Dla wielu firm usprawnienie procesów planowania finansowego (w tym planowania i analizy finansowej, planowania sprzedaży i operacji, zintegrowanego planowania biznesowego i prognozowania) jest jednym z najwyższych priorytetów. Automatyzacja, poprawa integracji pomiędzy systemami oraz zwiększenie efektywności procesów wydaje się być ciągłym przedsięwzięciem. Obecnie, sztuczna inteligencja i uczenie maszynowe wydają się oferować obiecujące rozwiązania w tym obszarze, ale czy rzeczywiście jest to coś, co Twoja firma powinna zakupić i/lub rozwijać?

W mojej karierze widziałem wiele przykładów niewłaściwego użycia terminu "sztuczna inteligencja". Ponadto, wiele oprogramowania jest sprzedawanych pod hasłem AI, nie posiadając w sobie żadnej prawdziwej funkcjonalności AI. Nawet jeśli oprogramowanie zawiera AI, większość firm nie może bezpośrednio zacząć z niego korzystać, biorąc pod uwagę obecny stan ich procesów planowania. Firmy muszą jednak zrozumieć, że wdrożenie i rozwój najbardziej innowacyjnej technologii może być zrealizowany w akceptowalnym przedziale czasowym i budżetowym. I tu tkwi sedno sprawy: aby prawidłowo wdrożyć i wykorzystać AI, należy przyjąć ustrukturyzowane podejście. Wymaga to czasu, starannego przygotowania, rozwoju technologicznego i w większości przypadków także sporej zmiany w sposobie pracy. Trudno jest zrobić to wszystko naraz, dlatego zaleca się podejście krok po kroku: celem jest stabilne i elastyczne środowisko, które zapewnia bieżące dostawy, ale może również szybko dostosować się do zmian w biznesie, środowisku i powiązanych procesach decyzyjnych.

W tym artykule omówionych zostanie 5 różnych etapów procesów planowania i prognozowania. Skupimy się na niezbędnych zmianach, które są wymagane, aby przejść do kolejnego etapu w podróży do osiągnięcia celu końcowego, jakim jest stworzenie największej wartości w ramach tych procesów z wykorzystaniem wszystkich dostępnych zasobów, w tym AI. Terminy planowanie i prognozowanie będą używane zamiennie.

Etap 0

Na początek należy stwierdzić, że nie istnieje żaden proces planowania. Oznacza to, że nie zainwestowano w odpowiednią technologię i każda praca jest wykonywana ręcznie bez żadnych podstaw. Gaszenie pożarów bez scentralizowanej analizy jest konieczne przez cały czas, a w firmie nie ma jasnej wizji planowania krótko- i długoterminowego.

Etap 1

Na tym etapie istnieje proces planowania, jednak nie jest on wartościowy ani dobrze przemyślany. Regularne działania planistyczne, takie jak ponowne prognozowanie, są podstawowe i stosunkowo naiwne (na przykład, po prostu ekstrapolacja wartości historycznych z poprzednich okresów), ale przynajmniej dostępna jest linia bazowa jako punkt wyjścia. Ponieważ dokładność tej prognozy będzie prawdopodobnie niska, konieczne będzie wiele wysiłku ze strony planistów, aby dostosować "linię bazową" do ostatecznego przedłożenia. Czas poświęcony na gaszenie pożarów powinien być niższy niż w etapie 0. Nie ma potrzeby inwestowania we właściwą technologię, ponieważ proces nadal będzie bardzo skoncentrowany na wynikach i może być uzależniony od subiektywnego sposobu myślenia poszczególnych planistów.

Etap 2

Dla większości firm jest to prawdopodobna dojrzałość procesów planowania i prognozowania. Na tym etapie firma prawdopodobnie posiada rozbieżne systemy i dużą ilość danych. Brak dobrze skonstruowanego procesu automatyzacji i integracji jest główną przyczyną nieefektywności. Jednakże, dużym plusem na tym etapie jest dostępność bardziej zaawansowanych metod prognozowania; linie bazowe, trendy, nieregularne wahania, cykliczność lub sezonowość: dostępne statystyczne metody prognozowania będą w stanie wykryć wzorce w danych i mogą być wykorzystane przez planistów. Jeśli używasz mniej zaawansowanych (intuicyjnych) metod prognozowania statystycznego, takich jak średnia krocząca, średnia historyczna, regresja lub jakiekolwiek podejście oparte na sterownikach), można to zrobić w programie Excel. W przypadku bardziej zaawansowanych metod prognozowania, takich jak wygładzanie wykładnicze (pojedyncze, podwójne, potrójne), trend liniowy Holta, rozkład multiplikatywny i multiplikatywny Wintera, potrzebne jest bardziej zaawansowane oprogramowanie (oprogramowanie lub narzędzia do programowania obliczeń statystycznych). Zaleca się spisanie wymagań i planu gry dla przepływu danych, projektu integracji i projektu funkcjonalnego modelu przed podjęciem decyzji o wyborze oprogramowania.

Na tym etapie można zaobserwować wyraźne przesunięcie pracy. Ilość pracy dla planistów staje się mniejsza po rekonsolidacji danych, ponieważ poza rozpoznaniem trendów danych i zastosowaniem właściwego podejścia statystycznego, planiści muszą jedynie skorygować prognozę w oparciu o wiedzę, która nie jest odzwierciedlona w żadnym systemie. Jednakże, należy zainwestować dodatkowy czas w długoterminowy rozwój modelu i procesu prognozowania w celu zwiększenia skalowalności i efektywności wszystkich funkcji w firmie.

W tym artykule nie będę omawiał dokładnej zawartości zaawansowanych metod prognozowania. W każdej metodzie uwzględnia się co najmniej trzy z następujących komponentów: bazę, trend, sezonowość, cykliczność, wahania nieregularne i wzrost.

Etap 3

Na tym etapie następuje integracja transakcyjnych systemów ewidencji. Oznacza to, że w przedsiębiorstwie osiągnięto stan jednego źródła prawdy , co ma pozytywny wpływ na codzienną pracę planistów. Ilość pracy o niskiej wartości (sprawdzanie, uzgadnianie, poprawianie błędów) dla planistów staje się mniejsza dzięki zintegrowanemu rozwiązaniu. Zaoszczędzony w ten sposób czas planiści mogą poświęcić na pracę o wysokiej wartości (wszelkiego rodzaju analizy danych) zamiast ręcznych, comiesięcznych, powtarzających się uzgodnień.

Technologia w pełni wspiera podstawowy proces prognozowania typu end-to-end. W przeciwieństwie do etapu 2, więcej danych będzie dostępnych dla różnych elementów procesu prognozowania, takich jak obszerna analiza danych, planowanie scenariuszy, analiza wpływu itp. Możliwości w zakresie prognozowania nie są już ograniczone: wykrywanie wzorców popytu (hierarchicznych, ale także przyczynowych) na podstawie zewnętrznej bazy danych ze statystykami będzie standardem. W etapie 2 prognozowanie statystyczne opierało się na wybranych danych rzeczywistych, natomiast w tym etapie stosuje się analitykę predykcyjną, aby określić, które (dodatkowe) dane mają największą wartość predykcyjną dla prognozy w całej firmie. Coraz więcej algorytmów opartych na danych będzie wdrażanych, co oznacza jeszcze mniej pracy dla planistów, ponieważ również standardowe rozbudowane analizy danych i raporty będą tworzone w tej technologii. Planiści muszą tylko powiedzieć, jaki rodzaj analizy miałby wartość dodaną, a analizy te będą opracowywane w sposób standardowy w całej firmie. Minie trochę czasu, zanim planiści poczują się komfortowo w swojej "nowej" roli.

Etap 4

Na tym etapie technologia wspiera bardziej zaawansowany proces prognozowania typu end-to-end i zawiera bardziej innowacyjne techniki prognozowania. Udoskonaleniem w porównaniu z etapem 3 jest możliwość wykorzystania różnych technik do prognozowania krótkoterminowego (0-3 miesiące) i średnioterminowego (3-24 miesiące). Możliwość dokonania rozróżnienia pomiędzy planowaniem krótkoterminowym i średnioterminowym zmniejsza prawdopodobieństwo posiadania zbyt małej ilości danych niższego rzędu i zwiększa dokładność prognozy długoterminowej. Zarówno dane ziarniste jak i dane niższego rzędu są na tym etapie dostępne w celu wykrycia również wzorców w hierarchii lub relacji przyczynowych.

Charakter pracy w zakresie prognozowania będzie w coraz większym stopniu polegał na podejmowaniu decyzji strategicznych, a nie na koncentrowaniu się na danych z dalszych etapów procesu. Konwencjonalni planiści zostaną przeszkoleni, aby dodawać wartość wyżej w łańcuchu procesów. Na tym etapie, dane nie będą już głównym tematem rozmów, ale założenia modelu będą kwestionowane i symulowane w planowaniu scenariuszy, aby zwiększyć dokładność prognozowania i mieć dobre wyobrażenie o przyszłych możliwościach. Model dostarczy wszystkich analiz, aby proces podejmowania decyzji przebiegał sprawnie.

Etap 5

Jest to stan końcowy, w którym cały proces prognozowania odbywa się automatycznie i jest prowadzony przez scentralizowany system RPA (Robot Process Automation). Scentralizowany system RPA to maszyna oparta na sztucznej inteligencji, która jest rdzeniem całej automatyzacji: wszystko jest podłączone do tego systemu RPA. Ta samoucząca się technologia jest właścicielem procesu prognozowania end-to-end i może wykonywać wszystkie kroki w procesie oraz podejmować decyzje samodzielnie. Jednak musi być szkolona, aby się doskonalić, co oznacza, że zamiast poprawiać model, należy przekazywać informacje zwrotne do systemu RPA. Zaletą tego jest to, że można przekazać maszynie AI szczegółowe informacje na temat potencjalnych ulepszeń, a system RPA jest w stanie wykryć dokładną pierwotną przyczynę niedopasowania i odpowiednio ją dostosować. Tam, gdzie na etapie 3 i 4 intuicja stojąca za metodami prognozowania zanika, na tym etapie zanika ona całkowicie: systemowi RPA ufa się w pełni co do jego możliwości i musi on zostać dokładnie przeszkolony.

Dzięki systemowi RPA prowadzącemu proces prognozowania, pracownicy będą potrzebni do rozwoju i szkolenia maszyny AI, ale prawie do zera pracownicy są nadal potrzebni do sprawdzania prognozowanych liczb. Największym wyzwaniem na tym etapie jest oddanie kontroli. I to nie innemu zdolnemu współpracownikowi, ale produktowi sztucznej inteligencji, który jest w stanie zobaczyć w danych więcej, niż wszystkie najbystrzejsze umysły w firmie razem wzięte są w stanie zobaczyć (przy odpowiednim przeszkoleniu). Jak w większości etapów, możliwe jest równoległe prowadzenie starego i nowego procesu. Po uruchomieniu tego procesu przez kilka miesięcy i porównywaniu prognoz z poprzednich miesięcy z aktualnymi danymi rzeczywistymi w ramach pewnego marginesu błędu, firmy czują się bardziej komfortowo, aby pozwolić systemowi RPA kontrolować proces i od tego momentu przeglądać tylko założenia i liczby wysokiego poziomu. W międzyczasie, każde odchylenie na niskim poziomie i nowe dane będą wprowadzane do maszyny, aby prognoza na następny miesiąc była jeszcze lepsza.

Prawdziwym wyzwaniem dla tej mapy drogowej jest przejście do następnego kroku dopiero wtedy, gdy firma jest naprawdę gotowa. Zbyt szybkie przejście do następnego kroku spowoduje, że nieefektywność stanie się jeszcze większa i doprowadzi do niestabilnego środowiska. Wykonaj odpowiednie pilotaże i pozwól, aby obecne i nowe rozwiązania działały równolegle dla części biznesu. Wspieraj biznes w transformacji, ponieważ nie będzie to dla niego łatwe. Poprowadź ich w zmieniających się obowiązkach i jak zarządzać oczekiwaniami konwencjonalnych planistów. Jako firma, możesz poruszać się tylko tak szybko, jak najwolniejsza część Twojego biznesu.

Warto zająć się kolejnym wyzwaniem - stopniowym oddawaniem kontroli. W tym procesie nie można pozwolić, aby system RPA wykonywał prognozy, jeśli nie ma planu gry lub czasu zainwestowanego w ustawienie integracji, czyszczenie dostępnych danych, wgląd w techniki prognozowania itp. Eksperci w firmie muszą mieć wiedzę, aby móc przygotować maszynę sztucznej inteligencji na swoim poziomie, aby dodać więcej wartości do firmy.

Wreszcie, absolutnie konieczna będzie zmiana sposobu pracy. Niektóre role nawet znikną w ramach procesu i nieuniknione będzie ponowne przeszkolenie pracowników. Nie lekceważ tego wpływu i bądź szczery co do zakresu zmian procedur i tego, co jest potrzebne, aby osiągnąć kolejny krok w doskonaleniu procesu prognozowania.

Nigdy nie jest za późno, aby zacząć i uzyskać informacje, jak odnieść duże sukcesy w obecnym procesie prognozowania w Twojej firmie. Stwórz długoterminową mapę drogową przy wsparciu całej firmy i zacznij działać.