Selvom vi er omgivet af avanceret teknologi, kan vi stadig ikke bare spørge: ”Hej Siri, hvordan ser mit forventede EBITDA ud?” Der er mange grunde til, at sådan teknologi ikke er tilgængelig endnu – utilstrækkelige data, ustrukturerede data og noget menneskeligt viden, der endnu ikke kan overføres til maskiner. Der er imidlertid mange tilgængelige teknologiske værktøjer, der kan forenkle budget og forecast opgaver og gøre budgettering og forecasting lettere og langt mere præcise.
”Eksperimenterende” teknologi
Er AI virkelig eksperimenterende teknologi? I fleste tilfælde er svaret nej. Mange af de algoritmer, der benyttes til budgettering og forecasting blev bevist brugbare og benyttet for årtier siden. Det innovative ligger i tilgængeligheden for netop denne teknologi. For bare få år siden var du nødsaget til at købe dyre hardware og software, samt leje en dataspecialist til at opbygge en model, der i dag højst sandsynligt vil være ”præfabrikeret” og tilgængelig.
Almindelig brug af FP&A
Mens brugen af AI-teknologi blev almindeligt benyttet i mange operationelle procedurer (kreditvurdering, navigation, svind), er der flere områder, hvor AI-algoritmer kan hjælpe FP&A-fagfolk med deres budget og forecast. Det første og sandsynligvis mest populære område er tidsbaseret prognose og forudsigelse. Disse algoritmer analyserer historiske data (ugentligt salg, månedlige elektricitets omkostninger osv.), og beregner fremtidige periodiske forudsigelser.
Yderligere FP&A support
- Datarensning: AI-algoritmer kan indikere en potentiel abnormalitet i data tendenser (dvs. salg på en bestemt måned er dobbelt så stor som den sædvanlige tendens for den måned).
- KPI´er og drivers. AI-algoritmer kan hjælpe med at identificere de mest betydningsfulde faktorer i data tendenser (dvs. sæsonen kan være en betydelig faktor, men anciennitet eller loyalitet for en kunde muligvis ikke).
Tips til en hurtig start
Hvornår:
For dem, der ikke føler sig trygge ved idéen og udfordringerne ved at bevæge sig ind på ukendt territorium, er vores anbefaling at starte nu og før an med denne teknologi. Det er vigtigt, at forstå, at AI ikke er et projekt – det er en til læringsproces og kørende platform. Jo tidligere du starter op på det, jo flere fordele vil din virksomhed kunne opnå.
Hvordan:
Start småt med en bestemt datakilde, der kan valideres. Dette er ikke kun risikobegrænsning, det hjælper din virksomhed til at lære og forstå værktøjerne og fordele.
Hvor:
Start på et område, der er værdifuld for din virksomhed. Det kan være datasæt, der normalt er meget tidskrævende at bearbejde og som kan automatiseres eller start med et område, hvor forecast ikke er præcise nok, og hvor AI-algoritmer kan give en synlig, målbar effekt.
