные выше, нужно свести воедино и определить оптимальную комбинацию инвестиций. Здесь без искусственного интеллекта уже совсем не обойтись. Ведь портфель из нескольких десятков проектов со всеми параметрами может давать триллионы различных комбинаций.

Ну и, наконец, как и в любом процессе важно постоянно мониторить исполнение инвестиционных проектов. Отклонения будут случаться, идеальной ситуации не бывает. Но нужно заранее понимать и предсказывать, сроки каких проектов сдвинутся, чтобы максимально оперативно управлять ликвидностью и перераспределять средства. Что угодно может пойти не так. Подвести могут поставщики и подрядчики, тем более что из-за COVID-19 нарушилось большинство цепочек поставок. Без автоматизации инвестиционного процесса понять, что проект сорван, можно будет уже по факту, когда деньги «залиты в бетон». А в текущих условиях сокращения ликвидности  это непростительно.

Получается, что цифровизация и автоматизация инвестиций — как раз та статья, куда нужно перераспределять свободные ресурсы. Так что в примере, который мы описали выше, директор по цифровому развитию безоговорочно побеждает в споре с главным инженером и замом по коммерции.

Точка зрения авторов, статьи которых публикуются в разделе «Мнения», может не совпадать с мнением редакции.