Automatisering en machine learning veroveren de werkvloer. Eén afdeling blijft echter dapper weerstand bieden. Bij financiële teams worden veel taken nog handmatig gedaan. Uit een recent McKinsey onderzoek komt naar voren dat slechts 13 procent van de cfo’s en financieel verantwoordelijken aangeeft dat hun teams automatiseringstechnologieën gebruiken. Dat getuigt misschien van standvastigheid, maar toch ook van enige kortzichtigheid.
Robotisering en machine learning zorgen er onmiskenbaar voor dat het financiële handwerk teruggedrongen wordt, foutmarges verkleinen en de cfo en zijn team meer ruimte en tijd krijgen voor strategische relevantie.
Hoe je het ook wendt of keert, automatisering is noodzakelijk voor een financiële organisatie. Uit eerdere onderzoeken blijkt dat de teams nu nog 80 procent van hun tijd bezig zijn met het handmatig verzamelen, verifiëren en combineren van data. Daarmee blijft dus slechts 20 procent over voor analyses en (voorbereiden van) het nemen van gefundeerde besluiten. Robotisering heeft de potentie om digitale transformatie waar te maken in corporate finance. Met rpa (robotic process automation) hoef je niet zelf software te programmeren om bepaalde taken te automatiseren. Rpa maakt gebruik van softwarerobots om transacties te verwerken, compliance te monitoren en automatisch processen te auditen. Dat reduceert het aantal handmatige activiteiten enorm en leidt tot een efficiënter, transparanter en accurater financieel proces. Het levert ook onderaan de streep voordeel op. Bedrijven die minstens 70 procent van hun processen hebben geautomatiseerd hebben zes keer meer kans op winstgroei dan bedrijven die slechts 30 procent hebben geautomatiseerd.
Verschil kunnen maken
Automatisering en machine learning kunnen van grote toegevoegde waarde zijn voor cfo’s om hun financiële organisatie naar een hoger plan te brengen. Het hangt er wel vanaf op welk gebied en voor welke taken je deze technologieën inzet. Een logisch eerste doelwit zijn de terugkerende en transactionele handelingen die veel tijd kosten. In een onderzoek van Adaptive Insights zegt 40 procent van de financieel leidinggevenden dat de grootste drijfveer voor automatisering de vraag naar snellere en accuratere inzichten is. Rpa in combinatie met machine learning geeft cfo’s meer grip op de boekhoudkundige processen. Er is minder tijd nodig om facturen, bonnetjes en documentatie te controleren. Bovendien kan deze technologie automatisch en in realtime verdachte transacties signaleren, waardoor financiële risico’s afnemen. Er is een aantal gebieden waarop rpa en machine learning van grote toegevoegde waarde kunnen zijn.
Betere financiële planning en analyses. Financiële planning & analyse (fp&a) komt er vooral op neer dat je de organisatie ondersteunt met realtime data om de juiste beslissingen te funderen. Dat betekent dat finance in toenemende mate zijn processen moet transformeren, en automatisering speelt daar een doorslaggevende rol in. Je ziet al dat fp&a tegenwoordig veel minder spreadsheet-gedreven is en zich richting automatisering beweegt. Dat vraagt ook om andere competenties binnen de finance organisatie. In een onderzoek van CFO Insights van twee jaar geleden zei 78 procent nog dat Excel-kunde de belangrijkste vaardigheid was. Nu is dat slechts 5 procent. De automatisering die op gang gekomen is, is de oorzaak van die verschuiving.
Data automatisch met elkaar verbinden. Finance besteedt veel te veel tijd aan het op elkaar afstemmen van gegevens uit verschillende bronnen en systemen. Transacties uit interne en externe systemen, maar ook transacties tussen verschillende grootboeken. Omdat dat nog vaak neerkomt op handwerk, zijn fouten of dubbele invoer haast onvermijdelijk. Met regels en patronen op basis van machine learning kunnen grote aantallen boekingen en samenvoegingen van data snel en accuraat gedaan worden en kunnen fouten of conflicten automatisch gecorrigeerd of gesignaleerd worden zodat mensen kunnen ingrijpen.
Eerder en efficiënter boekperiodes afsluiten. Als je het alleen al hebt over het afsluiten van boekperiodes, stijgt de bloeddruk bij veel financiële professionals. Dat zit niet zozeer in de taak op zich, maar meer in het aantal systemen en bronnen dat betrokken is bij het afsluiten. Twee technologieën kunnen helpen bij het verlagen van de bloeddruk: de cloud en machine learning. Als je te maken hebt met diverse systemen, applicaties en bronnen, heb je ook te maken met diverse softwareversies en updates. Bij cloudsystemen is dat automatisch geregeld en kun je gemakkelijk opschalen als dat nodig is. Bovendien is de beveiliging van cloudsystemen doorgaans van hoger niveau dan van on-premises systemen. Machine learning kan financiële professionals in belangrijke mate ontlasten van terugkerende handelingen. Het in kaart brengen van bronnen en het analyseren van data kunnen snel en automatisch gebeuren en dat scheelt aanzienlijk in tijd – best belangrijk in de hectische afsluitperiode.
Snellere en betere analytics en inzichten. Automatisering geeft de financiële organisatie meer tijd, maar biedt ook meer inzicht in de data. Dat is geen onbelangrijk voordeel nu het volume en de complexiteit van de data van stakeholders alleen maar toenemen. Voor ruim een kwart van de organisaties zijn juist de betere inzichten en diepere analysemogelijkheden de voornaamste reden om automatisering in te zetten. Daarmee leveren ze een betere basis voor beslissingen en krijgt het finance-team een meer strategische positie en rol.
Keuze
Cfo’s die een meer strategische positie nastreven, zullen kiezen voor verdere automatisering en meer gebruik van machine learning. Dat is noodzakelijk om met vertrouwen een vooraanstaande rol in de veranderende zakelijke omgeving te kunnen spelen. Dankzij intelligente automatisering kan finance zijn rol als strategische partner nog beter waarmaken. Niet meer ondergedompeld in een steeds grotere berg financiële data, maar juist als regisseur en analyticus van het financiële fundament onder de succesvolle toekomst van de organisatie.
Rob Cools, product marketing directeur Workday
