L’innovazione di processo da trainata dai dati non può non coinvolgere anche le funzioni tradizionali dell’azienda e prime fra tutte la finanza. Da sempre costellata da solide routine e metodologie strutturate, la corporate finance sta subendo negli ultimi anni uno stravolgimento imponente che sta trasformando lo Chief Financial Officer in una nuova figura con caratteristiche maggiormente consulenziali, l’augmented CFO. Gli augmented analytics permettono di individuare i dati utili allo scopo già presenti in azienda, siano essi strutturati o no, con la possibilità di aggiungere nonché integrare nuove fonti dati esterne tradizionalmente non trattate, i cosiddetti alternative data.
Digital transformation nella corporate finance
Quando si parla di corporate finance, spesso si pensa a qualcosa di statico e forse anche un po’ noioso, qualcosa lontano dall’essere innovativo. A differenza della sua sorella più glamour, la finanza quantitativa o dei mercati che dir si voglia, la finanza aziendale è sempre rimasta ai margini dei processi innovativi nell’immaginario comune, considerata una disciplina classica e per questo intoccabile. Questo almeno fino a prima dell’avvento degli augmented data. Come uno tsunami di dimensioni bibliche, la scienza dei dati ha apportato un vento di cambiamento che non ha potuto non coinvolgere e stravolgere anche la più storica delle funzioni aziendali.
Fondamentale, a questo scopo, è stata proprio la creazione di un data lake che ha consentito e consente al CFO digitale di lavorare con un approccio data-centrico e apportare nuova efficienza al processo di decision making per via, in particolare, della generazione automatica di reportistica personalizzata per i diversi attori aziendali.
Il ruolo degli augmented data
Secondo uno studio Genpact, circa il 53% degli executive senior ha già adottato o sta per adottare tecnologie AI per la funzione Finanza, Amministrazione e Controllo d’impresa. I CFO considerano questi strumenti in grado di aiutarli a prendere decisioni maggiormente informate e a fronteggiare i più grandi cambiamenti della nostra epoca, democratizzando i dati stessi. Gli augmented analytics permettono di individuare i dati utili allo scopo già presenti in azienda, siano essi strutturati e no, con la possibilità di aggiungere nonché integrare nuove fonti dati esterne tradizionalmente non trattate, i cosiddetti alternative data. Grazie a un’attività volta a pulire e analizzare i dati raccolti in maniera automatica e imparziale, scoprono schemi e trend, identificano anomalie e ne predicono anche le cause, oltre che gli effetti.
Tutto ciò allo scopo di fornire insight e suggerimenti operativi facilmente comprensibili e direttamente applicabili. Il processo porta con sé, quindi, una serie di informazioni preziose che saranno utilizzate dal CFO al fine di prendere la decisione finale sulle azioni da svolgere. In questo senso si può, a tutti gli effetti, dire che l’intelligenza dell’esperto di business umano viene aumentata dall’elaborazione dei dati. I sistemi di augmented analytics rappresentano in sostanza veri e propri strumenti di produttività che amplificano l’efficienza e generano ricavi.
Augmented analytics in cloud
La nuova era di applicazioni augmented analytics in cloud (Descriptive, Predictive e Prescriptive Analytics), supportate da tecnologie disruptive rientranti nella sfera dell’intelligenza artificiale, permette di efficientare le attività svolte dal finance nei seguenti modi:
- migliora l’efficienza interna alla funzione snellendo i processi contabili, di compliance e revenue management e riducendo gli errori umani in una logica di Business Process Re-engineering;
- ottimizza le performance delle attività svolte connesse ai processi core dell’area Amministrazione, Finanza e Controllo quali gestione del circolante, tesoreria, cash management, pianificazione, forecasting, controllo e reporting;
- automatizza le attività a basso valore legate a riconciliazione e controllo (rilevamento di frodi, duplicazioni, spese insolite, crediti fuori dall’ordinario ed accessi di utenti ad alto rischio) per il tramite di algoritmi di machine learning;
- diminuisce il consumo di tempo legato alla fase cosiddetta di discovery che può essere svolta in real time, rendendo possibile avere in maniera più rapida insight direttamente applicabili a partire dall’analisi dei dati;
- rende fattibili, grazie all’applicazione congiunta di machine learning e artificial intelligence, fornire suggerimenti sulla scorta di argomenti e vincoli di natura economico-finanziaria utili alle scelte delle altre funzioni aziendali con particolare riguardo a marketing e vendite, procurement, logistica e risorse umane;
- facilita l’acquisizione di dati esterni e non strutturati al fine di ottenere analisi più precise e compiere decisioni maggiormente oculate;
- rende possibile affinare la formulazione di ipotesi e prevedere i risultati tramite modelli dei vari scenari costruiti sulla base di input e variabili in tempo reale e non più sullo storico;
- sposta il focus sulle attività di misurazione e monitoraggio delle performance di business, sul risk management e sull’integrazione delle informazioni a livello dell’intera realtà aziendale.
Conclusioni
Il processo di digitalizzazione in atto nelle aziende e le nuove logiche di data management hanno colpito, in maniera forse inattesa, anche il CFO, ampliando le sue competenze e capacità, avvicinandolo al ruolo strategico di Business advisor, capace di generare valore per l’azienda e creare le giuste connessioni tra le diverse funzioni e risorse, identificando i legami causa-effetto. Investire nell’innovazione dell’area AFC, mettere a frutto le tecnologie più avanzate e utilizzare i dati in modo strategico significa sempre più investire in competitività e permettere di liberare tempo e risorse per le attività realmente di valore per l’azienda, quali quelle di planning e forecasting, a tutto vantaggio dell’efficienza e connessione aziendale nel suo complesso.
