Hoe intelligente automatisering de financefunctie transformeert

Intelligente automatisering zal de manier waarop organisaties werken voorgoed veranderen, een trend die versneld is door de coronapandemie. In dit artikel bespreken we hoe technologieën zoals machine learning het kantoor van de CFO zullen veranderen.

De noodzaak voor finance om efficiëntere, dynamische manieren van werken te implementeren bestaat al langer. De coronapandemie heeft deze ontwikkeling versneld. Voor finance betekent dit het toepassen van digitale technologieën, zoals machine learning, op de belangrijkste processen. 

CFO's proberen al jaren processen zoals afsluitingen, consolidaties, rapportage en payroll sneller uit te voeren. Door Covid-19 en veranderingen zoals werken op afstand is dit nu een harde eis geworden.

Thomas Willman, Principal, Finance Advisory Global Practice Leader bij The Hackett Group zegt hierover: "Finance heeft zichzelf op veel vlakken getransformeerd in 2020. Wat niet veranderd is, is dat het werk nog steeds moet worden gedaan. Wat wel veranderd is, is dat het vaak buiten kantoor gedaan wordt. Financeprofessionals verkennen manieren om automatisering te verhogen en machine learning toe te passen om patronen te identificeren en aanbevelingen te doen."

Wat intelligente automatisering betekent voor de dagelijkse werkzaamheden van finance

Digitale technologieën en automatisering kunnen CFO's in staat stellen om de financefunctie te transformeren. Of dit succesvol is  zal afhangen van het vermogen om de juiste taken te identificeren en te prioriteren. Het eerste doel van een financeteam moet de automatisering van repetitieve en transactionele taken zijn die  menselijke inspanning of handmatige interventie vereisen. Door dit te doen wordt er meer tijd vrijgemaakt om als strategisch adviseur voor het bedrijf op te treden. 

Het tweede doel is het vaststellen waar digitale technologieën, zoals machine learning, kunnen worden toegepast voor anomaliedetectie, voorspellingen of aanbevelingen wat zorgt voor meer 'machine intelligence' in transacties of processen.  Zodra de machine een patroon herkent, kan een resultaat herhaald worden: hoe meer de machine leert, hoe slimmer deze wordt.  

Het resultaat van automatisering gecombineerd met machine intelligence zorgt voor intelligent geautomatiseerde processen. Dit bespaart veel tijd die voorheen aan traditionele transacties en processen werd besteed. In een onderzoek van Workday Adaptive Planning stelt meer dan 40% van de finance leaders dat de grootste drijfveer voor automatisering binnen hun organisaties 'de vraag van leidinggevenden en operationele belanghebbenden naar snellere en betere inzichten' is.

In het onderzoek 'Charting a Path to Intelligent Automation' van Accenture stelt ongeveer driekwart van de ondervraagde CFO's dat ze bedrijfsbrede transformatie proberen te stimuleren en dat 'getting things right' in de financefunctie belangrijk voor ze is. "Goed nadenken over de end-to-end-strategie, methodologie en de inzet van intelligente automatiseringstools, in plaats van het oplossen van een specifiek pijnpunt, is essentieel."

Cijfers zijn belangrijk voor finance. Gelukkig spreekt de meerwaarde van automatisering vanuit het oogpunt van kosten en efficiëntie voor zich. In een onderzoek van een webinar van Argyle in CFO Dive staat het volgende: "Een bedrijf met een financeteam van 20 personen verliest doorgaans 1.920 uur per jaar of een geschatte $ 124.800 in kosten aan handmatige taken. Een groot bedrijf met een financeteam van 100 personen kan 9.600 uur verliezen, ongeveer $ 624.000 per jaar."

Hoe machine learning de financetransformatie aanjaagt

Ondanks de duidelijke financiële en operationele voordelen van machine learning passen veel financefuncties zich maar langzaam aan. Accounting, supplier management, procurement en auditing zijn belangrijke gebieden die uitermate geschikt zijn voor automatisering. Toch vormen de mogelijke risico's vaak een belemmering voor innovatie, met name voor grote bedrijven die in meerdere regio's actief zijn. Ook verliezen teams zich vaak in het dagelijkse werk, wat ten koste gaat van transformatie.

Transactieverwerking is een andere belemmering voor financetransformatie en het realiseren van betere partnerships met de business. Het is geen verrassing dat CFO's die geïnteresseerd zijn in automatisering zich als eerste op machine learning richten.

"Automatisering biedt financeleaders een geweldige manier om hun accountingprocessen te optimaliseren. Dit is al jaren een pijnpunt voor finance en kan een directe impact hebben op de cashflow van een organisatie", zegt Barbara Larson van Workday, General Manager, Workday Financial Management. "Finance besteedt enorm veel tijd aan het doorspitten van journaalposten, facturen en andere documentatie om handmatig fouten te corrigeren, terwijl machine learning dit zou kunnen automatiseren, waardoor betalingen slim aan facturen gekoppeld kunnen worden."

Machine learning kan daarnaast ook financiële risico's beperken door verdachte betalingen aan leveranciers in realtime te identificeren. Interne en externe fraude kost bedrijven jaarlijks miljarden. Het huidige systeem om dergelijke gevallen van fraude te beperken is gebaseerd op handmatige audits met steekproeven. Dit betekent dat er slechts naar een fractie van de totale betalingen wordt gekeken. Deze aanpak voor het opsporen van fraude en fouten is als het zoeken naar een speld in een hooiberg. Met machine learning zal het volume van de facturen die worden gecontroleerd op dubbele of frauduleuze betalingen enorm toenemen.

"Het waarborgen van compliance voor nationale en internationale regelgeving is belangrijk voor financiële instellingen, vooral gezien de steeds strengere wetten gericht op witwaspraktijken en de financiering van terroristische activiteiten," zegt David Axson, CFO Strategies Global Lead bij Accenture Strategy. "Bij één grote internationale bank waren bijna 10.000 medewerkers verantwoordelijk voor het identificeren van verdachte transacties en rekeningen die zouden kunnen wijzen op dergelijke illegale activiteiten. De bank heeft nu een AI-systeem geïmplementeerd dat algoritmen voor machine learning inzet. Hierin worden de transacties en rekeningen gesegmenteerd en worden de optimale drempels ingesteld om te waarschuwen voor mogelijke gevallen die nader bekeken moeten worden."

Financiële planning en analyse verbeteren 

Als u van mening bent dat teams betrokken bij Financial Planning & Analysis (FP&A) de organisatie realtime datagedreven ondersteuning bij beslissingen moeten bieden, dan bent u ook van mening dat financeprocessen getransformeerd moeten worden om dit te verwezenlijken. Automatisering is hier een belangrijk onderdeel van.

Onderzoek van McKinsey toont aan dat gemiddeld 60% van de financetaken volledig (40%) of grotendeels (17%) kan worden geautomatiseerd met de technologieën die vandaag de dag beschikbaar zijn. Over de positie van FP&A in dit spectrum wordt nog veel gediscussieerd, maar hetzelfde onderzoek stelt dat veel taken in deze categorie volledig (11%) of grotendeels (45%) geautomatiseerd kunnen worden.

Zo weet iedereen dat er een transitie is van 'op spreadsheets gebaseerde FP&A' naar een 'op samenwerking en automatisering gebaseerde FP&A'. Het is moeilijk te zeggen waar we ons in die transitie bevinden, maar de wens om over te stappen naar technologische vaardigheden binnen finance versus vaardigheden in spreadsheets is een enorme verschuiving. Uit een onderzoek van CFO Insights blijkt dat twee jaar geleden 78% vaardigheid in Microsoft Excel® het belangrijkst vond. Dat cijfer is nu 5%. De automatisering binnen applicaties die financeprofessionals vandaag de dag al gebruiken is de drijvende kracht achter die verschuiving.

Naarmate er meer digitale technologieën worden toegepast binnen de financefunctie verdwijnt de noodzaak om data handmatig te verzamelen, consolideren, verifiëren en formatteren.

Reconciliaties automatiseren

Financefuncties besteden veel tijd aan het reconciliëren van data uit verschillende systemen. Denk aan transacties tussen interne en externe systemen, maar ook tussen verschillende grootboeken. Dit handmatige werk gaat onvermijdelijk gepaard met fouten, waarbij dubbele invoer of fouten in de data-invoer voor inefficiëntie zorgen.

Robynne Sisco, President en CFO bij Workday heeft dit zelf ondervonden bij de bedrijven waar ze voorheen werkte. "Elke maand moest finance de periode sluiten, de data ophalen, deze reconciliëren, formatteren en analyseren. Het duurde ruim twee weken voordat we de cijfers aan de business konden presenteren. Te laat om actie te ondernemen", zegt ze. 

Met behulp van regels en patronen biedt machine learning financeprofessionals de mogelijkheid om een groot aantal van deze reconciliaties te identificeren, problemen te begrijpen en in sommige gevallen deze problemen zelfs te corrigeren of markeren voor menselijke interventie. Finance moet de reconciliatie, consolidatie, rapportage en het sluiten van processen automatiseren, zodat taken nauwkeurig worden afgerond binnen één systeem.

De boeken sneller sluiten 

Bij de meeste bedrijven zorgt alleen al het vooruitzicht van het sluiten van de boeken voor een hoge bloeddruk. Dit komt vooral door het grote aantal systemen dat betrokken is bij het financiële afsluitingsproces. Bedrijven zoals Aon werden aan het begin van de pandemie geforceerd om voor het eerst op afstand af te sluiten.

Financeteams die te maken hebben met niet-geïntegreerde systemen kunnen de nieuwe tools voor het efficiënter en nauwkeuriger sluiten van de boeken vanuit twee perspectieven bekijken: cloudsystemen en digitale technologieën. Een groot voordeel van cloudsystemen ten opzichte van on-premise software is de relatief eenvoudige implementatie. Updates worden eenvoudig in gebruik gesteld en de cloud maakt het eenvoudig om snel en efficiënt op te schalen en meer services toe te voegen.

"Op dit moment worden veel van de financewerkzaamheden samengevoegd in één intense periode rond het einde van de maand, waarin veel handmatige invoer wordt verwerkt", zegt Larson van Workday. "Door belangrijke transacties en processen intelligent te automatiseren wordt dit inefficiënte patroon aangepakt. Bovendien zorgt u ervoor dat de invoer de eerste keer direct correct wordt gepost, waardoor u veel handmatige interventies elimineert. Een goed voorbeeld hiervan is anomaliedetectie met machine learning. Dit identificeert mogelijk afwijkende transacties en corrigeert automatisch de codering, of presenteert de transactie ter controle voordat de invoer wordt gepost."

Beveiliging is ook een sterk punt van cloudsystemen. Bedrijven kunnen namelijk gebruikmaken de expertise van de leverancier. Veel leveranciers ontwikkelen lange-termijnstrategieën richting 'cloud only'. Dit is een belangrijke trend voor bedrijven die willen investeren in technologie voor de financefunctie. Het toenemende aantal cloudoplossingen is een enorme kans voor degenen die bezig zijn met financetransformatie.

Snellere en diepere inzichten leveren

Hoewel finance een enorme boost krijgt door het slim automatiseren van processen, is de grootste impact van intelligente automatisering het feit dat er kan worden voldaan aan de toegenomen vraag naar inzichten, rapportages en analyses, ongeacht de toenemende omvang en complexiteit van de (vaak in realtime) benodigde data. Zo gaf 26% van de organisaties in een onderzoek onder internationale CFO's aan dat de grootste reden om automatisering binnen de financiële organisatie te implementeren het beter kunnen ondersteunen van beslissingsprocessen is, waardoor hun teams strategischer worden.

Naarmate de acceptatie van digitale technologieën om automatisering te bevorderen zich verankert in de financefunctie verdwijnt de noodzaak om data handmatig te verzamelen, consolideren, verifiëren en formatteren. Vandaag de dag zijn deze taken, die geen waarde toevoegen, enorm tijdrovend. Het financeteam heeft dan weinig tijd over voor analyses. En naarmate handmatige routineprocessen worden geautomatiseerd kunnen financeteams zich richten op activiteiten die wél waarde toevoegen, zoals scenarioplanning, risicobeoordelingen, prestaties en voorspellende modellen.

"Nieuwe databronnen gaan gepaard met nieuwe technieken voor analytics en een zoektocht naar inzichten. Organisaties zullen automatiserings- en dataminingtechnieken toepassen op data over planning, levering en uitkomsten om het inzicht in deze processen te verbeteren", zegt Jason Byrd, Partner, Technology Business Management bij KPMG. "Nieuwe inzichten stellen teams in staat om tijdig de snelheid, implementatie en reactie van de klant te analyseren, waardoor er een feedbacklus van besluitvorming en koerscorrectie ontstaat."

Hoewel er hoop is dat de wereld in 2021 weer terugkeert naar normaal moeten financeleaders ervoor zorgen dat ze overal op voorbereid zijn. Dit betekent dat finance intelligente automatisering moet omarmen als het de efficiëntie wil maximaliseren.