Прогноз денежного потока
Система собирает историю и планы из 1С, банков и CRM и каждое утро строит прогноз остатков на 13 недель вперёд по трём сценариям. Кассовый разрыв виден за месяц-полтора — когда его ещё можно закрыть плановыми деньгами, а не экстренным займом.
Иллюстрация показывает рабочий контур направления; конкретные шаги и интеграции разобраны ниже.
Как это выглядит без автоматизации
О кассовом разрыве большинство компаний узнаёт, когда платёжка уже не проходит: на счетах пусто, до зарплаты три дня, поставщик ждёт аванс. Деньги, которые нужно найти за три дня, — самые дорогие деньги в бизнесе. Прибыльные компании попадают в разрывы так же исправно, как убыточные: прибыль в отчёте и остаток на счёте живут по разным календарям.
Разрыв замечают за дни, а не за недели
Таблица ДДС показывает остаток на сегодня и план «по договорам». О том, что через месяц НДС, аванс поставщику и задержка крупного клиента сойдутся в одной неделе, она молчит: это видно только при моделировании на весь горизонт, на которое ни у кого нет времени.
Excel устаревает быстрее, чем обновляется
Финансист тратит около двух часов в день на сборку: выписки из трёх банков, обороты из 1С, опрос менеджеров «когда заплатят». К обеду сводка готова — и уже неактуальна: два платежа пришли, один слетел, одна отгрузка перенеслась.
План поступлений — это обещания, а не статистика
В плане дебиторка стоит по сроку договора: 30 дней. По факту конкретный клиент платит на 41-й день — каждый раз, годами. Таблица этого не знает, поэтому ошибается системно и всегда в одну сторону: в оптимистичную.
Экстренные деньги стоят в разы дороже плановых
Займ «до пятницы», просрочка поставщику с пенями 0,1% в день, отгрузка со скидкой ради быстрых денег. Один не замеченный вовремя разрыв на 8 млн ₽ обходится в 100–200 тысяч рублей сверх плановой стоимости тех же денег.
Во что это обходится: 4 разрыва в год × ≈160 000 ₽ экстренных процентов и пеней + подушка 6 000 000 ₽, лежащая на счетах без размещения под 15% годовых, ≈ 1 540 000 ₽ в год, или ≈128 000 ₽ в месяц — ещё до подсчёта 40 часов финансиста ежемесячно на ручную сборку таблицы.
Возможности системы
Мы строим прогнозную модель поверх систем, которые у вас уже есть: ночью она забирает выписки всех счетов, обороты 1С, сделки CRM и график обязательств, а утром отдаёт кривую остатков на 13 недель по трём сценариям. Ничего не нужно вносить руками — модель учится на вашей истории и пересчитывается сама при каждом изменении данных.
Прогноз на 13 недель, по дням и неделям
Ближайшие две недели — по дням, дальше — по неделям; по каждому юрлицу, каждому банку и по группе в целом. Кривая минимального остатка показывает не только дату будущего разрыва, но и его глубину.
Три сценария вместо одной цифры
Базовый строится по статистике, осторожный сдвигает поступления по худшей наблюдавшейся дисциплине плательщиков, оптимистичный добавляет сделки из CRM. Разрыв, который виден даже в базовом сценарии, — сигнал действовать сегодня.
Платёжная дисциплина контрагентов — из фактов
По каждому ключевому плательщику модель знает реальный срок оплаты, а не договорной: медиану, разброс, тренд последних месяцев. Поступления в прогнозе стоят на датах, в которые деньги действительно приходят.
Календарь обязательств зашит в модель
Налоги с их датами, зарплата, аренда, кредиты и лизинг, регулярные закупки — всё сидит в модели и не зависит от чьей-то памяти. Разовый крупный платёж добавляется в два клика и сразу пересчитывает кривую.
Алерт о будущем разрыве — с причиной и вариантами
Если в любом сценарии остаток уходит ниже порога, финансовый директор получает сообщение в Telegram: дата, сумма, из-за каких платежей, и как меняется картина при сдвиге конкретных из них.
What-if за секунды
«Что если сдвинуть закупку на две недели», «что если клиент заплатит 20-го» — сдвиг платежа на дашборде мгновенно пересчитывает прогноз. Решение проверяется до звонка поставщику, а не после.
Путь одного события через систему
Каждый шаг оставляет след в журнале: любое решение системы можно открыть и проверить — что пришло, что проверено, что сделано.
Ночью собирается факт
Выписки по всем счетам через API банков, обороты и заявки на оплату из 1С, сделки из CRM. Ручного ввода нет: если операции нет в системах, её нет и в прогнозе — честность модели начинается с этого.
Каждое движение получает статью
Классификатор, обученный на вашей истории, раскладывает платежи по статьям ДДС и отделяет внутригрупповые переводы от реальных потоков. Спорные операции попадают в короткую очередь на подтверждение, ответ дообучает модель.
Строятся будущие поступления
Три слоя: графики платежей по договорам, сделки CRM с вероятностями по стадиям, статистика фактической дисциплины каждого плательщика. Из слоёв складываются базовый, осторожный и оптимистичный сценарии.
Строятся будущие выплаты
Календарь обязательств — налоги, зарплата, кредиты, аренда — плюс согласованные заявки на оплату и регулярные платежи с сезонностью. Ничего не забывается, потому что ничего не держится в голове.
Прогноз сверяется с фактом
Каждое утро вчерашний прогноз сравнивается с фактическими движениями: ошибка видна в отчёте план-факт по статьям, систематические отклонения уходят в дообучение. Точность — измеряемая величина, а не обещание.
Разрыв приходит сам — заранее
При пробое порога в любом сценарии уходит алерт с датой, суммой и причиной. Финансист открывает дашборд, двигает платежи в what-if и выбирает вариант, при котором кривая не заходит в минус.
Что происходит по неделям
Каждый этап заканчивается результатом, который вы видите и принимаете. Оплата привязана к приёмке, а не к обещаниям.
Аудит денежного контура
Составляем карту: юрлица, банки и счета, базы 1С, где живёт платёжный календарь и как согласуются оплаты. Выгружаем 12–24 месяца истории движений, проверяем полноту и качество разметки, согласуем справочник статей ДДС.
Подключение источников и разметка факта
Подключаем банки (API или регулярные выгрузки клиент-банка), 1С и CRM, настраиваем ночной сбор в хранилище. Обучаем классификатор статей на вашей истории, размечаем прошлые операции, выделяем внутригрупповые переводы.
Модель прогноза и бэктест
Собираем календарь обязательств, строим профили платёжной дисциплины контрагентов, подключаем слой сделок CRM. Главное — бэктест: строим прогноз «как будто полгода назад» и сравниваем с фактом по каждой неделе горизонта.
Сценарии, пороги, алерты
Настраиваем три сценария, пороги минимальных остатков по юрлицам и по группе, алерты в Telegram и почту, what-if сдвиги платежей на дашборде. Согласуем, кто и какие уведомления получает.
Параллельный прогон с вашей таблицей
Прогноз работает параллельно с текущим Excel финансиста: еженедельно сверяем прогноз, факт и таблицу, разбираем каждое расхождение, докручиваем статьи и профили контрагентов.
Сопровождение и развитие
Следим за точностью план-факта, разбираем систематические отклонения, добавляем новые счета, юрлица и статьи. При смене структуры бизнеса — новый банк, новое направление, другой налоговый режим — обновляем модель.
Модельный расчёт: из чего складывается эффект
Не «до 90% экономии», а конкретная модель с вводными, которые можно оспорить и пересчитать под себя.
| Показатель | Сейчас | После внедрения |
|---|---|---|
| Горизонт достоверного прогноза | 7–10 дней, дальше — оценки в Excel | 13 недель, обновление каждое утро |
| Предупреждение о разрыве | за 3–5 дней, иногда по факту | за 4–6 недель, с суммой и причиной |
| Закрытие разрывов | экстренный займ под 30% плюс пени поставщикам | плановый овердрафт под 19%, пени ≈ 0 |
| Свободные остатки | лежат на счетах «на всякий случай» | в среднем 6 млн ₽ размещены под 15% |
| Время финансиста на сводку | ≈ 42 часа в месяц | 2–3 часа в неделю на проверку и решения |
Полная цена владения — три составляющие
Никаких скрытых платежей: внешние сервисы вы оплачиваете напрямую по своим договорам, мы не делаем наценку на чужие тарифы.
Внедрение
- типовой проект: 550 000 ₽
- срок: 6–10 недель
- диагностика, разработка, интеграции, пилот
- документация и обучение команды
Поддержка
- мониторинг и реагирование по SLA
- исправление дефектов бесплатно
- обновление сценариев и интеграций
- ежемесячный отчёт о работе системы
Эксплуатация
- Сервер под хранилище и модель (VPS в РФ): 3 000–10 000 ₽/мес
- API банков на чтение выписки: обычно 0 ₽ — входит в тариф РКО
- BI-платформа (DataLens / Superset): 0–990 ₽/мес за пользователя
- LLM-токены на разбор назначений платежей: 1 000–5 000 ₽/мес
- число юрлиц, банков и расчётных счетов в контуре
- состояние разметки: есть ли статьи ДДС в 1С или историю размечаем с нуля
- способ подключения банков: API против регулярных выгрузок клиент-банка
- нужен ли слой поступлений из CRM-воронки или достаточно договоров и статистики
- глубина сценарного блока: три типовых сценария или произвольный what-if со сдвигами платежей
Участие заказчика
На диагностике достаточно обезличенных примеров. Боевые доступы — только после договора и NDA, через защищённые каналы.
С чем соединяем
Работаем с тем, что у вас уже есть. Если вашей системы нет в списке — скорее всего, подключимся через API: уточним на диагностике.
Как это решение работает в разных бизнесах
Оптовик с отсрочками 30–45 дней: дебиторка под 40 млн ₽, сезонная закупка требует предоплаты. Прогноз за пять недель показал, что аванс поставщику, НДС и задержки двух торговых сетей сходятся в одной декаде, — аванс сдвинули по согласованию, и разрыв в 6 млн ₽ не состоялся, не стоив ни рубля процентов.
Подрядчик живёт от акта до акта: подписание КС-2 у заказчиков плавает на 2–6 недель, а зарплата бригад и материалы ждать не умеют. Модель ставит поступления по фактической дисциплине каждого заказчика, и авансы субподрядчикам планируются от осторожного сценария, а не от даты в договоре.
Завод закупает сырьё за два месяца до отгрузки готовой продукции. Прогноз на 13 недель отвечает на главный вопрос: хватит ли своих денег на сырьё под новый заказ или кредитную линию открывать заранее. Свободные 8–10 млн ₽ между налоговыми датами перестали лежать на счёте без процентов.
Перевозчик платит за топливо и лизинг сегодня, а деньги за рейсы получает через 30–60 дней. По каждому грузовладельцу видна фактическая, а не договорная отсрочка: кто на деле кредитуется за счёт перевозчика и в какую неделю лизинговый платёж встретится с провалом поступлений.
УК: платежи жителей размазаны по месяцу с пиком после 25-го числа, а ресурсоснабжающие организации ждут оплату к фиксированной дате. Модель на истории сборов предсказывает провал середины месяца и его глубину — овердрафт согласуется заранее и на нужную сумму, а не в последний день.
Что обычно спрашивают
У нас уже есть платёжный календарь в 1С. Чем прогноз отличается?
Какой точности реально ждать?
Банковские данные уйдут в чужое облако?
У нас три юрлица и займы между ними. Модель не запутается?
История есть, но статьи ДДС никто не проставлял. Это приговор?
Система будет сама проводить или блокировать платежи?
Когда это решение не окупится
- микробизнес с одним счётом и парой десятков платежей в месяц — хватит сервиса финучёта за 3–7 тысяч ₽/мес или аккуратной таблицы
- компании с историей меньше 12 месяцев — модели не на чем учиться; начните с платёжного календаря, к прогнозу вернёмся через полгода
- если 80–90% поступлений — нерегулярные транши одного-двух заказчиков: статистика здесь не работает, прогноз выродится в ручной ввод их обещаний
- если заметная часть оборота идёт мимо учёта — прогноз будет добросовестно ошибаться вместе с учётом
- ожидание, что система сама найдёт деньги: она покажет разрыв за месяц, но закрывать его — управленческая работа
Если на диагностике расчёт не сойдётся — мы предложим более простой вариант или честно скажем, что автоматизация вам пока не нужна. Это дешевле для всех, чем проект ради проекта.
Платёжный календарь
Единая очередь платежей вместо заявок в чатах: маршруты согласования, контроль лимитов по статьям, приоритеты и остаток на счетах по дням на месяц вперёд. Кассовый разрыв виден за три недели, а не в день зарплаты.
Финансы и закупкиУправленческая отчётность
P&L, ДДС и управленческий баланс собираются автоматически из 1С, банков и CRM по согласованной методологии. Период закрывается к 3–5-му рабочему дню, а расхождения видны до публикации отчёта, а не на планёрке.
Финансы и закупкиПоиск финансовых аномалий
Система проверяет каждую операцию в 1С и банке, а не выборку. Находит дубли платежей, нетипичные суммы, сомнительных контрагентов и цепочки вроде дробления под лимит, ранжирует события по риску и фиксирует каждое решение в журнале аудита.
Посчитать «Прогноз денежного потока» на ваших цифрах?
Пришлите объёмы и пару примеров — вернёмся с картой процесса, честным расчётом экономики и точной сметой. Если не сойдётся — так и скажем.
