东芝转型再遭财务造假拦路 陷业绩低迷泥沼

简介:

通过剥离业务而淡出消费电子领域的东芝,因为最新的财务造假再度成为业界关注焦点。东芝公司日前承认,子公司伪造并挪用订货单等票据,截至2016年9月底,累计虚报销售收入5.2亿日元。这也是继东芝去年曝出财务造假丑闻之后,又一起新的财务造假事件。对于东芝来说,公司重组聚焦能源、社会基础设施、半导体存储是个不错的策略,但造假事件再次爆发可能对东芝转型再添阻碍。

再曝财务造假

东芝方面称,此次涉及造假的子公司是开展机械设备系统安装维护业务的“东芝EI控制系统”公司。涉事员工从2003年起就一直伪造订货单和验收单,虚报了超过实际合同金额的销售收入。据悉,该负责人在接到订单的服务或产品的成本超过预期时,没有与客户就追加付款进行商谈,从而多次造假,造假行为持续13年之久。东芝方面表示,将在截至9月的半年报中进行修正,并加大力度杜绝违规情况再次发生。

这并非东芝首次财务造假。去年2月,东芝相关人员向日本证券交易监视委员举报东芝存在财务问题,随后第三方委员会查出,从2008年起至2014年末,东芝共虚报利润1562亿日元,这个数字占到东芝5650亿日元税前利润的近30%。东芝陷入了财务造假丑闻泥潭,遭到日本政府高达73.735亿日元的处罚。随后,东芝方面进行高层大调整。除了东芝原社长田中久雄宣布辞职外,东芝多名董事进行了撤换。

陷业绩低迷泥沼

“越是遭遇业绩困境,越是需要去粉饰业绩”,家电专家刘步尘表示,这背后反映的正是东芝企业核心竞争力的衰退和无力。东芝发布的2014财年报告显示,截至2015年3月,东芝营收66600亿日元,营业亏损1704亿日元,净亏损为378亿日元。2015财年财报显示,截至今年3月31日,东芝的营收达56700亿日元,营业亏损为7191亿日元,净亏损4832亿日元,超出去年亏损10倍。业内普遍分析认为,东芝管理层此前设下过高的盈利目标,让各部门高层承受巨大压力。而2011年以来“3·11”大地震重伤东芝另一项主营核电业务,导致相关业务部门扛不住压力,最终纷纷虚报账目。

同时,过去几年来,东芝电视、白色家电、电脑业务也呈现断崖式下滑。财报显示,东芝家电业务自2012年开始衰落。东芝LifeStyle部门主要下辖东芝电脑、东芝彩电和东芝白色家电三大类产品业务,2014财年,东芝LifeStyle部门营业亏损达1097.47亿日元,而在2012财年和2013财年中,该业务营业亏损分别是704亿日元和546.44亿日元。

家电行业分析师梁振鹏表示,东芝等日系企业优于技术和品质把控,却偏于保守和僵化,决策链条过长,完全跟不上这种消费体验时代的发展变化。

难挽品牌形象

业绩和丑闻重压之下,东芝管理层进行结构改革,提出的重组计划关键。今年4月,东芝表示, 2016财年将全力推动能源、社会基础设施、半导体存储三大业务领域的发展。其中半导体存储包括NAND型闪存,为东芝最大的收益来源,市场份额仅次于韩国三星电子,位居全球第2位;能源领域,将以核电业务为重点大力投入资源,同时,以火电、再生能源、输变电/配电、智能电表业务确保稳定收益;社会基础设施领域,将在电梯、空调等楼宇设施业务领域及水处理业务领域加强拓展海外业务,扩大业务规模。东芝表示,希望通过重组规划,实现2016财年纯利润400亿日元,2018财年纯利润1000亿日元。

梁振鹏表示,建筑楼宇的电器及控制系统、核电业务、基础设施面向工商业客户,技术门槛很高,是中韩家电企业目前不具备技术实力的部分,也是日系企业的竞争优势所在。同时这些领域不要求技术和产品更新换代很快,适应日系企业目前层级管理结构。

不过,东芝转型困难不仅来自于业务本身,公司的财务造假丑闻引发的后遗症更加棘手。一位不愿具名的产业观察家指出,虽然东芝的财务造假受到了政府的处罚,但是其实还有一系列诉讼纠纷需要解决,此次新的财务造假事件,也会让这一系列纠纷恶化,不仅会长期影响东芝品牌形象,还会耗费东芝很多精力,拖累转型步伐。

据了解,德盛安联资产管理等45家海外机构投资者,以东芝公司财务违规问题导致股价下跌使其蒙受损失为由,向东京地方法院提起诉讼,要求东芝赔偿约166.5亿日元。

本文转自d1net(转载)

目录
相关文章
|
机器学习/深度学习 编解码 并行计算
论文阅读笔记 | Transformer系列——CSWin Transformer
论文阅读笔记 | Transformer系列——CSWin Transformer
1043 0
论文阅读笔记 | Transformer系列——CSWin Transformer
|
11月前
|
存储 SQL 分布式计算
大数据时代的引擎:大数据架构随记
大数据架构通常分为四层:数据采集层、数据存储层、数据计算层和数据应用层。数据采集层负责从各种源采集、清洗和转换数据,常用技术包括Flume、Sqoop和Logstash+Filebeat。数据存储层管理数据的持久性和组织,常用技术有Hadoop HDFS、HBase和Elasticsearch。数据计算层处理大规模数据集,支持离线和在线计算,如Spark SQL、Flink等。数据应用层将结果可视化或提供给第三方应用,常用工具为Tableau、Zeppelin和Superset。
4386 8
|
12月前
|
存储 NoSQL 编译器
C 语言中指针数组与数组指针的辨析与应用
在C语言中,指针数组和数组指针是两个容易混淆但用途不同的概念。指针数组是一个数组,其元素是指针类型;而数组指针是指向数组的指针。两者在声明、使用及内存布局上各有特点,正确理解它们有助于更高效地编程。
|
开发者 UED
HTML基础-列表:无序、有序、定义列表
【6月更文挑战第3天】本文介绍了HTML中的三种列表类型:无序列表、有序列表和定义列表。无序列表用于展示无特定顺序的项目,常用作菜单或特点列举;有序列表则适用于按顺序排列的内容,如步骤说明;定义列表用于定义术语及其解释。文章讨论了每种列表的基本概念、语法、使用场景及常见问题,强调理解语义、检查标签完整性和利用开发者工具来避免错误。通过学习和实践,可以提升网页内容的条理性与可读性。
734 2
|
Java Python
Python 生成、解析二维码
Python 生成、解析二维码
288 0
|
数据可视化 Java
《IntelliJ IDEA 插件开发》第二节:开发摸鱼看书的侧边栏窗体
一、说明 二、需求目的 三、案例开发 1. 工程结构 2. 创建 UI 窗体 3. ToolWindow 工具框 4. Configurable 配置框 5. 配置 plugin.xml 四、插件测试 五、总结 六、系列推荐
1350 0
《IntelliJ IDEA 插件开发》第二节:开发摸鱼看书的侧边栏窗体
|
计算机视觉 C++
【OpenCv • c++】图像识别边缘检测 图像差分运算
【OpenCv • c++】图像识别边缘检测 图像差分运算
651 0
|
机器学习/深度学习 自动驾驶 Python
用Streamlit开发机器学习UI
Streamlit是第一个专门针对机器学习和数据科学团队的应用开发框架,它是开发自定义机器学习工具的最快的方法,你可以认为它的目标是取代Flask在机器学习项目中的地位,可以帮助机器学习工程师快速开发用户交互工具。
14717 0
|
索引
SAP ABAP——内表(六)【追加内表数据—APPEND】
本文主要介绍一下SAP ABAP中内表的增删查改语句中的追加内表数据的APPEND相关语句,包括使用索引追加数据(APPEND语句不能使用关键字追加数据)以及不同类型内表使用APPEND追加数据的不同效果
2444 2
SAP ABAP——内表(六)【追加内表数据—APPEND】
|
算法 开发工具 芯片
5.1 芯片SDK开发:创建初始SDK|学习笔记
快速学习5.1 芯片SDK开发:创建初始SDK
5.1 芯片SDK开发:创建初始SDK|学习笔记