Så lenge jeg har jobbet med grupper med flere enheter, har samtalen om finansens strategiske rolle vært den samme. Finansdirektører ønsker å bruke tiden sin på analyse, på å gi råd til ledelse, på å identifisere hvor gruppen skal fokusere. I stedet forsvinner mye av måneden deres til å samle tall. Og når rapportene endelig kommer, mangler de ofte dybden til å forklare hvorfor noe skjedde - ikke bare hva.
Dette gapet er ikke et folkeproblem. Det er et dataproblem. Å løse det har tradisjonelt krevd et datalager, en integrasjonsplattform og et IT-prosjekt for å bygge og vedlikeholde alt. Det som har endret seg er at grupper nå kan lukke det samme gapet uten det prosjektet, implementere på dager, og vedlikeholde uten kontinuerlig IT-involvering etter hvert som gruppen utvikler seg.
Fire ting blir mulig når grunnlaget er på plass. Hver og en flytter økonomi nærmere den strategiske rollen den alltid skulle spille.
1. Kapasiteten returneres til økonomiteamet
Den mest umiddelbare endringen er også den mest konkrete: tid.
I de fleste grupper med flere enheter går en betydelig andel av seniorfinanstiden hver måned til arbeid som ikke krever eldre mennesker. Trekk ut data fra flere ERP-er. Avstemme tall på tvers av enheter. Kartlegging av kontoer. Eliminere konserninterne transaksjoner. Formatering av rapporter.
Dette arbeidet er nødvendig. Mye av det er også automatisert. Når konsolidering kjører automatisk på tvers av tilkoblede ERP-systemer og kontokartlegging håndteres av AI med menneskelig sign-off, blir tiden som pleide å forsvinne i datasamlingen tilgjengelig for noe annet. Ikke rutinearbeidet - dømmearbeidet. Gjennomgå ytelse, identifisere mønstre, gi råd om ressursallokering, ha samtaler med enhetsledere før problemer dukker opp i tallene.
Finansteamets strategiske kapasitet var ikke begrensningen. Tiden som ble brukt av rutinemessig montering var.
2. Fra å rapportere tall til å forstå drivere
Å vite at EBITDA falt tre poeng er ikke det samme som å forstå hvorfor.
For mange grupper er gapet mellom disse to tingene stort - ikke fordi økonomiteamet mangler ferdighetene til å bygge bro over det, men fordi dataene som kreves for å gjøre det, enten er fragmentert på tvers av systemer som aldri ble designet for å snakke med hverandre, eller konsolidert bare på prøvebalansenivå uten transaksjonsdybden som trengs for å spore en bevegelse tilbake til årsaken. En konsolidert P&L forteller deg utfallet. Den forteller deg ikke hvilken enhet som drev den, hvilken kostnadslinje som flyttet, eller om det samme mønsteret utvikler seg andre steder i gruppen.
Når økonomiske data normaliseres og konsolideres på full transaksjonsdybde - ikke bare aggregerte saldoer - kan en finansdirektør gå fra en KPI til sine underliggende drivere på få minutter i stedet for dager. Hvilken enhet er ansvarlig. Enten skiftet er strukturelt eller engangsskifte. Da bevegelsen startet. Om det vises i andre enheter før det blir synlig på gruppenivå.
Hastighet betyr like mye som dybde her. En innsikt som kommer tre uker etter avslutningen informerer historien. Den samme innsikten som kommer i løpet av dager, informerer beslutninger.
Det skiftet - fra å beskrive hva som skjedde til å forklare hvorfor, raskt nok til å handle på det - er der økonomi beveger seg fra en rapporteringsfunksjon til en ekte ledelsespartner.
3. Finne hvor forbedringsinnsatsen har høyest avkastning
Grupper tildeler ledelsesoppmerksomhet på samme måte som de fordeler kapital: ufullkommen, fordi informasjonen som kreves for å gjøre det bra, sjelden er fullstendig.
Hvilke enheter presterer underpresterende i forhold til potensialet, ikke bare i forhold til i fjor? Hvor er kostnadsstrukturen ute av linje med inntektene? Hvilke deler av gruppen absorberer ressurser uten klar avkastning? Disse spørsmålene er vanskelig å svare godt uten et enhetlig, normalisert syn på økonomiske data i hele gruppen.
Mange finansdirektører mener at BI-verktøyet deres allerede gir dette. Ofte gjør det ikke det - fordi dataene som går inn i BI-verktøyet kommer fra separate ERP-eksport, hver strukturert annerledes, hver klassifiserer de samme økonomiske hendelsene på litt forskjellige måter. Utgangen ser enhetlig ut. Inngangene er det ikke.
Når de underliggende dataene virkelig er normalisert - samme kontostruktur, samme klassifiseringslogikk, samme konserninterne behandling på tvers av alle enheter - kan en gruppe analyseres som en gruppe i stedet for som en samling av separate enheter som tilfeldigvis deler en eier. Den typen spørsmål som tidligere krevde en manuell tverrenhetsanalyse - hvorfor er marginene 4 poeng lavere i enhet D enn i enheter med lignende kostnadsstruktur - kan besvares direkte fra gruppedataene.
Det er forskjellen mellom en finansfunksjon som rapporterer om gruppen og en som aktivt former der lederskapet fokuserer.
4. Forberedelse av gruppen for en agentfinansieringsfunksjon
AI-agenter som er i stand til å jobbe innenfor økonomifunksjonen er ikke lenger et fremtidig scenario. Variansanalyse, styrekommentarer, avviksdeteksjon, ad hoc-ytelsesspørsmål - oppgaver som for tiden krever seniorøkonomitid, blir automatiserbare på et kvalitetsnivå som ikke var oppnåelig for to år siden.
Gruppene som drar mest nytte av dette vil ikke nødvendigvis være de som beveger seg raskest. Det vil være de hvis data er klare når agentene ankommer.
En agent som resonnerer på tvers av rå, unormaliserte data fra fire forskjellige ERP-systemer gir svar som høres autoritative ut og ikke kan spores. Foran et styre eller en revisor er det en forpliktelse snarere enn en eiendel. Forutsetningen for at AI-agenter skal fungere pålitelig - i økonomifunksjonen eller hvor som helst i gruppen - er et enhetlig, strukturert, merket datalag som betyr det samme på tvers av alle enheter. Uten det er det praktiske resultatet at noen i økonomi manuelt verifiserer hver AI-utgang før den brukes. Noe som fjerner mye av effektiviteten teknologien skulle skape.
Å få datalaget riktig er en beslutning om datastyring, tatt nå, som avgjør hva som blir mulig senere.
Vår CTO Imran Tamboli har skrevet om Hva denne arkitekturen krever i praksis. Kortversjonen: agenten er ikke begrensningen. Dataene under det er.
Hva dette legger opp til
Mer kapasitet, dypere forståelse av drivere, bedre tildeling av fokus, beredskap for AI-agenter - dette er ikke fire separate initiativer. De følger av å løse ett problem: å få rene, normaliserte, konsoliderte økonomiske data på tvers av konsernet på full transaksjonsdybde. Ikke konsoliderte prøvebalanser, som de fleste grupper allerede har i en eller annen form, men det komplette bildet som gjør det mulig å spore ethvert gruppenivå nummer tilbake til kilden og forstå hva som produserte det.
Finansfunksjoner som opererer på det grunnlaget fungerer annerledes. Mindre tid på montering, mer på analyse. KPI-bevegelser forklarte uken de skjer i stedet for måneden etter. Et tydeligere syn på hvor forbedringsinnsatsen faktisk vil bevege nålen. Og et datalag som AI-agenter kan resonnere pålitelig etter hvert som disse mulighetene utvikler seg.
Ambisjonen om å drive en strategisk nyttig finansfunksjon er ikke ny. Infrastrukturen for å støtte den, uten et flerårig IT-prosjekt, er.
Vi bygde Corvenia fordi vi fortsatte å se grupper med sterke økonomiteam begrenset av feil arbeid. Plattformen kobles til ERP-ene en gruppe allerede kjører, normaliserer og konsoliderer dataene på full transaksjonsdybde, og gjør dem tilgjengelige for rapportering, analyse og AI-bruk - uten å erstatte eksisterende systemer eller kjøre et implementeringsprosjekt. Qben Infra, konsoliderer 40+ enheter på tvers av fire ERP-er, redusert manuell konsolidering med 95%. Grunnlaget er det som gjør alt over det mulig.
