Финмоделирование без Excel: почему таблицы не масштабируются и чем их заменить

Начну с признания: я люблю Excel. Серьёзно. Первую финансовую модель я собрал в нём 10 лет назад, и она работала. Потом я собрал вторую, третью, двадцатую. И где-то на двадцатой понял, что трачу больше времени на отладку формул, чем на анализ бизнеса.

Excel — хороший инструмент, но у него есть границы, и финансовое моделирование продуктовых команд в них давно не помещается. Ниже — где именно проходит граница и что делать дальше.

Excel — золотой стандарт, который устарел?

Подавляющее большинство финансовых моделей живёт в Excel или Google Sheets. У таблиц есть настоящие преимущества:

Где Excel действительно хорош:

• Полная свобода структуры — строите что хотите, как хотите
• Нулевой порог входа — каждый экономист и финансист умеет работать с таблицами
• Мощные формулы — от VLOOKUP до массивных формул и Power Query
• Прототипирование — быстро набросать расчёт на салфетке (точнее, в ячейке)
• Экосистема — макросы, надстройки, интеграции с 1С и SAP

Но финансовая модель продукта — система взаимосвязанных расчётов, которая живёт, обновляется и которой пользуется несколько человек одновременно. А Excel проектировался в 1985 году как электронная таблица для одного пользователя.

Посчитаем масштаб типичной модели. SaaS-стартап, 36 месяцев прогноза, 8 каналов привлечения, 5 источников дохода, 20 статей расходов, команда из 12 человек с разным графиком найма. Это:

$\text{Ячейки} = (\text{Каналы} \times \text{Параметры} \times \text{Месяцы}) + (\text{Доход} \times \text{Месяцы}) + (\text{Расходы} \times \text{Месяцы}) + (\text{Команда} \times \text{Месяцы})$

$\text{Ячейки} = (8 \times 6 \times 36) + (5 \times 36) + (20 \times 36) + (12 \times 36) = 1\,728 + 180 + 720 + 432 = 3\,060$

Три тысячи ячеек с формулами. Плюс итоговые строки, сценарии, графики. Это уже не «таблица» — это приложение, написанное на языке ячеечных ссылок. И этот язык не имеет ни типизации, ни тестов, ни системы контроля версий.

7 проблем Excel-моделей

Проблема 1: незаметные ошибки в формулах

Исследование F1F9 (компании, специализирующейся на аудите финмоделей) показало, что 88% таблиц содержат ошибки. Исследование Университета Гавайев дало близкую цифру — 86%. Речь о тонких ошибках: забытая ячейка в диапазоне SUM, не обновлённая ссылка после вставки строки, формула, которая ссылается на прошлый месяц вместо текущего.

Конкретный пример из моей практики: модель SaaS-стартапа, 24 месяца прогноза. Формула расчёта активных пользователей на 13-м месяце ссылалась на 11-й вместо 12-го — кто-то вставил строку и не обновил ссылку. Результат: все числа после 12-го месяца были занижены на 8–12%. Модель показывала break-even на 28-м месяце, хотя реальный расчёт давал 24-й. Стартап чуть не привлёк лишний раунд на основании неверных данных.

Внимательность тут не спасает: Excel не может проверить, правильна ли формула по смыслу. Он знает, что =A1+B1 синтаксически верна, но не знает, что вы имели в виду =A2+B2.

Проблема 2: версионный ад

Открываете папку с моделью и видите:

Модель_v3.xlsx
Модель_v3_final.xlsx
Модель_v3_final_правки_от_Саши.xlsx
Модель_v3_final_FINAL.xlsx
Модель_v3_final_FINAL(2).xlsx
Модель_v4_для_инвестора.xlsx

Какая актуальная? Никто не знает. Какие изменения внёс Саша? Нужно открыть обе версии и сравнивать ячейку за ячейкой.

Инвестор получил v3_final_FINAL.xlsx, а команда уже работает с v4. Числа не совпадают, доверие теряется.

Отдельная история — вложения по email. «Высылаю актуальную модель» — и через два дня оказывается, что отправили не ту. Финансовая модель — живой документ, у неё не должно быть «версий». Должна быть одна актуальная модель с историей изменений.

Проблема 3: совместная работа только на словах

Да, Google Sheets решает часть проблемы — несколько человек работают одновременно. Но:

• Нет ролей и разграничения доступа на уровне секций (только лист целиком)
• Нет истории изменений с возможностью откатить конкретное поле
• Нет комментариев, привязанных к конкретным метрикам
• Нет уведомлений «маркетолог обновил каналы привлечения, пересчитай прогноз»

В моей практике «совместная работа» в Sheets выглядит так: три человека боятся трогать чужие ячейки, пишут правки в чат, и один «владелец модели» вносит изменения вручную. Получается бутылочное горлышко.

Проблема 4: сценарии через копирование листов

Инвестор хочет три сценария: пессимистичный, базовый, оптимистичный. В Excel это обычно три копии одного листа с изменёнными параметрами. Проблемы:

1. Дрейф. Через неделю вы исправляете формулу на основном листе — и забываете обновить на двух копиях. Сценарии расходятся.
2. Масштаб. Три сценария по три параметра — это 27 комбинаций. Ручное копирование не масштабируется.
3. Прозрачность. Чтобы понять разницу между сценариями, нужно сравнивать листы. Нет единой таблицы «параметр — пессимистичный — базовый — оптимистичный».

А для хорошего сценарного анализа трёх наборов параметров мало, нужны анализ чувствительности и симуляция Монте-Карло. В таблице это превращается в программирование на VBA.

Проблема 5: графики строятся отдельно

Вы построили модель. Теперь нужен дашборд: графики MRR, burn rate, runway, LTV/CAC, waterfall расходов. В Excel это:

• Отдельный лист (или несколько) с графиками
• Ручная настройка каждого графика
• Форматирование, которое слетает при изменении данных
• Невозможность интерактивного переключения между сценариями на графике

Я видел модели, где 60% листов — это «красивые графики для презентации». Они создавались 3 дня. Через неделю данные обновились, и графики поехали.

Пример. Waterfall-диаграмма расходов показывает инвестору, куда уходят деньги, и это один из самых полезных графиков. В Excel для построения waterfall нужно:

1. Создать вспомогательную таблицу с «невидимыми» столбцами
2. Построить stacked bar chart с прозрачными основаниями
3. Вручную настроить цвета, подписи, порядок категорий
4. Повторить для каждого месяца или сценария

В специализированном инструменте waterfall — один виджет, который обновляется автоматически.

Проблема 6: нет связи между моделью и командой

Кроме чисел, в финансовой модели продукта есть:

• Команда (кто, когда нанимается, какая зарплата, какой allocation)
• Каналы привлечения (бюджеты, конверсии, lifecycle)
• Партнёры (revenue share, bounty, flat fee)
• Тарифы (ценообразование, доли пользователей)

В Excel всё это — ячейки. Нет сущностей «канал», «сотрудник», «партнёр» с атрибутами. Нет возможности сказать «покажи P&L только для Enterprise-сегмента» или «что будет, если маркетолог выйдет на 2 месяца позже». Каждый такой вопрос — это ручное редактирование формул.

Проблема 7: онбординг нового человека — квест на 2 дня

В команду приходит новый CFO или финаналитик. Ему передают Excel-модель. Что его ждёт:

• 15–30 листов с формулами
• Неочевидная навигация (на каком листе что считается)
• Цветовое кодирование, которое понятно только автору
• Скрытые строки и столбцы
• Формулы, ссылающиеся на другие файлы (которые нужно сначала найти)

На сложную Excel-модель у нового человека обычно уходит 2–3 дня. Это при условии, что автор доступен для вопросов. Если автор ушёл из компании — это неделя, и иногда проще построить модель заново.

Я наблюдал ситуацию, когда основатель стартапа три года строил модель в Excel, потом ушёл из проекта. Новый CEO потратил две недели на попытки разобраться, нанял фрилансера для аудита модели (ещё $3 000), и в итоге модель пересобрали с нуля. Итого: три недели простоя и $3 000 — стоимость «бесплатного» Excel.

Бонусная проблема: аудит и compliance

Для стартапов, проходящих due diligence, инвестор часто просит аудируемую модель. В Excel нет audit trail — истории, кто, когда и какое число изменил. Можно включить Track Changes, но на практике это замедляет работу и создаёт нечитаемый лог. В результате вопрос инвестора «почему churn rate изменился с 5% на 3% между версиями» остаётся без ответа.

Что нужно от современного инструмента финмоделирования

Требования прямо следуют из семи проблем выше.

Автоматический пересчёт связанных метрик

Меняете churn rate — автоматически пересчитываются: активные пользователи по месяцам, MRR, LTV, LTV/CAC, точка безубыточности, NPV, runway. Не нужно проверять каждую формулу, не нужно искать «а где ещё используется этот параметр».

Встроенные сценарии и анализ чувствительности

Три сценария через переключатель, не через копирование листов. Tornado-диаграмма, которая показывает, какой параметр сильнее всего влияет на результат. Возможность запустить Монте-Карло с 1000 итерациями и получить распределение исходов.

Совместная работа с ролями и историей

Маркетолог редактирует каналы привлечения. CTO планирует команду. CEO смотрит дашборд. Каждый видит то, что ему нужно. История изменений с возможностью откатить конкретное действие — не весь файл, а «вернуть churn rate к 5%, который был вчера».

Дашборд вместо 15 листов с графиками

25+ виджетов, которые обновляются автоматически при изменении данных. Не нужно строить графики — нужно настроить дашборд один раз и работать с ним как с инструментом мониторинга.

Экспорт в PDF, изображения и презентации

Модель живёт в инструменте, а результаты нужны в других форматах: PDF для инвестора, PNG для Slack, презентация для совета директоров. Экспорт должен быть в один клик, а не через «сохранить как PDF — поправить разрывы страниц — снова сохранить».

Связь модели с реальными данными

Для каналов привлечения нужно задавать lifecycle: задержку запуска, период разгона, пик и затухание. Без этого прогноз нереалистичен: контент-маркетинг не даёт результата в первый месяц, а платная реклама может выгореть через полгода. Подробнее о моделировании каналов и воронке привлечения я разбираю в статье о P&L.

Шеринг и презентация

Моделью нужно делиться с инвестором (read-only), с ментором (viewer + комментарии), с командой (editor на определённых секциях). В Excel для этого приходится создавать копии с разными уровнями защиты листов. Нужен доступ по ссылке с разными ролями.

Обзор категорий инструментов

Рынок инструментов финмоделирования можно разделить на четыре категории.

1. Классические таблицы (Excel, Google Sheets)

Плюсы уже обсудили. Минусы — семь проблем выше. Подходят для: одиночных основателей на ранней стадии, прототипирования, ad-hoc расчётов.

2. Low-code конструкторы (Causal, Runway, Mosaic)

Визуальные конструкторы моделей с drag-and-drop блоками. Каждый блок — переменная или формула. Связи между блоками видны графически.

Плюсы: наглядная структура модели, встроенные сценарии, хорошая визуализация. Минусы: кривая обучения (нужно думать «блоками», а не «ячейками»), ограниченная гибкость для нестандартных расчётов, высокая стоимость ($500–2000/мес для команды).

Подходят для: финансовых команд в компаниях Series A+, которым нужна интеграция с бухгалтерскими системами.

3. Python / R / Jupyter Notebooks

Для аналитиков, которые думают кодом. Максимальная гибкость, воспроизводимость через git, возможность подключить любые данные.

Плюсы: полный контроль, автоматизация, работа с большими данными. Минусы: нужен программист, нет UI для бизнес-пользователей, визуализация требует дополнительных библиотек, нельзя показать инвестору Jupyter Notebook.

Подходят для: data-driven стартапов с сильной аналитической командой, где модель — часть data pipeline.

4. Специализированные продуктовые платформы

Инструменты под одну задачу: финмоделирование продукта с фокусом на P&L, unit-экономику и инвестиционные метрики. В эту категорию попадает ProductWave — платформа для продуктовых команд и стартапов, которая объединяет расчёт P&L, каналы привлечения, команду, сценарии и дашборд в одном инструменте.

Плюсы: структурированные секции (каналы, команда, расходы, доходы, партнёры, тарифы), автоматический расчёт всех метрик, встроенная коллаборация и история. Минусы: менее гибкие, чем Excel, для нестандартных расчётов; привязка к конкретной методологии.

Подходят для: продуктовых команд, стартапов pre-seed–Series A, продуктовых менеджеров, которым нужна рабочая модель без сотни листов.

Сравнительная таблица

Когда оставить Excel, а когда мигрировать

Уходить с Excel стоит, когда время, потраченное на борьбу с инструментом, начинает превышать время на анализ бизнеса.

Оставайтесь в Excel, если:

• Вы единственный пользователь модели
• Модель покрывает один продукт с простой структурой расходов
• Вам не нужны сценарии (т.е. вы не привлекаете инвестиции и не обсуждаете модель с командой)
• У вас уже есть отлаженная модель, которая работает

Мигрируйте, если:

• Моделью пользуются больше двух человек
• Вам нужны сценарии и анализ чувствительности
• Модель обновляется чаще одного раза в неделю
• Вы тратите больше времени на поддержку модели, чем на принятие решений
• Вы готовите модель для инвестора и хотите показать дашборд, а не таблицу
• У вас больше одного продукта или сложная структура каналов привлечения
• Новый сотрудник тратит больше дня на понимание модели
• Вы теряете уверенность в корректности формул при каждом обновлении

Матрица принятия решения

Стоимость ошибки в цифрах

Во что проблемы Excel-моделирования обходятся команде из 5 человек:

$750 в месяц — $9 000 в год. И это консервативная оценка. При этом подписка на специализированный инструмент стоит $30–100 в месяц. ROI миграции — меньше месяца.

Подробнее о структуре P&L модели для стартапа — в пошаговом руководстве. О метриках, которые должен отслеживать продуктовый менеджер — в статье про дашборд продакт-менеджера.

Так когда уходить из Excel?

Честный ответ: не всегда. Если вы один, модель простая и вы в ней ориентируетесь — Excel работает. Он по-прежнему лучший инструмент для быстрых прикидок и ad-hoc расчётов. Я сам до сих пор открываю таблицу, когда нужно что-то прикинуть за пять минут.

Когда модель перестаёт быть «вашей таблицей» и становится рабочим инструментом команды, появляются ошибки в формулах, версионный хаос, расходящиеся сценарии и двухдневный онбординг. Excel тут ни при чём: его просто используют не по назначению.

Менять инструмент пора, когда борьба с инструментом начинает стоить дороже самого анализа. Для команды из 3+ человек с активно обновляемой моделью этот момент обычно наступает быстрее, чем кажется. Если это похоже на вашу ситуацию — загляните в ProductWave, соберите там свою текущую модель и сравните ощущения.