L'analyse de données est une priorité pour les responsables de l'enseignement supérieur, et ils cherchent à mettre en œuvre des changements pour transformer l'utilisation des données dans leurs établissements. Cependant, beaucoup ont du mal à passer le cap. Pourquoi? Ils sont confrontés aux défis des processus et systèmes financiers déconnectés, des contraintes budgétaires et plus encore. Pour les surmonter, les collèges doivent voir plus grand et rechercher des solutions durables qui simplifient et maximisent l'impact commercial. Un moderne Solution de gestion de la performance d'entreprise (CPM) offre un moyen non seulement de briser les barrières technologiques et de processus, mais également de donner aux finances des informations exploitables.
L'élan
L'analyse de données prend de l'ampleur dans l'enseignement supérieur. Alors que les dernières années ont vu l'accent mis sur les données, la reconnaissance que les institutions doivent plus que jamais donner la priorité aux données devient plus claire chaque jour. Cette hiérarchisation peut signifier soutenir l'analyse des données en embauchant du personnel, en mettant en œuvre des processus, en tirant parti des nouvelles technologies et bien plus encore. Ce faisant, faire des données une priorité devient plus important dans le paysage difficile et concurrentiel de l'enseignement supérieur.
Dans ce paysage, les équipes des finances et des opérations font face à la complexité de l'évolution des besoins des étudiants, des exigences en matière de main-d'œuvre, des contraintes de financement et d'autres facteurs, combinées à la pression d'être agiles et d'agir rapidement. Et la meilleure façon de gérer tout cela efficacement est d'utiliser des outils qui fournissent aux finances et aux opérations des données opportunes, fiables et pertinentes.
L'enquête Chronique de l'enseignement supérieur1 a exploré les points de vue de l'enseignement supérieur sur l'utilisation croissante de la prise de décision basée sur les données. Selon l'enquête, la plupart des responsables des collèges - 97 % - sont tout à fait d'accord sur le fait que les établissements doivent mieux utiliser les données et les analyses pour devenir des établissements axés sur les données (voir la figure 1)..
Pour aller plus loin, lorsqu'on leur a demandé d'évaluer où de meilleures données étaient nécessaires dans leurs établissements, 90 % des responsables des collèges ont cité le besoin de meilleures données dans les opérations commerciales et financières (voir la figure 1). Cet accord écrasant souligne la reconnaissance d'un réel besoin d'obtenir des données financières et opérationnelles pertinentes.
Cependant, passer à l'analyse et à la prise de décision centrées sur les données pour les équipes financières est plus facile à dire qu'à faire. Pourquoi? Les universités et les collèges doivent surmonter des obstacles clés pour instaurer des changements durables.
Alors, qu'est-ce qui empêche les gens d'obtenir les données financières et opérationnelles nécessaires ?
Les barrières
La enquête1 a souligné que la culture, les outils et les processus, ainsi que les contraintes de ressources représentent des obstacles au progrès dans l'analyse des données.
Selon l'enquête, les trois principaux obstacles à l'utilisation des données sont les suivants :
- Collecte de données décentralisée/cloisonnée
- Contraintes budgétaires
- Difficulté à transformer les données en action
Briser les barrières
Comment les équipes financières peuvent-elles surmonter ces obstacles grâce à la technologie ?
Les équipes de University Finance ont répondu à cette question avec une solution CPM moderne. Plongeons-nous dans les trois principaux obstacles et discutons de la façon dont le fait d'avoir la bonne technologie peut atténuer les défis liés aux données financières et opérationnelles auxquels les institutions sont confrontées aujourd'hui.
Obstacle #1 : Collecte de données décentralisée/cloisonnée
Les collèges et les universités sont complexes non seulement parce qu'ils offrent des services différents, mais aussi parce que les établissements utilisent un certain nombre de systèmes et de processus fragmentés. Par exemple, il faut beaucoup de temps et d'efforts pour rassembler les budget annuel entre les différents services d'un établissement. Les considérations incluent la consolidation de la position et des dépenses d'exploitation, le financement disponible, les dépenses d'engagement prévues, les informations sur les projets d'investissement, les frais de scolarité, les données d'inscription et plus encore. Ce site Web vous semble-t-il familier ? (Voir Figure 2)
Cette toile de chaos devient encore plus compliquée avec les applications, les systèmes fantômes et les tableurs utilisés pour les rapports financiers et la planification. De plus, à mesure que de nouvelles sources de financement, programmes et services sont ajoutés, le Web ne cesse de s'étendre !
Dans la boîte à outils de modélisation Web of chaos illustrée à la figure 2, chaque ligne représente non seulement un risque et un coût, mais également la latence et la redondance des données. Même si ce Web comprend tous les bons produits, ils sont tous développés sur des technologies différentes et ne fonctionnent pas naturellement ensemble, mais doivent pourtant être connectés d'une manière ou d'une autre.
Une solution CPM moderne améliore le chaos de la boîte à outils. Avoir un plateforme intelligente qui simplifiera et unifiera les processus Finance supprimera les silos. Comment? Une plate-forme véritablement unifiée brise les barrières du silo et rassemble les données, les analyses, les plans, les rapports et la prise de décision en tant quesolution unique. Cette unification permet aux utilisateurs d'avoir une source de vérité pour les données qui peuvent être exploitées pour la planification et la création de rapports.
Obstacle #2 : Contraintes budgétaires
Le budget est le deuxième plus grand obstacle à l'amélioration de l'analyse des données. L'établissement d'analyses de données nécessite d'avoir les bonnes personnes, les bons processus et les bons outils en place prend du temps, des efforts et des coûts à mettre en œuvre. Avoir toutes ces pièces en place est difficile, en particulier pour les institutions à court de budget.
Alors, comment les institutions peuvent-elles briser la barrière des contraintes budgétaires ? En établissant une vision stratégique à long terme d'une approche rentable pour améliorer l'analyse des données.
Une plate-forme CPM offre exactement cela. Une plate-forme CPM moderne unifie les processus financiers et opérationnels pour fournir une approche pratique et durable qui aidera à atténuer les coûts encourus et à fournir des avantages futurs. Comment? Voici quelques-unes des façons :
- Réduire le temps, les efforts et les dépenses de maintenance des applications héritées et des solutions déconnectées.
- Soutenir la croissance future avec moins de logiciels, pas plus, en déployant des solutions supplémentaires ou en étendant des solutions existantes sur la même plate-forme.
- Simplification de la formation et de l'assistance pour les utilisateurs finaux, qui peuvent apprendre plusieurs processus sur une seule plateforme. Cela réduira la courbe d'apprentissage, rationalisera l'expérience utilisateur et favorisera l'adoption par les utilisateurs.
En fin de compte, les institutions peuvent obtenir un excellent retour sur investissement en disposant d'une plate-forme unique qui étend l'utilisation du logiciel pour répondre à l'évolution des besoins de l'entreprise.
Obstacle n° 3 : difficulté à transformer les données en action
Le logiciel CPM est conçu pour aider les finances à transformer les données en action.
Une plate-forme CPM peut aider les institutions à surmonter les problèmes de transformation des données en action en unifiant les données financières et opérationnelles dans une plate-forme flexible et gouvernée. Les utilisateurs peuvent exploiter ces données à travers le les outils d'analyse de la plateforme via des rapports standards, des rapports en libre-service, des visualisations et des outils d'analyse ad hoc. Une plate-forme CPM moderne peut fournir des données au bon niveau de détail à la fois pour la finance et la non-finance afin de leur permettre de prendre davantage de décisions basées sur les données.
Conclusion
Avec le passage à des analyses davantage axées sur les données, les institutions ressentent les défis des silos de données, des contraintes budgétaires et des difficultés à transformer les données en action. Mais ces défis ne sont pas insurmontables. Une plateforme CPM moderne aide les responsables financiers à surmonter ces obstacles et permet une analyse et une prise de décision plus centrées sur les données.
En savoir plus
At OneStream, nous comprenons les complexités, les frustrations et les défis liés à la gestion d'informations déconnectées. Et cette compréhension est exactement la raison pour laquelle nous nous efforçons tant d'aider les équipes de l'enseignement supérieur à libérer l'analyse des données pour permettre une prise de décision en toute confiance.
Chez OneStream, nous appelons cela la finance intelligente.
Vous voulez en savoir plus sur la façon dont OneStream peut renforcer l'équipe des finances de votre enseignement supérieur ? Consultez notre site Web sur l'enseignement supérieur, ou CONTACTEZ-NOUS pour une démonstration.
1 Anft, Michael (2023), sponsorisé par AWS.Becoming a Data-Driven Institution: College Leaders Assess the Value and Challenges of Use Data to Take Strategic Decisions, The Chronicle of Higher Education, Inc.
À l'ère numérique d'aujourd'hui, Planification et analyse financières (FP&A) sont inondées de grandes quantités de données. Ces données contiennent des informations inestimables qui, si elles sont exploitées efficacement, entraînent des améliorations significatives des performances organisationnelles. En ce sens, l'analyse basée sur l'apprentissage automatique (ML) est un outil puissant émergent qui aide les organisations à donner un sens aux données, à identifier des modèles et à prendre des décisions éclairées pour orienter les performances dans la bonne direction. Ce billet de blog explore les principaux avantages de l'analyse basée sur le ML et comment elle révolutionne la gestion des performances organisationnelles.
Plus précisément, nous explorons le potentiel de transformation de l'analyse basée sur le ML et comment les équipes FP&A peuvent exploiter sa puissance pour favoriser le succès financier de leurs organisations.
La puissance de l'analyse basée sur le ML
L'intégration d'analyses compatibles ML dans la boîte à outils FP&A n'est plus un luxe mais une nécessité dans le monde actuel axé sur les données. En tirant parti des algorithmes ML, les équipes FP&A peuvent améliorer les prévisions financières, améliorer l'efficacité opérationnelle, optimiser les stratégies de tarification et atténuer les risques financiers. La capacité à exploiter les informations basées sur les données qui en résultent permet aux directeurs financiers de prendre des décisions éclairées, de stimuler les performances financières et de générer une croissance durable.
Ces avantages soulignent à quel point l'apprentissage automatique et l'analyse avancée sont devenus des outils puissants pour les équipes FP&A, offrant des informations plus approfondies sur les données financières et permettant des analyses prédictives et prescriptives. En tirant parti des algorithmes ML, les équipes FP&A peuvent analyser de grandes quantités de données pour découvrir des modèles, détecter des anomalies et générer des prévisions précises. L'analyse basée sur le ML aide finalement les équipes FP&A des cinq manières suivantes.
1. Améliorer les prévisions et la planification financières
L'une des principales responsabilités de FP&A est d'élaborer des prévisions et des plans financiers solides. Les méthodes de prévision traditionnelles employées par FP&A reposent souvent sur des données historiques et des hypothèses, ce qui entraîne des inexactitudes et des capacités de prévision limitées. L'analyse basée sur le ML révolutionne ce processus en incorporant plusieurs variables et des relations de données complexes, permettant à FP&A de faire des prédictions et des projections précises (voir Figure 1).
En tirant parti des algorithmes ML, FP&A peut analyser les données financières historiques ainsi que des facteurs externes tels que les tendances du marché, le comportement des clients et les indicateurs économiques. Ces algorithmes peuvent identifier des modèles cachés, découvrir des relations non linéaires et générer des prévisions plus précises. Par conséquent, FP&A peut prendre des décisions basées sur les données, optimiser l'allocation des ressources et atténuer les risques financiers plus efficacement.
2. Utilisation de la modélisation de scénarios et de l'analyse de sensibilité
Les analyses activées par ML peuvent générer des modèles de scénarios et effectuer une analyse de sensibilité, permettant à FP&A d'évaluer l'impact de diverses décisions commerciales et de facteurs externes sur les performances financières. Grâce à ces évaluations, les équipes FP&A peuvent faire des choix stratégiques et élaborer des plans d'urgence pour atténuer les risques et tirer parti des opportunités.
Les progrès de l'IA et ML ont particulièrement amélioré la planification des scénarios en permettant aux Finances de faire des prévisions plus précises et plus fiables. Avec l'IA et le ML, les équipes FP&A peuvent analyser de grandes quantités de données et identifier des modèles complexes et des relations entre différents facteurs. Une telle analyse peut permettre aux organisations de développer des prévisions plus sophistiquées et plus précises qui reflètent les conditions actuelles du marché et les tendances émergentes.
En intégrant les prévisions de l'IA et du ML dans planification d'un scénario, les entreprises peuvent ainsi créer des scénarios plus réalistes et utiles, aidant les organisations à prendre des décisions plus éclairées et à garder une longueur d'avance (voir Figure 2).
3. Améliorer l'efficacité opérationnelle
L'analyse activée par ML peut améliorer considérablement l'efficacité opérationnelle en automatisant les tâches répétitives, en minimisant les erreurs et en identifiant les domaines à améliorer. Plus précisément, FP&A peut tirer parti des algorithmes ML pour rationaliser les processus financiers tels que budgétisation, analyse des écarts et rapport financier.
Par exemple, les algorithmes ML peuvent analyser de gros volumes de données financières pour identifier les anomalies, détecter les fraudes et signaler les risques potentiels en temps réel. En automatisant ces processus, FP&A peut gagner un temps précieux, améliorer la précision et se concentrer sur les activités à valeur ajoutée (par exemple, la planification et l'analyse stratégiques).
4. Optimisation de la tarification et de la gestion des revenus
La tarification et la gestion des revenus sont des aspects essentiels de la performance financière, en particulier pour les entreprises opérant sur des marchés hautement concurrentiels. Les analyses activées par ML peuvent aider FP&A à optimiser les stratégies de tarification et la génération de revenus.
En analysant la dynamique du marché, le comportement des clients, les prix des concurrents et les données historiques sur les ventes, les algorithmes ML peuvent identifier les niveaux de prix optimaux, les modèles de demande et les segments de clientèle. FP&A peut ensuite tirer parti de ces informations pour développer des modèles de tarification dynamiques, mettre en œuvre des stratégies de tarification personnalisées et maximiser les revenus, tout en garantissant la compétitivité.
5. Atténuation des risques financiers
Dans un paysage commercial incertain, FP&A doit identifier et atténuer de manière proactive les risques financiers. Les analyses activées par ML fournissent de puissants outils de gestion des risques, permettant aux équipes FP&A d'identifier les risques potentiels, de prévoir les résultats et de prendre des mesures préventives (voir Figure 3).
En analysant les données historiques et en temps réel, les algorithmes ML peuvent identifier les signaux d'alerte précoce des risques financiers, tels que les problèmes de liquidité, les défauts de crédit et la volatilité du marché. FP&A peut ensuite tirer parti de ces informations pour développer des stratégies d'atténuation des risques, établir des plans d'urgence et prendre des décisions éclairées pour protéger la santé financière de l'organisation.
Sensible ML facilite les prévisions
Sensible ML facilite les prévisions en éliminant les obstacles qui ont traditionnellement empêché les équipes des finances et des opérations et d'autres d'adopter le ML dans les processus de planification de base. Alors que le ML a un potentiel puissant pour aider à faire évoluer le travail comme jamais auparavant, les organisations sont confrontées à plusieurs défis lors de l'utilisation de l'apprentissage automatique traditionnel. La figure 4 illustre certains des plus grands défis traditionnels du ML.
Des cas d'utilisation sensés favorisent le succès
Sensible ML permet aux organisations de favoriser le succès plus rapidement et plus précisément avec les cas d'utilisation suivants (voir Figure 5) :
- Pour soutenir processus de planification stratégique, Sensible ML facilite la création du 3 ou 5 ans des prévisions (ou plus) souvent nécessaires pour fournir une vision plus claire et une feuille de route pour soutenir l'intention de l'entreprise, identifier les choix stratégiques, assurer une direction claire et stimuler la croissance compétitive.
- Pour soutenir les processus de planification opérationnelle annuelle (POA) ou de prévision, Sensible ML peut aider les secteurs d'activité à mieux traduire les objectifs financiers "descendants" en objectifs granulaires, "de bas en haut" forfaits mensuels pour toutes les catégories de produits, les canaux de vente et les clients, ce qui peut entraîner des centaines de prévisions.
- Pour soutenir la planification de la demande quotidienne ou hebdomadaire (facultatif) et la planification des ventes et des opérations (S&OP), Sensible ML peut aider les planificateurs de la demande, les analystes commerciaux et/ou les partenaires financiers à créer des prévisions granulaires, au niveau des produits et des emplacements visant à guider les décisions tactiques en matière de dotation en personnel, d'approvisionnement, de logistique et de gestion des stocks.
- Pour revenus dépenses or la planification des effectifs lorsque des prévisions mensuelles par cible (par exemple, 60 points de données par cible de prévision) sont nécessaires pour une planification descendante, Sensible ML peut créer des prévisions prédictives/statistiques.
- Pour plus de granularité, prévisions ascendantes par client, produit par emplacement et/ou S&OP où les organisations peuvent partager des centaines de points de données par cible, Sensible ML peut créer hebdomadaire ou quotidien prévisions qui tiennent compte de l'intuition spécifique de l'analyse commerciale sur les impacts tels que les vacances, la météo, les changements de prix, les impacts concurrentiels ou toute intuition basée sur le temps.
Conclusion
Alors que le rôle de FP&A continue d'évoluer, l'adoption de l'analytique basée sur le ML devient cruciale pour piloter les performances et favoriser le succès de l'organisation. FP&A peut tirer parti de la puissance des algorithmes ML pour extraire des informations précieuses de grandes quantités de données financières, améliorer la précision des prévisions, identifier de manière proactive les risques, optimiser les coûts et prendre des décisions éclairées. De cette manière, l'intégration du ML dans les fonctions financières permet à FP&A de devenir un partenaire stratégique pour les chefs d'entreprise, fournissant à l'organisation les outils nécessaires pour relever des défis complexes, stimuler la croissance et créer de la valeur à long terme pour les organisations.
En savoir plus
Pour en savoir plus sur la façon dont les équipes FP&A vont au-delà du battage médiatique de l'IA, restez à l'écoute pour des articles supplémentaires de notre série de blogs Sensible ML ou téléchargez notre livre blanc ici.
L'apprentissage automatique (ML) a sans aucun doute révolutionné la façon de gérer les données au 21e siècle. Grâce à la capacité d'identifier des modèles et des relations au sein de vastes quantités de données, le ML est devenu un outil essentiel dans divers domaines, notamment la gestion des performances d'entreprise (EPM).
Traditionnellement, les limitations technologiques limitaient la manière dont l'EPM pouvait être utilisé pour surveiller, analyser et gérer les performances de l'entreprise. L'EPM implique la budgétisation, les prévisions, la consolidation financière, le reporting et bien plus encore. Aujourd'hui, le ML peut améliorer considérablement la précision, la transparence et l'agilité des processus EPM. Comment s’y prendre? En automatisant ces activités et en fournissant des informations auparavant impossibles à obtenir.
Création de prévisions précises, transparentes et agiles basées sur le ML
Comme nous l'avons partagé dans le premier post de la Série de blogs sur le ML sensé pour l'EPM, aujourd'hui plus que jamais, les organisations cherchent à devenir plus précises, transparentes et agiles dans leurs plans financiers pour rester compétitives. Et Le ML sensible de OneStream peut aider. Comment s’y prendre? Il permet aux utilisateurs plus proches de l'entreprise d'infuser l'intuition commerciale dans le modèle, ce qui peut augmenter la précision et garantir que toutes les informations disponibles sont prises en compte.
Contrairement aux capacités de prévision de « la plupart » des analyses prédictives (qui examinent les résultats et les statistiques antérieurs, puis génèrent des prévisions basées sur des événements passés), Sensible ML a une sophistication unique. ML sensé aussi prend en compte des intuitions commerciales supplémentaires, telles que les événements, les prix, les informations sur la concurrence et la météo pour aider à générer des prévisions plus précises/robustes (voir Figure 1).
La rapidité avec laquelle Sensible ML répond à l'évolution des environnements commerciaux offre un net avantage par rapport aux approches traditionnelles. Alors qu'un système basé sur les statistiques signifie que les équipes de planification attendent souvent plusieurs semaines – voire des mois ! – pour les résultats financiers et non financiers nécessaires pour produire des prévisions qui répondent aux changements, Sensible ML peut atteindre le même résultat beaucoup, beaucoup plus rapidement. Et il le fait avec une réduction massive de l'effort manuel.
Précision accrue des prévisions = processus commerciaux plus efficaces en aval
La prévision est une activité essentielle qui aide les entreprises à prévoir la demande future, à atténuer les risques potentiels et à tirer parti des opportunités émergentes. Cependant, en raison d'un environnement de plus en plus instable, les entreprises sont obligées de s'écarter des méthodes de prévision traditionnelles, des processus cloisonnés et des technologies héritées. Au lieu de cela, les entreprises se concentrent sur l'évolution numérique de leurs capacités de prévision et de leurs opérations, dans le but d'atténuer le risque de perte de valeur continue dans l'ensemble de l'entreprise.
L'un des avantages les plus importants de l'application de l'apprentissage automatique à l'EPM est que le ML contribue à améliorer la précision des prévisions et des prédictions financières. Les algorithmes d'apprentissage automatique peuvent analyser les données financières historiques et identifier des modèles qui peuvent être utilisés pour faire des prédictions plus précises sur les performances futures.
Par exemple, un modèle d'apprentissage automatique peut analyser les données des transactions de vente, les niveaux de stock et les données démographiques des clients pour identifier des modèles pouvant être utilisés pour prédire les ventes futures. En utilisant ces prédictions pour ajuster l'allocation des ressources et la gestion des stocks, les organisations peuvent améliorer leurs performances financières et réduire le risque de ruptures de stock ou de surstocks.
L'apprentissage automatique peut également aider à améliorer la précision des rapport financier. Par exemple, les algorithmes ML peuvent être formés pour analyser les états financiers et identifier les erreurs ou les écarts potentiellement manqués par les auditeurs humains. L'automatisation de ce processus aide les organisations à améliorer l'exactitude de leurs rapports financiers et à réduire le risque de non-conformité.
La transparence est essentielle pour l'adoption des prévisions ML pour toutes les parties prenantes impliquées
L'apprentissage automatique est souvent qualifié de boîte noire - les données entrent, les décisions sortent, mais les processus entre l'entrée et la sortie manquent de transparence.
De nombreuses solutions, en particulier celles qui dépendent de l'intégration avec une solution ML tierce, permettent simplement à une organisation d'exécuter le processus ML. Les résultats sont ensuite renvoyés sans qu'il soit possible de comprendre comment ils ont été générés.
Par conséquent, de nombreuses solutions de ML sont désormais confrontées à un scepticisme et à des critiques accrus, car les gens se demandent si leurs décisions sont fondées et fiables. Ainsi, la « transparence et la traçabilité » des solutions de ML deviennent de plus en plus importantes.
Sensible ML offre les deux, améliorant la transparence des finances et reporting extra-financier. En analysant les données provenant de plusieurs sources, les modèles Sensible ML fournissent une vue complète de la santé financière d'une organisation (voir Figure 2).
Par exemple, l'apprentissage automatique peut analyser les données des états financiers, des transactions de vente et des niveaux de stock pour fournir une image plus précise des performances financières d'une organisation. Cette vue d'ensemble peut aider à identifier les domaines où les ressources peuvent être mal allouées ou les opportunités de croissance qui peuvent avoir été négligées.
L'apprentissage automatique peut également être utilisé pour améliorer la transparence des audits financiers. En automatisant le processus d'audit, les algorithmes de ML peuvent identifier les erreurs ou les écarts potentiels plus rapidement et plus précisément que les auditeurs humains. Cette capacité aide non seulement à réduire le risque de fraude ou d'autres irrégularités financières, mais améliore également l'exactitude des rapports financiers.
L'agilité augmente davantage les possibilités de création de valeur en réponse à l'évolution des conditions
À mesure que le rythme du changement s'accélère - et que les perturbations et l'incertitude deviennent plus courantes - les organisations doivent de plus en plus non seulement reconnaître les signes qui indiquent un changement, mais aussi mettre en place un plan pour réagir aux scénarios possibles qui résultent de tout changement. Les prévisions enrichies en ML fournissent un processus, un cadre et un environnement collaboratif cohérents qui permettent aux organisations de réagir avec agilité et certitude face à l'incertitude et aux changements et perturbations constants.
Application de l'apprentissage automatique à EPM présente un avantage significatif : le ML peut aider les organisations à être plus agiles. En traitant et en analysant les données en temps réel, les modèles d'apprentissage automatique peuvent fournir des informations qui permettent aux décideurs de prendre des décisions plus rapides et plus éclairées.
L'apprentissage automatique peut également aider les organisations à être plus agiles dans la planification et les prévisions financières. En analysant les données en temps réel, les modèles ML peuvent identifier les changements dans les conditions du marché ou le comportement des clients susceptibles d'avoir un impact sur les performances financières. Cette capacité permet aux organisations d'ajuster rapidement leurs plans et prévisions financiers et de garder une longueur d'avance sur les défis potentiels.
Sensible ML facilite les prévisions
Sensible ML facilite les prévisions, car OneStream élimine les obstacles qui ont traditionnellement empêché les équipes des finances et des opérations et d'autres d'adopter le ML dans les processus de planification de base. Alors que le ML a un potentiel puissant pour aider à faire évoluer le travail comme jamais auparavant, les organisations sont confrontées à plusieurs défis lors de l'utilisation de l'apprentissage automatique traditionnel (voir Figure 3).
Des cas d'utilisation sensés favorisent le succès
Sensible ML permet aux organisations de favoriser le succès plus rapidement et plus précisément avec les cas d'utilisation suivants (voir Figure 4) :
- Pour soutenir processus de planification stratégique, Sensible ML facilite la création du 3 ou 5 ans des prévisions (ou plus) souvent nécessaires pour fournir une vision plus claire et une feuille de route pour soutenir l'intention de l'entreprise, identifier les choix stratégiques, assurer une direction claire et stimuler la croissance compétitive.
- Pour soutenir les processus de planification opérationnelle annuelle (POA) ou de prévision, Sensible ML peut aider les secteurs d'activité à mieux traduire les objectifs financiers "descendants" en objectifs granulaires, "de bas en haut" forfaits mensuels pour toutes les catégories de produits, les canaux de vente et les clients, ce qui peut entraîner des centaines de prévisions.
- Pour soutenir la planification de la demande quotidienne ou hebdomadaire (facultatif) et la planification des ventes et des opérations (S&OP), Sensible ML peut aider les planificateurs de la demande, les analystes commerciaux et/ou les partenaires financiers à créer des prévisions granulaires, au niveau des produits et des emplacements visant à guider les décisions tactiques en matière de dotation en personnel, d'approvisionnement, de logistique et de gestion des stocks.
- Pour revenus dépenses or la planification des effectifs où les prévisions mensuelles par cible (par exemple, 60 points de données par cible de prévision) sont requises pour la planification descendante. Le ML raisonnable peut créer des prévisions prédictives/statistiques.
- Pour plus de granularité, prévisions ascendantes par client, produit par emplacement et/ou S&OP où les organisations peuvent partager des centaines de points de données par cible, Sensible ML peut créer prévisions hebdomadaires ou quotidiennes qui tiennent compte de l'intuition spécifique de l'analyse commerciale sur les impacts tels que les vacances, la météo, les changements de prix, les impacts concurrentiels ou toute intuition basée sur le temps.
Conclusion
L'apprentissage automatique est là pour rester. Par conséquent, le Bureau du directeur financier devrait maintenant chercher à tirer parti de Sensible ML et des avancées technologiques similaires. Qu'est-ce que les dirigeants FP&A ont à perdre en ajoutant un autre point de vue ou en enrichissant leurs connaissances à l'aide du ML ? Rien, rien du tout.
Chez OneStream, nous appelons cela Finance intelligente.
En savoir plus
Pour en savoir plus sur la façon dont les équipes FP&A vont au-delà du battage médiatique de l'IA, restez à l'écoute pour des articles supplémentaires de notre série de blogs Sensible ML ou téléchargez notre livre blanc ici.
La planification de scénarios est un outil précieux pour les entreprises qui cherchent à se préparer à l'inattendu, mais la création de scénarios précis peut être un processus complexe et chronophage. Traditionnellement, ces exercices nécessitaient des cycles itératifs conséquents et étaient très manuels.
C'est là qu'interviennent les prévisions de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML) : ces technologies peuvent aider les entreprises à optimiser leur scénario. plans avec des données plus précises et fiables, leur permettant de prendre des décisions plus éclairées et de garder une longueur d'avance.
Alimenter les plans de scénarios avec des prévisions d'IA et de ML
La planification de scénarios implique la création de plusieurs futurs possibles pour une entreprise, en tenant compte d'une gamme de variables différentes telles que les tendances du marché, le comportement des consommateurs et les avancées technologiques. Le processus implique généralement l'identification des principaux moteurs de changement, l'élaboration d'une gamme de scénarios futurs plausibles et l'évaluation de l'impact potentiel de chaque scénario sur l'organisation.
L'objectif est d'identifier les risques et opportunités potentiels et de se préparer en conséquence plutôt que de simplement réagir aux événements au fur et à mesure qu'ils se produisent. La planification de scénarios peut aider les organisations à prendre des décisions plus éclairées en leur permettant d'anticiper les événements futurs potentiels et de développer des stratégies pour atténuer les risques et tirer parti des opportunités. (voir schéma 1)
La planification de scénarios implique la création de plusieurs futurs possibles pour une entreprise, en tenant compte d'une gamme de variables différentes telles que les tendances du marché, le comportement des consommateurs et les avancées technologiques. Le processus implique généralement l'identification des principaux moteurs de changement, l'élaboration d'une gamme de scénarios futurs plausibles et l'évaluation de l'impact potentiel de chaque scénario sur l'organisation.
Alors que la planification de scénarios peut être un outil puissant, la création de scénarios précis peut être un défi. Les méthodes traditionnelles de planification de scénarios peuvent prendre du temps et être difficiles à exécuter. L'un des principaux défis est la prévision. La prévision implique de prévoir des événements futurs, tels que des changements dans le comportement des consommateurs, les tendances du marché et les avancées technologiques.
Les méthodes de prévision traditionnelles reposent souvent sur des données historiques et des opinions d'experts, qui peuvent ne pas être fiables et ne pas refléter les conditions actuelles du marché ou les tendances émergentes. De plus, les méthodes de prévision traditionnelles peuvent ne pas tenir compte des interrelations complexes entre les différents facteurs qui peuvent influencer les événements futurs. Il est difficile de prédire exactement comment différentes variables vont interagir, et les préjugés humains peuvent s'infiltrer, conduisant à des scénarios trop optimistes ou pessimistes.
C'est là qu'interviennent les prévisions d'IA et de ML.
Le rôle de l'IA et du ML dans la planification de scénarios
Les progrès de l'IA et ML ont permis d'améliorer la planification des scénarios en fournissant des prévisions plus précises et plus fiables. L'IA et le ML peuvent analyser de grandes quantités de données et identifier des modèles complexes et des relations entre différents facteurs. Cela peut permettre aux organisations de développer des prévisions plus sophistiquées et plus précises qui reflètent les conditions actuelles du marché et les tendances émergentes.
En intégrant les prévisions d'IA et de ML dans la planification de scénarios, les entreprises peuvent créer des scénarios plus réalistes et utiles, les aidant à prendre des décisions plus éclairées et à garder une longueur d'avance.
L'analyse des données
L'IA et le ML peuvent aider les organisations à analyser de grandes quantités de données et à identifier des modèles et des tendances qui ne sont pas visibles pour les humains. Cela peut fournir des informations sur les scénarios futurs potentiels et aider les organisations à s'y préparer.
Cas d'utilisation : enrichir les données pour identifier des modèles
L'IA et le ML peuvent être utilisés dans la planification de scénarios en incorporant des sources de données externes, telles que les médias sociaux, les articles de presse et les prévisions météorologiques, pour aider à comprendre dans quelle mesure ces facteurs sont en corrélation avec les performances des prévisions. En analysant ces sources en temps réel, les organisations peuvent identifier les tendances émergentes et ajuster leurs scénarios en conséquence. (voir figure 2)
Par exemple, un fabricant peut utiliser l'IA pour analyser les conversations sur les réseaux sociaux concernant ses produits et identifier les préférences émergentes des clients. En intégrant ces informations dans ses scénarios, le fabricant peut adapter ses stratégies de développement de produits et de marketing pour mieux répondre aux besoins des clients.
Prédiction
L'IA et le ML peuvent être utilisés pour prédire les résultats futurs sur la base de données historiques. Cela peut aider les organisations à identifier les scénarios futurs potentiels et à prendre des décisions éclairées sur la manière d'y répondre.
Cas d'utilisation : Prédire le comportement des consommateurs
Une variable clé dans de nombreux scénarios est le comportement des consommateurs. Les entreprises doivent comprendre comment les consommateurs réagiront aux nouveaux produits, aux changements de prix et à d'autres facteurs afin de prendre des décisions éclairées. Les prévisions de l'IA et du ML peuvent être utilisées pour analyser les données des consommateurs et prédire comment les consommateurs se comporteront à l'avenir. Ces informations peuvent être utilisées pour créer des scénarios plus précis et identifier les risques et opportunités potentiels. (voir figure 3)
Prenons l'exemple d'une entreprise de vente au détail qui envisage de lancer un nouveau produit. En utilisant les prévisions de l'IA et du ML pour analyser les données des consommateurs, l'entreprise peut prédire le nombre d'unités du produit qu'elle est susceptible de vendre dans différents scénarios. Ces informations peuvent être utilisées pour créer différentes prévisions de ventes pour différents scénarios, permettant à l'entreprise de se préparer en conséquence.
Simulation
L'IA et le ML peuvent être utilisés pour créer des simulations de scénarios futurs potentiels. Cela peut aider les organisations à comprendre l'impact potentiel de différentes décisions et à s'y préparer en conséquence. (voir Figure 2)
Cas d'utilisation : prévoir les tendances du marché
Les tendances du marché sont une autre variable importante dans la planification de scénarios. Les entreprises doivent comprendre comment le marché est susceptible d'évoluer à l'avenir afin de prendre des décisions éclairées. (voir figure 4)
Prenons l'exemple d'une société de services financiers qui crée des scénarios pour les cinq prochaines années. En utilisant les prévisions de l'IA et du ML pour analyser les données du marché, l'entreprise peut prédire comment les taux d'intérêt, l'inflation et d'autres variables clés sont susceptibles de changer au cours de cette période. Ces informations peuvent être utilisées pour créer différents scénarios économiques, permettant à l'entreprise de se préparer en conséquence.
L'IA et le ML peuvent être utilisés pour optimiser les scénarios en identifiant les résultats les plus probables et aider les organisations à s'y préparer. Cela peut aider les organisations à être plus efficaces dans leurs efforts de planification de scénarios.
Cas d'utilisation : prévoir les perturbations de la chaîne d'approvisionnement
Les perturbations de la chaîne d'approvisionnement peuvent avoir un impact significatif sur les entreprises, en particulier celles qui dépendent d'un inventaire juste à temps ou de chaînes d'approvisionnement mondiales complexes. Les prévisions de l'IA et du ML peuvent être utilisées pour analyser les données de la chaîne d'approvisionnement et prédire où les perturbations sont les plus susceptibles de se produire. (voir figure 5)
Par exemple, imaginez qu'une entreprise manufacturière crée des scénarios pour l'année prochaine. En utilisant les prévisions de l'IA et du ML pour analyser les données de la chaîne d'approvisionnement, l'entreprise peut prédire où les perturbations sont les plus susceptibles de se produire, par exemple en raison de catastrophes naturelles ou de troubles politiques. Ces informations peuvent être utilisées pour créer différents scénarios de perturbations de la chaîne d'approvisionnement, permettant à l'entreprise de se préparer en conséquence.
Dans chacun de ces exemples, les prévisions IA et ML permettent aux entreprises de créer des scénarios plus précis et réalistes, les aidant à prendre des décisions plus éclairées et à garder une longueur d'avance.
Conclusion
Les technologies d'IA et de ML ont été un catalyseur pour que les organisations revoient la façon dont elles exploitent les plans de scénarios, le rythme auquel elles planifient les décisions et les données qu'elles utilisent pour prendre ces décisions. Les clients peuvent surmonter la planification de scénarios fastidieuse et chronophage en enrichissant le processus avec des solutions d'IA et de ML en fournissant des prévisions plus rapides, plus précises et plus fiables.
En savoir plus
Pour en savoir plus sur la façon dont les équipes FP&A vont au-delà du battage publicitaire de l'IA pour enrichir la planification de scénarios, consultez notre livre blanc, Le Sensible Machine Learning au service de l’EPM.
Intelligence artificielle (IA) et apprentissage automatique (ML) ont révolutionné de nombreuses industries, mais le domaine de la planification et de l'analyse financières (FP&A) a été lent à adopter cette technologie. Malgré les nombreux avantages que l'IA - et plus précisément le ML - peut apporter à la finance (par exemple, une efficacité, une précision et des informations stratégiques accrues), de nombreuses organisations hésitent encore à mettre en œuvre l'un ou l'autre dans leurs processus FP&A. Qu'est-ce qui empêche FP&A de récolter les vastes avantages du ML ?
Pour répondre à cette question et plus encore, ce blog explorera certains des défis qui empêchent FP&A d'adopter pleinement le ML et comment ces défis peuvent être surmontés.
Appétit du marché pour le ML
Bien qu'elle ne soit pas encore aussi largement acceptée que le passage au cloud pour les processus de clôture financière et de planification, l'adoption du ML augmente déjà, selon l'étude de marché 2022 sur la science des données et l'apprentissage automatique réalisée par Dresner Advisory Services. En 2016, moins de 40% des organisations ayant répondu ont déclaré utiliser ou explorer activement le BC. Cette même métrique était d'environ 70% en 2022 (voir Figure 1), montrant une augmentation constante au cours des sept dernières années. À première vue, cette progression souligne le battage médiatique de l'IA et l'enthousiasme suscité par les avantages potentiels de l'utilisation de l'IA pour la FP&A.
Mais que se passe-t-il si les données sont ventilées par fonction ? Une réalité un peu différente émerge pour le Bureau des finances et FP&A.
En effet, l'étude montre que que 20%. (voir Figure 2) des organisations financières utilisent actuellement l'IA et le ML, et les chiffres réels de la finance sont à la traîne pour la plupart des fonctions, malgré tout le bourdonnement et les bavardages.
Qu'est-ce qui retient FP&A ?
Avec autant de buzz mais une faible adoption, pourquoi principaux obstacles freinent les équipes FP&A et Operations dans l'adoption généralisée des solutions ML ? La figure 3 illustre les barrières.
Ci-dessous, les détails de ces principaux obstacles montrent pourquoi ils empêchent la mise en œuvre généralisée des technologies de pointe en matière de ML :
Manque d'expertise
- Les équipes FP&A peuvent avoir du mal à déployer le ML dans les processus de planification d'entreprise, tels que prévisions glissantes ou la planification de la demande, en raison du manque d'expertise requise en ML et en techniques de modélisation d'apprentissage automatique. Sans analystes commerciaux et ingénieurs en science des données dédiés, les équipes ne peuvent pas exploiter tout le potentiel du ML dans les processus de planification.
- Un manque d'expertise est particulièrement pertinent pour les organisations ayant des investissements ML existants, où le manque de ressources spécialisées entrave la capacité des équipes FP&A à utiliser efficacement ML dans leur travail. Sans expertise ou ressources dédiées, les équipes FP&A sont fortement limitées dans leur capacité à tirer parti de l'IA et du ML.
Manque d'échelle
- Pour les organisations disposant d'équipes de science des données existantes, la création de processus et d'infrastructures de ML reproductibles et systématisés dans l'ensemble de l'entreprise est coûteuse. De plus, la plupart des fonctionnalités de ML des outils CPM d'aujourd'hui ne sont capables de produire qu'un une seule prévision (cible) à la fois. Pourquoi est-ce important ?
- Le rôle de FP&A est de diriger et de piloter des processus de planification efficaces dans tous les secteurs d'activité et fonctions (par exemple, HR, Ventes et Opérations). Et s'il est incapable de donner à l'organisation les moyens de prévoir à grande échelle, FP&A ne s'exécute pas en tant que partenaire commercial stratégique. Les solutions d'IA pour FP&A qui ne peuvent pas évoluer ne sont pas différentes et n'atteindront jamais une adoption massive, ce qui entraînera l'échec des solutions.
Manque d'intuition commerciale et de transparence
- Les processus de modélisation ML traditionnels au sein des outils CPM sont souvent une « boîte noire » pour les équipes FP&A (voir Figure 4). Pourquoi est-ce important ? Eh bien, les modes ML ne sont pas complets sans une "intuition" commerciale matérielle et/ou n'offrent aux utilisateurs qu'une visibilité limitée ou traçabilité de dans les entrées et les résultats du modèle. De telles limitations peuvent entraîner un manque de confiance dans les résultats.
En tant que partenaire commercial stratégique, FP&A doit inspirer confiance dans les processus de prévision. Et bien que tirer parti de l'IA et du ML est susceptible d'augmenter la précision des prévisions, les propriétaires de P&L ne peuvent pas évaluer les facteurs qui composent les prévisions - les responsables de P&L qui ne peuvent pas le faire n'allons jamais posséder leurs prévisions.
Et si les propriétaires de P&L ne sont pas propriétaires de leurs prévisions, les processus de prévision tomber en panne et échouer tout à fait. Cela signifie FP&A a également échoué.
Processus fragmentés et déconnectés
- Les solutions actuelles d'IA et de ML au sein du CPM nécessitent généralement le déplacement et le rapprochement des données entre les systèmes fragmentés et les processus financiers. Ces exigences augmentent la dette technique et limitent la capacité des analyses avancées à évoluer dans l'ensemble de l'organisation.
- Les logiciels fragmentés et les processus techniques nécessaires à la planification connectée créent des complexité technique et charge administrative pour les équipes FP&A. Cette charge comprend le déplacement et la réconciliation constants des données, la surveillance de la latence des données et la gestion de la sécurité entre des produits ou des modèles fragmentés. Collectivement, le fardeau dilue la capacité des équipes stratégiques de FP&A à se concentrer sur l'amélioration des performances et le soutien à la prise de décision critique.
Conclusion
Malgré ces défis, le ML a le potentiel d'améliorer considérablement les opérations et les résultats des finances. En automatisant les processus manuels, le ML peut aider les professionnels de la finance à gagner du temps et à améliorer la précision, ce qui peut conduire à une prise de décision plus efficace. De plus, le ML peut fournir des informations en temps réel sur les performances financières. Ces informations peuvent ensuite aider les professionnels de la finance à identifier les tendances et à prendre des décisions éclairées.
Alors que l'IA et le ML pour FP&A entrent dans le courant dominant, les organisations auront sans aucun doute plusieurs choix à considérer. Sur un spectre, les fournisseurs de solutions pour l'IA (voir Figure 5) proposent tout, des solutions d'infrastructure d'IA aux kits d'outils de science des données et aux plates-formes d'IA complètes pour créer et déployer des modèles ML. Bien qu'il s'agisse d'outils puissants répondant à des cas d'utilisation variés, les outils ne sont pas conçus pour les équipes FP&A.
Les fournisseurs de gestion de la performance des entreprises investissent également dans des capacités d'IA pour prendre en charge planification et analyse approfondies (xP&A) tels que la planification de la demande et la planification des ventes. Comme l'illustre bien la figure 5 pour les fournisseurs d'IA, les fournisseurs CPM répondront également aux besoins d'IA de leurs clients de différentes manières.
Alors, quelle est la leçon dans tout cela ?
Ne laissez pas le battage médiatique de l'IA obscurcir le processus d'évaluation. Accueil avec une compréhension claire de "quoi" les résultats commerciaux que l'équipe FP&A essaie d'obtenir avec le ML. Identité "OMS" utilise la solution et "Comment" la solution est unifiée dans les processus de planification existants.
Et avec les réponses à ces questions à l'esprit, utilisez le processus d'évaluation pour "se mettre sous le capot" pour savoir si la solution libérera l'organisation des principaux obstacles qui empêchent FP&A d'aller au-delà du battage médiatique.
En savoir plus
Vous voulez en savoir plus sur la façon dont les équipes FP&A vont au-delà du battage médiatique de l'IA ? Restez à l'écoute pour d'autres articles de notre série de blogs ou téléchargez notre livre électronique interactif ici.
Téléchargez le livre électronique
Le marché des technologies de l'information (TI) regorge de nombreux mots à la mode et de termes qui sont souvent utilisés de manière interchangeable. Mais dans certains cas, il existe des différences subtiles entre les termes qu'il est important de comprendre et qui peuvent avoir un impact sur la sélection des outils et la manière dont ils sont déployés. Un exemple est l'utilisation des termes business intelligence vs business analytics ou BI vs BA. Lisez la suite pour savoir comment ces termes et outils sont différenciés et comment ils se complètent.
Commençons par une leçon d'histoire.
La Business Intelligence émerge de l'aide à la décision
Bien qu'il y ait eu quelques utilisations antérieures, l'intelligence d'affaires (BI) telle qu'elle est comprise aujourd'hui a évolué à partir des systèmes d'aide à la décision (DSS) utilisés dans les années 1960 jusqu'au milieu des années 1980. Puis en 1989, Howard Dresner (un ancien analyste de Gartner) a proposé « business intelligence » comme terme générique pour décrire « des concepts et des méthodes pour améliorer la prise de décision commerciale en utilisant des systèmes de support factuels ».
La définition plus moderne fournie par Wikipédia décrit la BI comme "un ensemble de stratégies et de technologies utilisées par les entreprises pour l'analyse des données d'informations commerciales." Une autre définition proposée par TechTarget stipule que « l'intelligence d'affaires (BI) est un processus axé sur la technologie pour analyser les données et fournir des informations exploitables qui aident les cadres, les gestionnaires et les travailleurs à prendre des décisions commerciales éclairées.
La définition TechTarget poursuit en décrivant comment, dans le cadre du processus BI, les organisations collectent des données à partir de systèmes informatiques internes et de sources externes, les préparent pour l'analyse, exécutent des requêtes sur les données et créent des visualisations de données, BI tableaux de bord et rapports pour présenter les données et mettre les résultats d'analyse à la disposition des utilisateurs professionnels pour la prise de décision opérationnelle et la planification stratégique.
Business Analytics prend le relais en tant que terme parapluie
"Analyse d'affaires" ou " analyse de données " est le terme plus moderne appliqué au domaine plus large de la BI, gestion de la performance de l'entreprise (CPM), et outils et applications analytiques. Ce que j'aime dans le terme analytique, c'est qu'il désigne une approche plus « active » de la consommation d'informations. Là où la BI est souvent considérée principalement comme le processus de collecte d'informations et de formatage pour la livraison aux utilisateurs finaux - l'analytique parle davantage du processus d'accès, de traitement, de consommation, de manipulation, de découpage, de découpage et d'exploration de l'information pour comprendre les tendances et obtenir des réponses aux questions analytiques.
Voici le Taxonomie d'International Data Corporation (IDC) (voir figure 1) pour Logiciels de mégadonnées et d'analyse, qui décrit comment tous ces outils et applications s'imbriquent. Il existe trois principaux segments de marché dans cette taxonomie :
- En haut à gauche, vous verrez gestion des performances et applications analytiques. Cela inclut les applications EPM/CPM financières, ainsi que d'autres applications analytiques, telles que le CRM, la chaîne d'approvisionnement, la main-d'œuvre et d'autres utilisées dans les opérations commerciales.
- En haut à droite, vous verrez outils de veille économique et d'analyse. Cela inclut les requêtes, les rapports, la découverte multidimensionnelle/OLAP et visuelle, ainsi que les analyses avancées et prédictives.
- Ensuite, sous-jacents à ces deux segments se trouvent les plateformes de gestion et d'intégration de données analytiques. Cela inclut des outils d'intégration de données, ainsi que des technologies d'entreposage et de gestion de données qui peuvent fournir des données à des outils de BI et d'analyse ou peuvent être exploitées par des applications de gestion des performances et d'analyse.
L'analyse commerciale en action
Avec la taxonomie IDC identifiant les différents types d'outils d'analyse commerciale disponibles sur le marché, parlons des cas d'utilisation de l'analyse commerciale. Il existe essentiellement trois types d'analyses que les entreprises utilisent pour orienter leur prise de décision :
- Analyse descriptive - nous dit ce qui s'est déjà passé dans le passé
- Analyse prédictive - nous montre ce qui "pourrait" arriver à l'avenir
- Analyse prescriptive - nous informe de ce qui « devrait » se produire à l'avenir
Analyse descriptive constituent la majorité des rapports de gestion d'aujourd'hui. C'est le analyse des données historiques à l'aide de techniques simples telles que l'agrégation de données et l'exploration de données, qui sont utilisés pour découvrir les tendances, signaux et motifs. Ces informations sont fournies aux utilisateurs finaux via des rapports et des tableaux de bord de gestion qui incluent des représentations visuelles de données telles que des graphiques linéaires, des graphiques à barres et des graphiques circulaires qui fournissent des informations utiles et constituent la base d'une analyse supplémentaire des détails sous-jacents.
Analyses prédictives est une méthode plus avancée d'analyse des données qui applique des techniques d'analyse statistique et d'apprentissage automatique aux données historiques pour projeter les résultats futurs, et la probabilité de ces résultats. Le cas d'utilisation pour l'analyse prédictive inclure des problèmes tels que la prévision de la demande ou des ventes, la détection des fraudes et l'analyse de l'attrition des clients.
Bien qu'étroitement lié au descriptif et analyses prédictives, l'analyse prescriptive pousse le processus un peu plus loin en montrant aux décideurs quel scénario futur est la meilleure voie à suivre en utilisant une variété de méthodes statistiques. Ceci est réalisé en rassemblant des données à partir d'une gamme de sources descriptives et prédictives et en les appliquant au processus de prise de décision. Il permet aux équipes de voir le meilleur plan d'action avant de prendre des décisions, économisant du temps et de l'argent tout en obtenant des résultats optimaux.
Bien que chacune de ces méthodes soit utile lorsqu'elle est utilisée individuellement, elles deviennent particulièrement puissantes lorsqu'elles sont utilisées ensemble.
L'approche de OneStream en matière d'analyse prédictive et d'apprentissage automatique
OneStream permet aux équipes financières de diriger rapidement en unifier l'analyse prédictive avec les processus CPM de base : planification, budgétisation et prévisions ; consolidation financière; rapports ; et la qualité des données financières. Et avec notre intégré solution d'analyse prédictive (voir figure 2), OneStream libère la transformation financière pour aller encore plus loin dans les processus de budgétisation, de planification et de prévision, permettant aux équipes de planifier, d'analyser et de prévoir en toute confiance.
Comme annoncé lors de l'événement Splash Virtual de OneStream en 2021, Services d'IA et Sensible ML de OneStream la solution sera fournir aux équipes financières le pouvoir de tirer parti des prévisions Modèles de ML sans un travail approfondi par des data scientists. Cette solution guidera les utilisateurs à travers un processus étape par étape pour chaque partie du processus de création et de déploiement du modèle ML. Y compris l'ingénierie des fonctionnalités via la configuration, la formation et le déploiement d'algorithmes avancés.
En savoir plus
Les outils de Business Intelligence font partie d'une gamme plus large d'outils d'analyse commerciale qui incluent une infrastructure de données analytiques, des applications CPM et analytiques, ainsi que des outils analytiques prédictifs avancés. Ces outils et applications d'analyse commerciale sont tous conçus pour aider les organisations à collecter, organiser et diffuser des informations aux dirigeants et aux décideurs et fournir les «renseignements analytiques» nécessaires pour prendre des décisions opportunes et éclairées susceptibles d'améliorer les performances de l'entreprise.
Pour en savoir plus sur l'approche de OneStream en matière d'analyse prédictive et d'apprentissage automatique, téléchargez notre livre blanc, et contactez OneStream si votre organisation est prête à transformer la finance en alignant l'analyse prédictive avancée et l'apprentissage automatique avec les processus CPM de base.
L'année 2020 a été l'une des plus difficiles de tous les temps pour les directeurs financiers et les directeurs financiers. Pour vraiment comprendre l'impact de la pandémie sur la prise de décision financière, en juillet 2020, OneStream a parrainé une enquête de Hanover Research auprès des décideurs financiers. le résultats du sondage a souligné les impacts de la pandémie mondiale sur l'embauche, le perfectionnement du personnel informatique et comptable, ainsi que les investissements dans des outils de planification, de reporting et d'analyse basés sur le cloud. L'enquête a également mis en évidence comment la plupart des organisations (61 %) reportaient certains investissements jusqu'après l'élection présidentielle américaine.
Maintenant que les élections de 2020 sont derrière nous et que la pandémie mondiale tire à sa fin, nous avons pensé que ce serait le bon moment pour prendre à nouveau le pouls des décideurs de la Finance. Ainsi, en mars 2021, nous avons lancé une autre enquête auprès des décideurs financiers en Amérique du Nord et recueilli les réponses de 340 cadres financiers de tous les secteurs.
Voici un résumé de ce que nous avons appris de la Sondage 2021 Hanover Research Finance auprès des décideurs.
Principales conclusions : réponse et rétablissement de la COVID-19
Les bonnes nouvelles sont que près des trois quarts (73 %) des entreprises prévoient un retour à une croissance normale d'ici fin 2021, tandis que 18% s'attendent à un retour à une croissance normale en 2022.
Pendant COVID-19, environ 11% des employés sont passés d'un travail entièrement au bureau à un travail entièrement à distance pendant COVID 19, mais s'attendent à retourner au bureau après la pandémie. Le nombre d'employés hybrides est resté à peu près le même tout au long de la pandémie et ne devrait pas changer à la fin de la pandémie. Concernant le retour au bureau, presque toutes les entreprises (98%) ont fait des plans budgétaires pour retourner au bureau, dont un tiers (36 %) prévoient de consacrer plus de 15 % de leur budget à la réouverture du bureau. Les outils de confidentialité des données sont la priorité la plus courante (18 %) pour le retour affecté aux budgets de bureau, suivis de près par les technologies de cloud hybride (18 %) et la reconfiguration des bureaux (18 %).
Changements d'investissement liés à la pandémie
Depuis la pandémie de COVID 19, plus de la moitié des entreprises ont augmenté leurs investissements et leur utilisation des outils d'analyse de données. Plus précisément, les entreprises investissent le plus souvent dans l'intelligence artificielle (59 %), l'analyse prédictive (58 %), les outils de planification et de reporting basés sur le cloud (57 %) et l'apprentissage automatique (54 %).
Et l'enquête a également révélé que les organisations utilisent davantage les outils d'analyse de données qu'avant la pandémie. En août 2020, la moitié (46 %) des entreprises déclaraient utiliser constamment des solutions basées sur le cloud, tandis qu'un quart utilisait l'analyse prédictive (28 %), l'apprentissage automatique (21 %) et l'intelligence artificielle (20 %). Aujourd'hui, plus de la moitié des entreprises ont augmenté leur utilisation de chaque outil, avec la planification et les rapports basés sur le cloud arrivent en tête de liste à 65 %, revendiquant une utilisation accrue.
Étant donné que plus de la moitié des entreprises ont augmenté leurs investissements dans l'apprentissage automatique, il n'est pas surprenant que la plupart prévoient d'optimiser les nouveaux départements et les cas d'utilisation de la technologie. Concrètement, les entreprises prévoient d'optimiser l'IT/cybersécurité (30 %) et donnent la priorité au service client (15 %) et comptabilité & finance (12%).
Changements d'investissement liés à l'administration
Bien que de nombreuses entreprises reportent leurs investissements jusqu'après les élections, plus de la moitié des entreprises déclarent que cela a eu un impact positif sur leurs décisions d'investissement pour 2021. Le lancement de nouveaux produits et services a été les domaines d'investissement les plus impactés positivement, suivis par les expansions physiques, y compris les nouveaux employés, les logiciels, les acquisitions et les installations.
La plupart des entreprises (86 %) ont déclaré qu'elles devront modifier leurs prévisions financières en cas de changement fiscal par la nouvelle administration présidentielle De même, la plupart des entreprises (89 %) ont déjà prévu de modifier leurs plans d'embauche et de dotation en personnel pour s'adapter aux augmentations de salaire.
Par ailleurs, la plupart des entreprises augmentent, ou prévoient d'augmenter, les investissements dans les systèmes de gestion et de reporting environnementaux, sociaux et de gouvernance (ESG) (85 %) ainsi que la formation DEI (86%).
Conclusions
La réalisation d'une enquête comme celle-ci est toujours intéressante car elle permet de valider nos hypothèses sur les principales tendances du marché. Nous avons été ravis de constater les perspectives positives de la plupart des dirigeants financiers concernant la reprise économique en 2021. encourageant de voir 98 % des entreprises en Amérique du Nord préparer leur retour au bureau.
L'enquête a également validé ce que nous constatons sur le marché, avec une demande accrue de solutions de planification et de reporting basées sur le cloud, ainsi que d'outils d'analyse avancés, remplacent généralement les feuilles de calcul ou les anciennes applications de gestion des performances d'entreprise (CPM). Et nous avons également constaté une utilisation accrue des outils de planification et de reporting basés sur le cloud – avec de nombreuses organisations augmentant la fréquence de leurs cycles de planification et de rapport pendant la pandémie.
Un domaine qui nous a surpris est que 85 % des entreprises ont indiqué qu'elles prévoyaient d'augmenter leurs investissements dans les systèmes de gestion et de reporting ESG. Le buzz médiatique sur ce sujet a clairement augmenté au 2nd semestre 2020, tout comme l'intérêt des clients OneStream pour ce sujet. Plusieurs de nos clients utilisent déjà notre plateforme pour collecter, gérer et rendre compte des initiatives ESG et de développement durable.
Pour en savoir plus, téléchargez le Sondage 2021 Hanovre Research Finance Décideurs et contactez OneStream si votre organisation a besoin d'améliorer sa capacité à « avancer rapidement » et à gérer plus facilement la volatilité actuelle du marché.
Lors d'un récent webinaire avec nos partenaires de PwC, nous avons exploré comment les responsables financiers augmentent la valeur et les conseils que leurs équipes fournissent à leurs organisations tout en améliorant les performances. Dans cette discussion sur la transformation du bureau de la finance, Scott Stern, directeur principal du marketing produit chez OneStream, examine d'abord comment les équipes financières peuvent évoluer d'un rôle de marqueur à un rôle de coach avec Colby Conner, partenaire financier chez PwC. Ensuite, Scott examine quelques exemples de transformation client avec Cor de l'Arbre Tana, directeur du conseil chez PwC.
Ce webinaire détaille les attributs organisationnels et la technologie nécessaires aux équipes financières pour réussir cette transformation. À quoi ressemble le succès de la transformation du Bureau des finances ? M. Conner suggère la règle empirique suivante. Lorsque les responsables des finances et des unités commerciales passer seulement 2 minutes ou moins de réunions de stratégie en se mettant d'accord sur l'exactitude des chiffres et passer les 58 minutes restantes à développer des idées et à résoudre des problèmes, le Bureau de la transformation financière peut être considéré comme un succès.
Bien qu'un peu simpliste, ce « test de 2 minutes » illustre exactement ce que les dirigeants financiers d'organisations sophistiquées devraient s'efforcer d'atteindre. En vertu de cet idéal, Finance transcende le rôle d'agrégateur et de récapitulateur de données pour devenir un partenaire de confiance des chefs d'unité commerciale. La transformation élève essentiellement le rôle de la finance pour se concentrer sur la fourniture d'informations et de conseils pour stimuler les performances de l'ensemble de l'organisation.
Pourquoi entreprendre le parcours de transformation du Bureau de la finance ?
M. Conner explique comment les organisations d'aujourd'hui ont un besoin urgent de Finance pour mieux soutenir l'entreprise. Il décrit combien de facteurs, notamment la pression économique croissante, les technologies émergentes, les nouvelles sources de données et l'augmentation des volumes de données, remettent en cause la performance organisationnelle. Il décrit ensuite comment ces facteurs internes et externes offrent aux Finances des opportunités de diriger rapidement non seulement pour suivre le rythme du changement, mais aussi pour vaincre une complexité croissante.
Il examine également combien d'organisations financières limitent leur rôle à celui de marqueurs. Ces équipes passent une grande partie de leur temps à discuter des données et des rapprochements en mettant l'accent sur l'agrégation des données et la production de rapports. En revanche, les organisations qui se sont lancées dans une Finance intelligente progresser vers un rôle de coach et ajouter de la valeur en fournir des connaissances, des idées et des conseils de décision opérationnelle à travers leurs organisations.
Les équipes financières qui achèvent ce parcours évoluent pour devenir propriétaires d'une « chaîne d'approvisionnement d'informations ». Ces équipes peuvent ensuite extraire des données de l'intérieur de l'organisation et les transformer en informations pour définir de nouveaux avenirs et créer un leadership sur le marché.
Relever les défis de la transformation du Bureau des finances
Alors pourquoi toutes les équipes financières ne lancent-elles pas avec succès cette transformation ? La réponse est assez simple : la réalisation d'un Office of Finance Transformation comporte des défis importants. Les principaux défis sont une technologie obsolète et des processus manuels qui obligent de nombreuses équipes à passer trop de temps à gérer les données et les outils au lieu de mener des analyses et de fournir des informations.
M. Conner redéfinit ces défis comme étant des opportunités. Il suggère aux équipes financières de transformer le statu quo des tâches manuelles et des processus inefficaces en « carburant » qui alimente la transformation. Plus précisément, il soutient que la mise en œuvre d'une solution moderne de gestion des performances d'entreprise (CPM) pour automatiser les processus donnera aux équipes financières le temps supplémentaire dont elles ont besoin. Ce temps permet aux équipes financières de passer d'abord du temps à mettre en œuvre la transformation et de se retrouver finalement avec le temps nécessaire pour une analyse à haute valeur ajoutée et le développement d'informations.
M. Conner identifie spécifiquement de OneStream Plateforme de finance intelligente en tant que solution qui habilite les équipes financières de deux manières. Tout d'abord, il donne aux équipes la possibilité de commencer la transformation du Bureau de la finance en maîtrisant la complexité des processus CPM. Deuxièmement, il offre aux équipes la possibilité de mener à bien cette transformation avec des analyses et des rapports avancés. Parmi les exemples d'opportunités d'accroître l'efficacité des processus CPM, citons la rationalisation du processus de clôture financière ou la création d'efficacités dans les rapports ou la budgétisation et les prévisions (voir Figure 1). Il explique que les puissantes capacités d'automatisation des processus de OneStream permettent aux équipes financières d'automatiser les processus et d'éliminer le temps perdu en efforts manuels.
Cinq attributs pour le succès de la transformation financière
M. Conner définit ensuite les cinq attributs organisationnels (voir Figure 2) pour le succès de la transformation financière et fournit une explication détaillée de chacun.
Un point culminant de ces attributs comprenait une discussion sur la façon dont les équipes financières doivent absolument établir la confiance dans l'ensemble de l'organisation en tant que coach pour les unités commerciales opérationnelles - en déplaçant le rôle de la finance de Scorekeeper à Value Adder et Wealth Creator. Bien que de nombreux facteurs engendrent la confiance (voir Figure 3), M. Conner précise que les équipes financières doivent maintenir la confiance dans les chiffres qui sont partagés avec l'organisation en temps opportun. Selon ses mots, « si les données ne sont pas toujours exactes, si elles sont toujours en cours de révision ou si elles prennent trop de temps à rassembler, cela érode la confiance ».
Il explique également que les équipes Finance doivent comprendre les objectifs de chaque unité opérationnelle et avoir les capacité d'analyse à fournir une analyse perspicace et pertinente. Il a identifié la plate-forme OneStream Intelligent Finance comme ayant non seulement les qualité des données financières capacité à renforcer la confiance dans les données financières et opérationnelles gouvernées, mais également la capacité de renforcer les analyses financières et opérationnelles avancées.
Passer de Scorekeeper à Wealth Creator
La finance intelligente en action
Pour clôturer le webinaire, Tana Treearphorn partage deux exemples clients de transformation financière. Dans le premier exemple, il examine comment un fournisseur SaaS de 21 milliards de dollars de services de gestion de la relation client (CRM) basés sur le cloud et d'applications d'entreprise complémentaires (par exemple, service client, automatisation du marketing, analyse et développement d'applications) a conquis la complexité d'une croissance rapide. Avec la plate-forme OneStream et les conseils de PwC, cette équipe financière est passée du statut de fournisseur de rapports qui passait 80 % de son temps à réconcilier les données à celui de fournisseur d'informations pour l'ensemble de l'organisation.
Dans le deuxième exemple, M. Treearphorn explique comment PwC a guidé un fournisseur mondial de fret et de logistique de 75 milliards de dollars en utilisant la plate-forme OneStream pour unifier ses processus de clôture et de planification fragmentés à travers le monde. Ce faisant, le fournisseur a alimenté sa transformation en renforçant l'efficacité de ses processus et en augmentant la pertinence de ses informations sur les opérations.
En savoir plus
Pour en savoir plus sur la façon dont OneStream permet aux organisations de diriger rapidement la transformation d'Office of Finance et sur la façon dont PwC guide les organisations sur ce chemin, regardez la rediffusion du webinaire de "Finance Intelligente : Atteindre un nouveau niveau d'agilité commerciale. " Et si vous êtes prêt à vaincre la complexité dans votre propre bureau de transformation financière, contactez OneStream dès aujourd'hui.
Dans le marché mondial concurrentiel d'aujourd'hui, fournir aux gestionnaires des informations précises sur la rentabilité par produits, gammes de services standard, canaux de distribution, clients et autres dimensions de l'entreprise est essentiel pour une prise de décision agile et efficace. Pourtant, de nombreuses organisations ont du mal à créer la visibilité et la transparence de ces informations, soit en raison du manque de temps, de technologie, de perceptions trop complexes à faire ou de soutien de la direction.
Relever ce défi était au centre d'un récent webinaire sponsorisé par OneStream intitulé "Comment améliorer les connaissances commerciales et l'agilité avec une gestion efficace de la rentabilité.” Les conférenciers invités étaient Gary Cokins, fondateur et PDG, Analytics-Based Performance Management LLC et Linda Hellebuyck, Corporate Controller chez Henniges Automotive. Lisez la suite pour entendre les points saillants du webinaire ou regarder la rediffusion pour voir les détails.
Meilleures pratiques de répartition des coûts et de gestion de la rentabilité
Gary Cokins est un expert, auteur et conférencier de renommée internationale sur les méthodes de gestion de la performance des entreprises (EPM/CPM), y compris la mesure et la gestion de la rentabilité des clients (en utilisant les principes de calcul des coûts basés sur les activités). Il a plus de 30 ans d'expérience dans le domaine et est l'auteur de plusieurs livres sur ces sujets.
M. Cokins a commencé sa présentation par un examen des principes de base de la comptabilité par activités (ABC). Son message clé ici est que lorsque les directeurs financiers et les équipes financières « allouent » des dépenses indirectes (c'est-à-dire des frais généraux) aux produits et aux lignes de service standard, ils les répartissent comme « du beurre sur du pain ». Et ce faisant, les directeurs financiers violent le « principe de causalité » universel de la comptabilité analytique. La comptabilité par activité (ABC) résout ce problème en « traçant et en affectant » les dépenses en fonction des relations de cause à effet pour la façon dont les produits et les lignes de services consomment les activités de travail, qui à leur tour consomment les dépenses des ressources (par exemple, les salaires, les fournitures, les services publics , etc.).
Si nous remontons le temps jusqu'aux années 1950, lorsque la main-d'œuvre directe et les matériaux représentaient la majorité des dépenses d'une entreprise, une répartition des coûts en moyenne pour les dépenses indirectes était acceptable. Mais dans le monde d'aujourd'hui, où les dépenses indirectes représentent la plupart des dépenses d'une entreprise, l'approche de répartition des coûts moyens peut conduire à d'importantes erreurs de coûts erronées et trompeuses.
M. Cokins a ensuite souligné la valeur de l'ABC dans les industries de services, telles que l'assurance et la banque. L'affectation des dépenses telles que les salaires, l'équipement, les déplacements, les fournitures et l'occupation aux divers coûts des activités de travail qui se produisent dans un service, telles que le traitement des réclamations, permet de voir clairement quels groupes de clients consomment relativement plus ou moins de ressources et leurs dépenses .
Il a ensuite passé en revue les étapes nécessaires à la mise en œuvre efficace de l'ABC - affectation des dépenses des ressources (par exemple, les comptes GL), aux coûts des activités, puis aux objets de coûts tels que les produits, les lignes de service, les projets et les clients. Bien que l'application d'une approche basée sur l'ABC à la répartition des coûts puisse prendre plus de temps et d'efforts que d'effectuer les répartitions de coûts traditionnelles mais simplistes, les avantages en valent la peine. ABC fournit aux directeurs financiers et aux équipes financières, et plus important encore aux responsables hiérarchiques, une vision claire des produits ou services qui contribuent réellement aux bénéfices nets et qui nuisent à la rentabilité - et aussi une vue de quels sont les moteurs causant les coûts.
Le pouvoir de la rentabilité client
M. Cokins a ensuite souligné l'importance de comprendre le canal de distribution et la rentabilité des clients. La valeur d'une entreprise est fonction de la valeur qu'elle obtient de ses clients. comprendre quels clients, ou segments de clients, ajoutent de la valeur par rapport à la réduction de la valeur est essentiel pour générer de la valeur financière à long terme pour les parties prenantes, y compris pour les actionnaires et les propriétaires d'entreprise. Citant plusieurs exemples du livre de Jeffrey Colvin « Angel Customers vs. Demon Customers », son message est qu'en comprenant parfaitement la rentabilité des clients, les directeurs financiers peuvent aider les ventes et le marketing à mieux cibler les clients. Cela signifie répondre à des questions telles que :
- Quel type de client est attrayant pour acquérir, fidéliser, développer ou reconquérir ? Et quels types ne le sont pas ?
- Combien devrions-nous dépenser de manière optimale pour attirer, fidéliser, développer ou récupérer chaque micro-segment de clients ?
Lorsque ces questions sont répondues, les organisations peuvent cibler plus efficacement les types de clients qu'elles souhaitent fidéliser, développer et acquérir ; et également apporter les changements de tarification ou de service client nécessaires pour convertir les clients moins rentables et même non rentables en clients rentables.
En concluant sa présentation, M. Cokins a fourni quelques conseils sur la façon dont les organisations peuvent surmonter la résistance qu'elles peuvent rencontrer lors de la mise en œuvre de l'ABC, y compris les problèmes techniques, les perceptions erronées de la complexité excessive de l'ABC et les barrières comportementales organisationnelles. Il a dit : « Il vaut mieux être approximativement correct que précisément inexact ».
Rentabilité des produits et des clients chez Henniges Automotive
Après une brève introduction aux capacités offertes par la plate-forme de finance intelligente de OneStream pour prendre en charge rentabilité client et produit, Linda Hellebuyck s'est jointe à la discussion pour souligner l'approche Hennigs Automobile a pris pour comprendre la rentabilité des produits et des clients.
Henniges Automotive est le principal fournisseur mondial de systèmes d'étanchéité et anti-vibrations automobiles de haute technologie avec des opérations dans 8 pays, dont 19 usines de fabrication et 4 centres techniques. Après avoir sélectionné et mis en œuvre OneStream pour remplacer Hyperion Enterprise pour la clôture financière, la consolidation et le reporting, l'équipe Henniges a étendu son utilisation de la plate-forme OneStream à plusieurs processus supplémentaires, notamment le reporting de ligne de produits.
Le défi ici est que Henniges fabrique des milliers de produits automobiles qui sont très spécifiques aux clients et aux véhicules, et par conséquent, la rentabilité peut varier considérablement d'un produit à l'autre. Il est donc essentiel de comprendre la rentabilité au niveau du client, de la plate-forme (véhicule) et du produit. L'utilisation de processus manuels et de feuilles de calcul Excel pour ce type d'analyse était très pénible, 80 % de l'effort étant consacré à la collecte des données et 20 % à leur analyse.
En déplaçant ce processus dans OneStream, Henniges a pu harmoniser, stocker, allouer et agréger les données à un niveau détaillé (numéro de pièce) permettant à l'équipe Finance de :
- Produire un P&L résumé (via l'EBITDA) pour toute pièce, plate-forme (véhicule), produit ou client
- Permettre à l'utilisateur final d'attribuer des écarts spécifiques (ferraille/fret)
- Effectuer des allocations générées par le système d'autres écarts
- Identifiez les ventes intersociétés (et les bénéfices) avec le client final/la plate-forme/le produit final
Pour ce faire, l'équipe Henniges a exploité de nombreuses capacités au sein de la plate-forme OneStream, y compris son extensibilité. Cela a permis à l'équipe de mettre en place deux cubes au sein d'une même application, un pour le reporting financier et un autre pour le reporting de rentabilité. Alors que les deux cubes partagent plusieurs dimensions communes, le cube de rentabilité a des dimensions supplémentaires telles que les clients, les produits, les pièces et les plates-formes conçues pour prendre en charge les rapports et l'analyse de rentabilité.
Selon Mme Hellebuyck, « Comme il s'agit d'une seule application, nous pouvons partager à la fois des métadonnées et des données entre les deux cubes, ce qui facilite les comparaisons entre les cubes. Dans d'autres solutions multi-produits, marier les données de consolidation avec les données analytiques au niveau de la pièce serait nettement plus complexe.
En savoir plus
L'utilisation de OneStream pour les rapports financiers et de rentabilité a généré plusieurs avantages commerciaux pour Henniges et d'autres clients. Cela inclut la possibilité de collecter des données plus rapidement et plus fréquemment, en faisant passer les rapports de rentabilité d'un exercice annuel à un exercice trimestriel ou même mensuel. La solution fournit un aperçu plus approfondi des éléments de l'entreprise qui produisent (ou ne produisent pas) des bénéfices nets - et pourquoi. Ces informations aident les responsables à prendre des décisions plus éclairées dans des domaines tels que les devis, les négociations commerciales, la rationalisation des clients sur lesquels consacrer plus d'efforts et la mise en œuvre d'initiatives d'amélioration des coûts.
Pour en savoir plus, regarder la rediffusion du webinaire ou contactez OneStream si votre organisation est prête à améliorer son jeu lorsqu'il s'agit de comprendre la rentabilité par produits, clients, canaux ou autres dimensions de votre entreprise.
Si vous travaillez dans le domaine de la finance d'entreprise, vous avez probablement constaté que vos processus de planification et d'analyse étaient stressés et mis à l'épreuve l'année dernière. Peut-être avez-vous été entraîné dans des séries de prévisions accrues en raison de COVID-19. Ou peut-être que le canal de Suez bloqué par un grand porte-conteneurs a obligé votre équipe à se démener pour ajuster les prévisions. Par conséquent, comme de nombreuses équipes financières, vous avez probablement découvert à vos dépens que vous ne disposiez peut-être pas des bons outils pour le travail.
Si vous faites partie de ceux qui ne le font pas, il y a quand même une bonne nouvelle : les solutions logicielles de planification d'entreprise sur le marché aujourd'hui sont de toutes formes et de toutes tailles. Ainsi, vous êtes sûr de trouver une solution conçue pour répondre aux besoins uniques de votre organisation.
Certaines solutions sont conçues pour les petites entreprises. Certains offrent plus de capacités de visualisation. D'autres ne sont que des solutions ponctuelles pour la planification ou des domaines spécifiques de la planification. Qu'est-ce que tout cela signifie pour vous ? Cela signifie que votre équipe financière a de nombreux choix - si vous pouvez couper à travers tout le bruit et aller aux faits.
Quelle est la meilleure façon de comprendre les options? En vous tournant vers vos pairs de confiance en Corporate Finance, bien sûr. Et c'est précisément ce que le BARC Planning Survey 21 vous permet de faire.
Le Centre de Recherche sur les Applications Métiers (BARC)
Le Business Application Research Center (BARC) est un analyste de l'industrie et une société de conseil pour les logiciels d'entreprise. Les analystes de BARC accompagnent les entreprises à travers des évaluations de stratégie, d'organisation, d'architecture et de logiciels depuis plus de 20 ans. Pour plus d'informations, visitez www.barc-research.com.
Pour soutenir les équipes Corporate Finance, BARC couvre les domaines critiques suivants :
- Intelligence d'affaires/analyse
- Gestion de données
- Gestion de contenu d'entreprise (ECM)
- Gestion de la relation client
- Planification des ressources d'entreprise (ERP)
Enquête de planification BARC 21
L'Enquête sur la planification 21 examine les commentaires des utilisateurs sur les processus de planification et la sélection des produits. Ces commentaires sont basés sur les conclusions de l'enquête la plus vaste et la plus complète au monde auprès des utilisateurs de logiciels de planification. Menée de novembre 2020 à février 2021, The Planning Survey 21 compile les réponses de 1,422 individus analysant 21 produits ou groupes de produits.
Plus précisément, l'enquête examine les commentaires des utilisateurs sur la planification de la sélection et de l'utilisation des produits à travers 29 indicateurs de performance clés (KPI), y compris les avantages commerciaux, la réussite du projet, la valeur commerciale, les recommandations, la satisfaction client, l'expérience client, la fonctionnalité de planification et la compétitivité.
Pour plus d'informations sur l'enquête, visitez le site Web de l'enquête BI.
Logiciel OneStream : dédié à la réussite à 100 % des clients
Avec une mission d'entreprise dédiée à la livraison 100% de réussite client, nous sommes fiers de partager que OneStream a gagné 58 meilleurs classements (voir Figure 1) à travers ses quatre groupes de pairs. L'entreprise a été mesurée par plusieurs KPI différents, notamment les avantages commerciaux, la réussite du projet, la valeur commerciale, le rapport qualité-prix, l'assistance aux fournisseurs, l'assistance aux implémenteurs, la satisfaction du produit, l'intégration des données et l'expérience client.
De plus, OneStream a reçu un 100% score de recommandation de tous les utilisateurs interrogés - en hausse par rapport à 97% en 2020.
Parmi nos 58 meilleurs classements, OneStream a obtenu SEPT « 10 scores parfaits » dans les KPI suivants :
- Satisfaction du produit
- Recommandation
- Workflow
- Reporting & analyse
- Consolidation financière
- Expérience de vente
- Taux de victoire compétitif
OneStream a également gagné 34 des positions de leader dans quatre groupes de pairs différents, y compris des positions de leader dans la réussite des projets, le rapport qualité-prix, les avantages commerciaux, la valeur commerciale, la fonctionnalité de planification et l'assistance aux fournisseurs.
« La performance de OneStream dans l'enquête de planification de cette année reflète le dévouement et la mission du fournisseur à fournir un succès client à 100 %. La plate-forme et le modèle de données unifiés et extensibles de OneStream prennent en charge un large éventail de cas d'utilisation de planification financière et opérationnelle, et ce, à grande échelle et dans toute l'entreprise. Cette combinaison de contrôle financier et de pertinence opérationnelle offre aux organisations la possibilité d'unifier les processus de planification au sein d'une plate-forme et d'une expérience utilisateur uniques, ce qui est de plus en plus essentiel à mesure que les dirigeants financiers s'adaptent aux changements rapides du marché », a déclaré le Dr Christian Fuchs, vice-président principal. et responsable de la recherche sur les données et l'analyse chez BARC.
En savoir plus
OneStream est honoré de recevoir des notes aussi élevées dans le cadre du Planning Survey 21 de BARC. Le rapport reconnaît la force continue des capacités de budgétisation, de planification et de prévision de OneStream, ainsi que nos capacités plus larges en matière de consolidation financière, de reporting et d'analyse. Et cet honneur est particulièrement positif étant donné que les notes élevées de l'enquête proviennent directement de nos clients et utilisateurs dévoués du monde entier.
Pour en savoir plus sur les résultats OneStream, cliquez ici pour télécharger l'enquête complète de planification BARC 21.
Si les finances publiques concernent quoi que ce soit, ce sont des données. Souvent de grandes quantités de données. Données reçues (des systèmes sources tels que les ERP ou d'autres agences), données traitées (telles que la formulation du budget, les allocations et les projections) et données qui sortent de la porte (données à d'autres agences et rapports au public) .
À pratiquement toutes les étapes du parcours des données financières, nous avons besoin d'informations supplémentaires sur le nombre devant nous à un moment donné. S'il s'agit d'une valeur agrégée, quelles en sont les composantes ? D'où vient le numéro ? A-t-il été importé d'un autre système ? Quelqu'un a-t-il entré le numéro ? a-t-il été calculé ? Ce nombre est-il lié à un fonds, un bureau, un programme, un projet ou un objectif stratégique spécifique ? Ce numéro a-t-il changé ? Qui l'a changé ? Quand l'ont-ils changé ? Qu'est-ce que c'était avant qu'ils ne le changent ? A-t-il nécessité une approbation pour être modifié ? Qui l'a approuvé et quand ? Quels autres nombres sont touchés si ce nombre change ?
Tout cela se résume à ce qui est peut-être l'un des termes les plus surutilisés, définis de manière erronée et diversement compris en matière de finances publiques : selon une analyse de l’Université de Princeton. C'est peut-être parce que le terme est utilisé en dehors des finances publiques dans pratiquement tous les domaines imaginables. En fait, je me souviens dans un cours de composition musicale à l'université, nous analysé Concertos de Bach. Mais, lorsqu'il s'agit d'analyser les données financières du gouvernement, cela peut se résumer au processus de découverte de « l'histoire » des chiffres. Comment il est arrivé ici et ce qu'il représente vraiment. Il existe peut-être autant de façons d'analyser les données financières que d'interpréter le terme. Ce qui suit est une discussion de certaines des méthodes d'analyse financière les plus courantes au gouvernement aujourd'hui et de certains des avantages et des inconvénients de chacune :
- Appeler quelqu'un
- Utiliser des feuilles de calcul
- Utiliser les outils de Business Intelligence (BI)
- Utiliser une plateforme de gestion financière avec analyse incluse
1 – Appeler quelqu'un
C'est la solution la plus basique au problème d'analyse. Nous avons besoin de connaître des informations détaillées sur une valeur, donc nous téléphonons/envoyons un e-mail à la personne que nous pensons avoir les informations requises. C'est peut-être la bonne personne, ou peut-être pas. La réponse peut être rapide, ou peut-être pas. Il n'y a souvent aucune connaissance du niveau d'effort requis de la part du répondant pour produire les informations demandées. Cette méthode est la plus efficace pour les cadres ou les consommateurs d'informations qui ne traitent généralement que des agrégations de données de très haut niveau et qui ont rarement des demandes de renseignements de cette nature. Le retour sur investissement de leur temps pour accéder et se former à l'utilisation de toute autre méthode peut ne pas en valoir la peine pour eux ou pour l'agence.
Avantages:
- Simple pour le demandeur
- Pas de formation ni de frais pour le demandeur
- Des réponses précises à des questions précises
Inconvénients:
- Délai d'exécution peut-être très lent
- Dépendance envers les autres
- Nécessitant peut-être de nombreuses heures d'effort de la part des autres
- Impossibilité possible d'obtenir une réponse
2 – Utiliser des feuilles de calcul
Cette méthode est largement utilisée. Il s'agit de la méthode utilisée par de nombreuses personnes recevant les demandes de la méthode 1. Cela implique des extraits de données produits par l'informatique qui sont ensuite mappés et téléchargés dans des structures de données héritées telles qu'Essbase ou TM1. Ensuite, les compléments sont utilisés pour se connecter à ces données. L'efficacité de cette méthode peut varier considérablement en fonction de la structure des données source, de la structure de la zone de stockage intermédiaire des données, ainsi que des compétences et de la disponibilité de l'équipe informatique impliquée dans l'extraction et la maintenance des données. De nombreuses agences continuent d'utiliser cette méthode simplement parce qu'elles le font depuis très longtemps.
Bien qu'il existe certainement un niveau élevé de familiarité avec cette méthode, l'obtention des informations nécessaires peut prendre beaucoup de temps. Les données nécessaires résident souvent dans plusieurs systèmes. Il peut y avoir des données transactionnelles financières dans un système, des données budgétaires dans un autre, un suivi des flux de travail et des approbations dans un autre, des rapprochements de comptes dans un autre et des informations d'audit dans un autre encore. Cela peut rendre le processus extrêmement complexe ou, selon les besoins, impossible.
Avantages:
- Les feuilles de calcul sont omniprésentes, ne nécessitant aucun coût supplémentaire ni mise en œuvre
- La plupart des utilisateurs financiers des agences fédérales ont une vaste expérience des feuilles de calcul
- Les feuilles de calcul sont hautement portables et peuvent être partagées via des pièces jointes aux e-mails
Inconvénients:
- Complexité du traitement des données provenant de plusieurs sources
- Peut être très laborieux pour les analystes financiers ainsi que pour l'informatique
- La fusion et l'utilisation des données sont incontrôlées et sujettes à interprétation
- Les modèles individuels donnent des résultats différents, il n'y a pas de cohérence
- Manque de contrôle des processus, d'intégrité des données, de piste d'audit ou de sécurité
3 – Utiliser les outils de Business Intelligence
De nombreuses agences disposent de divers outils de business intelligence (BI) tels que Tableau, Qlik ou Cognos. Ceux-ci sont utilisés pour explorer les données, créer des tableaux de bord, suivre les indicateurs de performance clés et produire des rapports. Beaucoup d'entre eux ont une capacité ETL (extraction, transformation, chargement) assez sophistiquée pour joindre des tables et extraire des données des systèmes sources, tandis que d'autres s'appuient sur des outils ETL tiers. Dans la plupart des cas, ils reposent sur l'utilisation de données dans un univers de données, un entrepôt, un lac de données ou un magasin de données.
Alors que les outils de BI nécessitent une formation spécialisée, la plupart des agences disposant de ces outils en interne ont des experts dans leur personnel. Cependant, ces experts ont tendance à résider dans un groupe informatique (technologies de l'information) ou d'autres équipes opérationnelles et peuvent ne pas avoir le sens financier nécessaire. Les informations d'audit ou de contrôle sont rarement déplacées des systèmes sources vers un entrepôt de données et les outils de BI n'ont pas de capacité d'audit en eux-mêmes. Les outils de BI manquent également d'intelligence financière, de sorte que tout traitement financier des données nécessite une configuration et/ou une programmation étendues.
Avantages:
- De nombreuses agences disposent déjà d'outils BI
- La plupart des outils de BI ont d'excellentes capacités de tableau de bord et de visualisation
- La plupart des outils de BI facilitent la connectivité et les jointures de table aux tables d'entrepôt de données
Inconvénients:
- Les outils de BI n'ont pas d'intelligence financière
- Certaines des informations critiques souvent nécessaires ne résident pas dans l'entrepôt de données
- Il n'y a pas de piste d'audit
- Il n'y a pas de contrôle ni de conservation des données
- Différents utilisateurs peuvent produire des résultats différents
4 – Utiliser une plateforme de gestion financière avec analyse incluse
Une nouvelle option pour répondre à ce besoin consiste à utiliser une plate-forme financière intelligente dotée d'une capacité d'analyse financière intégrée, telle que OneStream. Au lieu d'extraire les données d'un système budgétaire, d'un système de consolidation, d'un système de rapprochement des comptes, d'un système de gestion de documents, d'un système de reporting et d'un système de workflow, tout cela se fait sur une seule plateforme. Plusieurs agences avant-gardistes utilisent actuellement cette nouvelle technologie ou sont en train de la déployer. Mais la majorité des agences disposent encore de plusieurs systèmes cloisonnés pour gérer ces diverses fonctions, car c'était la seule technologie disponible jusqu'à assez récemment.
Ces systèmes plus anciens étaient à la pointe de la technologie lorsqu'ils ont été mis en œuvre il y a 15 à 20 ans. La nouvelle technologie gère ces fonctions sur une seule plate-forme avec toutes les capacités d'analyse résidant sur la même plate-forme. Cela permet à un utilisateur d'explorer et d'analyser un élément de données de n'importe où dans le système avec un audit et un contrôle complets des données. Il peut s'agir d'un écran de saisie de données de formulation de budget, d'un tableau de bord KPI, d'un rapprochement CARS ou d'une section d'un CBJ ou d'un AFR. Lorsqu'un utilisateur voit un numéro et a une question concernant ce numéro ou la visibilité de qui a apporté des modifications, il peut obtenir l'« historique » de l'endroit où il se trouve dans le processus en temps réel. Ceci est possible car toutes les fonctionnalités sont contenues dans une seule plate-forme.
Avantages:
- Toutes les informations sont disponibles sur demande
- Les informations sont disponibles en temps réel, aucun délai d'exécution requis
- Il n'y a pas de dépendance aux autres
- Aucune compétence analytique particulière n'est requise
- Aucun entrepôt de données n'est requis
- Aucun outil tiers n'est requis
- Tous ceux qui accèdent à l'information voient les mêmes résultats
- Gain de temps significatif et augmentation de la productivité
- Améliorations significatives de la précision et de l'intégrité des données
Inconvénients:
- La majorité des agences ne disposent pas actuellement de ce type de plateforme (OneStream)
- La mise en œuvre du nouveau système est requise
- Un soutien au niveau de la direction pour passer à un système moderne est requis
- Rejet initial en raison du coût (bien qu'il en résulte généralement des économies une fois les anciens systèmes mis hors service)
- Besoin de surmonter la résistance générale au changement
Espérons que ce fut un aperçu utile de certaines des façons les plus courantes d'obtenir les détails sous-jacents de vos chiffres. Tous ont leur place et leurs avantages et inconvénients. Et chaque agence doit décider ce qui fonctionne le mieux pour comprendre « l'histoire » de leurs chiffres.
Pour en savoir plus, visitez le Site Internet OneStream.
La pandémie mondiale de 2020 a ravivé le besoin d'applications agiles de gestion des performances d'entreprise (EPM) et d'outils d'analyse qui permettent aux équipes financières de diriger rapidement. Pourquoi? Parce que ces outils sont essentiels pour permettre aux organisations d'avoir une visibilité et un aperçu clairs des principaux moteurs et tendances de l'entreprise pour des rapports, des analyses et une planification plus agiles.
Ce sujet a fait l'objet d'un récent webinaire sponsorisé par OneStream intitulé "Naviguer dans la nouvelle norme avec la gestion et l'analyse des performances Agile.” Le conférencier invité était Chandana Gopal, directeur de recherche axé sur l'analyse et la gestion de l'information à Société internationale de données (IDC). Au cours du webinaire, Chandana a partagé l'étude de marché d'IDC sur les principaux moteurs du marché, les défis et les avantages de la mise en œuvre d'EPM et de logiciels d'analyse et les enseignements tirés de mises en œuvre réussies.
Le webinaire comprenait également une entrevue avec Alex Lee, directeur principal de FP&A chez Fibrogène où elle a expliqué comment l'entreprise a déployé OneStream pour prendre en charge une planification et des rapports plus agiles. Lisez la suite pour entendre les faits saillants de l'événement, ou regardez la rediffusion complète du webinaire pour entendre les détails.
Naviguer dans la nouvelle normalité
Mme Gopal a ouvert l'événement en pensant à ce qui nous est arrivé à tous en 2020. « Essentiellement, 2 ans de changement se sont produits en très peu de temps, où la transformation numérique s'est accélérée dans de nombreuses organisations en raison des perturbations causées par la pandémie. . Le travail à distance a été pris en charge rapidement à grande échelle et les organisations se sont rapidement adaptées aux nouveaux modèles commerciaux.
Mme Gopal a également souligné que même si de nombreuses organisations ont fait preuve de « résilience commerciale » en répondant rapidement à la perturbation, le l'accent devrait désormais être mis sur la création d'une « résilience numérique » qui permettra aux organisations de s'adapter rapidement aux perturbations futures, et de capitaliser sur les nouvelles conditions. Elle a ensuite mis en évidence plusieurs exemples d'industries qui ont dû s'adapter rapidement, notamment les soins de santé (visites de télésanté) et l'industrie du divertissement (nouveaux modèles de distribution).
Selon les recherches d'IDC, les principaux domaines d'investissement au cours des 12 derniers mois ont inclus l'automatisation des processus, la sécurité, l'infrastructure numérique/cloud, la collaboration et les outils de connectivité. Dans le cadre de cela, les investissements dans la technologie de gestion des performances d'entreprise (EPM) se sont également accélérés pendant la pandémie et s'avèrent essentiels pour aider les organisations à passer de la crise à la reprise (voir la figure 1 ci-dessous).
Ceci comprend assurer la continuité des activités aux premiers stades de la pandémie, aider à contrôler les coûts, effectuer la modélisation de scénarios et la planification d'urgence, puis évaluer les investissements ciblés que la reprise commence, et enfin planification stratégique alors que l'économie mondiale revient à la normale.
Selon les recherches d'IDC, les organisations qui sont des « leaders des données » étaient mieux préparées à faire face aux perturbations causées par la pandémie. Les principaux avantages cités par les utilisateurs de solutions EPM incluent de meilleurs rapports de gestion, une meilleure visibilité sur les processus financiers, des prévisions plus précises, une meilleure efficacité des processus EPM et autres (voir la figure 2 ci-dessous).
Parallèlement, acheteurs et utilisateurs de solutions EPM a souligné certains des défis auxquels ils ont été confrontés dans le déploiement de ces systèmes. Ceux-ci inclus recours à l'informatique pour la prise en charge de certains logiciels EPM, inflexibilité avec lapplications egacy et coûts de possession élevés, le manque de formation adéquate et la faible adoption par les utilisateurs en conséquence. Dans la recherche d'IDC, étant donné que la fonction financière finance 80 % des investissements EPM, elle souhaite disposer des pouvoirs administratifs du logiciel EPM et ne pas dépendre de l'informatique pour gérer ces systèmes.
Alors, quelles leçons les acheteurs ont-ils tirés de la mise en œuvre des solutions EPM ? Les répondants à l'enquête d'IDC ont recommandé ce qui suit :
- Passer du temps comprendre vraiment les données et la granularité dont vous avez besoin dans l'application EPM.
- Sélectionnez le partenaire de mise en œuvre qui a de l'expérience avec des entreprises de votre taille et de préférence votre secteur d'activité.
- Choisissez un fournisseur qui est de taille appropriée pour vous aujourd'hui et peut répondre à vos besoins pour les 3 à 5 prochaines années et a des références dans votre groupe de pairs.
Les recommandations finales de Mme Gopal comprenaient que les entreprises envisageant des solutions EPM devraient voir grand mais commencer petit. « N'essayez pas de faire bouillir l'océan, concentrez-vous sur un projet qui peut offrir un retour sur investissement et une valeur rapides. Engager le bonnes ressources internes et externes au projet. Et planifier pour l'avenir – assurez-vous que la solution que vous choisissez peut répondre à vos besoins maintenant ainsi que dans 3 à 5 ans.
Améliorer l'agilité dans le reporting et la planification chez Fibrogen
Après un bref aperçu de La plateforme de finance intelligente de OneStream et comment nous aidons les organisations à vaincre la complexité et à mener rapidement, j'ai accueilli Alex Lee dans la conversation pour parler de la façon dont Fibrogen a tiré parti de la plate-forme. Fibrogène est une société biopharmaceutique de premier plan à vocation scientifique qui découvre et développe un pipeline de produits thérapeutiques de premier ordre.
À la suite de la transition d'une société de développement de médicaments à une entreprise commerciale mondiale multicanal, l'équipe de Fibrogen avait besoin d'une meilleure visibilité sur les données et de meilleurs outils pour les scientifiques et les utilisateurs du secteur d'activité. Cela comprend les éléments suivants :
- Besoin d'agilité dans une entreprise en évolution rapide.
- La possibilité de planifier les revenus par canal à différents niveaux de détail.
- Les utilisateurs finaux ont besoin d'un meilleur accès aux données.
- Plate-forme nécessaire pour permettre aux scientifiques de saisir des données et de voir les résultats rapidement.
- Planification intégrée des personnes.
- Soutien à la planification basée sur les activités.
Fibrogen a sélectionné et mis en œuvre OneStream pour remplacer Excel et ses anciens outils de budgétisation et aligner les processus financiers clés, notamment : Clôture et consolidation financière , Planification et prévision, Rapport Financier ainsi que Provisionnement fiscal.
Dans un projet initial de 4 mois, Fibrogen a mis en œuvre OneStream pour la planification des revenus par canal, les dépenses d'exploitation au niveau des activités, la planification des CapEx, la planification du personnel, l'affectation des projets ETP et la planification des déplacements. Selon Mme Lee, « le projet OneStream a dépassé toutes les attentes. C'est un rêve devenu réalité ! En conséquence, Fibrogen a gagné en agilité avec un plan intégré qui aligne le développement de médicaments pour financer les performances et les besoins de trésorerie tout en permettant un leadership avec une vue unifiée de la société en temps réel.
En savoir plus
Alors qu'un retour à la normale semble maintenant se profiler à l'horizon, alors que les vaccins sont déployés et que la pandémie se termine, il y aura sûrement d'autres perturbations économiques à l'avenir. Pour survivre et prospérer malgré la volatilité économique, les organisations doivent disposer de processus et de systèmes agiles qui leur permettent de s'adapter rapidement, tout en minimisant l'impact.
Les technologies modernes de gestion des performances et d'analyse d'aujourd'hui s'avèrent inestimables pour naviguer dans la nouvelle norme avec l'agilité requise. Pour apprendre plus, regarder le replay du webinaire et contactez OneStream si votre organisation a besoin d'aide pour vaincre la complexité afin que vous puissiez diriger rapidement !