Jamrooferpix - Fotolia
Mit Finanz-Tools Transaktionsdaten optimal nutzen
Heutige Finanztechnologien beschränken sich nicht nur auf einfache Zahlenanalysen, sondern können Transaktionsdaten in verbesserte Abläufe, Produktentwicklung, und ROIs umwandeln.
Das Finanzwesen ändert sich. In der Finanzabteilung eines Unternehmens werden nicht mehr in den Büros Papiere durchgeblättert und Geschäfte aufgezeichnet.
„Es geht um die Fähigkeit, das Geschäft zu verstehen, den Käufer und die Lieferanten zu kennen und die Vorhersagbarkeit ihrer Handlungen sowie die eigenen Kosten- oder Risikofaktoren zu verstehen. Es geht um die Fähigkeit, das vorherzusehen“, erklärt Stuart Pasternak, CFO bei GreenSpace Brands, einem Biolebensmittelunternehmen in Toronto. CFOs müssten also mehr wie Geschäftsführer mit einer Vision für die Zukunft agieren, fügt er hinzu.
„CFOs müssen wissen, was aktuell vor sich geht, damit sie im Hier und Jetzt die richtigen Entscheidungen treffen und Dinge anpacken können, bevor sie zum Problem werden.“ Hier kommen neue Finanzinstrumente für Unternehmen wie künstliche Intelligenz, maschinelles Lernen, prädiktive Analyse und Roboter-Prozessautomatisierung ins Spiel.
CFOs können zum Beispiel künstliche Intelligenz nutzen, um Daten aus der Lieferkette zu durchsuchen und aus ihnen Einblicke in die Kauftrends eines Unternehmens zu gewinnen. „Wer kauft, was wird gekauft, mit welchen Gewinnmargen wird gekauft? Wie viel Zeit wird für einen bestimmten Kunden aufgewandt? Wie sieht die Kostenstruktur aus?“, so Pasternak. „Und Sie können diese Informationen dazu nutzen, die Betriebsergebnisse bestmöglich zu verbessern.“
Risiken ermitteln und senken
Im Inkassoprozess wird künstliche Intelligenz eingesetzt, um säumige Zahler besser in einen bestimmten Zahlungszeitraum einzuteilen, erklärt Paul Morrison, Geschäftsführer des Beratungsunternehmens Hackett Group. „Die mit künstlicher Intelligenz arbeitende Software kann aus den Daten der vergangenen Einsammlung säumiger Zahlungen die Nichtzahler mit dem höchsten Risiko ermitteln und diese Informationen dazu nutzen, die Mitarbeiter auf die Interaktion mit dieser Hochrisikogruppe zu lenken. Am Ende führt das zu einem besseren Cashflow, da sich Ihr Team genau auf die Arbeit konzentriert, die beim Inkasso erforderlich ist, statt auf weniger zielgerichtete Weise den ausstehenden Forderungen hinterherzujagen.“
Die Hackett Group arbeitet derzeit mit einem Hersteller zusammen, dessen Prognoseteam mit der Komplexität der Daten in Bezug auf die Prognose, wann der richtige Zeitpunkt zum Kauf wichtiger Ausgangsstoffe gekommen ist, nicht mitkommt. „Sie geben Millionen von Dollar für die wichtigsten Ausgangsstoffe für den Herstellungsprozess aus. Und es sind so viele Daten. Sie können damit nichts anfangen“, erzählt Morrison. „Sie können der Daten einfach nicht Herr werden. Mit einer Kombination aus künstlicher Intelligenz und Automatisierung können sie hingegen täglich Prognosen zu den Preisen am Markt erstellen. Die künstliche Intelligenz sagt ihnen, wann der beste Zeitpunkt ist, eine bestimmte Ware einzukaufen.“
Ein anderes Unternehmen, das für große US-Versorgungsunternehmen Solar- und Windparks verwaltet, erhält alle fünf Minuten Daten zu möglichen Windverhältnissen und zur Windnutzung für die Windturbinen. „Sie greifen jetzt auf künstliche Intelligenz zurück, denn ein Mitarbeiter kann nicht alle fünf Minuten Daten herunterladen, um eine Prognose zu erstellen“, erklärt Justin Gillespie, bei Hackett Group zuständig für Digital Enablement. „Sie nutzen Automatisierung, um die Daten zu erfassen und sie mit den Wetterdaten zu verbinden. So erhalten sie eine genauere Prognose zur wahrscheinlichen Leistung der Windturbinen. Auf diese Weise können sie auf der Grundlage externer Daten die Einnahmen viel besser prognostizieren.“
Geschäftsergebnisse vorhersagen
Die prädiktive Analyse gehört zu den Finanz-Tools, die für Unternehmen bei der Unternehmensplanung eine immer größere Rolle spielen. „Mit der prädiktiven Analyse können Muster und Ergebnisse aus Daten der Vergangenheit ermittelt werden“, erklärt Imran Sabir, Senior Manager für Roboter-Prozessautomatisierung (RPA) beim Digital-Beratungsunternehmen OZ. „Auf der Grundlage bereinigter Daten können anhand ermittelter Muster zukünftige Ergebnisse vorhergesagt werden. Unternehmen können sich auf die Planung und Korrektur der Bedingungen für das beste Geschäftsergebnis vorbereiten. Im Finanzbereich können Gewinn, Umsatzwachstum, Betriebseffizienz und Netto-Cashflow optimiert werden.“
Dazu werden für die Prognose ausschlaggebende Indikatoren angeschaut. „Viele Unternehmen schauen sich die Leistung der Vergangenheit an, wenden darauf einen Faktor an und versuchen auf dieser Grundlage die zukünftige Leistung vorherzusagen“, sagt Dan Wheadon, leitender Angestellter im Bereich Finanzen und Rechnungslegungspraktiken bei dem Prüf- und Steuerberatungsunternehmen RSM U.S. LLP.
„Sie können sich anschauen, was es kostet, etwas Bestimmtes zu tun“, fügt Pasternak hinzu, „und prädiktive Analysen dazu nutzen, die zukünftigen Kosten zu bestimmen, indem Sie sich die Kaufgewohnheiten von Kunden zu unterschiedlichen Zeiten im Jahr anschauen. Dann können Sie je nach Art Ihrer Kunden vorhersagen, was Sie auf Lager haben sollten. Wenn Sie eine Sonderaktion durchführen möchten, können Sie mit Hilfe einer prädiktiven Analyse bestimmen, welche Kunden ins Visier genommen werden sollten und welche Auswirkungen die Aktion auf Ihre Finanzen haben wird.“
Eine prädiktive Analyse kann auch dabei helfen, die Kundenerfahrung, die Produktqualität, das operative Geschäft und letztendlich das Endergebnis zu verbessern, meint Ivan Latanision, Executive Vice President und Chief Product Officer bei Tangoe, einem Anbieter von Ausgabenmanagement-Software für Unternehmen.
„Sie kann zu einem besseren Kundendienst oder zu hochwertigeren Produkten führen. Sie können prädiktive Analyse aber auch dazu verwenden, um einen Blick auf die Betriebsprozesse, die Kosten, die Leute und die Änderungen in der Zukunft zu werfen und zu prognostizieren, wie dies zur Verbesserung der Qualität und folglich zur Erhöhung der Einnahmen beitragen könnte.“
Automatisierung von Analysen und Geschäftsvorgängen
Maschinelles Lernen kann dazu eingesetzt werden, in Daten Muster zu erkennen und vorherzusagen, womit in Zukunft zu rechnen ist. Außerdem können weitere Variablen hinzugefügt werden, um herauszufinden, wie das beste Ergebnis erzielt werden kann, erklärt Sabir und gibt folgendes Beispiel: „Die Verkaufsdaten der Vergangenheit zeigen für eine bestimmte Verkaufsaktion Folgendes: Wurden die Preise um 10 Prozent gesenkt, gab es einen Anstieg bei den Verkäufen um 20 Prozent im Vergleich zum selben Zeitraum ohne Verkaufsaktion mit einer Nettomarge von 40 Prozent. Wurden die Preise um 15 Prozent gesenkt, stieg der Verkauf um 25 Prozent, aber die Nettomarge fiel auf 38 Prozent.“
Anhand dieser Daten kann mittels der Analyse das Ergebnis voraussagt werden, wenn die Preise um 12 Prozent gesenkt werden, so Sabir. Mit maschinellem Lernen kann durch das Ausprobieren unterschiedlicher Preisprozentsätze das beste Ergebnis vorausgesagt werden.
Laut Sabir hat maschinelles Lernen eine spezifische Natur. Unterschiedliche Algorithmen werden wie Entscheidungsbäume eingesetzt und neuronale Netzwerke ahmen die Art nach, wie Menschen lernen. Künstliche Intelligenz ist dagegen allgemeiner und kann ein Muster in einem bestimmten Datenset erlernen und dasselbe Muster auf andere Datensets anwenden. Künstliche Intelligenz ist insbesondere bei der Planung der finanziellen Solidität eines Unternehmens hilfreich, so Sabir.
Finanz-Tools für Unternehmen, wie beispielsweise RPA (Robotic Process Automation), werden außerdem zur Automatisierung von Verbindlichkeiten und Forderungen, der Einhaltung von Vorschriften und der Berichterstattung eingesetzt und könnten den Betrieb effizienter und profitabler machen, so Sabir. Die Gewinnung neuer Kunden sei im Allgemeinen ein komplexer Prozess, hauptsächlich wegen der Zahl der Vorgänge und der Abstimmung zwischen den unterschiedlichen Abteilungen und Systemen.
„RPA kann den gesamten Prozess übernehmen und die Gewinnung neuer Kunden beschleunigen“, erklärt Sabir. „Die Kommunikation mit dem Kunden kann standardisiert, Änderungen können verarbeitet und Dokumentenentwürfe erstellt werden. Außerdem können die internen Systeme automatisch aktualisiert werden.“
Auch Bots können zur Bewahrung der Datenkonsistenz eingesetzt werden. „Die Kundendaten ändern sich ständig“, so Sabir. „Zum Beispiel die Namen, Adressen oder ihre Kreditpunkte. Software-Bots können Kontoauszüge als Referenzpunkt nehmen, die entsprechenden Daten extrahieren, Datensätze aktualisieren und somit die manuelle Arbeit in der Finanzabteilung reduzieren.“
Unternehmen sollten RPA zusammen mit anderen Finanz-Tools für Unternehmen wie maschinellem Lernen nutzen, ergänzt Latanision. „Angenommen, Sie schauen sich die Nutzung von Smartphones in Ihrem Unternehmen an und stellen fest, dass die Nutzung höher ist als erwartet. Ihr Analyse-Tool gibt Ihnen eine Empfehlung: Gehen Sie noch heute zum Anbieter und nehmen Sie diese Änderung vor. Das Unternehmen könnte einen Bot einsetzen, der sich im System des Anbieters anmeldet und die Änderung vornimmt, und das in Echtzeit. Sie nutzen also die Technologie, um etwas zu identifizieren, das Sie ändern könnten, um Ihre Kosten besser zu kontrollieren.“
Fazit: Finanz-Tools bieten Unternehmen viele Optionen zur Optimierung herkömmlicher Funktionen und Generierung von Einblicken, die zur Verbesserung der Vorgänge führen. Unternehmen müssen die Dinge ganz durchdringen und von Anfang bis Ende verstehen, wie sie die richtigen Finanztechnologien einsetzen können, um Daten aus den Transaktionen zu extrahieren, damit sie diese für die Prognose zukünftiger Leistung nutzen können.
