Magma topp logo Til forsiden Econa

Einar Matson er professor i bedriftsøkonomi ved Institutt for industriell økonomi og teknologiledelse ved NTNU siden 1985. Han er siviløkonom fra NHH (1955).

Asgeir Tomasgard er sivilingeniør fra NTH og har doktorgrad fra samme sted. Han har vært forsker ved SINTEF Teknologiledelse siden 1998 og er førsteamanusensis II i bedriftsøkonomi ved NTNU.

Lars Harald Vik er M. Phil i economics fra Oxford (1998) og har siden vært forsker ved SINTEF Teknologiledelse.

Verdsetting av høyteknologibedrifter

I denne artikkelen belyser vi en metodikk for verdsetting av bedrifter basert på ny teknologi. Hovedkonklusjonen er at verdsetting av slike bedrifter ikke introduserer nye behov innen økonomisk metode. Den krever bare at man fokuserer på de riktige aspektene: teknologi, intellektuell kapital og marked.

* Arbeidet i denne artikkelen er finansiert av Norges Forskningsråd gjennom FAKTA-programmet.

Spørsmål omkring verdsetting av ny teknologi behandles utilstrekkelig både i gjengs faglitteratur og i praktisk virksomhet. Vanskene synes å bli større desto mer prosjektene preges av høyteknologi og høy grad av nyskapning. Samtidig er det ofte denne type prosjekter som åpner opp for det største potensialet for lønnsomhet og størst risiko for feilsatsing. Mediefokuseringen har vært stor på dette i det siste, som en konsekvens av opphaussingen av Internett-teknologien og IT og påfølgende børsras.

Det som har skjedd i Internett-segmentet av markedet, illustrerer godt problemene med verdsetting av teknologi. På den ene siden hevdes det at all gammel kunnskap om verdsetting må kullkastes som en konsekvens av den «nye økonomien» og et påfølgende paradigmeskifte i verdensøkonomien. Fra representanter for den «gamle økonomien» hevdes det at samme krav til lønnsomhet og inntjening nødvendigvis vil gjelde for alle. Hovedargumentet om at det til syvende og sist er kontantstrømmen som genereres over tid, som gir en bedrift verdi, er unektelig bra.

Etter vår mening illustrerer dette kun de samme problemene som for verdsetting av ny teknologi generelt, og representerer ikke noe fundamentalt nytt:

  • Økonomer har i en årrekke forsøkt å verdsette avansert teknologi, med et minimum av innsats for å forstå teknologien.
  • Ofte er fremtidig inntekt i nye teknologibedrifter en konsekvens av de ansattes kunnskap, men tradisjonelle kontantstrømanalyser er sjelden basert på dette.
  • Verdiene ligger ofte i fremtidige muligheter som dagens investering gir. Da blir risiko og beslutningsfleksibilitet nøkkelord i verdsettingen.

Kommersialisering av ny teknologi er en av de viktigste drivkreftene bak fremtidig økonomisk vekst. I Norge var tilførselen av venturekapital 1200 mill i 1999 [6] mot 38 milliarder i 1998 og 620 millioner i 1997 [5].

På bakgrunn av dette melder det seg økte behov for faglig basert ekspertise for verdsetting av teknologiprosjekter og -bedrifter, slik at potensielt lønnsomme prosjekter blir realisert, og slik at ressurser ikke blir ødt på prosjekter som ikke holder mål. Markedsprisingen, der den eksisterer, er ofte preget av svært stor usikkerhet og volatilitet. Prisingen av ny teknologi er preget av at entreprenørene ikke vil selge seg for billig, og av at investorene er redd for å gå glipp av store fremtidige inntekter som en konsekvens av den «nye økonomien».

TRADISJONELL VERDIVURDERING

Økonomisk teori sier oss at verdien av ethvert økonomisk objekt vil, på et perfekt marked, representere nåverdien av objektets fremtidige verdiskapning. Jo sikrere markedssignaler man kan fremskaffe om denne verdiskapningen, desto sikrere blir konklusjonene. Problemet er imidlertid at det for den type bedrifter vi fokuserer på, er markedssignalene ofte fraværende eller misvisende. Nye innovative produkter og prosjekter er ikke gjenstand for fri omsetning. Ofte finnes det ikke et marked for bedriftene, og markedene som eksisterer, oppfyller langt fra de perfeksjonsbetingelsene man normalt forutsetter. Asymmetrisk informasjon mellom kjøper og selger forstyrrer prisdannelsen, og den resulterende pris kan ikke garanteres å være et sant uttrykk for hva som maksimalt kunne betales av den part som ville ha størst nytte av prosjektet.

Det kan argumenteres godt for at regnskapsdataene som foreligger i et nytt teknologibasert firma, er totalt irrelevante når det gjelder signaler om verdien av den teknologien som er under utvikling i et slikt firma. Som eksempler kan det vises til den mangelfulle verdsetting av kunnskapskapital og menneskenes verdi i regnskaper generelt og at fremtidig inntjening er viktigere enn historisk inntjening for slike selskap. Likevel finner man ofte i praksis at meglerhus og analytikere i forretningsbanker enkelt tar utgangspunkt i dagens økonomiske nøkkeltall og multipliserer med en vekstfaktor.

I andre tilfeller velger man å bruke enkle tommelfingerregler i verdsettingen. Price/earning-raten kan gi en indikasjon på en aksjes verdi. Markedet setter en høy price/earning-rate på aksjer hvor man forventer høy vekst i inntjeningen, eller hvor tidshorisonten er lang og risikoen liten. Price/sales benyttes ofte for å sammenligne selskaper innenfor samme bransje. Et annet alternativ har, noe spøkefullt (men ofte alvorlig nok), vært price/head-raten. Den angir hvor mye man må betale for å få tak i et «Internett-hode». Er price/head lav, er selskapet undervurdert.

Det sier seg selv at verdsetting basert på denne type betraktninger når det gjelder selskaper som bygger sin fremtid på ny teknologi, er noe tvilsom. Det man kan konkludere med, er at verdien av disse selskapene er basert på en forventning om eksplosiv vekst i inntjeningen i forhold til dagens inntjening. Felles for ratene over er at det ikke finnes noen god teoretisk motivasjon for å benytte dem til verdsetting, og heller ikke noe empirisk grunnlag for å si at de egner seg til dette formålet [3].

Teoretikerne på sin side heller fremdeles til den kontantstrømbaserte lærebokmetoden for verdsetting av bedrifter (se for eksempel kapittel 3 i [2]). Man tar bedriftens fremtidige forventede kontantstrømmer, diskonterer ned til dagens verdi i form av nåverdi eller forventede nåverdi og trekker fra investeringer. I en verden hvor fremtidig inntjening er usikker og risikofull, er ikke dette like enkelt som det høres ut:

  • Noen må estimere hvordan usikkerheten arter seg, og transformere dette til fremtidige usikre kontantstrømmer.
  • Forskjellige grader av beslutningsfleksibilitet som er med på å øke bedriftens verdi. Kontantstrømbaserte metoder i de fleste lærebøker tar ikke hensyn til dette.
  • To prosjekter med samme forventede nåverdi, men med forskjellig risikoprofil er ikke alltid verdt det samme for alle investorer.

Tradisjonelle nåverdiberegninger for teknologiprosjekter med bruk av høye, risikojusterte avkastningskrav har med rette blitt kritisert som inadekvate. Gjennom en slik kalkyleform blir dynamikk og beslutningsfleksibilitet i prosjektene neglisjert. Vi foreslår i det følgende et rammeverk for verdsetting av teknologibaserte nyetableringer hvor vi adresserer teknologi, menneskers kunnskap og håndtering av usikkerhet.

ET RAMMEVERK FOR VERDSETTING

Man kan ikke verdsette en bedrift uten å ta hensyn til hvilke strategiske muligheter som ligger foran bedriften. Dermed må man også ta stilling til hvilken usikkerhet og risiko bedriften står foran, og hvordan strategiske beslutninger vil påvirke risikoen. Sentralt i vårt rammeverk for verdsetting er de tre faktorenemarked,teknologi og intellektuell kapital (se figur 1).

figur

Figur 1 Rammeverk for verdsetting

Følgende sitat fra Brealey & Myers [2] (1996, s. 285) illustrerer et viktig poeng:

You can expect to earn economic rent only if you have some superior resource such as management, sales force, design team, or production facilities.

Teknologibedriftens «superior resource» er selvfølgelig den nye teknologien og den kunnskap som bedriftens ansatte har rundt videreutvikling og kommersialisering av den. Like selvfølgelig må det da være å ta utgangspunkt i egenskapene ved denne teknologien og hva de kan si oss om optimale strategivalg som tar hensyn til ressurstilgang og markedsforhold. Til det bruk presenterer vi et opplegg for verdsetting av teknologiprosjekter basert på analyse av teknologiske determinanter og intellektuell kapital.

En ekstern investor, for eksempel et venturekapitalselskap, vil trolig etterlyse entreprenøren innenfor dette modellkonseptet. Det er utbredt enighet om at kommersialiseringens suksess står og faller med entreprenørens kvaliteter. Dette er dekket i modellen gjennom behandlingen av intellektuell kapital.

Når det gjelder markedsanalyser og markedsutvikling, finnes det mye vitenskapelig og populærvitenskapelig litteratur (se for eksempel[8] [17]). Vi vil derfor vie resten av denne artikkelen til teknologiens og den intellektuelle kapitalens innvirkning på verdien.

Modellkonseptet kan gi et falskt inntrykk av statisk analyse. De strukturelle betingelsene vil åpenbart endres over tid og i sammenheng med fasene i kommersialiseringsprosessen. Det er derfor viktig å ta hensyn til dynamikk og usikkerhet og legge til rette for en kvantitativ analyse med utgangspunkt i den kvalitative tilnærmingen ovenfor. Dette behandles nærmere i neste avsnitt.

DYNAMIKK, FLEKSIBILITET OG RISIKO

Verdsetting av et prosjekt i nåverdi krever input i form av så vel kontantstrømmer som avkastningskrav og adekvat hensyn til risiko og usikkerhet. Skillet mellom privat risiko (usystematisk) og markedsrisiko (systematisk) er vesentlig. Bak de fleste teorier som benytter risikojusterte avkastningskrav for å ta hensyn til usikkerhet, ligger en antakelse om at investoren er diversifisert. For profesjonelle investorer er dette ofte tilfellet, for entreprenørene gjelder stort sett det motsatte. I denne artikkelen skal vi ikke vie mye plass til hvordan risiko prises, men for alle praktiske formål trenger man et avkastningskrav, gjerne justert for den risikoen man føler at man tar. En diskusjon rundt (u)gyldigheten av å benytte samme avkastningskrav i alle perioder og for alle utfall av usikre faktorer kan for eksempel starte med Copeland og Weston [4], spesielt sidene 406--411 for diskusjon av flerperiodiske CAPM-modeller.

Risiko og forventet avkastning

Man kan se på verdien til en bedrift som sammensatt av to komponenter:

  • forventningsverdien av fremtidige kontantstrømmer
  • en premie som kompenserer for den risikoen investoren føler

Klassisk porteføljeteori sier at så lenge man er diversifisert, trenger man ikke bekymre seg for risiko som er usystematisk. En vanlig misforståelse er at sitter man med en stor nok portefølje, kan man benytte forventningsverdier som anslag for usikre faktorer, siden bidraget fra usikkerheten forsvinner i mengden.

Misforståelsen bygger på at en risikoavers investor kun krever kompensasjon i form av en risikopremie for den usikkerheten som ikke kan diversifiseres bort. Mange tolker da diversifisering dit hen at denne usikkerheten heller ikke er viktig for beregningen av forventningsverdien til kontanstrømmene. Det er feil.

Som et eksempel kan vi se pån like, men uavhengige bedrifter. Hver bedrift (i) har prosentvis avkastning(i(xi)= xi2 som er en funksjon av en usikker etterspørselxi. La oss anta at alle bedriftene har forventet etterspørsel5, og at avkastningen til bedriftene er uavhengige, men alle uniformt fordelt mellom0 og10. Investorens formue er fordelt likt på bedriftene. Forventet avkastning av den totale investeringen blir 33 %, og variansen til porteføljen er889/n. Enkeltbedriftens bidrag til varians er889/n2. Vi ser at nårn blir stor nok, krever vi ingen kompensasjon for denne risikoen, verken for en enkeltbedrift eller for hele porteføljen.

Mange drar da den konklusjonen at vi kan erstatte den stokastiske etterspørselen med sin forventningsverdi,5, i den videre analysen. Det vil selvfølgelig gi en avkastning på 25 %, noe som undervurderer bedriftens verdi. Dette visste vi fra før (dersom vi tenkte oss om).

Når det kommer til stykket, er det likevel mange som ikke husker forskjellen på usikkerhetens innvirkning på varians (og dermed risikopremie) og usikkerhetens direkte innvirkning på forventet nåverdi. Selv i en veldiversifisert portefølje hvor usikkerheten ikke bidrar til systematisk risiko, vil kunstgrepet med å erstatte en usikker parameter med sin forventningsverdi normalt føre til feilvurdering 1.

Når vi erstatter en usikker parameter med sin forventningsverdi, er dette prinsipielt det samme som å anta at avkastningen er en lineær funksjon av parameteren, som vist på figur 2.

figur

Figur 2 Estimering av forventet avkastning

Dynamikk og usikkerhet

Vi har konkludert med at vi trenger en beskrivelse av usikkerheten for å sikre at vi finner bedriftens verdi. Dette gjelder ikke bare for en udiversifisert entreprenør, men også for en veldiversifisert investor. Økonomen griper nå vanligvis fatt i scenarioanalysen. La oss igjen se på en eksempelbedrift. Anta alternative scenarier med lav, normal og høy etterspørsel etter bedriftens produkt. Bedriften ønsker å velge mellom egenproduksjon eller outsourcing. Egenproduksjon krever investering i en liten, middels eller stor maskin.

La oss anta at det etter nærmere analyse viser seg at det i alle scenarier vil være best å produsere selv, med henholdsvis en liten, middels og stor maskin for lav, normal og høy etterspørsel.

Dette er illustrert i figur 3, hvor vi viser kostnadene ved de to alternativene i scenariene. Vi konkluderer med at siden det ikke i noe scenario var gunstig å outsource, er egenproduksjon løsningen.

figur

Figur 3 Kostnad for alternative produksjonsvalg

Svaret er ikke nødvendigvis galt, men analysen er meningsløs. Vi har glemt dynamikken og hvordan usikkerheten løser seg opp over tid. Normalt må vi kjøpe produksjonsutstyr før vi er sikre på etterspørselen. La oss si at vi velger en middels stor maskin for egenproduksjon. Det relevante spørsmålet vil da være hva som skjer dersom vi havner i det gode eller dårlige scenarioet. Kostnaden ved det vil være tapt salg eller en overdimensjonert maskin. Vi illustrerer dette med kostnadskurven for en middels stor maskin i figur 4 for de forskjellige scenariene. I dette eksempelet er outsourcing en mer fleksibel løsning hvor kostnaden skaleres etter behov. Dersom vi tar forventningsverdien over alle beslutninger, ser vi at outsourcing blir best, selv om egenproduksjon kommer best ut i hvert enkelt scenario. Årsaken er at outsourcing vinner på fleksibilitet når vi ser på dynamikken i problemet.

figur

Figur 4 Kostnad ved valg av middels maskin

I en statisk scenarioanalyse vil fleksibilitet aldri belønnes siden man aldri trenger den. I gode scenarier velges en for optimistisk løsning. I dårlige scenarier minimeres tapet. Dette kan gjøres fordi analysen benytter seg av informasjon som faktisk ikke er tilgjengelig på beslutningstidspunktet. Problemet er at disponerer man en tidsmaskin, er man neppe villig til å betale ekstra for fleksible løsninger. I virkeligheten teller fleksibilitet. Kanskje kjøper man en produksjonsmaskin av en viss størrelse, og deretter finner man ut at den var for stor eller for liten. Da blir fleksibilitet plutselig mer verdt.

Viktige spørsmål er: Hvordan blir usikkerhet oppløst, hvilken effekt har oppløsningen på selve beslutningsprosessen, og hvordan må dynamikk håndteres i representasjon og verdivurdering av et prosjekt?

Tidspunktet usikkerheten blir oppløst på, bestemmer hvilken informasjon som til enhver tid er kjent for beslutningstakeren. Det at ny informasjon faktisk blir kjent over tid, gjør at beslutningstakerens oppgave blir mer krevende. Anta at følgende tabell viser etterspørselen i fire tidsperioder for fem scenarier.

figur

Tabell 1

Av tabellen er det vanskelig å se hvordan usikkerheten oppløses. Vi representerer derfor scenariene med et hendelsestre, se figur 5.

figur

Figur 5 Hendelsestre for fem scenarier

Hendelsestreet viser oppløsning av usikkerhet. Hvert tidspunkt hvor ny informasjon blir kjent, er et mulig beslutningstidspunkt, i hendelsestreet representert med noder (t = 0, 1, 2, 3). Linjen mellom to noder på forskjellig nivå representerer dermed en realisering av den stokastiske variabelen. På hvert nivå i treet blir altså ny informasjon tilgjengelig ved at de usikre parametrene for den foregående perioden blir kjent.

Beslutningene som tas i nåtidspunktet, ligger i den eneste noden ved t = 0,rotnoden. Dersom vi følger en sti i treet fra rotnoden til enendenode, vil informasjon om de stokastiske variablene bli kjent langs stien, mens beslutninger blir tatt i nodene. Fra hver node fortsetter en sti for hvert mulige utfall av de usikre parametrene i fremtiden.

I treet på figur 5 ser vi at dersom første periodes etterspørsel viser seg å bli 15, er kun ett scenario mulig for prosjektets videre utvikling. Fremtiden kan da regnes som sikker, og usikkerheten oppløses allerede etter første periode. Alle de andre scenariene passerer gjennom samme node ved tidspunkt 1. Det betyr at det fremdeles eksisterer fire mulige fremtider dersom etterspørselen i første periode skulle bli 25. Dersom scenariene s4 eller s5 er den fremtiden som faktisk blir realisert, vil usikkerheten ikke oppløses fullstendig før i siste periode.

I denne dynamiske verdenen defineres et scenario som en sekvens av realiseringer av de stokastiske variablene over prosjektets levetid. I hendelsestreet er hver sti fra rotnoden til en endenode i hendelsestreet et scenario. Antallet endenoder tilsvarer derfor antallet mulige fremtider sett fra nåtidspunktet. Hvert scenario representerer en kombinasjon av utfall for alle de usikre variablene og er derfor forbundet med sannsynligheten for at nettopp denne kombinasjonen skal inntreffe.

Vi legger merke til at når beslutninger og usikkerhet beskrives slik, fanger vi ikke muligheten for at beslutninger kan endre de underliggende stokastiske parametrene. En naturlig utvidelse av et hendelsestre for å håndtere dette er stokastiske beslutningstre. Da beskriver man alle realiseringer av beslutningeri tillegg til alle realiseringer av usikre variabler. Det er lett å innse at størrelsen på treet da eksploderer i antall beslutninger og usikre variabler

For en deterministisk kontantstrøm vil all informasjon være kjent fra starten av, og avgjørelser for all fremtid kan tas i nåtidspunktet uten at det reduserer beslutningens kvalitet. Noen form for økende kunnskap om prosjektet og dynamikk i beslutningsprosessen eksisterer ikke.

I en verden med usikkerhet vil ofte ny informasjon om prosjektet og de forskjellige parametrene bli kjent etter hvert som tiden går. Det kan da lønne seg å utsette beslutninger til mer informasjon blir tilgjengelig. I noen tilfeller er det nødvendig å treffe mottiltak mot utfall som inntreffer for de usikre parametrene, i andre tilfeller gir utfallene anledning til å utnytte nye muligheter. Om man i verdsettingen går ut fra at alle beslutninger tas i nåtidspunktet, vil man få et galt bilde av denne opsjonsverdien: Beslutningstakeren har fremtidig valgfrihet til å korrigere sine handlinger ut fra ny informasjon.

I praksis vil en rasjonell beslutningstaker til enhver tid utnytte den informasjon som er tilgjengelig. En metode for verdsetting av bedrifter må derfor ta hensyn til at beslutningsprosessen er sekvensiell, og at dette har innvirkning på prosjektets verdi.

TEKNOLOGIENS BETYDNING

Når man skal verdsette bedrifter basert på ny teknologi, er det svært viktig å gå i detalj når det gjelder teknologiens innvirkning på risiko og inntjeningsmuligheter. Derfor er det overraskende at mange teoretiske analyser av denne type bedrifter bare i liten grad behandler teknologiens betydning [14]. Her behandler vi en metodologi for kvalitative vurderinger med formål å identifisere teknologiske faktorer som vil være kritiske for en bedrift basert på høyteknologi. Dette analyserammeverket er beskrevet i [14] og var opprinnelig beregnet på nystartede bedrifter basert på høyteknologi. Metodikken er anvendelig for analyse av kritiske teknologifaktorer for høyteknologibedrifter i alle utviklingsfaser.

Vi foreslår i siste del av artikkelen hvordan metodikken kan brukes som grunnlag for kvantitativ analyse av teknologibedrifter. Først fokuserer vi på kvalitative vurderinger.

Når verdsettingen skal ta utgangspunkt i den teknologien som søkes kommersialisert, er det hensiktsmessig å kunne karakterisere teknologien i forhold til et sett av egenskaper som legger føringer på kommersialiseringsprosessen. Innenfor økonomiske fag er det gjort lite for å utvikle en slik teknologisk typologi ut over klassifisering i bransjer som anses som mer eller mindre teknologitunge, eksempelvis elektronikk, biologi og informasjonsteknologi. Innenfor slike kategorier vil kommersialiseringsegenskapene kunne være svært ulike, og nye teknologiprodukter vil kunne være relatert til mer enn en tradisjonell bransje.

Vi presenterer et sett av 10 teknologiske determinanter som er utviklet på grunnlag av eksisterende litteratur på området og en analyse av 40 teknologiske casebedrifter. Se [14] for flere detaljer om dette.

En kvalitativ analyse av de teknologiske determinantene for et gitt produkt klargjør hvilke produktmarkeder og eksterne forhold man må forholde seg til. Er for eksempel de aktuelle markedene modne nok for den aktuelle teknologien? Forekommer det vesentlige «first mover advantages», eller vil det tvert imot være en ekstra byrde å måtte brøyte vei for den nye teknologien? Videre vil det bli klarlagt hvilke komplementære ressurser som er av kritisk betydning for vellykket kommersialisering. Er det for eksempel tilstrekkelig tilgang på knowhow og intellektuell kapital til å gjennomføre kommersialiseringen? I hvilken grad vil det være nødvendig å bruke underleverandører (outsourcing), og er det lett tilgang på kompetente underleverandører?

Diskusjonen i [14] fokuserer på teknologiens betydning ved å identifisere en rekke faktorer som har innvirkning på risiko og inntjeningspotensial for teknologibedrifter i en oppstartingsfase. Begrepet som benyttes for disse kritiske faktorene, erteknologiske determinanter:

  • teknologitype
  • teknologisk nivå
  • teknologisk nyskapning
  • teknologisk utviklingsfase
  • produksjonsprosess
  • imitasjonsrisiko
  • kritikalitet
  • kompleksitet
  • substitusjonspotensial
  • rekkevidde

Vi vil her argumentere for determinantenes betydning når en bedrift basert på teknologi skal verdsettes. Det er viktig å huske at det er effekten av disse determinantene i fellesskap som har betydning, sammen med innvirkning fra andre faktorer, som marked, nettverk, ledelse og kapitaltilgang. Dertil kommer de strategiske valgene som blir gjort for å fremme bedriftens utvikling.

Teknologitype refererer til bransje eller del av en bransje. Selv om denne determinanten kan romme mange produkter med ulike egenskaper for kommersialisering, er den et tjenlig utgangspunkt for videre analyse.

Teknologinivå refererer til produktets plassering langs en lite veldefinert skala fra høyteknologi til enkel ny teknologi. Denne kvalitative vurderingen kan søkes basert på hvor nær produktet er knyttet til vitenskapelig forskning og utvikling.

Teknologisk nyskapning er ikke identisk med teknologinivå. Høyteknologi vil typisk, men ikke alltid, representere en høy grad av nyskapning. En ny anvendelse av kjent teknologi, eller kombinasjon av kjente og ikke så høye teknologier, kan på den annen side innebære en høy grad av nyskapning.

Utviklingsfase kan angis på ulike måter, for eksempel som idéfase, teoretisk løsning, prototyp, markedsferdig produkt, markedsintroduksjon eller vekstfase.

Produksjonsprosess viser til hvilke krav som fremstillingen av teknologiproduktet stiller til knowhow og produksjonsutstyr, prosessenes skalakarakteristikk, osv.

Imitasjonsrisiko viser til hvor lett det nye produktet kan imiteres av konkurrenter, om patentering er aktuelt, eller om det nye produktet innebærer «taus informasjon».

Kritikalitet innebærer hvor kritisk viktig produktets funksjonalitet er for brukeren, og hvor krevende kunder kommersialiseringen må forholde seg til.

Kompleksitet viser til hvor sammensatt produktet og produksjonsprosessene er med hensyn til kritisk viktige komponenter og multiple teknologier. Krav til systemkompatibilitet hos brukeren kan også inkluderes i denne determinanten.

Substitusjon versus komplementaritet angir om kommersialisering av den nye teknologien vil måtte fortrenge eksisterende teknologi, eller om gammel og ny teknologi i kombinasjon tvert imot gir synergieffekter.

Rekkevidde viser til teknologiens anvendelsesmuligheter, deres mangfoldighet, størrelse og varighet.

Utvalget er, som nevnt, basert på caseobservasjoner av hva som er viktige teknologiske determinanter. Vi antar at leseren ikke vil ha vanskeligheter med å forestille seg at hver enkelt determinant har betydning for kommersialiseringen. Det kan hevdes at det forekommer en viss grad av overlapping mellom determinantene, men det er her lagt størst vekt på å få frem en nyansert spesifikasjon av teknologiegenskaper som ikke nødvendigvis er disjunkte.

Når det gjelder determinantenes relative viktighet og samspill for kommersiell suksess, kan det argumenteres for behov for statistisk analyse. Dette ville vært viktig dersom formålet var å komme frem til suksessbetingelser for et gitt utvalg av teknologibedrifter. Vårt formål er imidlertid å utvikle beslutningsstøtte i forhold til den enkelte bedrift, det enkelte teknologiprodukt eller -prosjekt. Denne listen med teknologiske determinanter er lang, men fremdeles ukomplett. Det er også viktig å huske at det er samspilleffekter mellom de forskjellige determinantene.

Gjennom en analyse av ca. 40 caser konkluderes det likevel med at dette utvalget dekker svært godt de aspekter som hadde betydning for bedriftenes skjebne [14]. Ikke alle determinantene var like viktige i alle casene, men målet med å gå igjennom determinantene enkeltvis og kartlegge bedriften og dens teknologi basert på dem er jo nettopp å finne ut på forhånd hvilke som er av betydning i det enkelte tilfellet.

TDA-tilnærmingen i [14] gir kvalitativ informasjon som kan legges til grunn for strategivalg og scenarioutvikling. Informasjonen kartlegges systematisk og er et grunnlag for kvalitativ forståelse av bedriften. Ofte vil denne informasjonen også være svært viktig når bedriftens verdi skal fastsettes. Det skyldes at den kvalitative informasjonen som blir tilgjengelig, indikerer bedriftens risikoprofil og dens inntjeningspotensial.

Intellektuell kapital

I ethvert børsnotert foretak ser man at bokført verdi avviker fra markedsverdien (verdien av aksjene). En del av denne forskjellen kan forklares ut fra regnskapsmessig håndtering av eiendeler. Eiendeler er for eksempel oppført til historisk kostnad og ikke til markedsverdi. De bokførte verdiene kan justeres slik at man får en form for substansverdi, men selv etter en slik korreksjon blir det ofte et stort gap mellom markedsverdien og den substansverdien man er kommet frem til når man ser bare på de fysiske eiendelene. Det ser dermed ut som om foretaket har en eller annen form for immateriell eiendel som markedet setter en verdi på. Denne immaterielle eiendelen kalles innenfor én teoriretning intellektuell kapital. Den intellektuelle kapitalen er «kapital» bygd opp på bakgrunn av kompetanse, ikke på bakgrunn av fysiske eiendeler. Kompetansen kan ha gitt seg utslag i et sterkt merkenavn (f.eks. Pepsi og Coca-Cola), et arbeidsmiljø som tiltrekker seg dyktig arbeidskraft, eller rutiner og systemer som gjør at man opprettholder høy innovasjonsevne.

Grovt sett kan man si at intellektuell kapital er et samlebegrep på en rekke immaterielle «eiendeler» som virker inn på bedriftens fremtidige inntjening. Regnskapsmessig håndtering av slike eiendeler er naturligvis svært vanskelig. I Norge har man for eksempel ingen praksis med å føre opp verdien av et merkenavn i balansen. Det er imidlertid mulig å omsette et merkenavn til en gitt pris, så merkenavnet har dermed en viss verdi. Når man benytter seg av intellektuell kapital-begrepet, prøver man å gå ett trinn dypere og finne de faktorene som har gitt opphav til merkenavnets verdi.

Det mest kjente perspektivet på intellektuell kapital finner man i arbeidene til Edvinsson (se f.eks. Edvinsson & Malone 1997 [7]). I dette perspektivet gis en hierarkisk fremstilling av de ulike kapitalbegrepene:

  • Total verdi (kapital), Finansiell kapital, Intellektuell kapital, Human kapital
  • Strukturell kapital
  • kompetanse
  • holdninger
  • tilpasningsevne
  • relasjoner
  • organisering
  • fornyelse og utvikling

Man deler altså den intellektuelle kapitalen i human kapital og strukturell kapital. Den humane kapitalen besittes av de ansatte og «leies inn» ved at de arbeider for foretaket. Den strukturelle kapitalen er de rutiner (organisering, evne til fornyelse og fleksibilitet, osv.) som er implementert i foretaket, og som ikke er personavhengig. En viktig komponent i den strukturelle kapitalen er de relasjoner som foretaket har bygd opp til sine kunder og leverandører. De mer klassiske begrepene, som merkenavn og goodwill, kan sies å være et forsøk på å beskrive verdien i relasjonene mellom foretaket og dets omgivelser.

Det perspektivet som intellektuell kapital-begrepet gir opphav til, har ført til empiriske undersøkelser av hvilke ikke-finansielle faktorer som investorer baserer seg på i sine vurderinger. OECD-initiert forskning [16] viser at det utenforstående investorer legger mest vekt på (av ikke-finansielle faktorer), er momenter som evne til å implementere valgt strategi, evne til å utforme en god strategi, ledelsens troverdighet, evne til å tiltrekke seg dyktige medarbeidere, og innovasjonsevne.

Annen forskning har spesielt tatt for seg beslutningskriterier som ventureselskap legger til grunn for sin investeringsvirksomhet. Det er gjennomført analyser av i hvilken grad slike kriterier fører til suksess eller feilinvestering, se for eksempel [11] [15]. Forskningsresultatene spriker en god del, men et gjennomgående trekk går ut på at visse egenskaper ved gründeren eller ved ledergruppen i teknologibedriften er svært viktige for suksess. Uttalelser som støtter dette, får vi også fra norske ventureselskap.

Innen den klassiske intellektuell kapital-tradisjonen begynner man med å dekomponere den intellektuelle kapitalen i enkeltfaktorer (f.eks. relasjoner). Deretter forsøker man å finne indikatorer for de ulike faktorene. Indikatorene vektes og summeres til et overordnet mål som betraktes som et samlet mål på den intellektuelle kapitalen i foretaket. Håpet er at et slikt overordnet mål bedre vil kunne forklare avviket mellom markedsverdi og substansverdi. En slik fremgangsmåte er imidlertid lite hensiktsmessig når man skal gå inn i et foretak basert på ny teknologi. Den kan også betraktes som å være i strid med de faktorer som investorer legger vekt på i sine verdivurderinger.

De ulike komponentene som den intellektuelle kapitalen antas å bestå av, vil veie med ulik tyngde, avhengig av hvilke strategier man velger for investeringen, og også av hvilken strategi foretaket har valgt. Valg av god strategi og evne til å gjennomføre den er faktorer som utenforstående investorer legger stor vekt på. For ett Internett-selskap kan det være kundebasen («relasjonskapitalen») som har betydning fordi strategien er basert på utnyttelse av den. For et annet selskap kan det være kompetansen (og bredden i den, dvs. «humankapitalen») til de ansatte man vurderer som verdifullt fordi strategien består i å kunne utnytte eller utvikle ny teknologi.

I verdivurderinger av Internett-selskaper uten inntjening har man ofte benyttet seg av kroner/kunde eller kroner/ansatt som erstatning for P/E-forholdet. Også disse forholdstallene kan ses som indikatorer som prøver å si noe om fremtiden basert på intellektuell kapital. Langt bedre er det å bevisst se på hele spekteret av indikatorer for intellektuell kapital. Da får man et bredere grunnlag for å vurdere mulige fremtidige strategier for foretaket. Fremtidig inntjening blir ikke lenger basert på mekanisk anvendelse av forholdstall, men ut fra en bevisst vurdering av strategimulighetene, gitt den teknologi som foretaket besitter.

Metodologi for kvantitativ analyse basert på teknologiske determinanter

Vi foreslår en metodisk fremgangsmåte for verdivurdering som baserer seg på teknologiske determinanter supplert med vurderinger av intellektuell kapital. Sentralt for verdivurderingen står også usikkerhet, beslutningsfleksibilitet og mulige strategier.

Følgende fremgangsmåte foreslås:

  • Utfør teknologiderminantanalyse (TDA)

    Vi tenker oss et graderingsnivå innenfor hver determinant på lav, medium og høy.

    Analysen gir en kvalitativ vurdering av hvilke av disse teknologiske determinantene som er kritiske.

  • Vurder nivået på ulike indikatorer som måler aspekter ved intellektuell kapital

    Gi en vurdering av hvilke aspekter ved den intellektuelle kapitalen som er kritiske for suksess i en analyse av indikatorer fra intellektuell kapital (IK).

    Ved å beskrive de kritiske faktorene for teknologi og intellektuell kapital får man ofte et bilde av dagens strategi med på kjøpet.

  • Fortell historier om fremtiden

    Gjennom å skissere fremtiden ledes man indirekte til å vurdere strategivalg basert på de viktige indikatorene for intellektuell kapital og teknologi identifisert i 1 og 2. Skisser både negative, forventede og positive historier. Historiene kan være basert på enkeltfaktorer og kombinasjoner av faktorer fra TDA og IK. Kombiner historiene med markedsutsikter og skisser potensielle konkurshistorier.

    Historiefortellingen får en til å vurdere holdbarheten av teknologien, og den valgte strategien, under ulike hendelser. Under forskjellige historier kan det tenkes at man utnytter ulike aspekter ved teknologien, og/eller at man tvinges til å velge ulike strategier på grunn av hendelser man ikke har kontroll over. Det at man inkluderer konkurshistorier, bringer inn noe realisme og får en til å vurdere hvilke punkter som gjør foretaket sårbart. Etter å ha vurdert et bredt sett av indikatorer vil man lettere kunne se hva det er som gjør foretaket sårbart, og også styrken i foretaket.

  • Utfør scenarioanalyse

    Med en rimelig god oversikt over kvalitative aspekter blir det enklere å komme med kvalifisert tallfesting av nøkkelvariabler. Tallfestingen er nødvendigvis beheftet med en god del subjektive vurderinger, men man kan i mange tilfeller komme med ganske gode anslag for en enkelt utviklingshistorie.

  • Introduser dynamikk

    I alle scenarier skjuler det seg en dynamikk som man må ta hensyn til ved vurdering av foretaket. I 4 vurderer vi en rekke ulike scenarier og tar det mer eller mindre for gitt at et av disse scenariene vil utspille seg. I praksis vil man, ved å tilføre ressurser og/eller endre strategi, kunne foreta kursendringer.

Vi tenker oss et graderingsnivå innenfor hver determinant på lav, medium og høy.

Analysen gir en kvalitativ vurdering av hvilke av disse teknologiske determinantene som er kritiske.

Gi en vurdering av hvilke aspekter ved den intellektuelle kapitalen som er kritiske for suksess i en analyse av indikatorer fra intellektuell kapital (IK).

Ved å beskrive de kritiske faktorene for teknologi og intellektuell kapital får man ofte et bilde av dagens strategi med på kjøpet.

Gjennom å skissere fremtiden ledes man indirekte til å vurdere strategivalg basert på de viktige indikatorene for intellektuell kapital og teknologi identifisert i 1 og 2. Skisser både negative, forventede og positive historier. Historiene kan være basert på enkeltfaktorer og kombinasjoner av faktorer fra TDA og IK. Kombiner historiene med markedsutsikter og skisser potensielle konkurshistorier.

Historiefortellingen får en til å vurdere holdbarheten av teknologien, og den valgte strategien, under ulike hendelser. Under forskjellige historier kan det tenkes at man utnytter ulike aspekter ved teknologien, og/eller at man tvinges til å velge ulike strategier på grunn av hendelser man ikke har kontroll over. Det at man inkluderer konkurshistorier, bringer inn noe realisme og får en til å vurdere hvilke punkter som gjør foretaket sårbart. Etter å ha vurdert et bredt sett av indikatorer vil man lettere kunne se hva det er som gjør foretaket sårbart, og også styrken i foretaket.

Med en rimelig god oversikt over kvalitative aspekter blir det enklere å komme med kvalifisert tallfesting av nøkkelvariabler. Tallfestingen er nødvendigvis beheftet med en god del subjektive vurderinger, men man kan i mange tilfeller komme med ganske gode anslag for en enkelt utviklingshistorie.

I alle scenarier skjuler det seg en dynamikk som man må ta hensyn til ved vurdering av foretaket. I 4 vurderer vi en rekke ulike scenarier og tar det mer eller mindre for gitt at et av disse scenariene vil utspille seg. I praksis vil man, ved å tilføre ressurser og/eller endre strategi, kunne foreta kursendringer.

I sentrale scenarier bør man vurdere hvilke beslutninger som kan fattes underveis, og hvilken usikkerhet man er eksponert for. Når denne dynamikken er bygd inn, er det (nesten) standardmetode som gjelder: Utfør analyse ved hjelp av stokastiske beslutningstre, forventet nåverdi og risikovurdering.

Basert blant annet på arbeidet i denne artikkelen er en lignende metode implementert av SINTEF i et IT-basert beslutningsstøtteverktøy [1].

KONKLUSJON

Fremstillingen i denne artikkelen har vektlagt betydningen av at teknologi og intellektuell kapital danner basis for verdivurdering av bedrifter og prosjekter basert på ny teknologi. Det informasjonsgrunnlaget som blir tilgjengelig via analyse av teknologiske determinanter og indikatorer for intellektuell kapital, er i utgangspunktet av overveiende kvalitativ art. En kvantitativ analyse vil dernest kunne tilrettelegges ved spesifisering av subjektive sannsynlighetsvurderinger og utvikling av scenarier. Den videre analysen fanger opp risiko og usikkerhet på en adekvat måte i dynamisk sammenheng, og verdien av beslutningsfleksibilitet og iboende opsjonsverdier blir dermed ivaretatt. Innenfor et slikt rammeverk vil velkjente nåverdiberegninger kunne få gyldighet også i forhold til verdsetting av ny teknologi og intellektuell kapital.

  • 1: Konsekvent undervurdering av verdien dersom avkastningen er en konveks funksjon av parameteren, en overvurdering om den er konkav [9].
  • [1] Borgen, E., Elvemo, J., Hynne, H. og Tomasgard, A.,VAT 2020: Et beslutningsstøtteverktøy for verdsetting og vurdering av samarbeidsform for kunnskapsbedrifter, SINTEF-notat, SINTEF Teknologiledelse, Avd. for økonomi og logistikk, Trondheim, 2000.
  • [2] Brealey, R.A. og Myers, S.C.,Principles of corporate finance, McGraw-Hill Inc, 1991.
  • [3] Copeland, T.E., Koller, T. og Murrin, J.,Valuation. Measuring and Managing the Value of Companies. John Wiley, New York, 2000.
  • [4] Copeland, T.E. og Weston, I.F.,Financial theory and corporate policy, Addison Wesley, 1988.
  • [5]EVCA 1999 Yearbook, European Private Equity and Venture Capital Association, Brussels, 1999.
  • [6] ]EVCA 2000 Yearbook, European Private Equity and Venture Capital Association, Brussels, 2000.
  • [7] Edvinsson, L. og Malone, M.,Intellectual Capital: Realizing Your Company's true value by Finding its Hidden Brainpower, Harper Collins, New York, 1997.
  • [8] Foss, N.J.,Resources, Firms and Strategies, Oxford university press, 1997.
  • [9] Jensen, J.L.,Sur les fonctions convexes et les inégalités entre les valeurs moyennes. Acta. Math. 30: 173­177, 1906.
  • [10] Kall, P. og Wallace, S.W.,Stochastic programming, John Wiley & Sons, Chichester, 1994.
  • [11] Karakaya, F. og Kobu, B.,New Product Development Process: An investigation of success and failure in high-technology and non-high-technology firms. Journal of Business Venturing, vol. 9, 49­66, 1994.
  • [12] Levy, H. og Sarnat, M.:Capital investment and financial decisions, Prentice-Hall, UK, 1986.
  • [13] Liberman, M.B.,First-Mover Advantages. Strategic Management Journal, vol. 9, 41­58, 1988.
  • [14] Matson, E.,Technological determinants of the Development of new firms, Working Paper, Department of industrial economics and technology management, Norwegian university of science and technology, Trondheim, 1999.
  • [15] McMillan, I.C., Zemann, L. og Subbanarasimha, P.N.,Criteria Distinguishing Successful from Unsuccessful Ventures in the Venture Screening Process, Journal of Business Venturing, vol. 2, 123­137, 1987.
  • [16]Measures that matter, Ernst &Young LLP, Score retrival file, no. PP0265, Boston, 1997.
  • [17] Moore, G.A.,Crossing the Chasm, Harper Business, New York, 1999.

© Econas Informasjonsservice AS, Rosenkrantz' gate 22 Postboks 1869 Vika N-0124 OSLO
E-post: post@econa.no.  Telefon: 22 82 80 00.  Org. nr 937 747 187. ISSN 1500-0788.

RSS