De noodzaak voor finance om efficiëntere, dynamische manieren van werken te implementeren bestaat al langer. De coronapandemie heeft deze ontwikkeling versneld. Voor finance betekent dit dat ze digitale technologieën, zoals machine learning, op de belangrijkste processen moeten gaan toepassen.
CFO's proberen al jaren processen zoals afsluitingen, consolidaties, rapportage en payroll sneller uit te voeren. Door COVID-19 en veranderingen zoals werken op afstand is dit nu een harde eis geworden.
Thomas Willman, Principal, Finance Advisory Global Practice Leader bij The Hackett Group zegt hierover: "Finance heeft zichzelf op veel vlakken getransformeerd in 2020. Wat niet veranderd is, is dat het werk nog steeds moet worden gedaan. Wat wel veranderd is, is dat het vaak buiten kantoor gedaan wordt. Financeprofessionals verkennen manieren om automatisering te verhogen en machine learning toe te passen om patronen te identificeren en aanbevelingen te doen."
Wat intelligente automatisering betekent voor de dagelijkse werkzaamheden van finance
Digitale technologieën en automatisering kunnen CFO's in staat stellen om de financefunctie te transformeren. Of dit succesvol is, zal afhangen van het vermogen om de taken die het meeste waarde leveren, te identificeren en te prioriteren. Het eerste doel van een financeteam moet de automatisering van repetitieve en transactionele taken zijn die menselijke inspanning of handmatige interventie vereisen. Door dit te doen wordt er meer tijd vrijgemaakt om als strategisch adviseur voor het bedrijf op te treden.
Het tweede doel is het vaststellen waar digitale technologieën, zoals machine learning, kunnen worden toegepast voor anomaliedetectie, voorspellingen of aanbevelingen, wat zorgt voor meer 'machine intelligence' in transacties of processen. Zodra de machine een patroon herkent, kan een resultaat herhaald worden: hoe meer de machine leert, hoe slimmer deze wordt.
Automatisering gecombineerd met machine intelligence zorgt voor intelligent geautomatiseerde processen. Dit bespaart veel tijd die voorheen aan traditionele transacties en processen werd besteed. In een onderzoek van Workday Adaptive Planning stelt meer dan 40% van de finance leaders dat de grootste drijfveer voor automatisering binnen hun organisaties 'de vraag van leidinggevenden en operationele belanghebbenden naar snellere en betere inzichten' is.
In het onderzoek 'Charting a Path to Intelligent Automation' van Accenture stelt ongeveer driekwart van de ondervraagde CFO's dat ze bedrijfsbrede transformatie proberen te stimuleren en dat 'getting things right' in de financefunctie belangrijk voor ze is. "Goed nadenken over de end-to-end-strategie, methodologie en de inzet van intelligente automatiseringstools, in plaats van het oplossen van een specifiek pijnpunt, is essentieel."
Cijfers zijn belangrijk voor finance. Gelukkig spreekt de meerwaarde van automatisering vanuit het oogpunt van kosten en efficiëntie voor zich. In een webinar van Argyle en CFO Dive wordt het volgende gezegd: "Een bedrijf met een financeteam van 20 personen verliest doorgaans 1920 uur per jaar, of een geschatte $124.800 in kosten, aan handmatige taken. Een groot bedrijf met een financeteam van 100 personen kan 9.600 uur verliezen, ongeveer $ 624.000 per jaar."
Hoe machine learning de financetransformatie aanjaagt
Ondanks de duidelijke financiële en operationele voordelen van machine learning passen veel financefuncties zich maar langzaam aan. Accounting, leveranciersmanagement, procurement en auditing zijn belangrijke gebieden die uitermate geschikt zijn voor automatisering. Toch vormen de mogelijke risico's vaak een belemmering voor innovatie, met name voor grote bedrijven die in meerdere regio's actief zijn. Ook verliezen teams zich vaak in het dagelijkse werk, wat ten koste gaat van transformatie.
Transactieverwerking is een andere belemmering voor financetransformatie en het realiseren van betere partnerships met de business. Het is geen verrassing dat CFO's die geïnteresseerd zijn in automatisering zich als eerste op machine learning richten.
"Automatisering biedt financeleaders een geweldige manier om hun accountingprocessen te optimaliseren. Dit is al jaren een pijnpunt voor finance en kan een directe impact hebben op de cashflow van een organisatie", zegt Barbara Larson van Workday, General Manager, Workday Financial Management. "Finance besteedt enorm veel tijd aan het doorspitten van journaalposten, facturen en andere documentatie om handmatig fouten te corrigeren, terwijl machine learning dit zou kunnen automatiseren."
Machine learning kan daarnaast ook financiële risico's beperken door verdachte betalingen in realtime te identificeren. Fraude kost bedrijven jaarlijks miljarden. Het huidige systeem om fraude te beperken is gebaseerd op handmatige audits met steekproeven. Dit betekent dat er slechts naar een fractie van de totale betalingen wordt gekeken. Deze aanpak voor het opsporen van fraude en fouten is als het zoeken naar een speld in een hooiberg. Met machine learning zal het volume van de facturen die worden gecontroleerd op dubbele of frauduleuze betalingen enorm toenemen.
"Het waarborgen van naleving van nationale en internationale regelgeving is belangrijk voor financiële instellingen, vooral gezien de steeds strengere wetten gericht op witwaspraktijken en de financiering van terroristische activiteiten," zegt David Axson, CFO Strategies Global Lead bij Accenture Strategy. "Bij één grote internationale bank waren bijna 10.000 medewerkers verantwoordelijk voor het identificeren van verdachte transacties en rekeningen die zouden kunnen wijzen op dergelijke illegale activiteiten. De bank heeft nu een AI-systeem geïmplementeerd dat algoritmen voor machine learning inzet. Hierin worden de transacties en rekeningen gesegmenteerd en worden de optimale drempels ingesteld om te waarschuwen voor mogelijke gevallen die nader bekeken moeten worden."
Financiële planning en analyse verbeteren
Als u van mening bent dat teams betrokken bij Financial Planning & Analysis (FP&A) de organisatie realtime, datagedreven ondersteuning bij beslissingen moeten bieden, dan bent u ook van mening dat financeprocessen geautomatiseerd moeten worden om dit te verwezenlijken.
Onderzoek van McKinsey toont aan dat gemiddeld 60% van de financetaken volledig (40%) of grotendeels (17%) kan worden geautomatiseerd met de technologieën die vandaag de dag beschikbaar zijn. Over de positie van FP&A in dit spectrum wordt nog veel gediscussieerd, maar hetzelfde onderzoek stelt dat veel taken in deze categorie volledig (11%) of grotendeels (45%) geautomatiseerd kunnen worden.
Zo weet iedereen dat er een transitie is van 'op spreadsheets gebaseerde FP&A' naar een 'op samenwerking en automatisering gebaseerde FP&A'. Het is moeilijk te zeggen waar we ons in die transitie bevinden, maar de overstap naar vaardigheden op het gebied van analytics en technnologie (van vaardigheden op het gebied van spreadsheets) is een enorme verschuiving. Uit een onderzoek van CFO Insights blijkt dat twee jaar geleden 78% vaardigheid in Microsoft Excel® het belangrijkst vond. Dat cijfer is nu nog maar 5%. De automatisering binnen applicaties die financeprofessionals vandaag de dag al gebruiken is de drijvende kracht achter deze verschuiving.