DNA

Liczby nie kłamią.

Dlatego każdy biznes – bez względu na branżę, skalę czy złożoność – da się zamienić w precyzyjny model. Trzeba tylko mieć dość cierpliwości żeby go zbudować i dość doświadczenia żeby zadać właściwe pytania. A najciekawsze rozwiązania to zawsze te, które nie miały jeszcze nazwy kiedy powstawały.

Venture Capital

Zwinność, która zostaje na zawsze.

Praca przy ocenie dziesiątek firm w krótkim czasie daje coś, czego nie da żaden kurs ani certyfikat: umiejętność wejścia w obcy biznes i zobaczenia w godzinę tego, co właściciel widzi po roku. Gdzie jest wartość, gdzie jest ryzyko, które założenia są prawdziwe a które życzeniowe. Ten rodzaj czytania firm zostaje – i dziś kształtuje każde zadanie i każdy cel do osiągnięcia.

Private Equity & Angel

Precyzja, która nie uznaje przybliżeń.

Due diligence w środowisku PE to nie analiza – to rekonstrukcja firmy od środka. Każdy wskaźnik musi dać się uzasadnić. Każda prognoza musi wynikać z założeń, nie z optymizmu. Efektem jest standard pracy, który nie odpuszcza niezależnie od skali projektu – czy to wycena przedsiębiorstwa, czy koszt wytworzenia litra mleka na konkretnym gospodarstwie.

Podobne doświadczenia z funduszami Angel – mniejsza skala transakcji, ta sama nietolerancja dla przybliżeń. Inwestor indywidualny zadaje dokładnie te same pytania co fundusz PE – tylko że często ma mniej cierpliwości do odpowiedzi.

Nie trzeba tłumaczyć jak działa firma.
Wystarczy powiedzieć co nie działa.

Interim CFO

Kiedy firma potrzebuje CFO, ale nie potrzebuje etatu.

Doświadczenie inwestycyjne przekłada się też na bezpośrednie wsparcie finansowe firm – od zarządzania płynnością, budżetem i cash flow, przez controlling i raportowanie zarządcze, analizę rentowności i ocenę inwestycji, po współpracę z bankami, audytorami i doradcami. Pełen zakres CFO – bez budowania całej struktury finansowej.

Do każdego zadania podchodzi się z pełną identyfikacją – to co powstaje, ma być czymś z czego można być dumnym, nie czymś co się oddaje i zapomina.

Ewolucja

Od arkusza do architektury.

Wszystko zaczęło się od Excela – i Excel nadal jest w centrum. Nie dlatego że brakuje innych narzędzi, ale dlatego że model który rozumiesz na wylot jest wart więcej niż system którego nie kontrolujesz. Trzy miliony komórek, wszystkie połączone, wszystkie odtwarzające rzeczywisty proces operacyjny – to nie arkusz. To model myślenia zapisany w formułach.

Z czasem Excel przestał być wystarczający – nie dlatego że słaby, ale dlatego że problemy rosły. Efektem tego zderzenia jest architektura, która dziś definiuje sposób pracy w Origami Effect.

Kierunek

Dokąd to zmierza.

Granica między danymi operacyjnymi a finansowymi przestaje istnieć. Systemy, które dotąd żyły osobno – controlling, produkcja, sprzedaż, prognozowanie – zaczynają mówić jednym językiem. Efektem jest coś, czego większość firm jeszcze nie widziała: liczby które same się tłumaczą.

Dane operacyjno-finansowe jako wejście dla AI

Precyzyjne wyliczenia trafiają do modeli językowych, które nadają im formę narracyjną. Zarząd dostaje nie tabelę, lecz gotową analizę w języku decyzji – dla tych, którzy potrzebują odpowiedzi, nie liczb.

Orkiestracja danych w Python

Nie skrypty – architektura przepływu danych. Automatyzacja która łączy źródła, transformuje, weryfikuje i dostarcza dane tam gdzie są potrzebne, w momencie kiedy są potrzebne.

Pomysłowość i egzekucja

Tu nie szuka się narzędzia w katalogu. Tu projektuje się rozwiązanie od zera jeśli żadne z istniejących nie pasuje. I dowozi się je do końca.

Pomysł bez egzekucji to tylko rozmowa.
Egzekucja bez pomysłu to tylko koszt.

Przykład z portfolio – AgriTech

Kiedy model musi wiedzieć więcej niż człowiek pamięta.

Model finansowo-operacyjny dla gospodarstwa rolnego zaczyna się na polu, w momencie siewu kukurydzy. Prawdziwe wyzwanie architektoniczne pojawia się jednak po żniwach, przy z pozoru błahej decyzji: co zrobić ze zbieraną słomą? Sprzedać? Przyorać pod nawóz? Zostawić na ściółkę dla zwierząt?

Żeby podjąć tę decyzję optymalnie, model nie może patrzeć tylko na bieżący kwartał – musi precyzyjnie symulować rzeczywistość w horyzoncie 60 miesięcy. System zaciąga dane o wielkości stada, strukturze wieku zwierząt i harmonogramie rozrodu na kolejne lata, ponieważ to one determinują przyszłe zapotrzebowanie na dobrostan i ściółkę.

Scenariusz komplikuje się jeszcze bardziej, gdy w tym samym 5-letnim oknie planowania pojawia się konieczność wymiany parku maszynowego. Wprowadzenie nowej maszyny zielonkowej drastycznie zmienia efektywność i czas zbioru, co bezpośrednio przekłada się na jakość i wartość energetyczną produkowanej paszy. Model musi natychmiast przeliczyć ten zysk operacyjny i zderzyć go z matematyką finansową.

Co opłaca się bardziej w strukturze podatkowej gospodarstwa: leasing operacyjny czy finansowy? System symuluje oba warianty – tnie koszty na raty, uwzględnia odpisy amortyzacyjne, tarcze podatkowe oraz udziały własne, a następnie przepuszcza ten koszt przez całą strukturę P&L i Cash Flow.

Błędna decyzja w jednym punkcie uruchamia efekt domina: zmienia zapotrzebowanie na zakup zewnętrznych komponentów paszowych, modyfikuje bilans azotu pod dopłaty bezpośrednie i ostatecznie uderza w techniczny koszt wytworzenia litra mleka – liczony do czterech miejsc po przecinku. Trzy miliony komórek formuł nie powstały z zamiłowania do komplikacji. One po prostu odtwarzają rzeczywisty, połączony ekosystem decyzji rolnika na najbliższe 5 lat.

To samo podejście stosuje się sprawdzając które cegły wpływają na rentowność pokoi hotelowych, czy akademik w danej lokalizacji ma sens finansowy, albo jak decyzja w jednym dziale przełoży się na marżę w kolejnym kwartale. Branża się zmienia. Metoda zostaje.

Filozofia

W co się tu wierzy.

Esencjalizm.

Eliminuje się szum, zachowuje sygnał. Prostota jest efektem głębokiego zrozumienia – nie jego substytutem.

Innowacja przez połączenie.

Finanse z kodem. Operacje z ML. Dane z terenu z modelem inwestycyjnym. Kreatywność to zobaczenie tego połączenia zanim ktoś inny je zobaczy.

Cierpliwość jako standard jakości.

Trzy miliony komórek to nie przesada – to tyle ile potrzeba żeby model był prawdziwy. Skrót widać od razu w jakości wniosków.

Narzędzie dobiera się do problemu. Nie odwrotnie.

Excel, Python, React, ML, GPT – każde wtedy kiedy ma sens. Nigdy dlatego że jest modne.

Proste narzędzia do złożonych struktur.

Jeśli budujesz firmę, która powinna wiedzieć więcej o sobie niż wie dziś – to jest właściwe miejsce.