Så länge jag har arbetat med multientitetsgrupper har konversationen om finansens strategiska roll varit densamma. CFO vill lägga sin tid på analys, på att ge råd till ledarskap, på att identifiera var gruppen ska fokusera. Istället, mycket av deras månad försvinner till att samla siffror. Och när rapporterna äntligen kommer saknar de ofta djupet för att förklara varför något hände - inte bara vad.
Den klyftan är inte ett folkproblem. Det är ett dataproblem. Att lösa det har traditionellt krävt ett datalager, en integrationsplattform och ett IT-projekt för att bygga och underhålla allt. Det som har förändrats är att grupper nu kan stänga samma gap utan det projektet, implementera på några dagar, och upprätthålla utan pågående IT-engagemang när gruppen utvecklas.
Fyra saker blir möjliga när den grunden är på plats. Var och en flyttar ekonomin närmare den strategiska roll som den alltid var tänkt att spela.
1. Kapaciteten återgår till ekonomiteamet
Den mest omedelbara förändringen är också den mest konkreta: tiden.
I de flesta grupper med flera enheter går en betydande andel av seniorfinanstiden varje månad till arbete som inte kräver äldre personer. Extrahera data från flera ERP: er. Avstämning av siffror mellan enheter. Kartläggning av konton. Eliminera koncerninterna transaktioner. Formatera rapporter.
Detta arbete är nödvändigt. Mycket av det är också automatiserat. När konsolideringen körs automatiskt över anslutna ERP-system och kontokartläggning hanteras av AI med mänsklig sign-off, blir den tid som brukade försvinna i datasamlingen tillgänglig för något annat. Inte det rutinmässiga arbetet - bedömningsarbetet. Granska prestanda, identifiera mönster, ge råd om resursallokering, ha samtal med enhetschefer innan problem dyker upp i siffrorna.
Ekonomistamets strategiska kapacitet var inte begränsningen. Den tid som förbrukas av rutinmässig montering var.
2. Från att rapportera nummer till att förstå förare
Att veta att EBITDA sjönk tre poäng är inte detsamma som att förstå varför.
För många grupper är klyftan mellan dessa två saker stor - inte för att ekonomiteamet saknar färdigheter för att överbrygga det, utan för att de data som krävs för att göra det antingen är fragmenterade över system som aldrig var utformade för att tala med varandra, eller konsolideras endast på försöksbalansnivå utan det transaktionsdjup som behövs för att spåra en rörelse tillbaka till dess orsak. En konsoliderad P&L berättar resultatet. Det berättar inte vilken enhet som drev den, vilken kostnadslinje som flyttades eller om samma mönster utvecklas någon annanstans i gruppen.
När finansiella data normaliseras och konsolideras på hela transaktionsdjupet - inte bara aggregerade saldon - kan en CFO flytta från en KPI till dess underliggande drivkrafter på några minuter snarare än dagar. Vilken enhet är ansvarig. Oavsett om skiftet är strukturellt eller engångsmässigt. När rörelsen började. Om det visas i andra enheter innan det blir synligt på gruppnivå.
Hastighet spelar lika stor roll som djupet här. En insikt som kommer tre veckor efter stängningen informerar historien. Samma insikt som kommer inom några dagar informerar beslut.
Det skiftet - från att beskriva vad som hände till att förklara varför, tillräckligt snabbt för att agera på det - är där ekonomin går från en rapporteringsfunktion till en verklig ledningspartner.
3. Hitta var förbättringsinsatsen ger högst avkastning
Grupper fördelar ledningens uppmärksamhet på samma sätt som de fördelar kapital: ofullständigt, eftersom informationen som krävs för att göra det bra sällan är fullständig.
Vilka företag är underpresterande i förhållande till sin potential, inte bara i förhållande till förra året? Var är kostnadsstrukturen i linje med intäkterna? Vilka delar av koncernen absorberar resurser utan tydlig avkastning? Dessa frågor är svåra att svara bra utan en enhetlig, normaliserad syn på finansiella data över hela gruppen.
Många finansdirektörer tror att deras BI-verktyg redan tillhandahåller detta. Ofta gör det inte det - eftersom data som går in i BI-verktyget kommer från separata ERP-export, var och en strukturerad på olika sätt, var och en klassificerar samma ekonomiska händelser på något olika sätt. Utgången ser enhetlig ut. Ingångarna är inte.
När de underliggande uppgifterna verkligen normaliseras - samma kontostruktur, samma klassificeringslogik, samma koncerninterna behandling för varje enhet - kan en grupp analyseras som en grupp snarare än som en samling separata enheter som råkar dela en ägare. Den typ av fråga som tidigare krävde en manuell tväranalys - varför är marginalerna 4 poäng lägre i enhet D än i enheter med liknande kostnadsstruktur - kan besvaras direkt från gruppdata.
Det är skillnaden mellan en ekonomifunktion som rapporterar om gruppen och en som aktivt formar där ledarskapet fokuserar.
4. Förbereda gruppen för en agentfinansieringsfunktion
AI-agenter som kan arbeta inom finansfunktionen är inte längre ett framtida scenario. Variansanalys, styrelsekommentarer, avvikelsedetektering, ad hoc-prestationsfrågor - uppgifter som för närvarande kräver seniorfinansieringstid blir automatiserbara på en kvalitetsnivå som inte var möjlig för två år sedan.
De grupper som drar mest nytta av detta kommer inte nödvändigtvis att vara de som rör sig snabbast. Det kommer att vara de vars data är redo när agenterna anländer.
En agent som resonerar över råa, onormala data från fyra olika ERP-system ger svar som låter auktoritativa och inte kan spåras. Inför en styrelse eller en revisor är det en skuld snarare än en tillgång. Förutsättningen för att AI-agenter ska fungera tillförlitligt - i ekonomifunktionen eller var som helst i gruppen - är ett enhetligt, strukturerat, märkt datalager som betyder samma sak i alla enheter. Utan det är det praktiska resultatet att någon inom finans manuellt verifierar varje AI-utgång innan den används. Vilket tar bort mycket av effektiviteten som tekniken skulle skapa.
Att få rätt datalagret är ett datastyrningsbeslut, fattat nu, som avgör vad som blir möjligt senare.
Vår CTO Imran Tamboli har skrivit om vad denna arkitektur kräver i praktiken. Den korta versionen: agenten är inte begränsningen. Uppgifterna under det är.
Vad detta lägger till
Mer kapacitet, djupare förståelse för förare, bättre fokusfördelning, beredskap för AI-agenter - det här är inte fyra separata initiativ. De följer av att lösa ett problem: få rena, normaliserade, konsoliderade finansiella data över hela gruppen på fullt transaktionsdjup. Inte konsoliderade försöksbalanser, som de flesta grupper redan har i någon form, men den fullständiga bilden som gör det möjligt att spåra alla gruppnivånummer tillbaka till källan och förstå vad som producerade det.
Finansfunktioner som fungerar på den grunden fungerar annorlunda. Mindre tid på montering, mer på analys. KPI-rörelser förklarade veckan de händer snarare än månaden efter. En tydligare bild av var förbättringsinsatsen faktiskt kommer att flytta nålen. Och ett datalager som AI-agenter kan resonera på ett tillförlitligt sätt när dessa funktioner utvecklas.
Ambitionen att driva en strategiskt användbar finansfunktion är inte ny. Infrastrukturen för att stödja det, utan ett flerårigt IT-projekt, är.
Vi byggde Corvenia eftersom vi fortsatte att se grupper med starka ekonomiteam begränsade av fel arbete. Plattformen ansluter till ERP: er som en grupp redan kör, normaliserar och konsoliderar data på fullt transaktionsdjup och gör den tillgänglig för rapportering, analys och AI-användning - utan att ersätta befintliga system eller köra ett implementeringsprojekt. Qben Infra, konsoliderar 40+ enheter över fyra ERP: er, minskad manuell konsolidering med 95%. Grunden är det som gör allt ovanför det möjligt.
