Как обосновать прогноз продаж в бизнес-плане, чтобы банк его принял

Самый частый комментарий банка на бизнес-план: «Прогноз продаж не обоснован». Не «эта цифра мала» или «велика», а именно «не обоснован». Банк видит таблицу с выручкой на 5 лет, но не понимает, откуда взялись именно эти числа и почему они растут именно так.

В этой статье — методология, которая проходит проверку в банках и фондах развития: от источников данных до финальной таблицы прогноза, привязанной к производственной мощности.

Три слоя источников для прогноза

Прогноз не может быть «взят из головы». Каждая цифра должна опираться на источник. В порядке убывания приоритета:

Слой 1. Официальная отраслевая статистика. Росстат (ЕМИСС, ОКПД2), ФТС (таможня), Минпромторг, ППК «РЭО», Росрыболовство и т. д. — в зависимости отрасли. Если ваша отрасль входит в перечень ОКВЭД, данные по объёму производства в натуральном и денежном выражении есть всегда. Проблема: задержка 6–12 месяцев. Решение: экстраполяция с поправкой на инфляцию и индекс промпроизводства.

Слой 2. Аналитика маркетплейсов и открытые данные. Wildberries, Ozon, «Яндекс Маркет» дают фактические цены и динамику продаж по категориям. Сервисы аналитики (MPStats, Stat4market, аналитика WB) — оценки объёмов продаж конкурентов. Данные ФНС через сервис «Прозрачный бизнес» — выручка компаний-аналогов.

Слой 3. Power BI и обработка сырых данных. Если источники есть, но данные разрозненны — сводите их в Power BI. В нашей практике типовой дашборд прогноза продаж собирает данные из: таможенных деклараций (импорт в категории), вакансий конкурентов (hh.ru — количество сотрудников → оценка масштаба), геоданных 2ГИС (количество торговых точек).

Привязка прогноза к производственной мощности

Это обязательное требование любого банка. Прогноз продаж должен быть ограничен сверху производственной мощностью. Схема:

• Паспортная мощность оборудования: X тонн/час, Y тонн/год при односменной работе, 2Y при двухсменной.
• Технологические ограничения: время на переналадку, плановые остановки, брак (обычно 3–7 %).
• Режим работы: 1 смена на старте, переход на 1,5 смены на 2-й год, 2 смены на 3-й год.
• Максимальная выручка: мощность в тоннах × средняя цена реализации.

Пример для линии фасовки молочной продукции: мощность 2 400 тонн/год при двухсменной работе. Средняя оптовая цена — 85 руб./кг. Максимальная выручка: 2 400 000 × 85 = 204 млн руб./год. Прогноз продаж на 3-й год — 180 млн руб. (88 % загрузки). Это логично — остаётся резерв 10 % на рост.

Сопоставление с конкурентами и рыночными ценами

Второй блок проверки банка: «Ваша цена и объём — в рынке?» Если ваша цена на 40 % выше среднерыночной, а вы закладываете 80 % загрузки — нужны веские основания (органический продукт, уникальная технология).

Как собрать данные по конкурентам:

• Цены. Мониторинг Wildberries/Ozon по категориям — 15–20 товаров-аналогов, средняя цена, диапазон.
• Объёмы. Оценка через количество отзывов (конверсия отзыв → продажа для FMCG — ~2–5 %) или через сервисы аналитики маркетплейсов.
• Себестоимость. Открытая финансовая отчётность компаний-аналогов (сервис «Бухгалтерская отчётность» ФНС) — валовая рентабельность, коммерческие расходы.

Для молочного завода: цены конкурентов на питьевое молоко в регионе — 52–68 руб./л оптом. Цена проекта — 58 руб./л (средняя). Валовая рентабельность аналогов — 18–25 %. У проекта — 22 %. Прогноз защищаем.

Динамика: почему именно такой темп роста

Банк смотрит не только на абсолютные цифры, но и на динамику. Типичные вопросы:

• Почему 1-й год — 59 млн, а не сразу 150 млн? Ответ: выход на проектную мощность — 3–6 месяцев пусконаладки, 6 месяцев выхода на плановый ассортимент, сезонность спроса.
• Почему рост 103 % во 2-й год? Ответ: переход на 1,5 смены + расширение ассортимента с 3 до 6 позиций + вход в федеральную сеть с отсрочкой платежа 60 дней.
• Почему рост замедляется до 50 % на 3-й год? Ответ: переход на 2 смены даёт +33 % к мощности, дальше — только за счёт повышения цены (инфляция ~6–8 %) и потери (снижение брака с 5 % до 3 %).

Плавный выход — признак реалистичного прогноза. Резкий старт с последующей стагнацией — признак того, что цифры подогнаны под желаемый NPV.

Как Power BI помогает обосновать прогноз

Power BI — не роскошь, а рабочий инструмент для сбора прогноза. В нашей практике дашборд прогноза продаж включает:

• Вкладка «Рынок»: динамика объёма рынка в отрасли за 5 лет (источник — Росстат), прогноз роста рынка (консенсус-прогноз Минэкономразвития).
• Вкладка «Конкуренты»: цены, доли рынка, выручка топ-10 игроков (график «водопад»).
• Вкладка «Прогноз»: план продаж в тоннах и рублях с привязкой к загрузке мощности, сезонные коэффициенты, сценарии (оптимистичный, базовый, пессимистичный).
• Вкладка «Чувствительность»: торнадо-диаграмма — влияние изменения цены и объёма на выручку и EBITDA.

Скриншоты такого дашборда (3–4 ключевых графика) в приложении к бизнес-плану существенно повышают доверие банка. Это показывает, что цифры не нарисованы, а получены в результате аналитической работы.