De rol van big data in finance en control
In de afgelopen jaren zijn we in toenemende mate zaken gaan vastleggen in allerlei systemen. Het gaat daarbij om ‘structured and unstructured data’, die samen het containerbegrip ‘big data’ vormen. In onze visie is dit een term die op zeer uiteenlopende wijze wordt gebruikt, maar wel één waaraan je de nodige aandacht moet besteden. Want de rol van zogeheten big data wordt steeds belangrijker voor finance en control.
Wat is nu precies de relatie tussen big data en finance en control? En hoe zet je big data als CFO of als finance-professional concreet in? Lees in deze blogpost wat big data betekent in de context van finance en control.
Geef structuur aan big data analytics in finance met data-driven finance
De hoeveelheid data groeit exponentieel in alle richtingen. Dat je hier als organisatie ‘iets’ mee kan en moet doen, is inmiddels een breed geaccepteerd gegeven. Diverse bedrijven houden zich dan ook al jaren actief met big data bezig. Het is echter wel belangrijk om de ongebreidelde groei aan data dusdanig te structureren dat je precies díe data gebruikt die relevant is voor finance en control.
Dat is niet altijd even makkelijk, want er komt een enorme stortvloed van informatie op je af. Hoe scheid je het kaf van het koren? DataCFO ontwikkelt een methodiek om gestructureerd om te gaan met big data binnen finance en control: data-driven finance. Deze manier van werken zorgt ervoor dat je als financial of controller precies weet welke data beschikbaar is, wat de data betekent en op welke manier deze relevant is voor finance en control. En dat je deze data kan inzetten voor analysedoeleinden of het automatiseren van de finance-functie.
Verder kijken dan de hype: hoe gebruik je big data in finance?
Wij geloven dat je big data binnen ons vakgebied ook kunt beschouwen als ‘niet-financiële data die relevant is voor finance en control’. Waar mogelijk wil je deze niet-financiële data, die zowel intern als extern aanwezig is, op de een of andere manier samenvoegen met financiële data.
Laten we eerst eens kijken naar interne niet-financiële data — oftewel, alle gegevens die je vastlegt in de eigen ICT-systemen. Deze systemen bevatten een schat aan informatie, bijvoorbeeld omtrent de performance van resources en interne processen. Denk bijvoorbeeld aan de informatie in een ERP-systeem, die betrekking kan hebben op verkopen, procesinformatie, klantinformatie, ziekteverzuim of het groeipad van medewerkers. Of aan metingen van machines of IOT-devices. Deze data is vastgelegd in uiteenlopende systemen of in datawarehouse-oplossingen. Data-driven finance richt zich op het inzichtelijk en beschikbaar maken van deze data voor finance en control.
Externe niet-financiële data verkrijg je bijvoorbeeld uit openbare bronnen als het CBS of het KNMI. Ook socialmediakanalen bevatten soms informatie die zeer nuttig voor je kan zijn. Middels text analytics kun je bijvoorbeeld categoriseren en interpreteren wat mensen op social media over je organisatie zeggen. Er kan een relatie bestaan tussen zulke externe factoren en je (niet-)financiële prestaties.
Bij het selecteren van relevante niet-financiële data is het cruciaal om te denken in de context van bedrijfsvoering of performancemanagement. Welke informatie is vanuit strategisch of tactisch oogpunt van belang? Als je dit perspectief hanteert, redeneer je vanuit de gedachte van strategy analytics: bevat de data oorzaak-gevolgrelaties die relevant zijn voor bedrijfsvoering of performancemanagement? Binnen finance betekent dit dat je niet alleen kijkt naar de key result indicators (KRI’s) of resultaten, maar ook naar de onderliggende key performance indicators (KPI’s) of externe factoren — bijvoorbeeld vanuit de markt.
Met dit uitgangspunt kun je gericht de relatie tussen financiële data en selecte niet-financiële data analyseren. Zo zal de organisatie gaandeweg begrijpen aan welke knoppen je kunt draaien om je financiële performance te beïnvloeden. Oftewel, je hebt waardevolle stuurinformatie in handen.
Big data in de praktijk: een voorbeeld
Stel, je bent controller op de finance- en control-afdeling van een zorgorganisatie. Op een gegeven moment zie je dat de opbrengst omlaag gaat. Uit een eerste analyse blijkt dat dit op het gebied van intramurale zorg gebeurt (waarbij cliënten verblijven bij de zorgorganisatie). Dan is het tijd om wat dieper te graven. Je haalt de niet-financiële data tevoorschijn van de locaties waar de opbrengst daalt. Wanneer je kijkt naar de pandbezetting, constateer je dat deze niet terugloopt: er zitten evenveel mensen als voorheen.
Hoe kan de opbrengst dan tóch lager zijn? Je analyseert verder door interne financieringsdata en externe tariefdata te koppelen aan de locaties met een neergaande opbrengst. Uiteindelijk achterhaal je de oorzaak: er is sprake van een wijziging in het bekostigingsmodel, waardoor de vergoeding op verblijf structureel lager wordt. Op basis van deze informatie kun je gericht actie ondernemen!
Data-driven finance: finance-dataplatform en de juiste datavaardigheden
Als finance-organisatie kun je data inzetten om de oorzaken van financiële prestaties te analyseren. Hoe? Door niet-financiële data te gebruiken én te integreren met financiële data. Maar dat is alleen mogelijk als je aan enkele technische randvoorwaarden voldoet. Dé oplossing: een finance-dataplatform.
Daarnaast is het noodzakelijk om structureel te werken aan de datavaardigheden van finance- en control-medewerkers. Zij moeten bijvoorbeeld de juiste data kunnen vinden en begrijpen. En het is belangrijk dat ze een analyse gestructureerd kunnen uitvoeren.
Aan de slag met big data in finance en control?
Wil je eens vrijblijvend sparren over data-driven finance? Neem gerust contact met ons op.
