Korrekt kassaflödesanalys på några sekunder med artificiell intelligens

Artificiell intelligens blir smidigare i molnet.

Cash flow analytics

Artificiell intelligens behöver inte vara krångligt och kostsamt. Foto: Colourbox

Molnteknik gör artificiell intelligens och automatiserad prognosanalys tillgänglig och relevant för betydligt fler verksamheter- och den är betydligt snabbare och mindre komplex att använda än vad de flesta tror. Det är något som ekonomichefen och ekonomiavdelningen kan dra stor nytta av.

Cash is king och pengar på kontot är avgörande för både verksamhetens affärsmöjligheter, överlevnad och trovärdighet gentemot sina intressenter.

Som alla ekonomichefer vet är det inte enkelt att ta fram en korrekt kassaflödesanalys för endast två till tre månader framåt. Utan modeller och analyser blir resultatet i grund och botten en kvalificerad gissning. Gissningar baserat på otaliga variabler, osäkerheter och förväntningar som är mer eller mindre förutsägbara fluktuationer, ett stort antal ömsesidiga beroenden och datamängder är så omfattande att endast ett fåtal personer kan få en ordentlig översikt.

- Därför har vi kopplat på artificiell intelligens som hämtar data direkt från Microsoft Dynamics 365. Det ger en balanserad prognos som är baserad på enorma mängder historisk data och "kalla fakta". Kort sagt, en kassaflödesanalys som är tillgänglig på några sekunder, och där eventuella förhoppningar, förväntningar och personliga bedömningar inte fungerar, säger Jannik Bausager Group Program Manager koncernchef på Microsoft Danmark med ansvar för Dynamics 365 Finance and Operation, Business edition.

Kom igång med automatiserad kassaflödesanalys på några minuter

Verktyget är en del av tjänsterna inom Microsoft Azure AI - även känd som "Azure Machine Learning", och lär sig hela tiden att jämföra sina egna modellberäkningar över verksamhetens kassaflöde med den faktiska utvecklingen över tid.

Det betyder dels att modellen blir mer träffsäker när historisk data finns tillgängligt. Med tiden blir det dessutom möjligt att arbeta med t.ex. säsongsavvikelser. Det går även att leverera en procentuell och ganska exakt bedömning av den aktuella prognosen.

- När jag berättar om kassaflödesanalys i Azure Machine Learning tror de flesta att det är besvärligt, kostsamt och tidskrävande att implementera. Men om du t.ex. har Dynamics 365 Finance och Operations Business edition i molnet tar det bara några minuter att komma igång. Här används en virtuell assistent - en "wizard" - som guidar användaren genom processen, som egentligen handlar om att man ska ange vilka konton som informationen ska extrahera data från. Resten sköter sig självt, säger Jannik Bausager.

Stärk alla delar av verksamheten med intelligenta prognoser

- Men du kan även använda Azure Machine Learning på flera andra sätt. Det finns t.ex. en modell för försäljningsprognos och lagerprognos. Ju mer information som finns om din verksamhet, desto större är möjligheterna här att haka på artificiell intelligens på och göra prognoser baserat på dessa data. Oavsett om du behöver göra det dagligen, veckovis eller månadsvis, förklarar han.

Azure Machine Learning bygger på en öppen arkitektur och öppna API:er. Det gör det möjligt för partners att till exempel utveckla specialprognosmodeller som är till nytta för enskilda verksamheter eller hela branscher. Oavsett om det finns behov av att beräkna procent för svinn i produktionen inom flera produktlinjer eller logistik, transport eller bemanningsbehov.

Datadisciplin utgör grunden för insikt

- Det är ett helt nytt sätt att arbeta på, eftersom du både ökar validiteten i dina prognoser, får dem betydligt snabbare och sparar tid. Men det kräver självklart att du har koll på var din data finns. Det är här Microsofts Common Data Service kommer in i bilden och bland annat gör det enklare att säkerställa konsistens och konsekvens i användningen, placeringen och kopplingen av data inom hela verksamheten, säger Jannik Bausager.

- För att bli en datadriven verksamhet som kan dra nytta av t.ex. artificiell intelligens gäller det att ha koll på sin data. Självklart krävs det att man gör ett gediget arbete för att uppnå detta. Men å andra sidan är värdet också mycket större eftersom du kan öka transparensen och produktiviteten inom hela organisationen, konstaterar han.

Projekt avslöjar danska verksamheters databeredskap

Med andra ord är potentialen stor och möjligheterna ligger närmare till hands än vad många tror. Flera studier visar dock att danska verksamheter inte har kommit lika långt som sina konkurrenter i grannländerna när det gäller att använda data systematiskt för att stärka till exempel transparens, drift, tillväxt och försäljning.

Därför gick Dansk Industri, CBS, Alexandra Instituttet och ett antal IT-verksamheter - inklusive IBM och EG – in i projektet DataForBusiness. Det pågår under tolv månader och innebär att verksamheter besvara en rad frågor om dataanvändning.

Besparingar läggs i ett verktyg som ger verksamheterna inblick i sin egen datapotential. Dessutom gör mer än 500 deltagande företag benchmarks anonymt mot varandra. Projektet ger också enkel åtkomst till affärsplaner och rådgivare som kan bidra till vidareutveckling till nästa steg.

Läs mer om DataForBusiness på www.DataForBusiness.org

Läs även mer om AI-tjänsterna inom Azure på https://azure.microsoft.com/sv-se/overview/ai-platform/

Annons
Annons