I løbet af de seneste år har finans som funktion udviklet sig og er blevet omformet af en række digitale transformationer.
I forbindelse med min rejse inden for FP&A og finansiel transformation har jeg i de seneste seks år styrket finansprofessionelles kompetencer inden for dataanalyse, kunstig intelligens (AI) og maskinlæring. I løbet af de seneste tre år har jeg været dybt involveret i finansanalyse og automatisering.
I den periode har jeg set den stærke indvirkning, som digital transformation kan have på finansfunktionen. Som svar på dette har jeg udarbejdet denne køreplan for CFO'er, så de kan udnytte den teknologiske revolution, komplet med vigtige overvejelser og trin.
Udviklingen inden for digital transformation i finans
Digital transformation inden for finans er ikke et nyt koncept. Faktisk ser jeg det sådan, at finans har udviklet sig i bølger.
Jeg vil vædde med, at du ikke går en dag på arbejdet uden at kigge på et regneark ... men før 1985? Måske brugte de særligt teknologikyndige dem.
Før vi ved af det, kommer vi til at sige det samme om AI.
Den fælles tråd mellem dem? Brugen af teknologi til at øge produktiviteten og forbedre resultaterne af vores funktioner.
Netop i år har store navne som OpenAI og ChatGPT øget CFO'ers og finansprofessionelles interesse for AI. Du vil gerne se, hvordan du kan udnytte denne teknologis kraft til at forbedre processer, fjerne manuelle opgaver og øge produktiviteten.
Derfor er jeg glad for, at du er her.
Disse digitale teknologier revolutionerer finansfunktionen og i særdeleshed CFO'ers og FP&A-professionelles roller.
Robotbaseret procesautomatisering (RPA)
Det er velkendt, at der i finans- og regnskabsverdenen findes gentagne opgaver, som bør automatiseres, men som finansprofessionelle i øjeblikket skal udføre hver dag, uge, måned eller år.
Det spænder fra dataindtastning til månedsafslutninger, fra rapportering om den seneste periode til budgetlægning for den næste.
Potentialet for teknologier som Robotbaseret procesautomatisering (RPA), Microsoft Power Apps eller endda Alteryx er enormt her.
For eksempel er Alteryx et værktøj, der er nemt at lære, og som har en "træk og slip"-grænseflade: Finansprofessionelle kan udtrække data direkte fra ERP-software, datasøer eller Excel-filer. Derefter kan de bruge forudindlæste automatiseringsflows til at transformere dataene. Det kan være handlinger som automatisk at fjerne unødvendige kolonner, standardisere filnavne i henhold til dine navngivningskonventioner, fjerne afvigende værdier eller manglende data og meget mere.
Endelig giver dette værktøj dig også mulighed for at udføre dataanalyse på dine rensede data og derefter indlæse dem i et andet værktøj som Power BI eller Tableau til visualisering.
Denne proces er almindeligvis kendt som ETL: Udtræk, transformering, indlæsning.
Hvis din virksomhed bruger Microsoft-produkter, kan Power Apps på tilsvarende vis give dig mulighed for at automatisere tidligere manuelle processer.
Styrkelse af finansanalyse
Ud over automatisering findes der andre dataanalyseteknikker, som er nødvendige og nyttige for en vellykket digital transformation af finansfunktionen.
Der findes 4 niveauer af dataanalyse: deskriptiv, diagnostisk, prædiktiv og præskriptiv analyse.
Deskriptiv analyse
På det første niveau har du deskriptiv analyse: Den gør det muligt for finansprofessionelle og teams at observere forretningsprocesser og rapportere, hvad der sker.
Selvom dette er det mest grundlæggende niveau inden for analyse, bruger virksomheder normalt det meste af deres tid her.
Tænk på præsentationer, hvor folk blot beskriver, hvad der skete: Måske faldt nettosalget (NSV) pr. kategori, eller kostprisen for solgte varer (COGS) steg. Selvom det er godt at vide den slags, er du nødt til at gå i dybden.
Diagnostisk analyse
Det andet niveau er diagnostisk analyse, hvor vi når frem til hvorfor. I stedet for blot at forklare hvad der skete, diagnosticerer vi ændringen og forstår hvorfor den skete.
Hvis vi følger vores første eksempel, er det her, finansafdelinger vil nævne, at NSV faldt i kategori A på grund af prisen, eller at COGS steg på grund af inflation i råmaterialet fra “X”.
Dette niveau er bedre end det første, fordi økonomiteamene bruger tid på at forstå den grundlæggende årsag til resultaterne. Der er dog to niveauer mere.
Have an account? Log In
Forudsigende analyser
Går du tre niveauer ned, kommer du til forudsigende analyser.
På dette niveau er idéen at forudsige, hvad der vil ske i fremtiden. Mange organisationer gør dette gennem økonomiske prognoser, enten manuelt eller med prognosesoftware. Men om en virksomhed faktisk gennemfører en vellykket digital transformation af økonomifunktionen eller ej, afhænger i sidste ende af detaljeringsgraden i disse prognoser.
Der er mange mulige påvirkningsfaktorer i en prognose, og hvis du ikke ser på de rigtige data, forstår du ikke, hvilke faktorer der får ændringen til at ske.
Forestil dig, at du sælger vand på flaske. Du har netop skiftet emballage, og salget steg voldsomt. Fantastisk, ikke?
Måske. Hvad nu, hvis jeg fortalte dig, at der samtidig med ændringen af emballagen kom en massiv hedebølge? Selvom det ret åbenlyst var årsagen til det øgede salg, ville du nå frem til det forkerte resultat, hvis du ikke inkluderede disse data.
Præskriptive analyser
Det fjerde niveau, præskriptive analyser, er det, der vil gøre dig klar til en økonomisk transformation.
Dette niveau handler om at bruge data til at understøtte beslutninger om, hvordan en ændring skal gennemføres, med fortidens data som grundlag.
Præskriptive analyser ville være, at økonomiteamet foreslår, at du går ind på et nyt marked baseret på de tilgængelige data, hvorefter NSV stiger med 10 % som følge af denne beslutning. Ved at arbejde med præskriptive analyser kan du forvandle din rolle fra “bønnetæller” til oraklet i Delfi.
Så hvordan sikrer du, at du fokuserer på præskriptive analyser? Ved at få styr på dine værktøjer.
De bedste værktøjer til digital transformation
Økonomiteam kan fokusere på at udnytte Python, R, Power BI og Tableau til at opnå dybere indsigt i deres data og frigøre effektiviseringsmuligheder på alle 4 ovennævnte niveauer af analyser.
Python og R
Jeg ved det, jeg ved det, Python og R er ikke softwareværktøjer, men de er ikke desto mindre værktøjer.
Indtil for få år siden var disse sprog forbeholdt dataforskere, statistikere og it-afdelinger. Men demokratiseringen af viden og adgangen til dem er blevet større. Python er trods alt endda tilgængeligt som en Excel-funktion!
Disse effektive sprog til dataanalyse kan ændre den måde, du ser på data på, og gøre det muligt at opbygge (informerede) forudsigelsesmodeller, udføre tidsserieanalyser og gennemføre økonomiske simuleringer. Desuden indeholder de et stort udvalg af biblioteker og pakker, der er specifikt udviklet til økonomiske analyser.
Ved at kombinere AI og maskinlæring med disse værktøjer kan du lave mere præcise prognoser og træffe datadrevne beslutninger.
Tableau og Power BI
Tableau og Power BI er værktøjer til forretningsanalyse. De har et enormt potentiale, men de fleste økonomiteam mener, at deres anvendelse blot handler om at få data til at se pæne ud.
Disse værktøjer kan spille en vigtig rolle i demokratiseringen af data, så et bredere publikum i din organisation kan forstå hvorfor bag de beslutninger, der bliver truffet.
Værktøjerne har funktioner som selvbetjent analyse, så selv økonomifolk med begrænsede tekniske færdigheder kan udforske data og generere deres egne rapporter, hvilket mindsker belastningen på it-afdelingerne.
Desuden understøtter Tableau og Power BI dataopdateringer i realtid, så beslutningstagere altid har adgang til de mest aktuelle økonomiske oplysninger. Denne synlighed i realtid er afgørende for agil beslutningstagning, især i brancher med højt tempo.
Fremtiden for digital transformation i finansielle tjenester
Efterhånden som vi bevæger os fremad, er det vigtigt, at CFO'er og økonomifolk tager disse digitale teknologier til sig. Uanset om du arbejder inden for “finansiel teknologi” eller ej, skal du fortsætte med at udforske innovative måder at udnytte finansiel teknologi på.
Selvom digital transformation kan virke som en tendens, der vil gå over, er jeg overbevist om, at den er kommet for at blive. Det er en grundlæggende forandring, der fortsat vil ændre økonomifunktionen, som vi kender den, på globalt plan.
Det handler om, hvilken side du og din organisation ønsker at være på: siden, der udnytter de nye digitale teknologiers kraft og former økonomifunktionens fremtid, eller siden, der er tilfreds med at blive, hvor I er.
For nylig talte jeg på en konference med nogle andre ledere inden for økonomi, og parallellen mellem den aktuelle teknologiske udvikling og introduktionen af Excel kom op.
Da Excel var nyt, var der nogle økonomimedarbejdere, som valgte ikke at tage Excel til sig, fordi de foretrak at holde fast i deres “status quo”-metoder med lommeregner, pen og papir.
De tog ikke imod forandringen.
Og få år senere var de fuldstændig erstattet af mennesker, der gjorde.
De økonomiteams, der tog denne nye teknologi til sig, ændrede den måde, vi så på data, hvad vi kan nå at udføre, og økonomi som en samlet funktion.
Nu mener jeg, at vi står over for endnu en “nexus-begivenhed”, der kan ændre vores funktion.
Så hvordan kan økonomimedarbejdere og organisationer tilpasse sig denne monumentale forandring?
Programmer for løbende udvikling
For at sikre, at økonomiteams er godt rustet til den digitale fremtid, bør virksomheder etablere løbende trænings- og udviklingsprogrammer. Disse programmer skal være designet til at hjælpe økonomimedarbejdere med at tilegne sig den viden og de nødvendige færdigheder til effektivt at navigere i det digitale landskab.
Praktisk træning, workshops og adgang til avancerede ressourcer er vigtige elementer i disse initiativer.
Praktiske læringserfaringer
Økonomimedarbejdere skal have mulighed for at arbejde med digitale værktøjer og platforme og få vejledning i, hvordan de bruger dem.
Mange økonomiteams mener, at de ikke har tid til at lære ny software eller en ny måde at gøre tingene på.
De mener, at det er vigtigere at færdiggøre den ene rapport eller sikre, at månedsafslutningen forløber problemfrit, end for eksempel at tage et kursus i Power BI.
Det er vores ansvar som økonomiledelse at overbevise dem om, at de skal afsætte tid til læring. Hvis du lærer at automatisere en proces eller implementere et nyt værktøj i dag, hvilket senere kan spare dig for tusindvis af dollars og timer, ville det være vanvittigt ikke at gøre det.
Det handler alt sammen om læringens “sneboldeffekt”.
Det kan være særdeles effektivt at fremme en kultur med kontinuerlig læring og give adgang til ressourcer som onlinekurser og webinarer for at styrke denne udvikling. Og vigtigst af alt skal denne læring være praktisk! Tiden, hvor man forventede, at nogen gennemførte et 20-timers onlinekursus eller læste en hel bog om anvendelsen af Python, er forbi.
Ligesom enhver travl studerende skal økonomiteams kunne visualisere resultatet af den teknologi, de lærer om, for at kunne retfærdiggøre at bruge tid på den. Det kan gøres ved at indarbejde praktiske projekter i virksomheden eller i kurserne, så dine medarbejdere begynder at implementere det, de har lært, fra dag ét.
Denne praktiske anvendelse styrker ikke kun deres forståelse, men tilfører også konkret værdi til din organisations digitale transformationsrejse.
Fokusgrupper og konceptafprøvning (PoC)
Endelig skal økonomiledere også forstå styrken ved PoC'er. Når digitale transformationsværktøjer og -løsninger rulles ud i hele organisationen, er det bedre at begynde med fokusgrupper og konceptafprøvningsprojekter. Behandl hvert initiativ som en ny virksomhed; begynd ikke at investere al din tid og dine penge i det, før der er et eller andet tegn på, at det kommer til at fungere.
Det giver ikke kun mulighed for forbedringer, før det rulles ud, men er også en bedste praksis inden for forandringsledelse. Hvis en PoC fungerer i en bestemt forretningsenhed (BU), bliver det lettere at implementere den i en anden, fordi de, der er forvirrede, kan tale med medlemmer af den første enhed for at få vejledning og høre om de positive erfaringer. Selvom det ikke kan garantere, at alle vil elske forandringen, hjælper det bestemt.
7 fejl, økonomiteams begår
Som ved ethvert væsentligt forandringsinitiativ er der nogle almindelige fejl i forbindelse med implementeringen.
Sørg for at undgå disse ting, så du ikke begår de samme fejl.
1. Mangel på en klar strategi, køreplan og målsætninger
Den første almindelige fejl er at begive sig ud på en digital transformationsrejse uden en klar strategi, køreplan eller veldefinerede målsætninger. Organisationer kan kaste sig ud i at tage nye teknologier i brug uden fuldt ud at forstå, hvordan de stemmer overens med deres forretningsmål.
For at undgå denne fejl skal du begynde med at udvikle en omfattende digital strategi, der beskriver de konkrete mål og resultater, du sigter mod at opnå gennem din digitale transformation. Selvom det måske virker indlysende, ville du blive overrasket over, hvor mange der går videre uden først at skabe klarhed.
2. Modstand mod forandring
Mennesker er stædige; det kan ikke undgås. Din opgave er dog at forstå, at dine teammedlemmer kan modsætte sig nye teknologier og processer på grund af frygt for at miste deres job eller manglende kendskab til dem.
For at overvinde dette har du brug for klar kommunikation. Sørg for, at de berørte parter forstår fordelene ved digital transformation, giv oplæring i og support til de værktøjer, du introducerer, og skab en kultur, der omfavner forandring som en konstant faktor.
Modstand mod forandring kan være almindelig, men det er også en god måde at skabe en stagnerende virksomhed på.
3. Forsømmelse af cybersikkerhed
Mange virksomheder har travlt med at tage digitale værktøjer og platforme i brug og forsømmer cybersikkerheden i processen. Det kan føre til databrud og økonomiske tab.
Som virksomhedens økonomiske leder skal du prioritere cybersikkerhed fra begyndelsen ved at investere i robuste sikkerhedsforanstaltninger, uddanne medarbejderne i bedste praksis for cybersikkerhed og gennemføre regelmæssige sikkerhedsrevisioner.
4. Overser dataforvaltning
Efter min mening er dette en af de mest kritiske fejl, folk begår.
Det er måske ikke det mest sexede emne, men det er et emne, som vi som økonomiske ledere er nødt til at forstå og implementere.
Data er kernen i økonomifunktionen, og forkert håndtering af data kan være en kritisk fejl i digitale transformationer.
Forestil dig at implementere et værktøj til forretningsanalyse til $4 million og derefter opdage, når du åbner en rapport, at dataene ikke er korrekte! Du ville ikke blot miste tilliden hos alle, der bruger det, men også spilde virksomhedens tid og penge.
Du skal begynde med at implementere en robust ramme for dataforvaltning: Definér dataejerskab, kvalitetsstandarder og processer til styring af dataenes livscyklus.
More Articles
5. Dårlig leverandørstyring
Overordnet set er leverandørstyring meget vigtig. Der findes mange udbydere med værktøjer, der gør det samme, og som gerne vil have dine penge, så du er nødt til at forstå, hvad der findes på markedet, før du binder dig til en bestemt leverandør.
Foretag en grundig forundersøgelse på forhånd, så sparer du dig selv for den købers fortrydelse, der kan opstå.
For eksempel tror mange økonomiske ledere, at Power Bi og Tableau gør forskellige ting, og derfor bruger de ofte begge. I virkeligheden er disse 2 værktøjer som Pepsi og Coca-Cola: Smagen er lidt forskellig, men hvis du vil have en drik, køber du kun én af dem.
6. Prioriterer ikke brugeroplevelsen (UX)
UX undervurderes ofte i forbindelse med digitale transformationsindsatser. Teams kan ansætte hundredvis af softwareudviklere uden en eneste UX-designer.
Hvis du vil forstå styrken ved en god UX, kan du tænke på ChatGPT. Ja, teknologien er imponerende, men den virkelige grund til, at hele verden taler om det – og ikke om alle de andre chatrobotter og AI-modeller – skyldes GPT's brugervenlige grænseflade.
Hvis du forsømmer brugeroplevelsen i din digitale transformation, er der stor sandsynlighed for, at du vil se lave ibrugtagelsesrater og faldende produktivitet.
7. Manglende måling af ROI
Uden ordentlige målepunkter og nøglepræstationsindikatorer (KPIs) er det vanskeligt at måle afkastet af investeringen (ROI) i digitale transformationsinitiativer.
Fra begyndelsen skal du fastlægge tydelige KPI'er og regelmæssigt evaluere og rapportere om ROI for hvert digitalt projekt. Herfra kan du tydeligt se, hvad der fungerer, og justere din strategi baseret på datadrevne indsigter.
Revolutionen er allerede begyndt
Digital transformation er en proces, der har været i gang i mange år og gradvist har ændret den måde, virksomheder opererer på tværs af alle brancher; men nu ser vi teknologi dukke op, som kan ændre økonomifunktionen mere på 5 år, end den er blevet ændret i de seneste 50.
Men jeg vil afslutte med en sidste vigtig pointe:
For at gennemføre en vellykket digital transformation i dine virksomheder skal du være opmærksom på 3 hovedområder: Mennesker, processer og teknologi.
Mange virksomheder tror, at teknologi er det eneste vigtige, især nu hvor digitale teknologier revolutionerer økonomifunktionen og især CFO'ers og FP&A-professionelles roller.
Men uden at tage hånd om menneske- og procesaspekterne er digitale transformationer dømt til at mislykkes.
Hvis du vil læse flere artikler skrevet specifikt til teknologifokuserede CFO'er, kan du abonnere på The CFO Clubs nyhedsbrev!
