Budsjett vs regnskap, pris- og mengdeavvik.
Når virkeligheten ikke følger planen
Du har laget et budsjett. Men et budsjett som legges i en skuff og glemmes, er nesten verdiløst. Den virkelige verdien kommer når du sammenligner planen med det som faktisk skjedde -- og lærer av forskjellene. Dette er avviksanalyse, hjertet i all økonomistyring.
Et avvik er rett og slett forskjellen mellom budsjettert og faktisk verdi. Vi snakker om et positivt avvik når resultatet ble bedre enn budsjettert -- høyere inntekter eller lavere kostnader -- og et negativt avvik når det ble dårligere. Begge er verdt å analysere. Et stort positivt avvik kan bety at budsjettet var for forsiktig, mens et negativt avvik kan avsløre et problem som må løses før det vokser seg stort.
I dette kapittelet skal vi ikke bare måle avvikene, men forstå hvorfor de oppstår. For et avvik på materialkostnaden kan skyldes to helt forskjellige ting: at prisen var annerledes enn ventet, eller at vi brukte en annen mengde enn planlagt. Å skille disse to er nøkkelen til å vite hvilket tiltak som faktisk hjelper.
Pris- og mengdeavvik
Grunnformelen er enkel: . For inntekter er et positivt avvik gunstig, mens for kostnader er det motsatt -- da betyr lavere faktisk kostnad enn budsjettert et gunstig avvik.
Men det interessante skjer når vi splitter et kostnadsavvik i to. Prisavviket viser hvor mye av avviket som skyldes at prisen per enhet var annerledes enn budsjettert: . Mengdeavviket viser hvor mye som skyldes at mengden var annerledes: . Og det fine er at de alltid summerer seg til det totale avviket.
La oss regne på et bakeri. De budsjetterte med 5 000 kg mel til 8 kr per kg, altså 40 000 kr. Faktisk brukte de 5 400 kg til 8,50 kr per kg, altså kr. Det totale avviket er kr (ugunstig). Prisavviket blir kr, og mengdeavviket kr. Kontroll: kr -- det stemmer! Nå vet bakeriet at de både betalte for mye per kilo og brukte for mye mel, og kan undersøke hver årsak for seg.
Fra avvik til handling
Når avvikene er regnet ut, må ledelsen bestemme hva som krever handling. Og her er en viktig erkjennelse: ikke alle avvik er like viktige. Et lite avvik på kontorrekvisita er sannsynligvis bare en tilfeldig svingning, mens et stort avvik på varekostnaden kan signalisere et systematisk problem.
Dette er vesentlighetsprinsippet. Mange bedrifter setter en grense -- for eksempel at avvik under 5 % eller under et visst kronebeløp ikke krever forklaring. Det ville koste mer å analysere bagateller enn det er verdt. I stedet rettes oppmerksomheten mot de avvikene som virkelig betyr noe.
La oss se på en avdeling. Den budsjetterte med salgsinntekter 500 000 kr, men oppnådde 520 000 kr -- et gunstig avvik på 20 000. Likevel økte varekostnaden fra budsjetterte 200 000 til 225 000 kr, et ugunstig avvik på 25 000. Lønnskostnadene ble 5 000 lavere (gunstig), og markedsføring 5 000 høyere (ugunstig). Budsjettert dekningsbidrag var kr, mens faktisk ble kr. Selv om salget steg, falt dekningsbidraget med 5 000 kr, fordi varekostnaden økte mer enn inntektene. Det forteller avdelingen at de bør grave nærmere i nettopp varekostnaden -- kanskje med en pris- og mengdeanalyse. Når et avvik er funnet, undersøker man årsaken, vurderer om den er forbigående eller varig, setter inn tiltak, og justerer eventuelt budsjettet hvis forutsetningene virkelig har endret seg.
Oppsummering
Avviksanalyse gir budsjettet liv ved å sammenligne plan med virkelighet. Et avvik er forskjellen mellom faktisk og budsjettert verdi, og kan være positivt (gunstig) eller negativt (ugunstig). Begge fortjener oppmerksomhet.
Nøkkelteknikken er å splitte et kostnadsavvik i prisavvik og mengdeavvik. Prisavviket fanger effekten av at prisen var annerledes (beregnet med faktisk mengde), mengdeavviket effekten av at mengden var annerledes (beregnet med budsjettert pris), og de to summerer seg alltid til det totale avviket. Slik vet vi om problemet ligger i innkjøpsprisene eller i forbruket.
Til slutt sorterer vesentlighetsprinsippet hva som krever handling: store avvik analyseres, mens små, tilfeldige svingninger får ligge. Et realistisk budsjett er en forutsetning for at avviksanalysen skal være nyttig -- ellers blir avvikene meningsløse.
Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.