Af Mark Bodger, direktør hos ICit Business Intelligence
Der er i øjeblikket en forandring i gang inden for FP&A. Ikke fordi økonomiafdelingerne pludselig har opdaget AI, men fordi teknologien er nået til et punkt, hvor den begynder at omforme den måde, arbejdet rent faktisk udføres på. Værktøjer som Workday Adaptive Planning indeholder funktioner, der går ud over blot at øge effektiviteten og begynder at påvirke adfærden – uanset om det drejer sig om, hvordan teams bruger deres tid, hvordan de arbejder med data, eller hvordan de understøtter virksomheden.
Diskussionen er dog stadig ikke helt på højde med udviklingen. Alt for meget af den drejer sig om funktioner og terminologi, mens det mere interessante spørgsmål er af strukturel karakter: Hvad ændrer sig inden for FP&A-funktionen, når en betydelig del af den manuelle analyse ikke længere er nødvendig?
For de fleste økonomiafdelinger har udfordringen aldrig været manglende indsigt. Det har derimod været den indsats, der kræves for at nå frem til den. Der bruges stadig mange timer på at samle data, afstemme uoverensstemmelser og manuelt undersøge afvigelser. Dette arbejde er altid blevet accepteret som en del af jobbet, selvom det befinder sig i den nedre ende af værdikæden. Det, der ændrer sig nu, er i hvor høj grad denne indsats kan reduceres.
Når dataudforskning bliver dialogbaseret, og afvigelsesanalyser automatisk fremhæves med tydelige årsagsfaktorer og kommentarer, begynder arbejdsfordelingen at ændre sig. FP&A-funktionens rolle bevæger sig længere væk fra at være en indgang til information og tættere på at være en vejleder i beslutningstagningen. Den forskel er vigtig. Den ændrer den måde, funktionen opfattes internt på, og den ændrer de forventninger, der stilles til den.
En af de mere subtile udviklinger er, at hindringerne for at få indsigt er blevet fjernet. Tidligere har finansielle modeller krævet en vis teknisk forståelse, hvilket har begrænset, hvem der direkte kunne arbejde med dem. Dette har skabt en naturlig afhængighed af det ofte begrænsede antal personer i teamet, der ved, hvordan det hele hænger sammen.
I takt med at brugergrænsefladerne bliver mere intuitive, begynder denne afhængighed at aftage. Man kan stille spørgsmål (og få svar) uden at skulle forholde sig til den underliggende kompleksitet. Over tid har dette en udjævnende effekt. Det udvider adgangen til indsigt uden at gå på kompromis med kontrollen, og det mindsker den konstante cyklus af afbrydelser, som mange erfarne analytikere oplever.
Den samlede effekt bliver ofte undervurderet. Det handler ikke kun om at spare tid, men om at skabe plads til mere gennemtænkt arbejde af højere kvalitet. Afvigelsesanalyse er et godt eksempel på, hvor dette bliver håndgribeligt. Det har altid været en af de mest arbejdskrævende dele af planlægningscyklussen, der kræver en metodisk opdeling af bevægelser og drivkræfter. Det er også et af de områder, der egner sig bedst til standardisering. Når denne proces automatiseres, og når afvigelser identificeres, forklares og sættes i sammenhæng næsten i realtid, skaber det både hurtighed og konsistens.
Især konsistens overses ofte. Den fjerner den variabilitet, der skyldes tidspres eller manuelle genveje, og skaber et mere pålideligt grundlag for diskussionen. Økonomiafdelingerne kan dermed bruge mindre tid på at sammensætte forklaringen og mere tid på at sætte spørgsmålstegn ved, hvad den betyder.
Prognoser udvikler sig i samme retning. Indførelsen af forudsigelsesmodeller, der bygger på en kombination af interne og eksterne data, ændrer karakteren af udgangspunktet. I stedet for at opbygge prognoser fra bunden i hver cyklus får teamene nu en basislinje, der afspejler mønstre og sammenhænge på tværs af et bredere datasæt, end en enkelt person med rimelighed kan bearbejde.
Dette udgangspunkt danner grundlag for en mere velinformeret dialog. Det giver finansafdelingen mulighed for at fokusere på skøn, scenarieplanlægning og tilpasning til forretningsvirkeligheden i stedet for de rent tekniske aspekter ved udarbejdelsen af tallene.
De organisationer, der opnår den største fordel, nøjes ikke blot med at aktivere nye funktioner. De genovervejer, hvordan arbejdet er struktureret. Spørgsmål om ejerskab, udformning af arbejdsgange og balancen mellem automatisering og skøn får større betydning. Der træffes beslutninger om, hvad der skal ske som standard, hvad der kræver indgriben, og hvordan resultaterne kommunikeres til interessenterne. I den forstand er teknologien kun en del af historien. Den mere afgørende faktor er, hvor bevidst den implementeres.
Er dit FP&A-team klar til AI?
Hvor godt er jeres økonomiafdeling rustet til at udnytte AI-baseret planlægning, prognoser og analyse – Tag vores AI-vurdering
Udnyttelse af AI til forbedrede FP&A-rapporter
Vores rapport undersøger, hvordan kunstig intelligens (AI) og maskinlæring (ML) er ved at omforme fremtiden inden for FP&A. Den bygger på en nylig uafhængig undersøgelse, som ICit Business Intelligence har bestilt, og som er baseret på data og indsigter fra over 300 britiske FP&A-fagfolk. Hent din kopi
