Intelektinio kapitalo išmatuojamumo problema

1508 0

ĮVADAS

Tam, kad būtų galima kalbėti apie intelektinio kapitalo išmatavimo metodus ir problemas, pradžioje reikia paaiškinti, kokia pagrininė mintis, kurios laikosi dauguma autorių. Jie teigia, kad jau praėjo industriniai laikai, ir atėjo žinojimu pagrįsta ekonomika. Tiksliau tariant, tokiu būdu kaip mechanizmai pakeitė žmogaus ir gyvulių darbo jėgą prieš kelis šimtmečius, taip dabar žinios pakeičia fizinį darbą (tiek ofisuose, tiek ir fabrikuose) kaip pagrindas industrinėje gamyboje.

Tai, kas šiandien vyktsa yra dramatiškas perėjimas nuo materialių šaltinių prie žinių, nuo techninės prie programinės įrrangos. Šiais laikais plėtra ir augimas pagrinde paremtas žinojimu. Šis naujas “gamybos veiksnys” jau pakeitė energiją iki tam tikro laipsnio, taip pat ir natūralius šaltinius, bei siekia pakeisti įprastinį darbą ir galiausiai fizinį kapitalą. Ekonominis augimas jau nebegali kilti dėl didesnio dirbančiųjų skaičiaus arba dėl padidintos vartotojų paklausos, šiandien tai padaryti gali tik moksliniai žinių darbai ir “žinantys” darbuotojai.

Pakito ir vertės supratimas. Anksčiau vertė buvo suvokiama kaip produkcijos kiekis, norint padidinti savo vertę, reikėjo pagaminti dvigubai daugiau produkcijos. Šiandien ekkonomikoje vertės sukūrimas visiškai pagrįstas žinojiimu. Tradicinis požiūris teigia, kad verslas tai pirkti pigiai, parduoti brangiai. Todėl iš pajamų atimami kaštai, kad būtų galima suskaičiuoti uždarbį, dėl ko ir yra kreipiamas toks didelis dėmesys kaštams. Naujas požiūris teigia, kad verslas ta

ai organizacija, kuri prideda vertę ir sukuria gerovę. Tokiu būdu kaštus pakeičia vertės sukūrimas. O šiandien vertė gali būti sukurta padidinant produktų ir paslaugų “inteligenciją”. Tam, kad tai pasiekti yra būtinos žinios. Taigi, kompanijos susiduria su naujais išbandymais. Anksčiau tisklas buvo didinti produkciją ir viskas buvo pajungta tam. Modernios kompanijos tikslu tampa įtraukti kiek galima daugiau žinių į produktus ir paslaugas. Jeigu įmanoma apibrėžti vertės sukūrimo kelią, tada galima tvritinti, kad šiuolaikinis verslas turi tendenciją naudoti daugiau ir daugiau informacijos, o dėl to daugiau ir daugiau žinių. Todėl verslo sėkmė priklauso nuo sugebėjimo ir efektyvumo panaudojant kompanijos žinias.

INTELEKTINIO KAPITALO IŠMATUOJAMUMO PROBLEMOS

Taigi iškyla svarbi žinių vadybos problema: ar šiuolaikinės matavimo sistemos atitinka naujos ekonomikos reikalavimus. Klausimas tas, kuri matavimo sistema atitinka naajo verslo reikalavimus ir modernių kompanijų poreikius. A.Pulic teigimu, tokia matavimo sistema turi atitikti du reikalavimus:

1. Ji turi sukurti patikimą ir objektyvų vertės kūrimo procesų įrodymą. Tai reiškia tikslų žinių matavimą, kurį darbuotojai įtraukia į produktus ir paslaugas

2. Ji turi aprūpinti patikima ir objektyvia informacija apie darbuotojų gebėjimais sukurti vertę. Faktiškai, vadybininkai ir investitoriai ignoruoja intelktinius indėlius ir produkciją, netgi jei šie smarkiai nusveria materialų organizacijos turtą, parodomą balanse.

Ieškant matavimo sistemos yra labiausiai išvystyti tokių autorių kaip Steward, Edvinsson ir Sveiby požiūriai, kurie yr

ra gana panašūs. Visi jie remiasi tuo, kad IK yra suskirstytas į tris dalis: žmogaus, klientų ir struktūrinis kapitalas.

ü Žmogiškasis kapitalas – tai kas yra žmogaus mintyse: žinios, kompetencijos, patirtis, žinojimas kaip ir kt;

ü Klientų kapitalas – tai klientų santykiai, brendas, prekės ženklasir kt;

ü Struktūrinis kapitalas – tai kas lieka darbo vietoje, kai darbuotojai išeina namo: tai procesai, informacijos sitemos, duomanų bazės ir kt;

Šitą klasifikavimą galima pateikti ir kitaip. Galima išskirti tuos aktyvus, kurie yra įstatymų apsaugoti t.y. intelektinė nuosavybė. Tai apima prekės ženklus, patentus, autorines teises, licencijas. Klasifikavimo tikslas yra suformuluoti matavimo priemonių rinkinį, kuris galėtų būti naudojamas įvertinant progresą. Tarkime, Edvinsson ir Malone pateikia 90 matavimo priemonių penkiose grupėse suformuluotas Skandian draudimo kompanijos:

ü Finansinė grupė (20) pajamos vienam darbuotojui, rinkos dydis vienam darbuotojui ir kt;

ü Klientų (22) – klientų vizitų skaičius, patenkintų klientų indeksas, prarasti klientai;

ü Proceso (16) administracijos klaidų rodiklis, IT išlaidos vienam darbuotojui;

ü Atsinaujinimo ir vystymosi (19) mokymas vienam darbuotojui, tyrimų ir vystymo išlaidos/administravimo išlaidos, patenkintų darbuotojų indeksas

ü Žmonių (13) lyderiavimo indeksas, darbuotojų kaita, mokėjimas naudotis IT .

Tai yra dalis balanuotos “varžybų kortelės” , kuri prideda ne finansinį matavimą šalia finansinių matavimo įrankių vadybininkams ir matuoja per visą veiklą. Jeigu nesurenki taškų tiek, keik reikia, tai firma tik praktikuojasi. Tam kad surinkti taškus reikia vystyti matavimo sistemą, kaip išvardinta, atitinkamai keikvienam verslo vienetui. Per paskutinius ke
eletą metų matosi padidėjes naudojimas įvairių matavimo sistemų, kaip

ü subalansutos “varžybų kortelės: išvystyta pagal Kaplan ir Norton. Sukurta sutelkti vadybininkų dėmesį į tokius faktorius kaip verslo strategija, kas prideda šalia finansinių matavimų, klientų vidibių procesų bei inovacijų matavimus.

ü Sukurta ekonominę pridėtinę vertę S.Steward susieja su samdyto kapitao grąža. Taip pat susijęs matavimo vienetas yra rinkos pridėtinė vertė( MVA – Market Value Added).

Šių metodų kritikai ginčijasi, kad tai statinis matavimas ir nepadeda vadybininkams nustatyti pagrindinę priežastį ir efektą. Per paskutinius keletą metų matomas naujų rūšių vystymas “subalansuotos varžybų kortelės”, kuri yra tiesiogiai padeda suprasti intelektinį kapitalą.

Kai intelektinis kapitalas apibrėžtas per žmogaus , klientų ir struktūros kapitalus iškyla problema kaip pamatuoti tokio IK vaidmenį. Buvo sukurta daug indikatorių, iš kurių dauguma buvo subjektyvūs, kol galų gale po daugelio analizių buvo prieita išvados, kad vienas bendras indikatorius yra reikalingas, nes be jo yra neįmanoma palyginti skirtingų kompanijų.

Sveiby šioje matavimo sistemoje naudoja tokius elementus: pelną, pajamas, darbuotojų skaičių. Pajamos yra apgaulingas indikatorius, išreiškiantis korporacinę sėkmę, kuri matoma, pagal geriausių kompanijų sąrašus. Jie įrodė, kad su didelėmis pajamomis žema verslo sėkmė gali būti pasiekiama. Iš kitos pusės, šiuolaikinėje ekonomikoje pelnas yra neobjektyvus korporacijos sėkmės atspindys. Būtų archaiška naudoti juos kaip įrankius. Kita problema yra santykiai. Darbuotojo pajamos negali bū
ūti korporacijos sėkmės indikatorius. Galiausiai santykis tarp specialistų ir darbuotojų nėra prasmingas. Kuo daugiau specialistų tarp darbuotojų tuo rezultatas mažesnis (100/20=5, 100/50=2) ir kai rezultatai yra sudedami, galutinis rezultatas irgi yra žemesnis. Kadangi elementai ir santykiai yra abejotini, tai galima sakyti Sveiby bendras indikatorius, išreiškiantis organizacijos sėkmę būtų nepakankamas tam, kad patenkintų modernios matavimo sistemos reikalavimus.

Edvinssonas sprendžia šią problemą bandydamas pristatyti bendrą indikatorių, kuris įgalintų palyginti dvi ar daugiau kompanijas. Jis pristato Organizacijos Intelektinį Kapitalą (OIK). OIK yra sudarytas iš pajamų, kurios ateina iš naujų verslo operacijų, investicijų naujuose rinkose, klientų, mokymo, išsilavinimo, patentų ir t.t. tai yra tiksli pingų suma išleista per mokestinius metus. Dabar yra laikas pažiūrėti kaip efeektyviai investicijos buvo panaudotos. Tai parodo intelektinis kapitalo efektyvumo koeficientas, kuris skaičiuojamas pridedant rinkos dalį, ptenkintų vartotojų indeksą, lyderiavimo indeksą, R&D indeksą, apmokymo valandų indeksą, atlikimo/ kokybės uždavinius, darbuotojų išlaikymą. Suma turi būti padalinta iš kriterijų skaičiaus, tam kad gauti vidurkį apibūdinantį verslo efektyvumą. OIK gali būti suskaičiuotas pagal tokią formulę

Organizacijos Intellektinis Kapitalas = i * C

i = Intellektinio Kapitalo Efektyvumo Koefficientas (Intellektual Capital Coefficient of Efficiency ICCE)

C = Intellektinis Kapitalas Absoliutus matas

Tačiau yra trys problemos šioje matavimo sistemoje:

· Intelektinio kapitalo efektyvumo koeficiento subjektyvumo nustatymas;

· Kai kurie indikatoriai yra nevienodai svarbūs skirtingose kompanijose ar šakose, dėl ko palyginimas yra neįmanomas

· Trečia, lemiamą rolę vaidina fizinis kapitalas skaičiuojant OIK, kas yra svarbi problema matome iš sekančio pvz.

Edvinsson I* C = .85 * $ 200 mil. = $ 170 mil

XY .95 * $ 100 mil. = $ 95 mil.

XZ .50 * $ 400 mil. = $ 200 mil.

Jeigu galutiniai rezultatai išreikšti doleriais, tai įsivaizduojamos XZ kompanijos OIK būtų didesnis, nors ji turi žemesnį ICCE. O kita XY kompanija turinti didesnį ICCE galutiniame rezultate pasirodo esanti mažiau sėkminga. Taigi, gaunasi, kad absoliučiose skaičiavimuose fizinis kapitalas vaidina lemiama rolę, o ne darbuotojo sugebėjimai.

Taigi, abu šie indicatoriai neleidžia objektyviai ir tiksliai išmatuoti kompanijos intelektinius gebėjimus, ir jie neišsprendžia matavimo problemų žinių ekonomikoje. Sunku įsivaizuoti, kaip klientų kapitalas gali būti tikslus ir objektyvus įvertinimas. Jis yra per platus indikatorius, taip pat per daug subjektyvus, kad galima jį būtų galima palyginti kitose organzacijose. Galiausiai, jo realizacijos laipsnis procesuose yra nežinomas. Taigi, iškyla klausimas, kam reikalinga tokia matavimo sistema, kuri kompanijoje negali būti realizuota.

Paprastai, kompanijos intelektinis kapitalas yra laikomas kaip neapčiuopiamas aktyvas, nesileidžiantis būti išskaičiuotam ir būti galimam išreikšti finansiniais terminais. Tačiau vis dėl to reikia intelektinį kapitalą išmatuoti. Kažkas pasiūlė matuoti kaip skirtumą tarp kompanijos popierinės vertės ir rinkos vertės, nes investitoriai nepačiuopiamus turtus įskaičiuoja į savo įvertinimus, o finansistai ne. taigi kai kurie teigia, kad augantis neatitikimas tarp rinkos ir popierinės vertės ir yra tiesioginis matas neapčiuopiamų aktyvų vertės. Tačiau su šiuo matu iškyla problema, nes tarkim, Baruch Lev pasiūlo radikalesnį sprendimą skaičiuojant IK. Šiame kontekste reikalingi abu finansinis ir nefinansinis išmatavimas. IK apima žmonių žinias, įgūdžius ir patirtį. Priklausomai nuo naudojamos klasifikacijos tai gali apimti ir intelektinę nuosavybę (patentus, prekės ženklus) ir kliento kapitalą ( klientų santykius, prekių rūšį). Tam kad išmatuoti yra sukurta daug keikybinių ir pusiau kiekybinių metrikų, kurie apima veiklos rangavimą, apmokymų kaštus, pajamas nuo vieno darbuotojo, rinkos dalis vienam darbutojui, klientų pasitenkinimo indeksas.

Populiari metodika yra Kaplan ir Norton’s balanso “varžybų kortelė”. Pagrindinė idėja, kad verslo vadyba neturi būti paremta vientik finansiniais rodikliais, kad ši metodologija suderina finasinius išmatavimus su kitais matavimais susijusiais su klientais, vidiniais procesais, taip pat mokymasis ir augimas.

INTELEKTINIO POTENCIALO IR INTELEKTINIŲ GEBĖJIMŲ APIBRĖŽIMAI

Tol, kol verslo rezultatai yra išreikšti per pinigus, piniginis kriterijus yra vienintelis pagrindas naujai matavimo sistemai. Tam, kad sukurti pridėtinę vertę (VA), kas yra pagrindinis tikslas žinojimu pagrįstoje ekonomikoje, reikia tam tikro kiekio fizinio kapitalo ir intelektinio potencialo. Intelektiniai gebėjimai parodo kaip efektyviai jie yra panaudojami. Taigi tolesne analizė remiasi 4 parametrais.

1. pridėtinė vertė (VA) yra labai svarbi sąvoka žinių ekonomokoje. Kai kurie autoriai pridėtinę vertę vadina gryniausiu gebėjimo matu sukurti ekonominė vertę. Šiame metode pridėtinė vertė taip pat atspindi objektyviausią verslo vaidmenį. Tam, kad šiandien suskurti pridėtinę vertę žinojimu grįstoje ekonomikoje svarbiausi yra fizinins kapitalas ir intelektinis potencialas.

2. fizinį kapitalą (CA) nėra sunku apibūdinti. Jis apima visas reikalingas finansines lėšas. Jis skaičiuojamas kaip suma visų sekančių balanso pozicijų: paprastosios akcijos, atsargos, bendri bankų rizikos fondai, papildomas kapitalas, bendras kapitalas. Tada pridedamas pelnas po mokesčių. Tai yra fizinio kapitalo suma, kurį kompanija turi savo žinioje.

3. A.Public požiūriu, kiekvienos kompanijos intelektinį potencialą atspindi visi jos darbuotojai. Tai suprantama, kaip jų darbuotojų galimybė sukurti vertę dirbant kasdienius savo darbus. Šis potencialas apima jų sugebėjimus sukurti vertę efektyviai išnaudojant kompanijos infrastruktūrą, taip pat intensyviam ryšyje su jų aplinka, rinka.

Intelektinis kapitalas skirstomas žmogiškąjį, struktūrinį ir klientų kapitalą. Manoma, kad nei struktūrinis, nei klientų kapitalas negali funkcionuoti be darbuotojų kaip lemiamo verslo faktoriaus. Indikatoriai atspindintys intelektinį kapitalą turi tendenciją būti subjektyvūs. Priešingai šitam, intelektinis potencialas ir intelektinės galimybės yra paremtos realybėje, objektyviais rinkos rezultatais.

Intelektinį potencialą sunku aprašyti. Kaip verslo atlikimas matuojamas piniginiais terminais, taip pat reikia ir išreikšti intelektinį potencialą. Intelektinis potencialas yra išreiškiamas per visas darbuotojų atlyginimų išlaidas. Žinojimu pagrįsta ekonomika išskyrė tris pagrindines kategorijas: produkcijos rutininis darbas, rutininis darbas servisuose ir analitinis darbas. Kiekviena kategorija įkainojama skirtingai, taigi rinka pirma atrado intelektinį potencialą, tik vėliau jį atrado vadybininkai. Ta pati rinka apibrėžia atlyginimus, kaip ir jų veiklos rezultatai, taigi logiška kad jų sėkmė būtų išreikšta tokiais pat kriterijais.

4. Kompanijos intelektiniai gebėjimai yra rezultatas fizinio darbuotojų kapitalo ir intelektinio potencialo. Jis parodo kaip sėkmingai buvo sukurta pridėtinė vertė. Kompanijos intelektiniai gabumai parodo, kaip sėkmingai jos fizinis kapitalas ir intelektinis potencialas buvo panaudoti.

VAIC METODO LOGIKA

Sprendžiant intelektinio potencialo išmatuojamumo problemas buvo sukurtas VAIC – pridėtinės vertės intelektinis koeficientas (Value Added Intellectual Coefficient)- metodas. Reikia įvertinti informacijos svarbą apie intelektinio potencialo efektyvumą su kompanija ir ekonomika. Skaičiuoti fizinio kapitalo efektyvumą ir intelektinį potencialą lengva pagal 4 žingsnius:

1. randame, kaip kompanija gali sukurti pridėtinę vertę. Pridėtinė vertė VA (Value added ) yra skirtumas tarp pardavimų (out) ir sąnaudų(in).

OUT – IN = VA

Pardavimai (OUT) reiškia visas pajamas pardavus produktus ar paslaugas rinkoje. Sąnaudos (IN) apima visas išlaidas, išskyrus darbo jėgos išlaidas, nes jos vaidina svarbų vaidmenį kuriant procesą, intelektinį potencialą , o tai nebegali būti kaštais. Tai yra metodo esmė. Taigi, sąnaudos yra kaštai išskyrus išlaidas darbo jėgai. Rezultatas yra pridėtinė vertė, parodanti periode sukurtą naują naudą.

2. suskaičiuojame, kaip efektyviai ši pridėtinė vertė buvo sukurta. Vertė auga dėl fizinio kapitalo ir intelektinio pottencialo. Yra skirtumas, kur dirbo 10, o kur 100 darbuotojų, taip pat kaip ir 10 ar 100 milijonų lėšų (CA) buvo panaudota. Taigi, tikslas aiškus: susurti kiek galima daugiau pridėtinės vertės su duotu kiekiu fizinio kapitalo ir intelektinio potencialo.

3.Antras ryšys tarp pridėtinės vertės ir įdarbinto fizinio kapitalo (CA) yra vadinamas pridėtinės vertės kapitalo koeficientu (Value Added CApital coefficient – VACA)

VA / CA = VACA

Tai yra rodiklis, pridėtinei vertei sukurti vienam fizinio kapitalo vienetui. parodantis kad pridėtinė vertė. Taigi VACA, parodo, kaip efektyviai fizinis kapitalas buvo įdarbintas.

Darbo jėgos išlaidos yra neįskaičiuotos į kaštus, tačiau atspindi labai aktyvų pridėtinės vertės komponentą. Trečias ryšys yra – pridėtinės vertės intelektinis potencialas (Value Added Intellectual Potential – VAIP), kuris parodo kaip sėkmingai intelektinis potencialas suskuria vertę.

VA / IP = VAIP

Ryšys tarp VA ir IP išreikštas per darbo jėgos išlaidas, išreiškia intelektinį potencialą kuriant vertę komanijoje. VAIP parodo kiek daug pridėtinės vertės buvo suskurta išleidus 1$ darbuotojams.

Daba turime įrankį matuoti efektyviai įdarbinto fizinio kapitalo kaip iir intelektinio potencialo veikla, tuos du šaltinius be kurių veikla nevyktų. Abu šie indikatoriai yra tiksliaia apibrėžti ir pilnai objektyvus, nes jie skaičiuoja realius faktus.

4. kompanijos intelektiniai gebėjimai suvienodintas paveikslas panaudoto fizinio kapitalo ir intelektinio potencialo. Intelektinis gebėjimas išgaunamas sudedant kompanijos du koeficientus, kurių rezultatas yra naujas ir unikalus rodiklis.

Gautas koeficientas pridėtinės vertės intelektinis koeficientas – VAIC parodo komanijos nusamdyto porencialo efektyvumą, tiek finansiškai tiek intelektualiai.

Taigi : intelektinis potencialas gali būti išmatuotas ir įmanomas per vadybinę intervenciją. VAIC yra tinkamas įrankis tam.

Schneider, įsitikinęs kad VAIC™ yra efektyvus metodas matuoti intelektinį kapitalą dėl tokių priežasčių :

ü VAIC įgalino rinkti intelektinio kapitalo įrodymus,darytio įtaką sėkmės procesams

ü VAIC yra lengva suskaičiuoti naudojant informaciją, jau apskaičiuotą organizacijos metiniame pranšime, todėl sumažinant paruošimo ir tarpininkavimo kaštus

ü Metodologija naudojama VAIC skaičiavimui yra nedudėtinga, kas leidžia geresnį kognityvų supratimą.

VAIC IR MVA SANTYKIS

Tikima, kad komanijos, kurios matuoja ir įrodo savo vertės kūrimo efektyvumą konkrečiame versle, greičiausiai įtakoja savo rinkos vertę. Nors ši prielaida, nėra nauja, tačiau ją reikia įrodyti naujai, naudojant tradicinius finansinius dokumentus.

Sekantis žingsnis – patikrinti sąryšį tarp korporacijos resursų efektyvumo (išreikšto VAIC koeficientu) ir komanijos rinkos verte.

Jeigu paimtume vidutinį VAIC –MVA kaip pavaizduota grafike, pastebimas aukštas panašumo laipsnis tarp dviejų indikatorių .

Taip pat aukštas panašumas gali būti gautas išstudijavus Vienos vertybinių popierių rinką.

Taigi šitie empiriniai tyrimai gali būti įrodymas, kad yra artimas ryšys tarp vertės kūrimo efektyvių resursų (žmogiškojo kapitalo, struktūrinio kapitalo, ir pasamdyto kapitalo) ir kompanijų rinkos vertės.

IŠVADOS

Jeigu vadovybė nori pasiekti maksimumą su duotais rezultatais, ji turi žinoti kaip susurti vertę. Efektyvios vertės suskūrimas gali būti pristatytas kaip naujas starteginis požiūris. Papildomai egzistuojančioms vadovavimo strategijoms šis požiūris parodo neapčiuopiamus dalykus ir leidžia daryti įtaką potencialiai kuriant vertę. VAIC metodas matuoja ir prižiūri vertės sukūrimo efektyvumą kompanijoje. Abu vertės sukūrimo komponentai tiek piniginis, tiek intelektualusis gali palikti žymę būdami objektyvūs dėl skaičių paimtų iš rinkos. Įkūrus naują skaičiavimo sistemą, kuri sutelkia dėmesį ties vertės sukūrimu, o ne tiktai ties kaštais, ir panašiai kaip ekonominės pridėtinės vertės pagrįstu skaičiavimu, VAIC siūlo pakitusią perspektyvą verslo analizėje. Per IK verslo veiksmus sąsąja su kompanijos rinkos verte buvo sukurta.

Organizacijos sekmei svarbu mokėti įžvelgti neapčiuopiamus dalykus, nors jie ir neatsispindi balasnuose, tačiau jie vistik turi reikšmės firmos rinkos vertei.

Thinkers such as Baruch Lev have proposed much more radical approaches to quantifying intellectual capital.

The accounting debate is focused primarily on reporting needs. As far as managing business performance is concerned, the central issue is not whether we need to find replacements for the traditional income statement and balance sheet. It is how we can measure intellectual capital in a way that supports a rigorous, structured approach to management. In this context, both financial and non-financial measures have a part to play. Intellectual capital includes people’s knowledge, skills and experience. Depending on the classification used, it may also include intellectual property (patents and trademarks, for example) and customer capital (brands, customer relationships).

In order to measure it, a variety of quantitative and semi-quantitative metrics have been proposed. They include skills assessments, performance rankings, income per employee, market value per employee, customer satisfaction indices, training costs and employee turnover rates, to name but a few.

Each of these addresses a specific area and may be of limited value as a measure of intellectual capital when used in isolation. However, methodologies have also been developed for combining them and using them to formulate management goals and measure progress towards attaining those goals.

One of the best known of these methodologies is Kaplan and Norton’s Balanced Scorecard. Based on the idea that business performance management should not rely on financial measures alone, the Balanced Scorecard methodology combines financial measures with other measures related to customers, internal processes, and learning and growth.

These measures are used to quantify and communicate strategic objectives, and to keep track of performance. The Balanced Scorecard places metrics related to intellectual capital in the context of the overall performance of the business. Various other types of scorecard and measurement systems have also been developed, some of them specifically aimed at understanding intellectual capital.

This is very much an evolving area. So far, relatively few companies have achieved a cohesive measurement model, integrated with appropriate management processes, for their intellectual capital. Part of the problem has been a lack of computerised tools to import data from the company’s transactional systems, calculate the chosen metrics, and provide a framework for performance management.

People have had to rely on simple reporting tools, consultancy services or tailored solutions. However, integrated enterprise-wide analytic suites are now starting to appear on the market.

PeopleSoft Enterprise Performance Management (EPM), for example, incorporates specific tools for the management of intellectual capital, using a wide variety of metrics to evaluate the knowledge, skills and experience of the workforce.

By means of a Balanced Scorecard approach, it embeds key performance indicators into the business and helps to identify cause-and-effect relationships.

Calculated Intangible Value

by Thomas Steward

Summary: This valuation technique assumes that the value of intangible assets equals a company’s ability to outperform an average competitor that has similar tangible assets. MV is higher because it reflects what it would cost a buyer to create similar tangible assets. MV is higher because it reflects what it would cost a buyer to create assets from scratch.

Method:

Calculate average pretax earnings for three years

Calculate average year-end tangible assets for 3 years

Divide earnings by assets –> company average ROA for 3 years

Find industry average ROA

Multiply industry ROA by company’s tangible assets. Subtract product from

company’s pretax earnings. –> Excess return.

Calculate 3 year average tax rate. Multiply by excess return

Subtract from excess return –> premium attributable to intangible assets.

Calculate Net Present Value of Premium. Divide premium by discount rate. (ie, cost of capital)

Strengths: Permits company to company comparisons using audited financial data. Provides signals to management. Comparing a company’s CIV with the MV/BV ratio may help one judge whether company is a fading business or a company with hidden value.

Weaknesses: Requires more effort to apply. Also, more static than MV/BV because financial data only comes out quarterly while MV adjusts daily. Not forward looking; Historical.

Finding the Right Measures

One solution is to develop measures that can help avoid mistakes while also valuing improvements. Edvinsson proposes the following:

1. Value acquired process technologies only when they contribute to the value of the firm.

2. Track the age and current vendor support for company process technology.

3. Measure not only process performance specifications but actual value contribution to corporate productivity.

4. Incorporate an index of process performance in relation to established process performance goals.

Ultimately, both human and structural capital are assessed in how they affect profitability, and profitability relies in large part on how well clients and customers are reached and retained. Therefore, the third key component of intellectual capital (identified by Hubert St. Onge of the Canadian Imperial Bank of Commerce and sometimes lumped in with structural capital) is companies’ relationships with customers, as explained below.

Why Non-Financial Measures?

It is tempting to try to design a measuring system equivalent of double entry bookkeeping with money as the common denominator. It is an established framework with definitions and standards and therefore “common sense”.

This is precisely the reason why we should break with it.

If we measure the new with the tools of the old, we will not “see” the new. Any measurement system is limited by Heisenberg´s uncertainty principle (1927) which says that it is impossible to measure simultaneously the speed and the position of particles. The physicist Bohr (opposed by Einstein) argued that this means that the observer is always involved in the measurement and that the physical world does not have well-defined attributes. If truth is in the eye of the beholder in the physical world it is even more so for the world of business. There is no difference between money measures and other measures. Both are uncertain and all are dependent on the observer. There exist no “objective” measures. The main reasons why the money measures seem more “objective” and “real” are that they are founded on implicit concepts of what a company is and that the measures have been around for so long that they are guided by definitions and standards.

Once measures have been selected, they colour what we see and how we act, and the problem with translating actions into money is that very few people in an organisation handle money directly. Most of them work by using their competencies in the service of customers. Money is merely a proxy for human effort, and the 500-year-old system of accounting sheds little light on the vital processes in organisations whose assets are largely non-monetary, and intangible. As of today, there exists no comprehensive system that uses money as the common denominator and at the same time is practical and useful for managers. Depending on the purpose for measuring, I do not think it is necessary either. Knowledge flows and intangible assets are essentially non-monetary. We need new proxies.

This lack of a

. . .

The correlation coefficient indicates the strength and direction of the statistical

relationship. In the analysed sample all years show a correlation which varies from the level of medium strong to the level of close correlation. Furthermore all correlation were positive, which means that each high VAIC™ value corresponds to a high value of MVA and vice versa. The relationship can be considered proportional.

The determination coefficient is a size which indicates the proportion of common

variability of two variables and is viewed together with the correlation coefficient. Multiplied by 100 it provides a percentage for the forecast of the result (MVA), if the result of one variable is known (VAIC™).

But it is not enough to calculate the correlation coefficients and derive conclusions of

the significance of this relationship. The degree of relation can be interpreted due to the sample used for measurement. For each correlation coefficient we have checked the zero hypothesis (H0) regarding the zero value of the correlation coefficient and we tested the significance of the correlation coefficient. With given degrees of freedom (df = number of companies – 2) and with a conclusion risk defined in advance (0,05) for all years the alternative hypothesis (HA) on the significance of the statistically significant coefficient was accepted. We consider therefore all calculated correlation coefficients to be statistically significant.

Furthermore B (the regression coefficient of a and b) was calculated, their standard

error and the hypothesis test of the significance of the parameters in the chosen regression model. The results of this part of analysis can also be accepted as statistically significant except for 1999 due to the small sample (10 companies).

We also applied the Durbin-Watson test of auto correlation, a quality test for the

chosen model. This test is based on residual divergence (note: only four pairs out of 179 had considerable divergence an were therefore excluded from the procedure). The results did not show a presence of auto correlation, therefore with this diagnostic procedure the chosen theoretical model of linear regression was validated.

As an example we calculated the median of the correlation coefficient for the given

time period (0,81) and it´s determination coefficient (0,66), which means that the prognoses of the MVA via the given VAIC™ values is 66%.

Analysis according to companies: Looking from the point of view of the 27

companies data of VAIC™ and MVA values for a certain series of years have been received.

This time series was viewed as a model of linear trends (viewed in the same way as the model of simple linear regression), with an introduced time variable. In transforming the time variable we received a trend of values. This had been done separately for VAIC™ and MVA after which the correlation between this values freed of the time dimension was calculated. Here are the results listed separately for each company.

The above stated results indicate that it is possible to forecast the MVA through the VAIC™ value in 52% of the companies and 44 % of companies have statistically significant results. But, as it is usual for time series (annual) to work with a series of 10 years, and we have a smaller series given for each company (on average 7 years), this indicates very small degrees of freedom per company. This has influenced the statistical significance to a high degree as the significance would be higher with higher degrees of freedom (e.g. 10 years).

If the group of 27 companies is viewed in general, the median of correlation

coefficient is 0,72 and the determination coefficient is 0,52. Viewed from the aspect of statistical significance, it is round the border of the statistically accepted significance zone for the degrees of freedom 5 (0,754) and 6 (0,707). If the model were extended to more years the percentage of statistically significant results would change for better. If the median value of series is tested as statistically significant due to a relatively good sample (df = 27 – 2 = 25) then we can consider the value of 0,72 as a statistically significant value.

Pull data In the third part of our analysis we focused on data processing for MVA

VAIC™ for all years (189 pairs) excluding the time dimension in the first step. The calculated correlation coefficient was 0,79, the determination coefficient was 0,63 and the standard error for the correlation coefficient was 0,04. The result can be considered statistically significant.

The Durbin-Watson test showed that there is auto correlation (d=1,92, serial

correlation of residuals =0,03). It can be concluded that the chosen method of relation MVA and VAIC™ is not only correct but also statistically significant.

Conclusion: This statistical analysis analysed 27 companies in the period of 8 years

in three different ways. Each procedure led to the same conclusion, that there is a relation between the coefficients VAIC™ and MVA. The significance tests are positive. The diagnostic procedure Durbin-Watson method proved the accuracy of the chosen model (linear regression).

6. MARKET VALUE via VAIC™

As the results of our empirical analysis have been confirmed by relevant statistical

analysis, which had shown a high degree of correlation between the market value and the efficiency of resources, it seems logical to go a step further and conclude that this relationship could also function vice versa. This means that we should be able to calculate the approximate MV for any company via the VAIC™ coefficient.

The following formula is used for calculation:

MV = CE (1 – rc + VAIC™)

All elements are known except the rc (the relation coefficient). How do we define this

unknown element? In all the examples we have shown a smaller or bigger gap between the trends of MVA and VAIC™ could be noticed. The relation coefficient (rc) functions as a neutralizer for this gap.

As visible in the above example both lines indicate the same trends and overlap to a

high degree. The divergences from the real market value moves between 0,1 – 15 %. Most of the difference depends on the value of rc: the more precise the definition of this coefficient the higher the prognostic ability.

Although the VAIC™ method is primarily focused on the measurement of value

creation efficiency of resources it also provides a possibility to calculate the approximate market value of companies which are not noted at the stock exchange.

Naudota literatūra:

1. http://www.measuring-ip.at/Paperps

2. http://www.skyrme.com/insights/24kmeas.htm#why

3. www.sveiby.com.au/EmergingStandard.html

4. http://www.cpavision.org/vision/wpaper05b.cfm

5. http://www.icasit.org/km/resources/valuation.htm#measure

Join the Conversation

×
×