ReMetod
Свяжитесь с нами

Финансы / AR days

Как посчитать дебиторку с ИИ

Дебиторская задолженность — это сумма денег, которую должны вам клиенты. Чтобы посчитать ее с ИИ, нужно собрать данные о счетах и платежах, рассчитать AR days по формуле, а ИИ поможет автоматизировать расчет, прогнозировать поступления и выявлять риски просрочки.

Проблема

Почему это важно

Без автоматизации расчета дебиторки финансовый отдел вручную сводит данные из 1С, Excel и банковских выписок. Это занимает дни, а информация устаревает к моменту подготовки отчета. В результате компания не видит вовремя растущую просрочку, кассовые разрывы становятся неожиданностью, а менеджеры не знают, с кем работать в первую очередь.

Почему возникает

  • Данные о счетах и платежах разбросаны по разным системам, их сложно сопоставить вручную
  • Отчеты формируются раз в месяц, поэтому проблемы видны с опозданием
  • Нет единого реестра дебиторки с разбивкой по срокам и клиентам
  • Ручной расчет AR days не учитывает сезонность и индивидуальные условия оплаты

Риски и потери

  • Кассовые разрывы из-за несвоевременного поступления платежей
  • Рост просроченной задолженности и списание безнадежных долгов
  • Штрафы и потеря доверия поставщиков из-за задержек оплат
  • Неэффективная работа менеджеров: они тратят время на неважных клиентов

Что влияет на результат

  • Сумма и дата каждого счета
  • Дата и сумма фактических платежей
  • Условия оплаты по договору (отсрочка, предоплата)
  • Сезонность продаж и платежная дисциплина клиентов

Типичные ошибки ручного подхода

  • Ошибки при переносе данных между системами
  • Неправильное сопоставление платежей со счетами
  • Игнорирование частичной оплаты
  • Устаревшие данные на момент принятия решений

Определение

Что важно понимать

Дебиторская задолженность (ДЗ)

Сумма денег, которую клиенты должны компании за отгруженные товары или оказанные услуги, но еще не оплатили.

ДЗ — это замороженные деньги компании. Чем больше ДЗ и чем дольше она висит, тем выше риск кассовых разрывов и потерь.

AR days (DSO)

Показатель, показывающий средний срок оплаты счетов в днях. Чем меньше AR days, тем быстрее компания получает деньги.

AR days позволяет сравнивать эффективность работы с дебиторкой в динамике и с другими компаниями отрасли.

Кассовый разрыв

Ситуация, когда у компании заканчиваются деньги на счете, а платежи от клиентов еще не поступили.

Кассовые разрывы приводят к срыву собственных обязательств, штрафам и потере репутации.

Данные

Какие данные нужны

Реестр счетов

Содержит информацию о сумме, дате и условиях оплаты по каждому счету — база для расчета ДЗ.

  • Номер счета
  • Дата счета
  • Сумма счета
  • Срок оплаты (дней)
  • Клиент

Реестр платежей

Позволяет сопоставить поступившие деньги со счетами и определить остаток задолженности.

  • Дата платежа
  • Сумма платежа
  • Номер счета (назначение платежа)
  • Способ оплаты

Выручка за период

Нужна для расчета AR days: средняя ДЗ делится на выручку и умножается на число дней.

  • Период (месяц, квартал)
  • Сумма выручки

Данные о клиентах

Для сегментации дебиторки по клиентам и выявления рисковых должников.

  • Название клиента
  • Сегмент (ключевой, средний, мелкий)
  • История платежей

Методология

Методика расчета дебиторки и AR days

Принципы

  • Дебиторская задолженность считается на конкретную дату как сумма неоплаченных счетов
  • AR days = (Средняя ДЗ / Выручка) × Число дней в периоде
  • Для управления важна не только общая сумма, но и разбивка по срокам: текущая, просроченная 30/60/90+ дней
  • ИИ автоматизирует сбор данных, расчет и прогноз, но формула остается прозрачной

Допущения

  • Средняя ДЗ рассчитывается как среднее арифметическое между начальным и конечным остатком за период
  • Выручка берется за тот же период, что и ДЗ
  • Число дней в периоде: 30 для месяца, 90 для квартала, 365 для года

Ошибки

  • Считать ДЗ без учета частичных оплат — завышает сумму
  • Смешивать валюты без пересчета по курсу
  • Игнорировать авансы и предоплаты
  • Сравнивать AR days за разные периоды без учета сезонности

Роль ИИ

Как ИИ решает задачу

Бизнес-правило

Автоматический сбор и сопоставление данных о счетах и платежах

Данные на входе: Выгрузки из 1С, CRM, банковских выписок

Что делает модель: Сопоставляет платежи со счетами по номеру и сумме, определяет остаток задолженности

Результат: Единый реестр дебиторки с актуальными остатками

Как используется: Финансовый отдел видит актуальную ДЗ без ручной сверки

Машинное обучение

Прогноз поступления платежей

Данные на входе: Исторические данные о платежах, Условия оплаты по договорам, Текущая ДЗ

Что делает модель: Обучается на истории платежей и прогнозирует, когда клиенты оплатят счета

Результат: Прогноз поступлений на ближайшие 30-60 дней

Как используется: Позволяет заранее увидеть кассовые разрывы и принять меры

Машинное обучение

Выявление рисков просрочки

Данные на входе: Данные о клиентах, История платежей, Текущая ДЗ

Что делает модель: Классифицирует клиентов по вероятности просрочки на основе их поведения

Результат: Список клиентов с высоким риском и рекомендуемые действия

Как используется: Менеджеры фокусируются на проблемных должниках

Разбор

Как это работает

  1. 1

    Вход: выгрузки из 1С, CRM, банка. Действие: система загружает и очищает данные, приводит к единому формату. Результат: структурированные таблицы счетов и платежей.

  2. 2

    Вход: таблицы счетов и платежей. Действие: сопоставление платежей со счетами по номеру и сумме, учет частичных оплат. Результат: реестр дебиторки с остатками по каждому счету.

  3. 3

    Вход: реестр дебиторки. Действие: расчет суммы ДЗ на дату и разбивка по срокам (текущая, 30/60/90+). Результат: структура дебиторки по возрастным группам.

  4. 4

    Вход: реестр ДЗ и выручка за период. Действие: расчет AR days по формуле. Результат: показатель оборачиваемости дебиторки.

  5. 5

    Вход: исторические данные о платежах и текущая ДЗ. Действие: обучение модели прогноза поступлений. Результат: прогноз поступлений на 30-60 дней.

  6. 6

    Вход: данные о клиентах и история платежей. Действие: оценка риска просрочки для каждого клиента. Результат: список клиентов с высоким риском.

  7. 7

    Вход: прогноз поступлений и план расходов. Действие: сравнение и выявление кассовых разрывов. Результат: уведомление о возможном дефиците денежных средств.

  8. 8

    Вход: результаты расчетов и прогнозов. Действие: формирование дашборда и рекомендаций. Результат: менеджеры видят, кому звонить и какие меры принять.

Расчет

Формулы для расчета дебиторки

Основные формулы для расчета дебиторской задолженности и AR days. ИИ автоматизирует подстановку данных, но формулы остаются прозрачными.

Дебиторская задолженность на дату

ДЗ = Сумма всех неоплаченных счетов на дату
  • Сумма счета
  • Дата счета
  • Дата платежа

Условный пример: На 31 мая не оплачены счета: №101 на 100 000 руб., №102 на 50 000 руб., №103 на 30 000 руб. ДЗ = 100 000 + 50 000 + 30 000 = 180 000 руб.

Допущение: Учитываются только счета, по которым не было полной оплаты.

AR days (период оборота дебиторки)

AR days = (Средняя ДЗ / Выручка) × Число дней в периоде
  • Средняя ДЗ = (ДЗ на начало + ДЗ на конец) / 2
  • Выручка за период
  • Число дней в периоде (30, 90, 365)

Условный пример: ДЗ на начало месяца = 150 000 руб., на конец = 180 000 руб. Средняя ДЗ = (150 000 + 180 000) / 2 = 165 000 руб. Выручка за месяц = 500 000 руб. AR days = (165 000 / 500 000) × 30 = 9,9 дней.

Допущение: Чем меньше AR days, тем быстрее компания получает деньги.

Пример расчета

Как это выглядит в цифрах

Условный пример

Условный пример: расчет AR days и управление дебиторкой

  • Допущение: Компания продает оборудование с отсрочкой платежа 30 дней.
  • Допущение: За месяц выручка составила 2 000 000 руб.
  • Допущение: ДЗ на начало месяца — 600 000 руб., на конец — 800 000 руб.
Средняя ДЗ = (600 000 + 800 000) / 2 = 700 000 руб. AR days = (700 000 / 2 000 000) × 30 = 10,5 дней. Это означает, что в среднем клиенты платят через 10,5 дней после отгрузки, что лучше договорных 30 дней.

AR days = 10,5 дней — это хороший показатель, так как он ниже договорного срока оплаты. Компания получает деньги быстрее, чем ожидалось, что снижает риск кассовых разрывов. Однако нужно следить за динамикой: если AR days начнет расти, это сигнал о проблемах с платежной дисциплиной.

Логика решения

Почему дана такая рекомендация

Что повлияло на решение

  • Текущее значение AR days и его динамика
  • Доля просроченной дебиторки в общей сумме
  • Прогноз поступлений и предстоящие расходы
  • Платежная дисциплина конкретных клиентов

Какие риски учтены

  • Рост просрочки из-за ухудшения финансового состояния клиентов
  • Кассовый разрыв, если поступления не покроют расходы
  • Потеря клиентов из-за слишком жестких мер

Какие варианты рассматривались

  • Ужесточить условия оплаты для всех клиентов
  • Ввести скидки за предоплату
  • Передать проблемных должников коллекторам

Выбран адресный подход: сначала работа с конкретными проблемными клиентами, так как общее ужесточение может отпугнуть надежных покупателей.

Если бы доля просрочки была критической (более 30% ДЗ), потребовались бы более жесткие меры, включая приостановку отгрузок.

Результат

Что видит пользователь

Дашборд по дебиторке

Общая сумма ДЗ, разбивка по срокам, AR days, динамика за период, список клиентов с просрочкой

Видеть текущую ситуацию и принимать решения о мерах воздействия

Прогноз поступлений

Ожидаемые платежи на 30-60 дней с разбивкой по клиентам

Планировать расходы и избегать кассовых разрывов

Уведомления о рисках

Сообщения о клиентах с высоким риском просрочки и о возможных кассовых разрывах

Своевременно реагировать на проблемы

Автоматизация

Что автоматизируется, а что нет

Выполняется автоматически

  • Сбор и очистка данных из 1С, CRM, банка
  • Сопоставление платежей со счетами
  • Расчет ДЗ и AR days
  • Формирование прогноза поступлений
  • Выявление клиентов с высоким риском просрочки

Требует настройки

  • Настройка правил сопоставления платежей (по номеру счета, сумме)
  • Определение пороговых значений для рисков (например, просрочка более 30 дней)
  • Настройка интеграций с учетными системами

Остаётся за человеком

  • Выбор мер воздействия на проблемных клиентов
  • Решение о реструктуризации долга
  • Утверждение изменений условий оплаты

Внедрение

Как внедрить решение

Быстрый запуск

  • Собрать выгрузки счетов и платежей за последние 3 месяца в Excel
  • Вручную сопоставить платежи со счетами и рассчитать ДЗ и AR days по формуле
  • Создать простую таблицу с разбивкой по срокам и клиентам

Рабочая система

  • Настроить регулярную выгрузку данных из 1С и банка
  • Автоматизировать сопоставление платежей и расчет показателей
  • Создать дашборд с динамикой ДЗ и AR days
  • Настроить уведомления о просрочке и кассовых разрывах

Расширенный вариант

  • Внедрить модель прогноза поступлений на основе истории платежей
  • Подключить данные о сезонности и макроэкономические факторы
  • Использовать сценарный анализ для планирования

Подготовка

Чек-лист перед запуском

  1. 1

    Определить ответственного за расчет и управление дебиторкой

  2. 2

    Собрать данные о счетах и платежах за последние 12 месяцев

  3. 3

    Проверить корректность сопоставления платежей со счетами

  4. 4

    Рассчитать ДЗ на текущую дату и AR days за последний месяц

  5. 5

    Разбить ДЗ по срокам: текущая, 30/60/90+ дней

  6. 6

    Выявить клиентов с наибольшей просрочкой

  7. 7

    Настроить регулярное обновление данных (ежедневно или еженедельно)

  8. 8

    Определить пороговые значения для уведомлений о рисках

  9. 9

    Согласовать с руководством план действий по проблемным должникам

  10. 10

    Провести обучение менеджеров работе с дашбордом

Вывод

Главное

Главный принцип — считать дебиторку регулярно и на основе актуальных данных, а не раз в месяц вручную.

Основные данные — реестры счетов и платежей, выручка. Ключевые расчеты — ДЗ на дату и AR days.

ИИ автоматизирует сбор данных, сопоставление платежей, расчет показателей и прогноз поступлений, позволяя видеть ситуацию в реальном времени.

Начните с простого: соберите данные за последний месяц в Excel, рассчитайте ДЗ и AR days вручную, чтобы понять текущую ситуацию.

Метод ReMetod

На чем основан вывод

Метод ReMetod показывает, как автоматизировать расчет дебиторки: от бизнес-проблемы (кассовые разрывы) через модель решения (формула AR days) к данным и автоматизации. На практикуме участники строят работающее решение, которое считает ДЗ и прогнозирует поступления.

В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.

Посмотреть программу практикума

Вопросы

Что обычно уточняют

ИИ заменит финансового аналитика?

Нет, ИИ автоматизирует рутинные расчеты и прогнозы, но решения о мерах воздействия на должников остаются за человеком. Аналитик нужен для интерпретации результатов и выработки стратегии.

Сложно ли внедрить ИИ для расчета дебиторки?

Начать можно с простых Excel-таблиц и формул, а затем постепенно автоматизировать. ReMetod учит строить такие решения без программирования за 4 недели.

Насколько точны прогнозы ИИ?

Точность зависит от качества данных и стабильности бизнеса. ИИ дает вероятностный прогноз, который нужно регулярно сверять с фактом и корректировать модель.

Следующий шаг

Выберите, как продолжить с ReMetod

Хотите научиться автоматизировать расчет дебиторки с помощью ИИ? Приходите на бесплатный вебинар ReMetod.

Ближайший вебинар

Вводный вебинар
Ближайшая дата появится в календаре

Разберем, где ИИ уже дает управленческую пользу, какие задачи стоит брать первыми и как не уйти в хайп.

Записаться на вебинар
Диагностика

Бесплатный разбор вашего кейса

25–30 минут: фиксируем задачу, данные, возможную автоматизацию и ближайший проверяемый результат.

Записаться на разбор
Практикум

Практикум 1 «Архитектор»

Полный путь от бизнес-проблемы до рабочей модели решения, интерфейса и проверки результата.

Перейти к практикуму