Retvisende pengestrømsanalyse på sekunder med kunstig intelligens

Cloudteknologi gør kunstig intelligens og automatiske fremskrivningsanalyser tilgængelig og relevant for langt flere virksomheder – og er markant hurtigere og mindre komplekst at tage i anvendelse, end de fleste tror. Det kommer også CFO og finansafdeling til gavn.

Cash flow analytics

Pengestrømsanalyse behøver ikke være besværlig og tidskrævende at implementere. Få hjælp med Azure Machine Learing og kom i gang i løbet af få minutter. Foto: Pexels.com

Cash is king, og likvider på kontoen er som bekendt afgørende for både virksomhedens handlemuligheder, overlevelse og troværdighed overfor sine interessenter.

Det er imidlertid – som alle CFOs vil vide – ikke ligetil at udarbejde en retvisende pengestrømsanalyse blot 2-3 måneder ud i fremtiden. For når man piller skrællen af alle modeller og analyser, er resultatet i bund og grund et kvalificeret gæt sat på formel. Vel at mærke et gæt baseret på talrige variable, usikkerheder og forventninger, mere eller mindre forudsigelige udsving, et stort antal indbyrdes afhængigheder samt datamængder så omfattende, at de færreste mennesker kan overskue dem.

Derfor har vi koblet kunstig intelligens på, som trækker data direkte fra Dynamics 365 og leverer en balanceret fremskrivning baseret på enorme mængder historiske data og kold matematik. Kort sagt en pengestrømsanalyse, der er til rådighed på ganske få sekunder, og hvor eventuelle håb, forventninger og personlige vurderinger slet ikke spiller ind, konstaterer Jannik Bausager, Group program manager hos Microsoft Danmark med ansvar for bl.a. applikationen i Dynamics 365 Finance and Operation, Business edition.

 

Kom i gang med automatisk pengestrømsanalyse på få minutter

Værktøjet er del af Microsoft Azure AI-tjenester – også kendt som "Azure Machine Learning" – og lærer hele tiden ved at sammenligne sine egne modelberegninger over virksomhedens cashflow med den faktiske udvikling over tid.

Det betyder dels, at modellen bliver i stand til at ramme mere korrekt, des flere historiske data her er til rådighed, herunder med tiden at blive i stand til at identificere og arbejde med fx sæsonudsving. Dels, at den er i stand til at levere en procentuel og ret præcis vurdering af den aktuelle fremskrivnings nøjagtighed.

”Når jeg fortæller om pengestrømsanalyse i Azure Machine Learning, har de fleste en forventning om, at den er besværlig, kostbar og tidskrævende at implementere. Men har du fx Dynamics 365 Finance and Operations Business edition i skyen, tager det kun få minutter at komme i gang. Her er en virtuel assistent – en ”wizard” – som guider brugeren gennem forløbet, der egentlig blot handler om, at man skal angive hvilke konti de forskellige informationer skal trække data fra. Så klarer den selv resten,” siger Jannik Bausager.

 

Styrk alle dele af virksomheden med intelligent fremskrivning

”Men du kan også bruge Azure Machine Learning på flere andre måder ud af boksen. Her er fx også en model for salgsforecast og lagerforecast. Så des flere data, du har liggende om din virksomhed, des større muligheder er her for at klikke kunstig intelligens på og fremskrive de her data. Uanset om du har behov for at gøre det på eksempelvis dags-, uge- eller månedsbasis,” forklarer han.

Azure Machine Learning er bygget på basis af åben arkitektur og åbne API’er, der gør det muligt for eksempelvis partnere at udvikle specialiserede fremskrivningsmodeller til gavn for enkeltvirksomheder eller hele brancher. Uanset om der er behov for at beregne spildprocent i produktionen på tværs af talrige produktlinjer eller forhold vedrørende logistik, transport eller bemandingsbehov.

 

Datadisciplin støber fundamentet for indsigt

”Det er en helt ny måde at arbejde på, fordi du både styrker validiteten af dine fremskrivninger markant, får dem langt hurtigere og sparer utroligt meget tid. Men det kræver naturligvis, at der er styr på, hvor dine data befinder sig henne. Det er her, at Microsofts Common Data Service kommer ind i billedet og bl.a. gør det lettere at sikre konsistens og sammenhæng i anvendelse, lokalisering og kobling af data på tværs af virksomheden,” siger Jannik Bausager.

”For man kommer ikke uden om, at kernen i det at blive en datadreven virksomhed – og fx at få gavn af kunstig intelligens – er at der er styr på netop data. Det kræver naturligvis arbejde at komme dertil, hvis man ikke er der allerede. Men værdien er til gengæld også så meget større, fordi du bliver i stand til at øge transparens og produktivitet på tværs af organisationen,” konstaterer han.

 

Projekt afdækker danske virksomheders dataparathed

Potentialet er med andre ord betydeligt og mulighederne tættere på, end mange tror. Flere undersøgelser tyder imidlertid på, at danske virksomheder ikke er helt så langt som deres konkurrenter i nabolandene, når det kommer til at anvende data systematisk til at styrke f.eks. transparens, drift, vækst og salg.

Derfor er Dansk Industri, CBS, Alexandra Instituttet og en række it-virksomheder – blandt andet IBM og EG – gået sammen i projektpartnerskabet DataForBusiness, der løber over 12 måneder og går ud på at stille virksomhederne en lang række spørgsmål om dataanvendelse.

Besparelserne lægges ind i et værktøj, som giver virksomhederne indsigt i eget datapotentiale, benchmarker mere end 500 deltagervirksomheder anonymt mod hinanden og giver nem adgang til handleplaner og rådgivere, der kan hjælpe videre med næste trin.

Læs meget mere om DataForBusiness på www.DataForBusiness.org

Du kan også læse mere om Azure AI-tjenester.

Hold dig opdateret ...

Tilmeld dig vores nyhedsbrev

Få værdiskabende artikler, værktøjer og inspiration til, hvordan du forankrer den digitale transformation i din virksomhed – direkte i din indbakke.