Von Mark Bodger, Direktor bei ICit Business Intelligence
Im Bereich FP&A vollzieht sich derzeit ein Wandel. Nicht, weil Finanzteams plötzlich die KI für sich entdeckt hätten, sondern weil die Technologie einen Punkt erreicht hat, an dem sie beginnt, die Art und Weise, wie Arbeit tatsächlich erledigt wird, neu zu gestalten. Tools wie Workday Adaptive Planning verfügen über Funktionen, die über eine schrittweise Effizienzsteigerung hinausgehen und das Verhalten beeinflussen – sei es in Bezug darauf, wie Teams ihre Zeit nutzen, wie sie mit Daten umgehen oder wie sie das Unternehmen unterstützen.
Die Diskussion hinkt jedoch noch hinterher. Zu sehr dreht sich alles um Funktionen und Fachbegriffe, dabei ist die interessantere Frage struktureller Natur: Was ändert sich innerhalb der FP&A-Funktion, wenn ein erheblicher Teil der manuellen Analysen nicht mehr erforderlich ist?
Für die meisten Finanzteams lag das Problem nie in einem Mangel an Erkenntnissen. Vielmehr war es der Aufwand, der erforderlich war, um diese Erkenntnisse zu gewinnen. Nach wie vor werden viele Stunden damit verbracht, Daten zusammenzutragen, Unstimmigkeiten abzugleichen und Abweichungen manuell zu untersuchen. Diese Arbeit wurde stets als Teil der Aufgabe akzeptiert, obwohl sie am unteren Ende der Wertschöpfungskette angesiedelt ist. Was sich nun ändert, ist das Ausmaß, in dem dieser Aufwand reduziert werden kann.
Wenn die Datenauswertung dialogorientiert wird und Abweichungsanalysen automatisch mit klaren Einflussfaktoren und Erläuterungen dargestellt werden, verschiebt sich das Gleichgewicht der Arbeit. Die Rolle des FP&A-Bereichs entfernt sich zunehmend von der Funktion als Zugangstor zu Informationen und nähert sich zunehmend der Rolle als Wegweiser für die Entscheidungsfindung an. Dieser Unterschied ist von Bedeutung. Er verändert die interne Wahrnehmung der Funktion und beeinflusst die Erwartungen, die an sie gestellt werden.
Eine der eher subtilen Entwicklungen ist der Abbau von Hindernissen beim Zugriff auf Erkenntnisse. In der Vergangenheit erforderten Finanzmodelle ein gewisses Maß an technischem Verständnis, wodurch der Kreis derjenigen, die sich direkt damit auseinandersetzen konnten, begrenzt war. Dies führte zu einer natürlichen Abhängigkeit von der oft kleinen Zahl von Personen innerhalb des Teams, die wissen, wie alles zusammenhängt.
Je intuitiver die Benutzeroberflächen werden, desto mehr lässt diese Abhängigkeit nach. Fragen können gestellt (und beantwortet) werden, ohne dass man sich mit der zugrunde liegenden Komplexität auseinandersetzen muss. Im Laufe der Zeit wirkt sich dies ausgleichend aus. Es erweitert den Zugang zu Erkenntnissen, ohne die Kontrolle zu beeinträchtigen, und verringert den ständigen Unterbrechungszyklus, den viele erfahrene Analysten erleben.
Die kumulativen Auswirkungen werden oft unterschätzt. Es geht nicht nur darum, Zeit zu sparen, sondern auch darum, Raum für durchdachtere und qualitativ hochwertigere Arbeit zu schaffen. Die Abweichungsanalyse ist ein gutes Beispiel dafür, wo dies konkret zum Tragen kommt. Sie war schon immer einer der arbeitsintensivsten Teile des Planungszyklus und erfordert eine methodische Aufschlüsselung von Bewegungen und Einflussfaktoren. Gleichzeitig ist sie einer der Bereiche, die sich am besten für eine Standardisierung eignen. Wenn dieser Prozess automatisiert wird und Abweichungen nahezu in Echtzeit identifiziert, erklärt und in einen Kontext gesetzt werden, sorgt dies sowohl für Schnelligkeit als auch für Konsistenz.
Insbesondere die Konsistenz wird oft übersehen. Sie beseitigt die Schwankungen, die durch Zeitdruck oder manuelle Abkürzungen entstehen, und schafft eine zuverlässigere Grundlage für Diskussionen. Finanzteams können dann weniger Zeit damit verbringen, die Erläuterungen zusammenzustellen, und mehr Zeit darauf verwenden, deren Bedeutung zu hinterfragen.
Auch die Prognoseerstellung entwickelt sich in eine ähnliche Richtung. Die Einführung von Vorhersagemodellen, die auf einer Kombination aus internen und externen Daten basieren, verändert die Art des Ausgangspunkts. Anstatt in jedem Zyklus Prognosen von Grund auf neu zu erstellen, erhalten die Teams eine Ausgangsbasis, die Muster und Zusammenhänge in einem Datenbestand widerspiegelt, der so umfangreich ist, dass ihn kein Einzelner vernünftigerweise verarbeiten könnte.
Diese Ausgangsbasis bildet den Ausgangspunkt für einen fundierteren Dialog. Sie ermöglicht es der Finanzabteilung, sich auf die eigene Einschätzung, die Szenarioplanung und die Ausrichtung an der geschäftlichen Realität zu konzentrieren, anstatt sich mit den technischen Details der Zahlenerstellung zu beschäftigen.
Die Unternehmen, die den größten Nutzen daraus ziehen, beschränken sich nicht darauf, lediglich neue Funktionen zu aktivieren. Sie überdenken vielmehr die Struktur ihrer Arbeitsabläufe. Fragen zur Zuständigkeit, zur Gestaltung von Arbeitsabläufen und zum Gleichgewicht zwischen Automatisierung und Ermessensentscheidungen gewinnen an Bedeutung. Es werden Entscheidungen darüber getroffen, was standardmäßig geschehen soll, was ein Eingreifen erfordert und wie die Ergebnisse den Beteiligten kommuniziert werden. In diesem Sinne ist die Technologie nur ein Teil des Ganzen. Der wesentlichere Faktor ist, wie bewusst sie eingesetzt wird.
Ist Ihr FP&A-Team bereit für KI?
Wie gut ist Ihre Finanzabteilung darauf vorbereitet, KI-gestützte Planung, Prognosen und Analysen zu nutzen – Machen Sie unseren KI-Test
Einsatz von KI für verbesserte FP&A-Berichte
Unser Bericht untersucht, wie KI und ML die Zukunft des FP&A neu gestalten. Er stützt sich auf aktuelle, von ICit Business Intelligence in Auftrag gegebene unabhängige Untersuchungen, die auf Daten und Erkenntnissen von über 300 FP&A-Fachleuten aus Großbritannien basieren. Holen Sie sich Ihr Exemplar
