SEGES, den 1. oktober 2015 Mai-Britt Soo Mortensen Økonomi og Virksomhedsledelse ØKONOMISTYRING SOM BESLUTNINGSUNDERSTØTTENDE VÆRKTØJ VELKOMST, PROGRAM OG PRÆSENTATION AF DELTAGERE
VELKOMST Hovedformål for denne erfa-/sparringsdag: At få udvekslet og drøftet erfaringer med brugen af @Risk i forbindelse med beslutninger vedr.: Forpagtningsaftaler Investeringsbeslutninger Finansieringsalternativer Fokus på rådgivningsprocessen Hvordan bidrager @Risk positivt Hvilke opmærksomhedspunkter/bekymringer er der Drøfte potentialer for @Risk 2...
DAGENS PROGRAM Tidspunkt Aktivitet 9.30-10.00 Ankomst og morgenbrød 10.00-10.30 Velkomst, program og præsentation 10.30-11.00 Kort præsentation af udvalgte afprøvninger 11.00-12.00 Dialog om erfaringerne fra afprøvningerne 12.00-12.45 Frokost 12.45-13.15 Opsamling på dialog om erfaringerne 13.15-13.30 Eksempler på hvordan andre anvender @Risk 13.30-14.45 Dialog om potentialer for @Risk fremadrettet, herunder eksempler fra Heden & Fjorden 14.45-15.00 Afrunding og tak for i dag 3...
PRÆSENTATION AF DELTAGERE Et par nye ansigter i projektgruppen derfor en kort præsentation af os Bordet rundt 4...
SEGES d. 1. oktober 2015 Janni Thestrup Sørensen Økonomi & Virksomhedsledelse Ove Lund Planter & Miljø ØKONOMISTYRING SOM BESLUTNINGSSTØTTENDE VÆRKTØJ
PROBLEMSTILLINGER Mange volatile parametre i det samlede regnestykke Ønske om overblik over drift, investering og risiko Hvad er indtjeningen pr. ha ved drift? Hvor stor er nutidsværdien af investeringen? Hvad er følsomheden, og hvor stor er risikoen? 2...
CASE 1 Køb af 80 ha jord, heraf 74 til dyrkning Afgrøder: Vinterhvede 70 pct. Vinterraps 21 pct. Rødsvingel 9 pct. Ledig arbejds- og maskinkapacitet Hvad kan der tjenes på dyrkning af de 74 ha? 3...
CASE 1 UDBYTTER OG PRISER Udbytter og priser Minimum Mest hyppige Maksimum Vinterhvede, hkg. pr. ha 75 80 96 Vinterraps, hkg. pr. ha 35 44 54 Rødsvingel, hkg. pr. ha 12 14 16 Hvede, kr. pr. hkg. 75 122 150 Raps, kr. pr. hkg. 190 250 300 Rødsvingel, kr. pr. hkg. 750 1.000 1.100 4...
5... PERT-FORDELING
6... CASE 1 INDTJENING (LEDIG MASKINKAPACITET)
7... MED OG UDEN LEDIG MASKINKAPACITET
CASE 1 - INVESTERINGSBEREGNING Investering 12,1 mio. kr. Heraf 1,1 mio. kr. vurderet for stuehus Udleje af stuehus og jagtarealer, 92.000 kr. p.a. 2/3 fastforrentet lån, 3,16 pct. rente, 10 års afdragsfrihed 1/3 variabel forrentet lån, 3,0 pct. rente og stigende, 20 års afdragsfrihed Eventuel træk på kassekredit forrentes med 4 pct. Løbetid på begge lån 30 år Investeringsberegningen over 20 år Uændret produktivitets- og omkostningsniveau alle år Kalkulationsrente på 5 pct. Giver investeringen et positivt afkast? 8...
9... CASE 1 NUTIDSVÆRDI (LEDIG MASKINKAPACITET) INDTJENING PR. HA = 6.474 KR.
10... CASE 1 NUTIDSVÆRDI (ALLE MASKINOMKOSTNINGER) INDTJENING PR. HA = 5.362 KR.
CASE 3 Forpagtning af 80 ha sandjord med vandingsbehov på 70 ha Bortforpagter investerer i den faste del af et vandingsanlæg, ca. 400.000 kr. Forpagter investerer i den mobile del af vandingsanlægget, ca. 200.000 kr. Afgrøder: Økologisk sletgræs 53 pct. Økologisk havre 20 pct. Økologisk rug 27 pct. Hvad giver jorden i afkast med og uden vanding? Hvad kan bortforpagteren få i ekstra forpagtningsafgift for det faste anlæg? 11...
CASE 3 UDBYTTER OG PRISER Udbytte Minimum Mest hyppige Maksimum Majs og sletgræs, FEN pr. ha M. vanding U. vanding M. vanding U. vanding M. vanding U. vanding 5.500 2.500 6.500 5.000 7.000 7.000 Havre, hkg. pr. ha 45 25 50 35 60 60 Rug, hkg. pr. ha 45 30 55 40 65 65 Priser Minimum Mest hyppige Maksimum Majs og sletgræs, øre pr. FEN 150 150 150 Havre, kr. pr. hkg. 110 180 265 Rug, kr. pr. hkg. 110 180 225 12...
13... CASE 3 INDTJENING
CASE 3 - INVESTERINGSBEREGNING Pris for forpagtning 4.500 kr. pr. Levetid fast del af vandingsanlæg 30 år Geninvestering i mobilt vandingsanlæg hver tiende år Anlæggene finansieres med en rente på 4,5 pct. Dertil kommer omkostninger til vedligeholdelse og el Investeringshorisont 30 år Uændret produktivitets- og omkostningsniveau alle år Kalkulationsrente på 5 pct. Hvad er værdien af investeringen i et vandingsanlæg? 14...
15... CASE 3 NUTIDSVÆRDIER
16... CASE 3 NUTIDSVÆRDI (FORSKEL)
HVORFOR ANVENDE @RISK? @Risk lægger op til en interaktiv proces mellem rådgiver og landmand @Risk håndterer volatile variable @Risk visualiserer følsomhed og risiko @Risk håndterer og visualiserer flere scenarier samtidigt @Risk håndterer korrelationer mellem variable 17...
OPMÆRKSOMHEDSPUNKTER/ BEKYMRINGER Kvaliteten af beregningerne er ikke bedre end kvaliteten af de data, der lægges ind! Historiske data (fordelinger og korrelationer) er ikke nødvendigvis et klart billede af fremtiden Valget af fordelinger er afgørende, de er ikke altid normalfordelte 18...
19... UDBYTTE VINTERHVEDE
20... ET UDVALG AF FORDELINGER
21... BEREGNINGSEKSEMPEL
22... BEREGNINGSEKSEMPEL
23...
POTENTIALER Følsomhedsanalyser på et ubegrænset antal beregninger i Excel: Forpagtningsberegninger Investeringsberegninger Sædskifteberegninger Budgettering eller alle beregninger, hvor der indgår en eller flere variable, der svinger indenfor et sandsynligt interval med en hyppighed, der tilnærmelsesvis matcher en fordeling i @Risk 24...
SEGES, den 1. oktober 2015 Mai-Britt Soo Mortensen Økonomi og Virksomhedsledelse ØKONOMISTYRING SOM BESLUTNINGSUNDERSTØTTENDE VÆRKTØJ EKSEMPLER PÅ HVORDAN ANDRE ANVENDER @RISK
EKSEMPLER PÅ HVORDAN ANDRE ANVENDER @RISK RAMBØLL Hos Rambøll anvendes @Risk som bidrag til at kunne beskrive det uforudsete og at kunne modellere sandsynligheder og konsekvenser af uforudsete hændelser www.ramboll.dk/services/transport/risiko-og-sikkerhed Konsulentafdeling Risiko og sikkerhed Kunderne dækker et bredt spektrum inden for transport, infrastruktur, byggeri og miljø Ydelsesområder: Tekniske risikoanalyser omfatter detaljeret modellering af hændelsessandsynligheder og konsekvenser og dækker følgende Projektrisikostyring en systematisk tilgang til at identificere, beskrive og kontrollere risici relateret til projektgennemførelser eller til daglig virksomhedsdrift Matematisk modellering og avancerede dataanalyser som integreret del af de tekniske risikoanalyser eller projektstyringen, eller som separat ydelse udføres avancerede dataanalyser og andre matematiske modelleringsopgaver 2...
EKSEMPLER PÅ HVORDAN ANDRE ANVENDER @RISK I UNDERVISNING PÅ KU (MASTER I FØDEVAREKVALITET OG -SIKKERHED) I KU s kursus Risikoanalyse af fødevarebårne sygdomme er formålet at skabe indsigt i risikovurdering, -håndtering og kommunikation, herunder: www.foedevaremaster.science.ku.dk/opbygning/risikoanalyse_af_foedevarebaarne/ Hvordan overvågningsdata anvendes i risikovurdering Identificere potentielle fødevarerisici og analysere relevante data (fx overvågningsdata fra dyr, fødevarer og mennesker) med henblik på risikovurdering Vurdering og håndtering af fødevarebårne risici Kommunikere resultaterne af analyser samt risikoanalyser til forskellige grupper, herunder myndigheder, erhverv og forbrugere Reagere på aktuelle fødevaresikkerhedsmæssige problemstillinger i og uden for Danmark 3...
EKSEMPLER PÅ HVORDAN ANDRE ANVENDER @RISK FORSKERE VED AMERIKANSK UNIVERSITET Vurdering af landbrugspolitik www.palisade.com/cases/agriculture.asp?casenav=byindustry Forskerne udviklede en simulationsmodel, som illustrerer effekten på landbrugsindkomsten som følge af forskellige landbrugspolitiske værktøjer Modellen baserer sig på et repræsentativt stykke landbrugsjord og afgrødemix @Risk gør det muligt at: modellere usikkerheder forbundet med høstudbytte og priser indarbejde korrelationer systematisk evaluere hver landbrugspolitisk værktøj De sammenlignede de simulerede resultater for at fastslå virkningen af de forskellige betalings- / tilskudsordninger 4...