Veikart for digital transformasjon i finans: Veiledning for 2026

De siste årene har økonomifunksjonen utviklet seg og blitt omformet av en rekke digitale transformasjoner. 

Gjennom min reise innen FP&A og økonomitransformasjon har jeg de siste seks årene styrket økonomifagfolk med ferdigheter innen dataanalyse, kunstig intelligens (AI) og maskinlæring. De siste tre årene har jeg vært dypt involvert i økonomianalyse og automatisering.

I løpet av denne tiden har jeg sett hvilken kraftig innvirkning digital transformasjon kan ha på økonomifunksjonen. Som svar på dette har jeg laget dette veikartet for CFO-er, slik at de kan utnytte den teknologiske revolusjonen, med viktige hensyn og trinn inkludert.

Utviklingen av digital transformasjon i økonomifunksjonen

Digital transformasjon innen økonomifunksjonen er ikke et nytt konsept. Slik jeg ser det, har økonomifunksjonen faktisk utviklet seg i bølger. 

Jeg vedder på at du ikke går en eneste dag på jobb uten å se på et regneark … men før 1985? Kanskje det bare var de aller mest teknologikyndige som brukte dem. 

Før vi vet ordet av det, kommer vi til å si det samme om AI.

Den røde tråden mellom dem? Bruken av teknologi for å øke produktiviteten og forbedre resultatene fra funksjonene våre.

I år har store navn som OpenAI og ChatGPT spesielt bidratt til å øke interessen for AI blant CFO-er og økonomifagfolk. Du ønsker å se hvordan du kan utnytte kraften i denne teknologien til å forbedre prosesser, fjerne manuelle oppgaver og øke produktiviteten.

Derfor er jeg glad for at du er her. 

Disse digitale teknologiene revolusjonerer økonomifunksjonen, og særlig rollene til CFO-er og FP&A-fagfolk.

Robotisert prosessautomatisering (RPA)

Det er velkjent at det innen økonomi og regnskap finnes repetitive oppgaver som burde automatiseres, men som økonomifagfolk i dag må utføre hver dag, uke, måned eller år. 

Dette spenner fra dataregistrering til månedsavslutninger, fra rapportering om den siste perioden til budsjettering for den neste.

Potensialet for teknologier som robotisert prosessautomatisering (RPA), Microsoft Power Apps eller til og med Alteryx er enormt her.

For eksempel er Alteryx et verktøy som er enkelt å lære, og som har et «dra og slipp»-grensesnitt: Økonomifagfolk kan hente ut data direkte fra ERP-programvare, datainnsjøer eller Excel-filer. Deretter kan de bruke forhåndslastede automatiseringsflyter til å transformere dataene. Dette kan være handlinger som å fjerne unødvendige kolonner automatisk, standardisere filnavn i henhold til navnekonvensjonene dine, fjerne avvik eller manglende data og mer. 

Til slutt lar dette verktøyet deg også analysere rensede data og deretter laste dem inn i et annet verktøy, for eksempel Power BI eller Tableau, for visualisering.

Denne prosessen er vanligvis kjent som ETL: Ekstraher, transformer, last inn.

Hvis selskapet ditt bruker Microsoft-produkter, kan Power Apps på tilsvarende måte gjøre det mulig for deg å automatisere tidligere manuelle prosesser. 

Forbedring av økonomianalyse

I tillegg til automatisering finnes det andre dataanalyseteknikker som er nødvendige og nyttige for en vellykket digital transformasjon av økonomifunksjonen. 

Det finnes fire nivåer av dataanalyse: deskriptiv, diagnostisk, prediktiv og preskriptiv analyse.

Deskriptiv analyse

På det første nivået har vi deskriptiv analyse: Dette gjør det mulig for økonomifagfolk og team å observere forretningsprosesser og rapportere om det som skjer. 

Selv om dette er det mest grunnleggende analysenivået, bruker selskaper vanligvis mesteparten av tiden sin her.

Tenk på presentasjoner der folk ganske enkelt beskriver det som skjedde: Kanskje gikk netto salgsverdi (NSV) per kategori ned, eller så gikk varekostnaden (COGS) opp. Selv om det er bra å vite dette, må du gå dypere.

Diagnostisk analyse

Det andre nivået er diagnostisk analyse, og det er her vi kommer til hvorfor. I stedet for bare å forklare hva som skjedde, diagnostiserer vi endringen og forstår hvorfor den skjedde.

Hvis vi følger vårt første eksempel, er det her økonomiteamene vil nevne at NSV falt i kategori A på grunn av pris, eller at COGS økte på grunn av inflasjon i «X’ råmateriale.» 

Dette nivået er bedre enn det første fordi økonomiteamene bruker tid på å forstå den underliggende årsaken til resultatene. Det finnes imidlertid to nivåer til.

Prediktiv analyse

Når du går tre nivåer dypt, har du prediktiv analyse. 

På dette nivået er ideen å forutsi hva som vil skje i fremtiden. Mange organisasjoner gjør dette gjennom økonomiske prognoser, enten manuelt eller ved hjelp av prognoseprogramvare. Hvorvidt et selskap faktisk gjennomfører en vellykket digital transformasjon av økonomifunksjonen, avhenger imidlertid til syvende og sist av detaljnivået i disse prognosene.

Det finnes mange mulige påvirkningsfaktorer i en prognose, og hvis du ikke ser på de riktige dataene, vil du ikke forstå hvilke faktorer som faktisk skaper endringen. 

Se for deg at du selger flaskevann. Du har nettopp byttet til en annen emballasje, og salget skjøt i været. Flott, ikke sant?

Kanskje. Hva om jeg fortalte deg at en massiv hetebølge traff området samtidig som du byttet emballasje? Selv om dette ganske åpenbart var årsaken til det økte salget, ville du kommet frem til feil resultat hvis du ikke inkluderte disse dataene.

Preskriptiv analyse

Det fjerde nivået, preskriptiv analyse, er det som vil legge grunnlaget for økonomisk transformasjon. 

Dette nivået handler om å bruke dataene til å støtte beslutninger om hvordan en endring skal gjennomføres, ved å bruke historiske data som grunnlag. 

Preskriptiv analyse innebærer at økonomiteamet foreslår at du går inn i et nytt marked basert på tilgjengelige data, og at NSV deretter øker med 10 % som følge av denne beslutningen. Ved å ta i bruk preskriptiv analyse kan du forvandle rollen din fra «tallknuser» til orakelet i Delfi.

Så hvordan sikrer du at du fokuserer på preskriptiv analyse? Ved å få verktøyene dine på plass.

De beste verktøyene for digital transformasjon

Økonomiteam kan fokusere på å utnytte Python, R, Power BI og Tableau for å få dypere innsikt i dataene sine og frigjøre effektiviseringsgevinster på alle de 4 nevnte nivåene av analyse.

Python og R

Jeg vet, jeg vet, Python og R er ikke programvareverktøy, men de er likevel verktøy.

Frem til for noen år siden var disse språkene forbeholdt dataforskere, statistikere og IT-avdelinger. Demokratiseringen av kunnskap og tilgjengeligheten til språkene har imidlertid økt. Python er tross alt til og med tilgjengelig som en Excel-funksjon!

Disse kraftige språkene for dataanalyse kan endre måten du ser på data på, og lar deg bygge (velbegrunnede) prediktive modeller, gjennomføre tidsserieanalyser og utføre økonomiske simuleringer. I tillegg inneholder de et stort utvalg biblioteker og pakker som er spesielt utviklet for økonomisk analyse.

Ved å bruke kunstig intelligens og maskinlæring sammen med disse verktøyene kan du lage mer presise prognoser og ta datadrevne beslutninger.

Tableau og Power BI

Tableau og Power BI er verktøy for forretningsinnsikt. De har et enormt potensial, men de fleste økonomiteam mener at bruksområdet deres ganske enkelt er å få data til å se pen ut.

Disse verktøyene kan spille en viktig rolle i demokratiseringen av data, slik at et bredere publikum i organisasjonen kan forstå hvorfor beslutningene som tas, blir tatt.

Verktøyene har funksjoner som selvbetjent analyse, slik at selv økonomimedarbeidere med begrensede tekniske ferdigheter kan utforske data og lage egne rapporter, noe som reduserer belastningen på IT-avdelingene.

Tableau og Power BI støtter dessuten dataoppdateringer i sanntid, slik at beslutningstakere alltid har tilgang til den mest oppdaterte økonomiske informasjonen. Denne synligheten i sanntid er avgjørende for smidige beslutninger, særlig i bransjer med høyt tempo.

Fremtiden for digital transformasjon i finansielle tjenester

Etter hvert som vi går fremover, er det viktig at økonomidirektører og økonomimedarbeidere tar i bruk disse digitale teknologiene. Uansett om du jobber innen «fintech» eller ikke, må du fortsette å utforske innovative måter å utnytte finansteknologi på. 

Selv om digital transformasjon kan virke som en trend som vil gå over, er jeg overbevist om at den er kommet for å bli. Det er en grunnleggende endring som vil fortsette å endre økonomifunksjonen slik vi kjenner den, på globalt nivå.

Det handler om hvilken side du og organisasjonen din ønsker å være på: siden som utnytter kraften i nye digitale teknologier og former fremtidens økonomifunksjon, eller siden som er komfortabel med å bli værende der dere er.

Nylig snakket jeg på en konferanse med noen andre økonomiledere, og parallellen mellom dagens teknologiske fremskritt og innføringen av Excel kom opp.

Da Excel var nytt, var det noen finansfolk som valgte å ikke ta Excel i bruk, og som foretrakk å holde fast ved metodene de var vant til, med kalkulator, penn og papir.

De tok ikke imot endringen.

Og noen år senere var de fullstendig erstattet av mennesker som gjorde det.

Finansavdelingene som tok i bruk denne nye teknologien, endret måten vi så på data, hva vi kunne få gjort, og finans som helhetlig funksjon.

Nå mener jeg at vi står overfor enda et «vendepunkt» som kan endre funksjonen vår. 

Så hvordan kan finansfolk og organisasjoner tilpasse seg denne monumentale endringen?

Programmer for kontinuerlig utvikling

For å sikre at finansavdelingene er godt rustet for den digitale fremtiden, bør virksomheter etablere løpende opplærings- og utviklingsprogrammer. Disse programmene må utformes for å hjelpe finansfolk med å tilegne seg kunnskapen og ferdighetene de trenger for å navigere effektivt i det digitale landskapet. 

Praktisk opplæring, verksteder og tilgang til de nyeste ressursene er viktige deler av disse initiativene.

Praktiske læringserfaringer

Finansfolk må få muligheten til å ta i bruk digitale verktøy og plattformer, samt få veiledning i hvordan de skal brukes.

Mange finansavdelinger mener at de ikke har tid til å lære seg ny programvare eller en ny måte å gjøre ting på.

De mener at det er viktigere å ferdigstille den ene rapporten eller sørge for at månedsslutten går smidig enn å ta et kurs i Power BI, for eksempel.

Det er vårt ansvar som finansledere å overbevise dem om at de må sette av tid til læring. Hvis du lærer deg å automatisere en prosess eller ta i bruk et nytt verktøy i dag, noe som senere kan spare deg for tusenvis av dollar og mange timer, ville det vært vanvittig å la være.

Det handler om «snøballeffekten» av læring.

Å oppmuntre til en kultur for kontinuerlig læring og gi tilgang til ressurser som nettkurs og webinarer kan være svært effektivt for å fremme denne myndiggjøringen. Og viktigst av alt: Denne læringen må være praktisk! Tiden da man forventet at noen skulle fullføre et 20-timers nettkurs eller lese en hel bok om bruk av Python, er forbi.

I likhet med enhver travel student må finansavdelingene kunne se for seg resultatet av teknologien de lærer, slik at de kan rettferdiggjøre tidsbruken. Dette kan gjøres ved å inkludere praktiske prosjekter i virksomheten eller i kursene, slik at de ansatte begynner å ta i bruk det de har lært fra første dag.

Denne praktiske anvendelsen styrker ikke bare forståelsen deres, men tilfører også konkret verdi til organisasjonens digitale transformasjonsreise.

Fokusgrupper og konseptbevis (PoC)

Til slutt må finansledere også forstå kraften i PoC-er. Når digitale transformasjonsverktøy og -løsninger skal rulles ut i hele organisasjonen, er det bedre å begynne med fokusgrupper og konseptbevisprosjekter. Behandle hvert initiativ som en ny virksomhet; ikke begynn å investere all tid og alle penger i det før det finnes noe som tyder på at det kommer til å fungere.

Det gir ikke bare mulighet til forbedring før løsningen rulles ut, men er også beste praksis når det gjelder endringsledelse. Hvis en PoC fungerer i en bestemt forretningsenhet (BU), blir det enklere å implementere den i en annen, ettersom de som er forvirret, kan snakke med medlemmer av den første enheten for å få veiledning og høre om de positive erfaringene. Selv om dette ikke kan garantere at alle vil elske endringen, hjelper det absolutt.

7 feil finansavdelinger gjør

Som med alle betydelige endringsinitiativer finnes det noen vanlige feil under implementeringen.

Sørg for å beskytte deg mot disse tingene, slik at du ikke gjør de samme feilene.

1. Mangel på en tydelig strategi, veikart og mål

Den første vanlige feilen er å begi seg ut på en digital transformasjonsreise uten en tydelig strategi, et veikart eller veldefinerte mål. Organisasjoner kan kaste seg over nye teknologier uten å ha full forståelse for hvordan de samsvarer med virksomhetens mål. 

For å unngå denne feilen bør du begynne med å utvikle en helhetlig digital strategi som beskriver de konkrete målene og resultatene du ønsker å oppnå gjennom den digitale transformasjonen. Selv om det kan virke åpenbart, ville du blitt overrasket over hvor mange som går videre uten først å skaffe seg klarhet.

2. Motstand mot endring

Folk er sta; det er uunngåelig. Jobben din er imidlertid å forstå at teammedlemmene dine kan motsette seg ny teknologi og nye prosesser fordi de frykter å miste jobben eller ikke kjenner løsningene. 

For å overvinne dette trenger du tydelig kommunikasjon. Sørg for at berørte parter forstår fordelene ved digital transformasjon, gi opplæring og støtte i verktøyene du introduserer, og skap en kultur som omfavner endring som en konstant.

Motstand mot endring er kanskje vanlig, men det er også en flott måte å skape en stillestående virksomhet på.

3. Forsømmelse av cybersikkerhet

Mange selskaper skynder seg med å ta i bruk digitale verktøy og plattformer, og forsømmer cybersikkerheten i prosessen. Dette kan føre til datainnbrudd og økonomiske tap. 

Som selskapets økonomiske leder må du prioritere cybersikkerhet fra starten ved å investere i robuste sikkerhetstiltak, lære opp ansatte i beste praksis for cybersikkerhet og gjennomføre regelmessige sikkerhetsrevisjoner.

4. Å overse datastyring

Etter min mening er dette en av de mest kritiske feilene folk gjør. 

Det er kanskje ikke det mest sexy temaet, men det er noe vi som økonomiledere må forstå og implementere.

Data står i sentrum for økonomi, og feil håndtering av data kan være en kritisk feil i digitale transformasjoner. 

Se for deg at du implementerer et verktøy for forretningsintelligens til $4 million, og at dataene ikke stemmer når du åpner en rapport! Du ville ikke bare mistet tilliten til alle som bruker det, men også kastet bort tid og penger for virksomheten.

Du må begynne med å implementere et robust rammeverk for datastyring: Definer dataeierskap, kvalitetsstandarder og prosesser for håndtering av dataenes livssyklus.

5. Dårlig leverandørstyring

Generelt er leverandørstyring svært viktig. Det finnes mange leverandører med verktøy som gjør det samme, og som gjerne vil ha pengene dine, så du må forstå hva som finnes der ute før du forplikter deg til én bestemt leverandør.

Gjør grundige undersøkelser på forhånd, så slipper du eventuell kjøpers anger senere.

For eksempel tror mange økonomiledere at Power Bi og Tableau gjør forskjellige ting, og derfor tar de ofte i bruk begge. I virkeligheten er disse to verktøyene som Pepsi og Coca-Cola: Smaken er litt forskjellig, men hvis du vil ha en drikk, kjøper du bare én av dem.

6. Å ikke prioritere brukeropplevelsen (UX)

UX blir ofte undervurdert i arbeidet med digital transformasjon. Team kan ansette hundrevis av programvareutviklere uten noen UX-designere. 

For å forstå kraften i en god UX kan du tenke på ChatGPT. Ja, teknologien er imponerende, men den egentlige grunnen til at hele verden snakker om det – og ikke om alle de andre chatbotene og KI-modellene – er GPTs brukervennlige grensesnitt.

Hvis du forsømmer brukeropplevelsen i den digitale transformasjonen, er sjansen stor for at du vil se lave adopsjonsrater og redusert produktivitet. 

7. Manglende måling av ROI

Uten riktige måltall og nøkkelindikatorer (KPIs) er det utfordrende å måle avkastningen på investeringen (ROI) av initiativer innen digital transformasjon. 

Fra begynnelsen må du etablere tydelige KPIs og regelmessig evaluere og rapportere om ROI for hvert digitale prosjekt. Herfra kan du tydelig se hva som fungerer, og justere strategien basert på datadrevet innsikt.

Revolusjonen har allerede begynt

Digital transformasjon er en prosess som har pågått i mange år og gradvis endret måten virksomheter opererer på i alle bransjer. Nå ser vi imidlertid teknologi vokse frem som kan endre økonomifunksjonen mer på 5 år enn den har blitt endret de siste 50. 

Men jeg vil avslutte med en siste, viktig bemerkning:

For å gjennomføre en vellykket digital transformasjon i virksomhetene dine må du være oppmerksom på 3 hovedting: Mennesker, prosess og teknologi.

Mange selskaper tror at teknologi er det eneste viktige, særlig nå som digital teknologi revolusjonerer økonomifunksjonen og spesielt rollene til CFO-er og FP&A-fagfolk.

Men uten å ivareta menneske- og prosesselementene er digitale transformasjoner dømt til å mislykkes.

For flere artikler skrevet spesielt for teknologiledere innen økonomi kan du abonnere på nyhetsbrevet til The CFO Club!