Datenanalysen bei Carve-outs

Article

Wie Datenanalysen bei Carve-outs helfen können

Bei M&A-Carve-out-Prozessen müssen Unternehmen aus großen Datensätzen in kurzer Zeit komplexe Szenarien erstellen. Neue Tools sollen dies erleichtern – doch zunächst einmal muss die Datenqualität stimmen.

Wenn Konzerne einzelne Geschäftsteile abspalten, bedeutet das viel Detailarbeit. Welche Einheiten sind von einem Carve-out ganz oder in Teilen betroffen? Und wie viel Umsatz würden sie pro-forma machen? Schließlich wollen Kaufinteressenten genau wissen, wofür sie bieten. „Häufig gilt es, tausende von Kostenstellen zu überprüfen, um festlegen zu können, ob diese ganz oder nur teilweise in die neue Einheit übergehen. Das ist sehr kleinteilig“, berichtet Marc Rauner, Partner im Bereich Transaction and Restructuring Services bei Deloitte.

Das Beratungshaus will die komplexe Datenarbeit bei Carve-outs zunehmend automatisieren und setzt auf eine Software mit integrierter Datenbank. In diese können die Mitarbeiter des M&A-Projektteams Datensätze aus verschiedenen Systemen einpflegen und auswerten, etwa aus dem Management-Reporting, der Finanzbuchhaltung, der Produktion und der Personalabteilung.

Wir können uns damit zügig einen Überblick verschaffen, wie ein Stand-alone-Szenario für die ausgelagerte Einheit sowie die Remanenzeffekte auf die verbleibende Einheit aussehen könnten.

Oliver Rattka, Partner | Transaction and Restructuring Services

Datenhygiene muss bei Carve-outs stimmen

Allerdings hängt der Erfolg der Datenanalyse wie bei jedem Thema aus dem Bereich Big Data stark davon ab, wie gut die Datenbasis ist, die das Unternehmen den Beratern zur Verfügung stellt. „Bei guten Datensätzen hat man bereits nach 24 Stunden einen validen ersten Überblick, bei inkonsistenten Datensätzen können ein bis zwei Wochen vergehen“, ordnet Rattka den Zeitrahmen ein. Auch sollte jeder Datenpunkt nur einmal im System enthalten sein. Doubletten oder widersprüchliche Angaben müssen übergeleitet oder bereinigt werden.

Dies kann mitunter einen transparenzfördernden Effekt haben: „Die wichtigste Aufgabe besteht darin, eine saubere Datenstruktur zu erarbeiten“, meint Oliver Rattka. Bei der Bearbeitung eines Carve-out-Prozesses fielen Inkonsistenzen in der Datenpflege der Kunden häufig zum ersten Mal überhaupt auf.

Einheitliche Basis bei Carve-outs

Große Konzerne könnten sich eine entsprechende Datenbank mit den notwendigen Budgets und personellen Kapazitäten mittelfristig auch selbst aufbauen, glaubt Rattka. Trotzdem setzt Deloitte darauf, mit dem Tool im Wettbewerb um Mandate einen Pluspunkt zu haben. Rauner:
 

Der Aufbau einer eigenen Analyseplattform benötigt nicht nur Zeit und Geld, sondern auch viel Expertise, um aus den Daten auch möglichst viel herauszuholen.

Marc Rauner, Partner | Transaction and Restructuring Services
   

Die software-gestützte Datenanalyse lohne sich insbesondere bei komplexen Transaktionen. Fragen von Kaufinteressenten, die im Rahmen der Due Diligence aufkommen, könnten auf Grundlage sauberer Daten zügiger geklärt werden. „Es gibt eine konsistente Zahlenbasis und Dokumentation. Inkonsistenzen und mögliche Formelfehler in hunderten von Excel-Tabellen werden ausgeschlossen“, sagt Rauner.

Er geht davon aus, dass sich eine gute Datenarbeit für den Verkäufer in den Preisverhandlungen auszahlen kann: „Die Analysen werden detaillierter und können mit einheitlichen Daten hinterlegt werden. Dadurch sind die Carve-out-Finanzzahlen und Berechnungen für die Kaufinteressenten besser nachvollziehbar“, sagt er. Dies sorge für mehr Glaubwürdigkeit bei den Käufern, so die Hoffnung – und vermeide im Idealfall Preisabschläge wegen einer intransparenten Datenlage.

Quelle: FINANCE Magazin
22/02/2019, www.finance-magazin.de