Im ersten Teil dieses Blog-Beitrags haben wir die Auswirkungen von Automatisierung und Machine Learning auf die Rolle des Finanzwesens beleuchtet. In diesem Artikel beschäftigen wir uns nun näher mit konkreten Anwendungsfällen dieser Technologien im Finanzwesen und deren Bedeutung für traditionelle Routineaufgaben der Finanzabteilung.

Verbesserte Finanzplanung und -analyse

Wenn Sie die Aufgabe der Finanzplanung und -analyse in Zukunft auch darin sehen, das Unternehmen mit datengestützten Entscheidungen in Echtzeit zu unterstützen, werden Sie nicht abstreiten, dass die Prozesse der Finanzabteilung transformiert werden müssen, um dieser Vision Rechnung zu tragen. Automatisierung ist ein zentraler Bestandteil dieser Transformation.

Im Schnitt können ca. 60 Prozent der Finanzaktivitäten mit den aktuell verfügbaren Technologien vollständig (40 Prozent) oder größtenteils (17 Prozent) automatisiert werden, so die Ergebnisse einer McKinsey-Studie.  Wo sich der Bereich der Finanzplanung und -analyse in diesem Spektrum verorten lässt, bleibt offen, doch dieselbe Studie besagt, dass viele Aufgaben dieser Kategorie vollständig (11 Prozent) oder größtenteils (45 Prozent) automatisierbar sind.

Kaum jemand wird bestreiten, dass der tabellenbasierte Ansatz in diesem Bereich derzeit von einer auf Automatisierung basierenden Philosophie abgelöst wird. Es ist schwer zu sagen, wie weit diese Entwicklung bereits fortgeschritten ist, doch die wachsende Nachfrage nach Finanzfachkräften mit technologischen Kompetenzen anstatt Kenntnissen in der Tabellenkalkulation stellt eine recht drastische Kehrtwende dar. Noch vor zwei Jahren stuften 78 Prozent der Teilnehmer an einer CFO Insights-Studie Excel-Kenntnisse als wichtigste Kompetenz ein. Inzwischen ist ihr Anteil auf 5 Prozent gesunken. Die Automatisierungsfunktionen, die Finanzfachkräften inzwischen in Applikationen zur Verfügung stehen, befeuern diesen Wandel.

Automatische Abstimmungen

Finanzfachleute verbringen heutzutage viel zu viel Zeit mit der Abstimmung von Daten aus verschiedenen Systemen. Man denke etwa an die Transaktionen zwischen internen und externen Systemen sowie zwischen verschiedenen Hauptbüchern. Da diese Aufgaben manuell erledigt werden, sind Fehler durch Doppelbuchungen oder falsche Dateneingaben unvermeidbar.

Robynne Sisco, Co-President und CFO bei Workday, konnte dies in Unternehmen, in denen sie zuvor tätig war, aus erster Hand erfahren. „Die Finanzabteilung musste jeden Monat einen Periodenabschluss erstellen, die Daten abrufen, abgleichen, formatieren und analysieren. Die Zahlen lagen dem Unternehmen meist erst zwei Wochen nach Periodenende vor und damit zu spät, um entsprechende Maßnahmen zu ergreifen“, erinnert sie sich.

Machine Learning kann Finanzfachleute durch den Rückgriff auf Regeln und Muster in die Lage versetzen, eine große Anzahl solcher Abstimmungen zu identifizieren, das Problem zu ermitteln und es in einigen Fällen zu korrigieren und in anderen zu melden, wenn ein manueller Eingriff erforderlich ist.

Schnellere und effizientere Finanzabschlüsse

In den meisten Unternehmen reicht schon die leiseste Erwähnung eines Finanzabschlusses, um die gesamte Finanzabteilung in helle Panik zu versetzen. Dies liegt größtenteils an den zahlreichen Systemen, die in den Abschlussprozess einbezogen sind, da die Zahlen aus mehreren Bereichen des Unternehmens eingeholt werden müssen.

Die neuen Tools und Ressourcen, die Finanzteams bei der Arbeit mit verschiedenen Systemen unterstützen können, um Finanzabschlüsse effizienter und präziser zu gestalten, lassen sich zwei Kategorien zuordnen: Cloud-Technologien und Machine Learning. Anwender von Cloud-Technologien profitieren insbesondere von einem unkomplizierten Deployment im Vergleich zu On-Premise-Software. Updates sind außerdem wesentlich leichter zu installieren und die Cloud bietet die Möglichkeit, die vorhandene Lösung schnell und effizient aufzurüsten und mit weiteren Tools zu verknüpfen.

„Ein Großteil der Arbeit im Finanzwesen konzentriert sich aktuell auf ein schmales Zeitfenster am Monatsende, in dem eine große Zahl manueller Eingaben verarbeitet wird“, so Wakeford. „Die Kerntransaktionen und -prozesse der intelligenten Automatisierung bereinigen dieses ineffiziente Arbeitsmuster und tragen dazu bei, dass Daten gleich bei der ersten Buchung korrekt übernommen werden. Dadurch sind weniger manuelle Eingriffe erforderlich. Ein gutes Beispiel ist die durch Machine Learning ermöglichte Anomalie-Erkennung, die von der Norm abweichende Transaktionen erkennt und automatisch korrigiert oder meldet, sodass sie überprüft werden können, bevor die entsprechenden Posten verbucht werden.“

Sicherheit ist eine weitere Stärke der Cloud-Technologie, da Unternehmen das dafür nötige Know-how nicht selbst aufbauen müssen, sondern die integrierten Sicherheitsfunktionen der jeweiligen Lösung nutzen können. Viele Anbieter steigen aus strategischen Gründen auf ein Cloud-Modell um und verfolgen langfristig das Ziel, nur noch cloudbasierte Tools anzubieten – ein wichtiger Trend für Unternehmen, die in Finanzlösungen investieren möchten. Für Finanzfachleute, die Transformationen in ihrem Bereich anstoßen, stellt die steigende Verfügbarkeit von Cloud-Tools eine echte Chance dar.

Machine Learning ist in diesen Kreisen ein viel diskutiertes Thema, da davon auszugehen ist, dass die Technologie bald viele Aufgaben übernehmen wird, die bisher manuell erledigt wurden. Schon heute werden beispielsweise viele der Zuordnungen und Analysen zwischen verschiedenen Kontenplänen, die bisher von Mitarbeitern erledigt wurden, von Machine Learning vorgenommen. So unterstützt die Technologie den Abschluss- und Konsolidierungsprozess im Unternehmen.

Schnellere und bessere Analysen und Erkenntnisse

Durch die oben genannten automatisierten Prozesse profitiert das Finanzwesen zweifellos von höherer Effizienz. Wirklich transformative Auswirkungen hat intelligente Automatisierung jedoch im Hinblick auf die Fähigkeit, die steigenden Anforderungen an Reporting und Analyse zu erfüllen und von wichtigen Stakeholdern benötigte Daten in zunehmender Menge und Komplexität nahezu in Echtzeit zu liefern.

So identifizierten 26 Prozent der Teilnehmer an einer globalen Studie unter CFOs eine bessere Entscheidungsfindung als Hauptgrund für die Einführung automatisierter Prozesse in der Finanzorganisation. Diese ermöglicht es ihnen und ihrem Team, sich stärker auf strategische Aufgaben zu konzentrieren.

Durch robotergesteuerte Prozessautomatisierung wird die manuelle Datenerfassung, -prüfung und -formatierung im Finanzwesen bald der Vergangenheit angehören. Diese Aufgaben ohne Mehrwert erfordern derzeit einen enormen Zeitaufwand, sodass wenig Zeit für analytische Fragestellungen bleibt. Auch werden sich Finanzteams im Zuge der voranschreitenden Automatisierung manueller Routineaufgaben auf wertschöpfende Aktivitäten wie Szenarioplanung, Risikobewertung sowie leistungsbezogene und prädiktive Modellierung konzentrieren können.

„Mit neuen Datenquellen gehen neue Analysetechniken und eine Suche nach Erkenntnissen einher. Unternehmen werden Automatisierungs- und Data Mining-Techniken auf Planungs-, Liefer- und Ergebnisdaten anwenden, um die Transparenz und Protokollierung dieser Prozesse zu verbessern“, so Jason Byrd, Partner, Technology Business Management, KPMG. „Anhand der neuen Erkenntnisse werden Teams in der Lage sein, aktuelle Daten zur Analyse von Reaktionsgeschwindigkeit, Entwicklung und Kundenfeedback zu erfassen. Auf diese Weise wird eine Feedbackschleife aus Entscheidungsfindung und Kurskorrektur entstehen.“

Versierte CFOs werden ihre Prozesse mithilfe von Automatisierung und Machine Learning optimieren, um die nötige Zuversicht zur Unterstützung eines sich rasch verändernden Geschäftsumfelds zu schaffen und so ein strategischer Partner für das Unternehmen zu werden. Mithilfe intelligenter Automatisierung können Finanzführungskräfte ihr volles Potenzial als strategische Berater entfalten und ihr bisheriges Image als Zahlenjongleure, verborgen hinter Aktenbergen, hinter sich lassen. Die Finanzfunktion muss heutzutage geschäftliche Agilität fördern. Dies gelingt über die Zusammenarbeit des CFO mit einer progressiv eingestellten Finanzabteilung, bei der Automatisierung eine zentrale Rolle im Hinblick auf die Transformation des Finanzwesens spielt.