Te dwa pojęcia brzmią podobnie i często są używane zamiennie — nawet przez osoby, które na co dzień zajmują się finansami. To nie jest błąd sam w sobie. Problem pojawia się wtedy, gdy nie wiemy, czego tak naprawdę potrzebujemy w danej sytuacji — i dostarczamy coś niewystarczającego tam, gdzie wymagana jest pełna analiza.

Warto rozumieć tę różnicę, bo w praktyce decyduje ona o tym, jakie pytania możemy zadać własnemu biznesowi i jakich odpowiedzi możemy od niego oczekiwać.

1. Definicje i podstawowe różnice

Specjaliści z funduszy venture capital, private equity czy bankowości inwestycyjnej operują tymi pojęciami precyzyjnie — i oczekują tego samego od drugiej strony. Analityk od razu sprawdza jedno: czy dokument ma strukturę modelu, czy jest zestawem prognoz. To determinuje, jakie pytania można na jego podstawie zadać i jakich odpowiedzi można oczekiwać.

Sprawozdanie finansowe to ustandaryzowany dokument przedstawiający sytuację finansową firmy. Składa się z trzech elementów: rachunku zysków i strat (który pokazuje przychody, koszty i wynik), bilansu (który pokazuje aktywa, zobowiązania i kapitał własny na dany moment) oraz rachunku przepływów pieniężnych (który pokazuje realne ruchy gotówki w firmie). Prognozy finansowe mają dokładnie tę samą formę — tyle że dotyczą przyszłości, a nie przeszłości.

Warto dodać, że dobry dynamiczny model finansowy działa w obu kierunkach — nie tylko prognozować przyszłość, ale również wyjaśniać historię firmy — analizę finansową, marże, strukturę kosztów czy efektywność operacyjną. To jednak temat na osobny artykuł.

Analityk bankowy oceniający wniosek o kredyt inwestycyjny patrzy na to, czy jest w stanie stwierdzić, skąd biorą się poszczególne pozycje w tych sprawozdaniach — czy wynikają z formuł i założeń, które można prześledzić, czy nie ma do nich żadnego klucza.

I tutaj pojawia się zasadnicza różnica. Model finansowy zawiera informacje, które ułatwiają zrozumienie, skąd biorą się pozycje w prognozowanym sprawozdaniu finansowym — jakie założenia stoją za przychodami, co kształtuje koszty, dlaczego gotówka rośnie lub spada w danym okresie. Prognoza finansowa pokazuje wynik tych wyliczeń, ale nie zawiera mechanizmu, który za nim stoi. Im bardziej przejrzysty i transparentny jest dostarczony materiał, tym większa szansa na sprawniejszy i łagodniejszy proces weryfikacji — mniej pytań, mniej rund wyjaśnień, mniej czasu po obu stronach.

Cecha	Model finansowy	Prognozy finansowe
Czym jest?	Pełna, dynamiczna reprezentacja biznesu w Excelu lub innym narzędziu, złożona z powiązanych arkuszy i założeń	Zestaw trzech podstawowych sprawozdań (RZiS, bilans, CF) na przyszłe okresy — statyczna „migawka” przyszłości
Forma	Zawsze plik z formułami, scenariuszami, harmonogramami i przełącznikami	Może być tabelką w prezentacji, PDF-em lub wyciągiem z modelu
Elastyczność	Wysoka — zmiana jednego założenia natychmiast przebudowuje wszystkie sprawozdania	Ograniczona — zmiana parametru nie aktualizuje automatycznie innych sprawozdań
Złożoność	Wysoka — setki lub tysiące wierszy formuł, dziesiątki arkuszy	Zwykle uproszczona, skoncentrowana na kluczowych liczbach
Integralność danych	Separacja założeń od obliczeń — arkusz Drivers oddzielony od sprawozdań; brak circular references; każda formuła prześledzona do źródła	Liczby często wpisane ręcznie — brak struktury wymuszającej spójność; ryzyko niespójności rośnie z każdą aktualizacją
Audytowalność formuł	Pełna — każda komórka prześledzona do źródłowego założenia; model nadaje się do niezależnego przeglądu (model audit)	Bardzo trudna lub niemożliwa — brak możliwości weryfikacji skąd pochodzi liczba
Wycena	Wbudowane metody: DCF, multiples, LBO, metoda VC; pre-money vs. post-money valuation w jednym pliku	Rzadko zawiera wycenę — jeśli tak, to uproszczoną i niepowiązaną z resztą danych

Kluczowe jest rozróżnienie między narzędziem a jego wynikiem. Prognozy finansowe to efekt końcowy — to, co widzisz na slajdzie w pitch decku. Model finansowy to silnik, który te prognozy generuje. Można mieć prognozy bez modelu (wpisane ręcznie), ale dobry model zawsze generuje spójne prognozy automatycznie.

Jak to wygląda w praktyce PE/VC?

Fundusz inwestycyjny czy venture capital otrzymujący propozycję inwestycyjną spodziewa się otrzymać od sprzedającego pakiet materiałów: teaser, Information Memorandum i plik Excela. Fundusz i tak to weryfikuje — analizuje dostarczone materiały, sprawdza założenia, często robi własne wyliczenia, budując własny model finansowy oraz weryfikując wszystkie możliwe założenia. Doświadczony prywatny inwestor może dodatkowo zlecić niezależną analizę zewnętrznemu konsultantowi, żeby skonfrontować wyniki i ograniczyć ryzyko błędu.

Prognozy finansowe pokazują tylko szczyt góry lodowej. Model finansowy pozwala spojrzeć na całą jej strukturę — z ryzykami ukrytymi pod powierzchnią.

Dobrym przykładem tej różnicy jest wycena. Jednym z istotnych tematów rozmów pomiędzy funduszem venture capital a osobą składającą propozycję inwestycyjną jest wycena spółki — która dość często przygotowywana jest metodą DCF i powstaje właśnie na bazie prognoz finansowych. Natomiast argumenty broniące tej wyceny lub kwestionujące jej założenia — analiza wrażliwości na stopę dyskontową, scenariusze wzrostu, porównanie z mnożnikami rynkowymi — powinny znajdować się w modelu finansowym. Bez modelu wycena DCF jest liczbą, której nie ma jak podważyć ani obronić.

2. Prosta analogia — silnik vs. deska rozdzielcza

Jednym z najskuteczniejszych sposobów, by uzmysłowić sobie tę różnicę, jest analogia do samochodu. Wyobraź sobie nowoczesny pojazd z zaawansowaną elektroniką:

Model finansowy = silnik, skrzynia biegów i elektronika
Cały układ mechaniczny — powiązany, dynamiczny, reagujący na każdą zmianę parametru. Kręcisz kluczykiem (zmieniasz założenie o cenie produktu) i zmienia się prędkość na desce, zużycie paliwa, zasięg i wszystko inne.

Prognozy finansowe = wskaźniki na desce rozdzielczej
Widzisz prędkość, poziom paliwa i temperaturę silnika — ale nie wiesz, jak dokładnie te liczby powstają ani co stanie się, gdy zmienisz bieg lub wjedziesz pod górę. Obraz użyteczny, ale niepełny.

W kontekście biznesowym: analityk funduszu PE, który dostaje samo zestawienie prognoz EBITDA, widzi „deskę rozdzielczą”. Żeby ocenić, czy projekt jest opłacalny przy zmienionym harmonogramie zadłużenia lub niższym wolumenie sprzedaży, potrzebuje silnika — czyli pełnego modelu.

3. Kluczowe różnice w codziennej praktyce finansowej

Scenariusze i analiza wrażliwości

Dobry model finansowy zawiera co najmniej trzy warianty: scenariusz bazowy (base case), optymistyczny (upside) i pesymistyczny (downside). To jednak uproszczenie — etykiety nie oddają tego, czym scenariusze naprawdę są w praktyce. „Downside” nie jest jedną liczbą ani jednym zdarzeniem. To kombinacja niezależnych od siebie czynników, z których każdy działa inaczej: mniej klientów wpływa na przychody, wyższe koszty materiałów zmieniają Techniczny Koszt Wytworzenia, wzrost stóp procentowych uderza w obsługę długu i DSCR, a opóźnienie uruchomienia pali gotówkę bez generowania przychodów.

Dobry model pozwala zmieniać każdy z tych driverów niezależnie i od razu widzieć efekt w całym sprawozdaniu. Pozwala też na przeprowadzenie analizy wrażliwości (sensitivity analysis) — tabel dwuwymiarowych pokazujących, jak dwa parametry jednocześnie wpływają na IRR, NPV czy DSCR. Prognozy mogą zawierać kilka scenariuszy, ale zmiana jednej liczby nie przebudowuje ich automatycznie — ryzyko niespójności jest bardzo wysokie.

Źródło danych — drivery vs. ręczne wpisy

W modelu finansowym każda liczba wynika z formuł i tzw. drivers — założeń wejściowych. Przychód w roku 3 nie jest wpisany ręcznie — wynika z: liczby klientów × ASP (average selling price) × wskaźnik retencji. Zmiana jednego drivera kaskaduje przez cały model. W prognozach liczby mogą być wpisane bezpośrednio, co czyni je podatnymi na błędy i niespójności.

W modelach dla biznesów subskrypcyjnych i SaaS kluczowymi driverami są wskaźniki unit economics: LTV/CAC ratio, churn rate, ARPU i payback period. W produkcji i handlu — cykl konwersji gotówki (DSO, DIO, DPO) i Techniczny Koszt Wytworzenia (TKW). W modelach transakcyjnych (kantory, platformy) — wolumen transakcji, spread i koszt obsługi jednej transakcji. Każda branża ma swój własny zestaw driverów, które powinny być centralnie zarządzane w arkuszu założeń — i które w prognozie najczęściej w ogóle nie istnieją jako osobna warstwa.

Harmonogramy pomocnicze

Model finansowy zawiera rozbudowane harmonogramy szczegółowe, których prognozy zazwyczaj nie mają:

Harmonogram capex i amortyzacji — dokładna kontrola, kiedy i jak aktywa są deprecjonowane
Harmonogram zadłużenia — spłaty rat kapitałowych, odsetki, transzowanie, kowenaty
Working capital schedule — cykl konwersji gotówki: DSO, DIO, DPO
Podatki bieżące i odroczone — wpływ różnic przejściowych na cash flow
Waterfall dla inwestorów — podział zwrotów pomiędzy transze kapitałowe

Przykład z praktyki — model Artemis (Origami Effect):
W klasycznej prognozie inwestycji nieruchomościowej CAPEX to zazwyczaj jedna zagregowana liczba — np. „remont: 2,5 mln zł”. W modelu Artemis każdy nakład jest rozbity na komponenty: Building Envelope, Interior Finishes, Technical Installations, FF&E — każdy z przypisaną trwałością (Useful Life), harmonogramem wymiany i automatycznym przełożeniem na przyszłe koszty operacyjne (OpEx). Zmiana jednego elementu — np. przesunięcie wymiany instalacji HVAC o 2 lata — natychmiast przebudowuje przepływy pieniężne, amortyzację i wskaźnik DSCR w każdym kolejnym roku modelu. Prognoza jest reprezentacją finansową parametrów modelu dla konkretnego scenariusza.

Integracja trzech sprawozdań

Prognoza finansowa to właśnie te trzy sprawozdania — rachunek zysków i strat, bilans i rachunek przepływów pieniężnych — dotyczące przyszłości. To jest jej forma i jej efekt końcowy. Model finansowy jest natomiast tym, co je generuje i co zapewnia, że są ze sobą spójne.

Każde ze sprawozdań odpowiada na inne pytanie. P&L odpowiada na pytanie czy firma zarabia — pokazuje przychody, koszty i wynik. Bilans odpowiada na pytanie co firma ma i skąd to pochodzi — aktywa po jednej stronie, zobowiązania i kapitał własny po drugiej, zawsze na konkretny moment. Cash flow odpowiada na pytanie gdzie jest gotówka — realne ruchy pieniędzy z działalności operacyjnej, inwestycyjnej i finansowej. Firma może być rentowna na P&L i jednocześnie nie mieć czym zapłacić dostawcom.

Te trzy sprawozdania są ze sobą nierozerwalnie powiązane i muszą ze sobą rozmawiać. Weźmy dwa przykłady:

Kredyt bankowy: Zaciągnięcie kredytu pojawia się w cash flow jako wpływ z działalności finansowej. W bilansie rośnie zobowiązanie po stronie pasywów i saldo gotówki po stronie aktywów. Odsetki trafiają do P&L jako koszt finansowy. Spłata raty kapitałowej nie przechodzi przez P&L — widoczna jest wyłącznie w cash flow i bilansie jako zmniejszenie zobowiązania.

Wydatki CAPEX generujące przychody: Zakup maszyny za 1 mln zł nie trafia w całości do P&L. W bilansie pojawia się jako środek trwały. W cash flow jako wydatek inwestycyjny. Dopiero amortyzacja — rozłożona na lata — trafia corocznie do P&L jako koszt, zmniejszając wynik i wartość środka trwałego w bilansie. Maszyna generuje przychody, które pojawiają się w P&L i — po uwzględnieniu terminów płatności — w należnościach w bilansie i w cash flow operacyjnym.

Model finansowy generuje te trzy sprawozdania jako wynik powiązanych formuł i założeń. Zmiana jednego parametru — np. harmonogramu spłaty kredytu lub momentu uruchomienia inwestycji — automatycznie aktualizuje wszystkie trzy jednocześnie.

4. Dlaczego to ma znaczenie przy ocenie projektów inwestycyjnych

Inwestor przede wszystkim szuka dobrego biznesu — przewidywalnego, z partnerem który rozumie co robi i na co się umawia. Prognoza finansowa jest jednym z narzędzi, które pomagają to określić — rodzajem paradygmatu wspólnych ustaleń: jakie są założenia, w którym kierunku zmierza przedsięwzięcie i w jakim tempie. Pokazuje trajektorię — czy firma zmierza ku rentowności, kiedy osiągnie break-even, jak wygląda zapotrzebowanie na kapitał w czasie i jaki wynik jest realny przy przyjętych założeniach.

Różnica między modelem a prognozą ujawnia się właśnie tutaj. Prognoza mówi co ma się wydarzyć. Model pozwala zrozumieć dlaczego — i co się stanie, jeśli rzeczywistość potoczy się inaczej. To drugie jest znacznie cenniejsze w rozmowie z inwestorem, bankiem czy partnerem biznesowym.

Kontekst	Czego wymaga sytuacja	Co ogranicza sama prognoza
Pozyskanie inwestora finansowego	Wspólne rozumienie założeń, ryzyk i scenariuszy — na co się umawiamy	Pokazuje jeden obraz przyszłości, bez możliwości sprawdzenia co się zmieni gdy jedno założenie nie wypali
Finansowanie bankowe	Weryfikacja zdolności do obsługi długu przy różnych wariantach	Nie pozwala sprawdzić DSCR przy zmienionych przychodach lub wyższych kosztach
Przejęcie lub inwestycja kapitałowa	Zrozumienie skąd pochodzi wartość i jak jest wrażliwa na zmiany	Nie zawiera mechanizmu łączącego wycenę z założeniami operacyjnymi
Zarządzanie operacyjne	Narzędzie do bieżących decyzji i aktualizacji planu	Wymaga ręcznej aktualizacji przy każdej zmianie, ryzyko niespójności

Studium przypadku z praktyki: podniesienie kapitału i earn-out

Przykład z realizacji Origami Effect — model transakcji kapitałowej dla spółki z o.o. pozyskującej inwestora finansowego. Spółka miała przygotowaną prognozę finansową na 3 lata z projekcją wzrostu EBITDA. Problem: prognoza w ogóle nie odpowiadała na pytania, które inwestor zadał przy stole negocjacyjnym:

Jak zmieni się cap table po nowej emisji 777 udziałów?
Jakie będzie rzeczywiste rozwodnienie dotychczasowych wspólników i jak to wpłynie na wartość ich pakietu?
Jak działa mechanizm earn-out — kiedy i na jakich warunkach inwestor otrzymuje dodatkowe udziały?
Jaka jest wartość udziałów każdej ze stron przy wycenie 30,8 mln zł przed i po emisji?

Dopiero pełny model transakcji kapitałowej — z tabelą cap table, symulacją czterech scenariuszy (odkup udziałów, nowa emisja, earn-out, analiza wartości na każdym etapie) — dał odpowiedzi na te pytania w liczbach. Prognoza finansowa była punktem wyjścia; model transakcyjny był narzędziem negocjacji.

Studium przypadku z praktyki: startup kantoru internetowego i pozyskanie funduszu inwestycyjnego

Przykład z realizacji Origami Effect — model finansowy dla internetowej platformy wymiany walut, zbudowany pod koniec 2011 roku. Startup działał w wyjątkowo trudnych warunkach: ultra niskie marże na transakcjach walutowych, wysokie ryzyko operacyjne, uzależnienie od infrastruktury bankowej i konieczność budowania zaufania klientów od zera.

Założyciele mieli wizję i prognozę przychodów. Problem polegał na tym, że fundusz inwestycyjny podczas due diligence zadawał pytania, których sama prognoza nie była w stanie obsłużyć:

Jaki jest koszt pozyskania jednego klienta (CAC) przy konkretnych frazach kluczowych w Google Ads — i jak to wpływa na cash flow przy różnych budżetach marketingowych?
Przy jakim wolumenie transakcji model staje się rentowny — i kiedy dokładnie?
Jak wygląda zapotrzebowanie kapitałowe w podziale na CAPEX (budowa platformy) i OPEX (koszty zmienne rosnące wraz z wolumenem)?
Jaki jest scenariusz pesymistyczny przy niższej konwersji i wyższym churnie klientów?

Model finansowy odpowiadał na każde z tych pytań dynamicznie — zmiana budżetu reklamowego automatycznie przeliczała CAC, liczbę klientów, przychody i punkt break-even. Fundusz mógł testować scenariusze w czasie rzeczywistym podczas negocjacji, zamiast czekać na kolejne wersje statycznych prognoz.

Efekt: inwestycja została sfinalizowana. Model był następnie rozwijany i używany operacyjnie przez ponad 7 lat — od etapu pozyskania kapitału, przez wzrost, aż po bieżące raportowanie zarządcze. Platforma osiągnęła ponad miliard złotych przychodów w drugim roku działalności operacyjnej.

To jeden z najlepszych przykładów tego, czym model finansowy różni się od prognozy w praktyce: prognoza kończy się na podpisaniu term sheet, model zaczyna żyć własnym życiem i służy firmie przez lata.

Studium przypadku: transakcja LBO na rynku środkowoeuropejskim

Fundusz PE rozważa przejęcie spółki dystrybucyjnej.

5. Co powinien zawierać dobry model finansowy?

Pełnowartościowy model finansowy to znacznie więcej niż trzy arkusze ze sprawozdaniami. Poniżej lista komponentów ułożona w kolejności logicznego przepływu danych:

1. Arkusz założeń (Assumptions / Drivers)
Centralny panel sterowania modelu — fundament transparentności i audytowalności. Wszystkie kluczowe parametry wejściowe w jednym miejscu: tempo wzrostu przychodów, marże, warunki płatności, stopa podatkowa, kurs walutowy, wskaźniki rotacji zapasów. Żadna liczba w modelu nie powinna być „zakodowana” (hardcoded) bezpośrednio w formule — wszystko powinno odwoływać się do tego arkusza. To zasada nr 1 standardu FAST (Flexible, Appropriate, Structured, Transparent) — jednego z najbardziej uznanych zestawów best practices w modelowaniu finansowym. Separacja założeń od obliczeń eliminuje circular references i sprawia, że model nadaje się do niezależnego audytu formuł.

2. Trzy zintegrowane sprawozdania finansowe
Rachunek zysków i strat (P&L) → Bilans (Balance Sheet) → Rachunek przepływów pieniężnych (Cash Flow Statement). Spójność matematyczna jest niezbędna: saldo gotówki na bilansie musi zgadzać się z końcowym saldem w rachunku przepływów; zysk netto z P&L musi być punktem startowym działalności operacyjnej w CF.

3. Harmonogram CAPEX i amortyzacji
Szczegółowy plan inwestycji w środki trwałe, wraz z metodą i harmonogramem amortyzacji. Konieczny do poprawnego wyliczenia EBITDA vs. EBIT i wyliczeń przepływów wolnych (FCF, FCFE, FCFF).

4. Harmonogram zadłużenia
Wszystkie transze kredytów i obligacji: saldo na początku okresu, uruchomienia, spłaty rat kapitałowych, naliczone odsetki, saldo końcowe. W projektach finansowanych długiem — obowiązkowo wskaźnik DSCR dla każdego okresu.

5. Harmonogram kapitału obrotowego (Working Capital)
Cykl konwersji gotówki zbudowany na dniówkach: DSO (dni spływu należności), DIO (dni obrotu zapasami), DPO (dni spłaty zobowiązań). Zmiana w working capital bezpośrednio wpływa na przepływy operacyjne — niedoszacowanie tego harmonogramu to jeden z najczęstszych błędów w modelowaniu startupów i spółek wzrostowych. Model WC pozwala też na symulację płynności i precyzyjne określenie zapotrzebowania na finansowanie zewnętrzne — czyli odpowiedzieć na pytanie, kiedy i ile gotówki firma będzie potrzebować, zanim jakikolwiek bank zapyta o to sam. Optymalizacja kapitału obrotowego (skrócenie DSO, wydłużenie DPO, redukcja zapasów) jest często pierwszym krokiem do poprawy cash flow bez konieczności sięgania po nowy kapitał.

6. Podatki bieżące i odroczone
Obliczenie podatku dochodowego z uwzględnieniem różnic przejściowych, strat podatkowych do odliczenia (tax loss carryforward) oraz aktywów i rezerw z tytułu odroczonego podatku dochodowego w bilansie.

7. Analiza scenariuszy i wrażliwości

Trzy warianty — base, upside, downside — to absolutne minimum, ale w praktyce to uproszczenie, które może być mylące. Biznes jest znacznie bardziej skomplikowany niż trzy etykiety sugerują.

Weźmy samo pojęcie „downside”. W zależności od branży i modelu biznesowego może oznaczać kilka zupełnie różnych rzeczy, które mogą wystąpić niezależnie od siebie lub jednocześnie — i każda z nich ma inny mechanizm wpływu na wynik:

Mniej klientów — niższy wolumen przy tej samej cenie; wpływa na przychody, ale koszty stałe pozostają, więc marża operacyjna spada nieproporcjonalnie
Mniej klientów gotowych zapłacić zakładaną cenę — presja na ASP lub konieczność rabatowania; wpływa na przychód bez redukcji kosztów zmiennych, niszczy marżę jednostkową
Wyższe stopy procentowe — wzrost kosztu obsługi zadłużenia; wpływa bezpośrednio na cash flow i wskaźnik DSCR, nie dotykając P&L w tej samej skali
Wzrost kosztów materiałów — zmiana Technicznego Kosztu Wytworzenia (TKW); przy stałej cenie sprzedaży ściska marżę brutto, a przy nieelastycznym popycie niemożliwe jest przerzucenie kosztu na klienta
Dłuższy cykl sprzedaży — wyższy CAC i gorszy payback period; przy stałym budżecie marketingowym oznacza mniej klientów w tym samym czasie
Opóźnienie uruchomienia — każdy miesiąc przesunięcia to nie tylko stracone przychody, ale też koszty stałe, które „spalają” kapitał bez zwrotu

Każdy z tych czynników to osobny driver w modelu, który może być zmieniany niezależnie. Dobra analiza wrażliwości nie pyta „co jeśli będzie gorzej?” — pyta „który konkretny parametr, zmieniony o ile, niszczy projekt?” i pokazuje to w tabeli dwuwymiarowej, np.:

IRR przy różnych kombinacjach: cena sprzedaży (−5%, −10%, −15%) × wolumen klientów (−10%, −20%, −30%)
DSCR przy różnych kombinacjach: EBITDA (−10%, −20%) × stopa procentowa (+100 bp, +200 bp, +300 bp)
NPV przy różnych kombinacjach: TKW (+5%, +10%, +15%) × moment osiągnięcia break-even (opóźnienie o 3, 6, 12 miesięcy)

Dopiero taka analiza pozwala decydentowi zrozumieć, które ryzyka są materialne, a które — nawet jeśli się zmaterializują — nie zagrożą opłacalności projektu. Scenariusz „downside” jako jedna liczba tego nie pokaże.

Przykład z praktyki — FarmWise (Origami Effect):

Model finansowo-operacyjny dużego gospodarstwa rolnego nie operuje pojęciami „scenariusz bazowy” i „downside”. Właściciel zmienia konkretne drivery i od razu widzi, co dzieje się z cash flow, obsługą długu i możliwością wypłaty dywidendy.

Weźmy realną sytuację rynkową. Cena skupu mleka spada z 2,10 zł/l do 1,95 zł/l. Przy miesięcznej produkcji 350 000 litrów oznacza to spadek przychodów o 52 500 zł miesięcznie — czyli ponad 630 000 zł rocznie. Model przelicza ten efekt miesiąc po miesiącu, z uwzględnieniem sezonowości produkcji i aktualnego cyklu laktacyjnego każdej grupy krów. Nie jako jedna roczna suma, lecz jako konkretny wpływ na cash flow w każdym miesiącu osobno.

Jednocześnie na rynku pojawiają się niepokojące sygnały o niskich cenach skupu zbóż w nadchodzącym sezonie. Model pozwala zmienić założenie cenowe dla każdej uprawy niezależnie i natychmiast zobaczyć, jak spada marża na tonie pszenicy czy rzepaku, jak zmienia się Techniczny Koszt Wytworzenia w relacji do prognozowanej ceny skupu i w którym momencie dana uprawa przestaje być opłacalna. Co więcej — model pokazuje, czy gospodarstwu bardziej opłaca się ograniczyć sprzedaż zbóż i przeznaczyć więcej na własną paszę dla stada, eliminując część kosztów zakupu zewnętrznego.

Po zmianie tych driverów model daje nie etykietę „trudny rok”, lecz konkretne odpowiedzi na trzy pytania, które zadaje każdy właściciel i każdy bank:

Czy cash flow będzie dodatni? — Model wskazuje dokładnie, w których miesiącach pojawi się luka płynnościowa wynikająca z sezonowości zbiorów i bieżących kosztów operacyjnych. To różnica między zaskoczeniem a zaplanowanym debetem obrotowym.
Czy gospodarstwo obsłuży dług? — DSCR liczony jest dla każdego okresu osobno. Jeśli przy nowych cenach mleka i zbóż wskaźnik zbliża się do progu kowenantowego wymaganego przez bank, model sygnalizuje to z wyprzedzeniem — dając czas na renegocjację harmonogramu spłat lub korektę planu produkcji.
Czy dowiezie dywidendę? — Model pokazuje wolne przepływy pieniężne po obsłudze długu i pozwala właścicielowi zdecydować, czy dywidenda jest możliwa, powinna zostać obniżona, czy odroczona — i o ile dokładnie.

To jest właśnie różnica między modelem a prognozą: prognoza powiedziałaby, że „rok będzie trudny”. Model mówi, w którym miesiącu, o ile i co z tym zrobić.

8. Wycena przedsiębiorstwa lub projektu
Wycena DCF (zdyskontowanych przepływów pieniężnych), wycena porównawcza na mnożnikach rynkowych (EV/EBITDA, P/E), ewentualnie model LBO lub waterfall VC. Każda metoda powinna być powiązana z wynikami modelu operacyjnego — nie obliczana osobno. W modelach transakcyjnych niezbędne są: EBITDA bridge (przejście od historycznej do znormalizowanej EBITDA), tabela sources and uses of funds (skąd pochodzi kapitał i na co idzie) oraz equity bridge pokazujący wartość przypadającą na każdego udziałowca przy różnych scenariuszach wyjścia. W transakcjach z nową emisją udziałów — kalkulacja pre-money vs. post-money valuation i jej wpływ na cap table.

9. Dashboard zarządczy z KPI i kontrola błędów
Podsumowanie kluczowych wskaźników na jednym arkuszu — wizualizacja danych finansowych zaprojektowana tak, żeby decydent widział to, co istotne, bez wchodzenia w głąb formuł. Obowiązkowo: formuły sprawdzające bilans (suma aktywów = suma pasywów) i alerty przy naruszeniu kowenantów bankowych. W dojrzałych organizacjach dashboard jest punktem integracji z systemami ERP i BI — model Excelowy służy jako silnik obliczeniowy, a Power BI lub analogiczne narzędzie jako warstwa wizualizacji dla zarządu i właścicieli. Dzięki temu dynamiczne scenariusze mogą być prezentowane w czasie rzeczywistym bez potrzeby eksportowania danych ręcznie.

Jak to wygląda w kompletnym modelu? Model Artemis dla nieruchomości zawiera wszystkie powyższe elementy w jednej, spójnej architekturze: kosztorysowanie CAPEX bottom-up na poziomie komponentów budynku, moduł zadłużenia bankowego z automatycznym wyliczaniem DSCR i alertami przy naruszeniu kowenantów, scenariusze komercjalizacji (STR vs. wynajem długoterminowy vs. Build-to-Sell), harmonogramy OpEx na cały cykl życia aktywa oraz wycenę DCF/IRR/NPV w horyzoncie 25 lat. To właśnie ta integracja — a nie sama prognoza przychodów — pozwala odpowiedzieć na pytanie: czy projekt się spina, jeśli ceny najmu spadną o 15% i stopy procentowe wzrosną o 200 bp jednocześnie?

6. Kiedy wystarczą prognozy, a kiedy potrzebny jest pełny model?

Nie każda sytuacja wymaga budowania pełnego modelu finansowego. Kluczem jest dopasowanie głębokości analizy do stawek decyzyjnych:

Cel / Kontekst	Prognozy wystarczą	Pełny model wymagany
Prezentacja dla szerokiego grona inwestorów (roadshow)	✅	—
Wewnętrzny budżet na kolejny rok (mała firma)	✅	—
Pitch deck dla VC (etap Seed)	✅	—
Negocjacje term sheet i due diligence	—	✅
Uzyskanie finansowania bankowego lub obligacyjnego	—	✅
Wycena spółki lub projektu inwestycyjnego	—	✅
Symulacja wpływu decyzji strategicznych (M&A, ekspansja)	—	✅
Analiza projektu OZE / PPP / infrastrukturalnego	—	✅

Zasada jest prosta: im wyższe stawki finansowe, im bardziej wiążące są podejmowane decyzje i im więcej stron jest zaangażowanych — tym pełniejszy model jest niezbędny.

7. Najczęstsze błędy i pułapki — czego unikać?

„Hokejowy kij” bez uzasadnienia driverów

Jeden z najbardziej znanych grzechów finansowych: przychody rosną o 5% w roku 1, 8% w roku 2, a od roku 3 magicznie skaczą do 40% rocznie. W prognozach taka trajektoria może przejść niezauważona. W modelu finansowym od razu widać, że żaden driver — ani wzrost liczby klientów, ani zmiana ASP, ani rozszerzenie rynku — nie uzasadnia tego skoku.

Przykład PE: Fundusz analizuje spółkę e-commerce, której prognoza zakłada wzrost GMV z 50 mln PLN do 180 mln PLN w 3 lata. Dopiero model z rozpisanymi driverami (liczba aktywnych klientów × średni koszyk × częstotliwość zakupów) pokazuje, że osiągnięcie tego celu wymagałoby jednoczesnego: podwojenia bazy klientów, wzrostu średniego koszyka o 40% i zwiększenia częstotliwości zakupów o 30% — trzech rzeczy, z których żadna nie wydarzyła się wcześniej jednocześnie w tej spółce. Fundusz obniżył wycenę o 35%.

Brak spójności bilansu

Klasyczny błąd w prognozach tworzonych „ręcznie”: suma aktywów nie równa się sumie pasywów. To znak, że ktoś przepisywał liczby między arkuszami zamiast połączyć je formułami. W pełnym modelu finansowym balans bilansu jest matematyczną konsekwencją poprawnych formuł — nie można go zepsuć bez naruszenia struktury.

W środowisku PE/VC niespójność bilansu jest natychmiastowym sygnałem ostrzegawczym dla analityka — może sugerować błędy w konstrukcji dokumentu, ale też nieujawnione elementy jak zobowiązania pozabilansowe, leasingi czy poręczenia. W każdym przypadku due diligence zostaje rozszerzone i kosztuje obie strony więcej czasu.

W kontekście kredytowania jest to jeszcze bardziej dotkliwe: spójność bilansu to pierwsza rzecz, którą sprawdza analityk bankowy zanim w ogóle przejdzie do oceny zdolności kredytowej. Jeśli suma aktywów nie zgadza się z sumą pasywów, wniosek kredytowy trafia na sam koniec kolejki — albo wraca do wnioskodawcy bez rozpatrzenia. Bank traktuje niespójny bilans jako dowód na to, że firma nie jest w stanie rzetelnie przedstawić swojej sytuacji finansowej, co automatycznie dyskwalifikuje ją jako wiarygodnego kredytobiorcę, niezależnie od tego, jak atrakcyjnie wyglądają liczby przychodów.

Ignorowanie working capital

Wiele prognoz pokazuje piękną rentowność, ale ukrywa katastrofalną sytuację gotówkową. Firma może mieć rosnące przychody i zyski na papierze, a jednocześnie tracić płynność — bo klienci płacą po 90 dniach, a dostawcy wymagają zapłaty z góry. Ten efekt jest widoczny tylko w pełnym modelu z harmonogramem working capital.

Przykład z transakcji PE: Fundusz przejmuje spółkę produkcyjną z EBITDA 10 mln EUR i zakłada, że po przejęciu wystarczy standardowa rewolwingowa linia kredytowa na WC w wysokości 5 mln EUR. Model WC pokazuje, że przy planie ekspansji na nowe rynki (dłuższe cykle płatności, wyższe zapasy buforowe), zapotrzebowanie na working capital wzrośnie o 8 mln EUR w ciągu 18 miesięcy. Bez tej analizy spółka po przejęciu miałaby poważny problem płynnościowy dokładnie wtedy, gdy powinna realizować plan wzrostu.

Hardcoding zamiast formuł

Wpisywanie liczb bezpośrednio do komórek zamiast odwoływania się do arkusza założeń. W prognozach to codzienność. W modelu finansowym każda „zakodowana” wartość łamie zasadę separacji założeń od obliczeń — filar standardu FAST i każdego zestawu best practices w modelowaniu finansowym. Hardcoding niszczy transparentność modelu: zewnętrzny analityk nie jest w stanie stwierdzić, czy dana liczba jest założeniem, wynikiem obliczeń czy przypadkową wartością zostawioną po poprzedniej wersji.

W praktyce PE, gdzie model jest aktualizowany kilkanaście razy w trakcie negocjacji (zmiana struktury długu, korekta prognozy po Q&A z zarządem, aktualizacja po badaniu prawnym), hardcoding potrafi wprowadzić niespójności, które ujawniają się dopiero na etapie podpisania SPA — z bardzo nieprzyjemnymi konsekwencjami dla wyceny i warunków transakcji.

Zbyt optymistyczne stopy dyskontowe

W wycenach DCF nagminnie stosuje się zbyt niskie stopy dyskonta (WACC), co zawyża wynikową wartość projektu. Dobry model powinien zawierać analizę wrażliwości NPV/IRR na zmianę WACC, żeby decydent wiedział, przy jakiej stopie projekt przestaje być opłacalny.

Przykład z rynku VC: Założyciel wycenia swoją spółkę metodą DCF ze stopą dyskonta 12%, uzyskując wycenę 25 mln EUR. Fundusz stosuje WACC właściwe dla early-stage SaaS z koncentracją przychodów w kilku klientach — czyli 30–35%. Wynikowa wycena funduszu: 9–11 mln EUR. Rozbieżność 2,5x wynika wyłącznie z różnicy w stopie dyskontowej, nie z odmiennej wizji biznesu. Bez modelu z tabelą wrażliwości DCF ta rozbieżność jest trudna do omówienia w oparciu o konkretne liczby.

8. Wniosek końcowy

Prognozy finansowe są przydatne — nie ma co tego kwestionować. Sprawdzają się doskonale jako materiał komunikacyjny: w pitch decku, w raporcie rocznym czy w prezentacji dla zarządu. Ale mają swoje granice.

Kiedy w grę wchodzą realne pieniądze, wiążące decyzje i odpowiedzialność za zwrot z inwestycji — prognozy nie wystarczą. Potrzebny jest pełny model finansowy, który:

automatycznie aktualizuje wszystkie sprawozdania przy zmianie założeń, zachowując pełną integralność danych
pozwala przeprowadzać testy warunków skrajnych (stress-testing) i analizę wrażliwości na dziesiątki kombinacji parametrów jednocześnie
zawiera spójne harmonogramy zadłużenia, CAPEX i working capital z monitoringiem kowenantów bankowych
umożliwia precyzyjną wycenę DCF, wycenę mnożnikową i LBO z pełnym equity bridge i tabelą sources and uses
pozwala na symulację płynności i wczesne wykrycie zapotrzebowania na finansowanie zewnętrzne
jest w pełni audytowalny — każda formuła prześledzona do źródłowego założenia, bez circular references, zgodnie z best practices modelowania finansowego
integruje się z dashboardem zarządczym i systemami BI, dostarczając dynamiczne scenariusze w czasie rzeczywistym

Widząc samo zestawienie prognoz, widzisz szczyt góry lodowej. Model finansowy pozwala ocenić wszystko, co kryje się poniżej powierzchni — rzeczywiste ryzyka, ukryte pułapki płynnościowe i prawdziwy potencjał wzrostu wartości.

Finanse & Strategia Danych

Model finansowy a prognozy: gdzie leży kluczowa różnica?