Какие ошибки допускают аналитики при оценке инвестпроектов

Даже сильная модель может привести к убыточному решению, если в ней — ложные исходные данные. Ошибки аналитика не всегда очевидны: цифры могут сходиться, презентация — выглядеть уверенно, а итог — минусовая сделка. 

Ошибка 1. Нереалистичные допущения

Что происходит: аналитик закладывает в модель слишком оптимистичные предположения. Например:

• Рост выручки 30% в год без обоснования.
• CAC остается стабильным, хотя рынок перегревается.
• Удержание клиентов — 90%, даже если продукт новый.
• Расходы — «по минимуму», без буфера на рост.

На графиках всё красиво: к третьему году проект становится прибыльным, окупаемость — за 18 месяцев, мультипликаторы выше рынка. Но если копнуть, окажется, что предпосылки модели взяты «с потолка».

Почему это критично? Модель — это не предсказание будущего, а инструмент принятия решений. Если в основу заложены непроверенные, завышенные или искаженные ожидания, то выводы не имеют ценности — даже если цифры сходятся.

В итоге:

• Инвестор вкладывает деньги и теряет их.
• Проект оборачивается кассовым разрывом.
• Сам аналитик теряет доверие и репутацию.

Чтобы избежать ошибки, нужно работать с данными, а не желаниями. Если предприниматель говорит: «Мы точно удвоим выручку за год», — просите цифры:

• Что на это влияет?
• Какие каналы роста?
• Что говорят конкуренты?

Используйте три сценария: базовый (с умеренными прогнозами), оптимистичный (если всё пойдет по плану), стресс-сценарий — если рынок просел, а выручка не растет.

Сравнивайте с рынком:

• Какой средний CAC в этой нише?
• Какой LTV у конкурентов?
• Какие темпы роста считаются нормой?

Что говорит практика: «Мы анализировали стартап в EdTech. Основатель заложил рост в 300% за 2 года, CAC — 200 рублей, retention — 80%. На деле CAC оказался в 3 раза выше, churn — 50% через 3 месяца. Инвестор отказался в последний момент. Проект не дожил до следующего раунда».

Перед тем как презентовать модель, спросите себя: это допущение — подтверждено чем-то, кроме слов? Я сравнил цифры с рынком? Что произойдет, если это предположение не сработает?

Чем реалистичнее ваши исходные данные — тем точнее решения, которые на них строятся.

Ошибка 2. Недооценка издержек

Что происходит: аналитик закладывает в модель только прямые или видимые расходы — закупки, аренду, фонд оплаты труда. А всё остальное — маркетинг, налоги, логистика, комиссия платежных систем, сопровождение клиентов, IT-поддержка, страховки, обслуживание юрлица — забывает или указывает «на глаз».

Модель выглядит прибыльной, но только на бумаге. В реальности — кассовый разрыв, невыполненные обязательства и убыток вместо дохода.

Почему это критично? Переоценка доходности проекта может привести к тому, что:

• Инвестор вложится в убыточную историю.
• Руководство компании будет ждать прибыль, а получит минус.
• Запуск проекта закончится раньше срока — из-за нехватки денег.

Особенно часто ошибка возникает в стартапах (где нет устоявшейся финансовой дисциплины), в новых направлениях (например, запуск нового региона или продукта), в проектах без глубокой проработки финансовой модели.

Как избежать:

1. Строим модель по структуре OPEX и CAPEX:

• OPEX — операционные расходы: зарплаты, аренда, продвижение, обслуживание.
• CAPEX — капитальные затраты: техника, оборудование, лицензии, разработка.

2. Разговариваем с командой проекта.

Финансисту важно не только считать, но и спрашивать:

• Что ещё вам нужно для запуска?
• Сколько стоит обслуживание клиентов?
• Какие платежи забыли?
  

3. Закладываем буфер. Если проект нестабилен или оценка приближенная — добавьте 10–20% к затратам в модели.

Пример из практики: «Оценивали инвестиции в онлайн-магазин. Основатель показал прибыль в 18% уже в первый год. После проверки модели выяснилось: не учли комиссию маркетплейса (15%), стоимость возвратов, налоги и амортизацию склада. В реальности — убыток 7%. Сделку отложили, проект пересчитали заново.»

Мини-чек:

• В модели есть строчка «прочие расходы» без пояснения?
• Вы уверены, что учтены налоги, техподдержка, промо?
• Спросили ли вы у заказчика, что точно оплачивается ежемесячно?

Аналитик не просто считает, он видит полную картину. Именно внимание к деталям позволяет принимать точные решения.

Ошибка 3. Игнорирование временной стоимости денег

Что происходит: аналитик делает модель, в которой оценивает только общую прибыль, не принимая во внимание, когда именно поступят деньги. Например:

• «Через 3 года мы заработаем 10 млн».
• «Срок окупаемости — 4 года, дальше идет чистая прибыль».

При этом не используется дисконтирование — а значит, в модели 1 млн сегодня и 1 млн через 5 лет приравнены.

Это критично, потому что деньги со временем обесцениваются: на них влияет инфляция, альтернативные издержки, риски задержек и сам факт «отложенного» результата. Без учета временной стоимости:

• Проект может выглядеть прибыльным, хотя по факту его проще не запускать.
• Сравнение с другими инвестициями становится некорректным.
• Вы не можете адекватно посчитать NPV, IRR и принять решение.

Это встречается при сравнении долгосрочных и краткосрочных проектов, в стартапах с «отложенной монетизацией», в моделях без DCF.

Как избежать:

1. Используйте дисконтирование. Даже если модель простая, учитывайте:

• Ставку дисконтирования, например, 12% годовых.
• Поступления по годам.
• Риск и альтернативную стоимость капитала.
  

2. Применяйте DCF-анализ, особенно если проект длинный (от 2–3 лет), доход поступает не сразу и есть существенные риски по срокам.

3. Сравнивайте проекты через NPV и IRR. Это универсальные метрики, которые учитывают как доход, так и срок его получения.

Пример из практики: «Проект по созданию производства. Через 5 лет — чистая прибыль 15 млн. Но вложения — 12 млн уже сейчас. Без дисконтирования казалось, что идея отличная. После DCF-анализ показал: NPV — минус 1,5 млн при ставке 14%. С учетом рисков — инвестировать нецелесообразно.»

Мини-чек:

• Учитываете ли вы, когда именно поступят деньги?
• Используете ли DCF-анализ в проектах с горизонтом 3+ лет?
• Есть ли ставка дисконтирования в вашей модели?

Инвестиции — это не просто «сколько заработаем», а «когда, с каким риском и какой ценой». Временная стоимость денег — фундамент для трезвых решений.

Ошибка 4. Слепое копирование шаблонов

Что происходит: аналитик берет готовую финансовую модель — из интернета, от коллег, из предыдущего проекта — и подставляет в нее новые данные. Формулы уже есть, логика «вроде» работает, структура выглядит солидно.

Но:

• Формулы не адаптированы под новую бизнес-модель.
• Структура расходов или выручки не соответствует реальности.
• Остались «следы» от другого кейса: ненужные строки, неверные расчеты, неправильные ставки.

На выходе — красивая, но неживая модель, в которой аналитик сам не до конца понимает, откуда что берется.

Шаблон может быть полезной заготовкой — но только если вы в нем разобрались. Слепое копирование приводит к логическим ошибкам, делает выводы недостоверными, мешает объяснить модель на собеседовании или защите проекта.

Это не инструмент — это ловушка.

Частые симптомы:

• В модели есть 20 листов, но используются 3.
• Расходы разбиты по категориям, которых нет в реальном бизнесе.
• Выручка считается с коэффициентами, которые никто не может объяснить.
• В отчете есть блок о CAPEX, но у проекта нет капитальных затрат.

Как избежать:

1. Разбирайтесь в каждой формуле. Не переходите к презентации, пока не можете объяснить:

• Как считается выручка.
• Как моделируются расходы.
• Как выводится NPV или IRR.
  

2. Соберите «скелет» с нуля. Даже если вы используете шаблон, пройдитесь шаг за шагом: проверьте все расчеты, удалите ненужное и подгоните под специфику проекта.

3. Уточняйте бизнес-модель. Прежде чем моделировать, ответьте:

• Как бизнес зарабатывает?
• Что влияет на доход?
• Какие типы издержек ключевые?

Пример из практики: «Кандидат принес DCF-модель на собеседование. На вид — солидно. Но при проверке выяснилось: в формуле NPV использована ставка из e-commerce, хотя проект был в индустрии B2B-услуг. Выручка считалась от средней корзины, а в проекте продажи шли по подписке. Итог — отказ, потому что человек не понимал свою модель.»

Мини-чек:

• Вы уверены, что понимаете каждую формулу в модели?
• Вы адаптировали структуру под реальный бизнес?
• Можете ли вы собрать такую модель без шаблона — с нуля?

Хорошая модель — это не про Excel-магию. Это про ясную структуру, здравую логику и уверенность в том, что всё работает именно под ваш кейс.

Ошибка 5. Нет оценки рисков

Что происходит: аналитик строит аккуратную модель, всё красиво считается, показатели вроде отличные: NPV положительное, IRR выше ставки дисконтирования, окупаемость за 2 года.

Но в модели — один сценарий. Без стресс-теста, без чувствительности к ключевым переменным, без учета возможных отклонений. В реальности же — все почти всегда идет не по плану — задержки, рост затрат, падение спроса и регуляторные сюрпризы.

Если аналитик не учитывает риски:

• Инвестор не понимает, насколько безопасна инвестиция.
• Руководство получает переоцененную уверенность.
• Компания заходит в проект без подушки безопасности.

В итоге даже небольшой сбой рушит расчетную доходность — и приводит к убыткам.

Как избежать:

1. Строим сценарные модели:

• Базовый — всё идет по плану.
• Оптимистичный — спрос выше, расходы ниже.
• Стресс-сценарий — курс растет, продажи падают, поставки срываются.
  

2. Чувствительность (sensitivity analysis). Измените поочередно ключевые параметры. Что будет, если CAC увеличится на 20%? Что произойдет при снижении retention? Как изменится NPV, если проект запустится на полгода позже?

3. Пишите выводы прямо в модели. Не прячьте риски — обозначайте их в выводах: «Выручка чувствительна к снижению среднего чека. При падении на 15% NPV становится отрицательной.»

Пример из практики: «Фонд рассмотрел инвестпроект в логистике. Модель красивая, окупаемость 2 года. Но не учтен рост цен на дизель. Аналитик добавил стресс-сценарий с ростом топлива на 30% — и проект стал убыточным. Сделку отложили, пересчитали. В результате снизили объём инвестиций и оптимизировали маршрутную сеть — проект спасли.»

Мини-чек:

• В модели есть хотя бы два сценария?
• Видно ли, как меняются показатели при отклонении ключевых переменных?
• Учтены ли внешние риски (регулирование, конкуренция, макроэкономика)?

Аналитика без рисков — это фантазия. Настоящий специалист не гадает, а показывает диапазон возможного. Это не просто расчеты. Это умение видеть целиком: от финансов до рисков и здравого смысла.

Хороший аналитик — это не тот, кто строит «правильную» модель, а тот, кто задает правильные вопросы к ней.

Проверьте себя:

• Понимаете ли вы каждое допущение?
• Учтены ли все расходы?
• Реалистичны ли прогнозы?
• Есть ли сценарии и риски?

Чем глубже вы копаете, тем точнее ваше решение. А значит — выше шанс сделать выгодную инвестицию.

Как стать аналитиком инвестиционных проектов: шаги