Чистый денежный поток – один из важнейших показателей компании, демонстрирующий объём движения средств. Как на вход, так и на выход. Таким образом, качественный анализ cash flow предоставляет компаниям дополнительный потенциал оптимизации финансового управления.
Согласно исследованиям Deloitte, ответственные команды используют 48% собственных временных ресурсов на сбор данных о некачественных процессах. Ещё 32% трудозатрат уходит на интерпретацию полученной информации и дополнительную проверку аномалий. В дополнение ручной характер неоптимизированных БП повышает частоту ошибок и сокращает скорость обработки поступающих счетов и других финансовых операций.
На выходе совокупность описанных факторов провоцирует риски, связанные с соблюдением нормативных требований и своевременным заполнением и представлением отчётности.
Возможным способом решения проблем является внедрение Process Mining. Классическая процессная аналитика – средство выявления «узких мест» и источник информации для принятия корректирующих мер. Сейчас можно сказать, что одна технология не предоставит столько же возможностей, сколько связки. Один из вариантов – PM + искусственный интеллект.
Как работает связка
Process Mining – источник ценной информации о движении денежных потоков, но синергия с инструментами AI позволяет максимально раскрыть его потенциал. Использование обработки естественного языка (NLP) и функционала предиктивной аналитики меняет характер PM с реактивного на проактивный. Связка обеспечивает более глубокий уровень исследования, предоставляет ТОП-менеджменту более точные и детализированные прогнозы, а также даёт возможность более быстрой и эффективной оптимизации финансовых операций в режиме реального времени.
К примеру, Process Mining обнаружил незапланированную задержку утверждения платежа. Инструменты ИИ, обученные на корпоративных данных, формируют предложения по корректирующим действиям, что позволяет компаниям подходить к устранению проблемы с набором готовых решений. Важно: эффект усиливается способностью искусственного интеллекта к непрерывному обучению.
Лучшие практики в управлении cash flow
Безусловно, многие примеры имеют прямое отношение к классическому Process Mining, но искусственный интеллект видоизменяет детали и наполнение.
Чистый денежный поток складывается из совокупности сложных процессов. Ко всему прочему, данные могут быть некачественными и располагаться в различных информационных системах внутреннего и внешнего корпоративного контура. Финальный штрих – cash flow поддерживается не одним человеком, а группой обособленных команд и подразделений. Подобная конфигурация провоцирует ошибки, задержки и соответственно убытки. Process Mining помогает понять, где именно процесс идёт не по плану. На основе полученной информации ИИ формулирует гипотезы по устранению несовершенств, а также систематизирует данные для аналитических команд.
Кейс: по данным аналитиков Celonis, бизнес, использующий связку PM + AI, снижает зависимость от внешних заимствований, приходит к финансовому оздоровлению в целом, а также получает до 30% дополнительной прибыли.
Также стоит отметить способность процессной аналитики и искусственного интеллекта в управлении финансовым балансом. Просроченные платежи по дебиторской задолженности приводят к серьёзным штрафным санкциям, которые могут увести корпоративное сальдо до уровня сильно ниже нуля. Взаимодействие ИИ и Process Mining обеспечивает бизнес возможностью своевременно получать не только информацию о необходимости выплат, но и перечень рекомендаций по оптимизации задолженности и формированию финансовой стабильности.
Кейс: сфера розничной торговли подвержена сезонности, что усложняет модерацию cash flow. В данном случае PM анализирует исторические данные о транзакциях, а алгоритмы AI формируют прогноз колебаний спроса, что позволяет выстроить надёжную стратегию предотвращения сбоев в работе и поддержания ликвидности активов.
С опорой на цифры
Глобальный дистрибьютор промышленных товаров поглотил бизнес меньшего размера и столкнулся с проблемами: более 100 000 новых клиентов и несколько тысяч «добавленных поставщиков» значительно усложнили жизнь. Оказание сервисной поддержки и процесс управления заказами претерпели изменения, и перед компанией встала задача их оптимизации.
Первая стадия – анализ ежедневных рутинных действий 100 сотрудников отдела продаж. В результате выяснилось, что треть рабочего дня уходила на ручной ввод данных по заказам. Половина этого времени уходила на исправление допущенных ошибок. На втором этапе Process Mining исследовал 1,5 миллиона транзакций по О2С-процессу. Было выявлено, что 65% заказов требовали вмешательства персонала. Третья стадия – объединение PM и AI и продолжение исследования. Сформулированные гипотезы позволили компании повысить уровень автоматизации, обнаружить ключевые проблемные точки и сэкономить более 30 миллионов долларов, избавив сотрудников от рутины и перераспределив их время в сторону решения масштабных стратегических задач. Дополнительный результат – сокращение потребности в оборотном капитале ещё на 5 миллионов.
По материалам LinkedIn