Hei Chief Fantastic Officer!

Dette er CFO Drip: Data og analyse

Refleksjoner fra 2023

Året 2023 har vært preget av høy inflasjon, renteøkning og usikkerhet – noe mange selskaper har merket godt. Behovet for oversikt og kontroll øker, og blir nødvendig for å kunne ta gode, strategiske avgjørelser for bedriftens fremtid.

2023 har også vært året der AI og ny teknologi for alvor har blitt et verktøy for verdifull effektivisering i arbeidshverdagen, selv om det er langt fra alle som nyter godt av dette enda.

Vi tror at det å bruke teknolog til å samle data og få innsikt i egen forretning blir essensielt i 2024. Men, hvordan gå frem og hva bør man tenke på?

1. Hva ønsker du svar på?

Det første først. Du kan samle inn og analysere så mye data du bare kan, men om du ikke vet hva du egentlig vil ha svar på så vil det ikke gi mening eller resultater.

Vi opplever at mange selskaper og økonomiavdelinger sliter med å egentlig vite hva som er viktig informasjon om selskapet og hva de ønsker å måle. Derfor er vårt tips at du bør være så konkret som overhodet mulig på hva du ønsker skal være outputen av data-analysene. På denne måten blir det også enklere å følge utviklingen over tid og se sammenhenger.

Ønsker du å måle lønnsomheten? Dersom du ikke konkretiserer hva det vil si, blir det som å finne ut hvor lang en planke er. Du ute etter EBITEA eller EBIT? Er det lønnsomheten på en type kundesegment eller et forretningsområde du vil analysere?

Det er vanskelig kjøre det komplekse enkelt, men her er det mye å hente bare ved å gjøre denne type øvelse. Jo mer detaljert du er i hva du ønsker, jo bedre indikasjon og verdi får du også ut fra tallene og analysene.

En nylig studie fra McKinsey Global Institute viser at datadrevne organisasjoner har 23 ganger større sannsynlighet for å tiltrekke seg kunder, seks ganger større sannsynlighet for å beholde kundene og 19 ganger større sannsynlighet for å bli lønnsomme. Det er motivasjon for å få et bedre datagrunnlag!

2. Datainnsamling

Det sies at data er det nye gullet, eller var det oljen? Det er uansett ingen tvil om at data finnes overalt i selskapet, og dersom du klarer å samle inn det som betyr noe for din virksomhet har du definitivt funnet gull.

Økonomiavdelingen sitter på mye verdifull informasjon om selskapets økonomi og forretning. Men selve arbeidet rundt innsamling, strukturering og rapportering av data kan være tidkrevende. Ikke minst vanskelig dersom du ikke har de riktige verktøyene.

Utfordringen med mye data ligger i hvordan greie å nyttiggjøre seg av den og skape verdi. De økonomiavdelingene som bruker teknologi som støtte i denne prosessen, vil få et stort konkurransefortrinn i forhold til å oversette informasjon til strategi, mål og planer for fremtiden.

ERP-systemet ditt som hub

ERP- systemet ditt er en viktig brikke i datainnsamlingen, og bør fungere som en hub for viktig informasjon. For at systemet ditt skal kunne legge til rette for dette, er denne funksjonaliteten nødvendig:

Skybasert (kanskje selvsagt for mange, men det er fortatt overraskende mange selskaper som hoster lokalt – og går glipp av fordelene med skyen)
Velutviklede API`er for gode integrasjoner
Mulighet for skreddersydd rapportering på data og roller
Effektive arbeidsprosesser slik at tallene oppdateres løpende

3. Fallgruver i data- & analysearbeidet

Manglende strategisk fokus
Problem: Bedrifter samler ofte inn og analyserer data uten en klar strategi eller definerte mål.
Konsekvens: Dette kan føre til at ressurser blir brukt på irrelevant data, og at innsiktene som genereres ikke bidrar til bedriftens overordnede mål.

Datakvalitet og -integritet
Problem: Utilstrekkelig kvalitet på dataene som samles inn (inkludert unøyaktigheter, ufullstendigheter og utdatert informasjon).
Konsekvens: Dårlig datakvalitet kan føre til feilaktige analyser og beslutninger, noe som kan ha negative konsekvenser for virksomheten.

Manglende kompetanse
Problem: Mangel på ansatte med riktig kompetanse til å utføre avansert dataanalyse.
Konsekvens: Bedrifter kan slite med å tolke data korrekt og dermed ikke klarer å utlede verdifull innsikt som kan drive forbedringer.

Overveldet av data
Problem: Å ha for mye data kan være like utfordrende som å ikke ha nok.
Konsekvens: Bedrifter kan bli overveldet og usikre på hvor de skal begynne analysen, noe som fører til analyseparalyse.

Motstand mot endring
Problem: Motstand mot å adoptere nye datadrevne prosesser blant ansatte.
Konsekvens: Innovasjon og effektivitetsforbedringer blir forsinket, og bedriftens konkurranseevne svekkes.

Isolerte datasilos
Problem: Data er isolert i ulike avdelinger eller systemer som ikke kommuniserer med hverandre.
Konsekvens: Dette forhindrer en helhetlig forståelse av virksomheten og begrenser mulighetene for tverrfaglig innsikt.

Forventningsstyring
Problem: Urealistiske forventninger til hva dataanalyse kan oppnå på kort sikt.
Konsekvens: Dette kan føre til skuffelse og reduksjon i støtte til videre dataanalyseinitiativer.

4. Sømløse integrasjoner for bedre datainnsamling

Det er sjelden at et ERP-system dekker absolutt alle behovene i selskapet for data og analyse. For å få mest mulig ut av ERP-systemet bør det utveksle informasjon med andre viktige fagsystemer og støttesystemer. På denne måten blir datainnsamlingen av bedre kvalitet og favne mer av virksomheten enn bare økonomi og regnskap.

Har du ordresystemer, innkjøp eller salgsinformasjon i systemer utenfor ERP-systemet, så se på muligheten for en integrasjon. Det kan også handle om integrasjoner med CRM system, nettbutikk eller BI/ AI – verktøy.

Dette kan skje enten ved ferdige integrasjoner fra din leverandør eller muligheten for å lage egne dersom dere har eller kjøper kunnskapen til dette.

I 2024 er det ingen grunn til å bruke masse tid på å flytte informasjon manuelt fra et system til et annet. Hvis dette er tilfelle for deg, er systemene dine kanskje ikke gode nok. Dersom mye av datainnsamlingen går igjennom ditt ERP-system ditt, blir det også enklere å aggregere dette opp senere.

Vår BI – ekspert: Fredrik Borin

Fredrik er ekspert på BI (Business Intelligence). Med sin brede erfaring har han hjulpet kunder med BI i mer enn 20 år, alt fra økonomi, salg, personal til produksjon. Men det er kanskje engasjementet og interessen for å finne løsninger for kundene som betyr mest for Fredrik. Du finner ham tidlig om morgenen på treningssenteret eller i skogen i helgene når han er på jakt.

Har du spørsmål om BI? Ta kontakt med Fredrik her: fredrik.borin@insera.se

5. BI – verktøy aggreger data

Dersom du jobber i et større selskap eller har en viss type kompleksitet i din rapportering, kan det godt hende at du opplever at ERP-systemet ditt kommer til kort. Ønske om et bedre beslutningsgrunnlag er ofte starten på en anskaffelse av en BI – løsning.

Et BI – verktøy kan forenkle prosessen ved datainnhenting, datamodellering, visualisering og rapportering – fra flere kilder. Programmet legges på toppen av dine data for å bygge skreddersydde rapporter og se sammenhenger, og hjelper deg med å lage nye rapporter og visualisere nøkkeltall på tvers av selskapet.

Når vurdere et BI – verktøy?

Det er frustrerende å vite at selskapet sitter på verdifull data, som det er vanskelig å få tilgang til. Det betyr at man i større grad må ta beslutninger basert på magefølelse, i stedet for informerte beslutninger basert på faktiske data.

Et BI – verktøy er nyttig når du ønsker et helikopter –perspektiv av virksomheten. En resultatrapport eller en salgsrapport gir bare et perspektiv, men kombinerer du data vil du få et bilde av helheten mer enn bare silo-basert informasjon.

Et BI-verktøy er ment å komplementere de operasjonelle fagsystemene eller ERP-systemene nettopp ved å gi innsikt, besvare spørsmål om forretningen og skape beslutningsgrunnlag for endringer.

Konkrete fordeler med et BI – verktøy

øke hastigheten på informasjonsanalyse
redusere ineffektivitet
optimalisere prosessene for å sikre at ressursene brukes der de trengs mest
flagge potensielle problemer
finne nye inntektskilder og identifisere områder for fremtidig vekst
innsikt i kundeatferd og handlemønster
tydelige benchmark basert på historiske data og data i nåtid
umiddelbar varsling om dataavvik og kundeproblemer
analyser i nåtid som kan deles på tvers av avdelinger
øke lønnsomheten i bedriften

Hvordan komme i gang?

Den første fasen handler om datainnsamling. Hvilken data finnes og hvilken type informasjon er du ute etter? Hvilke systemer har denne informasjon du vil trekke ut?

Deretter handler det om å involvere de riktige personene i virksomheten. Ikke bare IT – personell, men de som sitter tett på forretningen. Hvilke data trenger de for å gjøre sin jobb bedre? Er dette rapportering kun for ledelsen eller for andre i virksomheten?

Den største fallgruven er å gape over for mye. Start med noe enkelt. Velg ett fagsystem du ønsker å hente ut data fra. Det kan f.eks. handle om ERP-sytemet ditt i kombinasjon med personalsystemet. Selv om mulighetene er uendelige, bør du starte med noe håndgripelig slik at prosjektet ikke spiser all tid og du kan drive business as usual. På denne måten blir du også kjent med verktøyet og hvordan det fungerer.

Hvor oppdatert skal dataen være? Hvor ofte skal data leses inn – hver time eller hver natt?

På noen uker kan du være i gang med implementeringen, dersom du starter med et mindre prosjekt.

Suksessen ligger i å ha en tydelig formening om hvilke KPI`er man vil måle, hvilke rapporter som skal lages. I tillegg til at du kan stole på at datagrunnlaget ditt er riktig fra start.

Hvilke data kan hentes ut?

Her er det nesten uendelig muligheter. Men, disse mulighetene vil alltid basere seg på den informasjonen du har tilgjengelig. Shit in, shit out er det jo noe som heter. Dersom du har god data tilgjengelig i dine fagsystemer, kan disse kombineres og fortelle mye bedriftens utvikling.

Det mange ikke tenker på er at BI – løsninger også kan hente ut data fra andre programmer og nettsteder. Typiske eksempler på dette kan være google eller statistisk data fra nettsider. BI-verktøyet kan hente data fra datavarehus, skytjenester, interne databaser, filer osv.

Eksempler på svar du kan få om din bedrift

Analyse og sammenstilling av informasjon fra ulike kilder kombinert med intuitiv visualisering, gir deg muligheten til å se mønstre, trender og sammenhenger som ikke ville vært mulig hvis du kun studerte informasjonen i hvert enkelt system.

Hvordan går det egentlig med forretningen vår?
Hvem er våre mest lønnsomme kunder?
Hvilke produkter er på vei ut?
Hvordan ser turn over ut på kundene våre?
Har vi likviditet til å vokse i nær fremtid?
Hvordan ligger vi an i forhold til konkurrenter?

Vår AI – ekspert: Eirik Andreas Johansen

Eirik er en av VIEW Group sine AI eksperter. Han er utdannet økonom og har stor interesse for teknologi- spesielt kunstig intelligens. Han har vært innom det meste innenfor både system og regnskap, og har stor forståelse på tvers av fagfelt. Han er glad i å gå på ski og tar på seg løpeskoene flere ganger i uken.

Har du spørsmål om AI? Ta kontakt med Eirik her: eij@viewgroup.no

6. AI – teknologi finner sammenhenger

Gartner skrivet at de forventer at innen 2025 vil de økonomifunksjonene som bruker AI og maskinlæring til å automatisere og forbedre sitt beslutningsgrunnlag, spare mellom 30 – 50% av tiden brukt på analyse og rapportering. Ikke minst få en mye bedre innsikt i sine egne data.

AI- teknologi har en evne til å lese en enorm mengde data, og kan derfor brukes til raskere og mer presis analyse og prediksjon av data i selskapet.

Eksempler på bruksområder for AI:

Prediktiv analyse for bedre beslutninger om for eksempel produksjon og strategi
Innsikt i forfallsdatoer og betalingsbetingelser kan benyttes til aktiv likviditetsstyring
Forebygging av svindel ved å redusere fishing
Beregne karbonrapporter ved å la teknologien analysere karbonavtrykket til bedriften ved å se på fakturaer og leverandører.
Brukes i bærekraftrapporteringen til selskapet
Kartlegging av avtaler, for forhandling av bedre betingelser

Fordi AI– og maskinlæring er teknologier som må trenes, trenger algoritmen tid på å lære ditt selskap å kjenne. Det betyr at de som starter tidlig med dette vil få et naturlig forsprang.

Økonomiavdelingen vil også få gode erfaringer for nye bruksområder og piloter på nyheter fra leverandører. AI – løsninger er i sterk vekst i dag, og det kommer stadig nye bruksområder som kan knyttes direkte til det å drive lønnsom forretning.

7. BI- verktøy vs. AI – når bruke hva?

Et BI – verktøy kan være det riktige å bruke hvis du har tilgang på data, men trenger å bearbeide, visualisere og rapportere dette på en god måte. BI verktøy kan gi god kontroll på fortiden og nåtiden.

AI er et bredere begrep og kan implementeres i mange ledd i en virksomhet. I økonomibransjen kan AI brukes i alt fra å automatisere manuelle oppgaver til å hjelpe til ved rapportering. AI bruker historikk til å klassifisere og analysere data, samtidig som AI kan bruke historisk data til å predikere hva som kommer til å skje frem i tid basert på nåtidens data.

Ser vi utelukkende på bearbeiding av tall og rapportering vil AI skille seg fra BI løsninger ved at AI kan finne sammenhenger vi kanskje ikke er klar over i datasett og gi indikasjoner på hva som vil skje frem i tid, mens BI løsninger effektivt og løpende kan rapportere forhold vi kan definere i KPIer basert på kjente forhold.

Selv om AI og BI har forskjellige styrker betyr ikke dette at de ikke kan dra nytte av hverandre. Tvert imot kan AI og BI system gi synergier til hverandre. Begge felt er datadrevne, og bruk av AI kan gi gevinster til BI og motsatt.

Bruk av AI til håndtering av manuelle oppgaver gjør dataen vår mer strømlinjeformet og standardisert samtidig som vi fanger mer data, noe som gjør implementering og bruk av BI verktøy lettere. Vil man bruke AI for å analysere eller predikere fremtidige hendelser kan et godt BI verktøy gi AI verdifull historikk for å gjøre prediksjoner mer nøyaktige.

Hva skiller de beste økonomifunksjonene fra resten?

For fjerde gang har PWC gjennomført en benchmarkundersøkelse av over 60 økonomifunksjoner i Norge.

Resultatene indikerer at de beste er 25 % er over tre ganger så kostnadseffektive som medianen, og fire ganger så kostnadseffektive som den gjennomsnittlige økonomifunksjonen i utvalget. Mye av driveren her er bruk av teknologi.

Kort oppsummert er noen av funnene:

Virksomheter som opplever god kvalitet på regnskapstallene, og benytter et egnet rapporteringsverktøy fremfor Excel er mest kostnadseffektive.
Samtlige av de 25 % mest effektive økonomifunksjonene benytter BI-verktøy i forbindelse med rapporteringsformål
De beste 25 % bruker kun 2 virkedager fra bøkene er lukket til ledelsesrapporteringen er gjennomført, i motsetning til 5 virkedager for gjennomsnittet
Virksomheter som benytter Bi eller AI for å ta datadrevne beslutninger er mer kostnadseffektive

Det ganske åpenbart at det å investere i og unytte systemer og ny teknologi spiller en stor rolle for det å produsere god styringsinformasjon, som kjennetegnes av at den er både relevant og tidsriktig.

Er du nysgjerrig på hvordan komme i gang eller har spørsmål om bruken av BI eller AI? Ta gjerne kontakt med en av våre eksperter ovenfor eller i skjemaet under.