بینشهای مدیر ارشد مالی
نویسنده: روزبه عقیلی
در این مقاله ما بررسی میکنیم که چگونه مدیر ارشد مالی میتواند برخی از مراحل مورد نیاز برای انطباق و برقراری قابلیت های پیشرفتهی مدیریت داده را در سازمان خود اولویت بندی کند.
معرفی
دیر یا زود (اما احتمالاً زودتر) بسیاری از مدیران مالی به طور حتم با نیاز به انطباق، تعبیه و برقراری قابلیتهای پیشرفته مدیریت داده در سازمانهای خود روبرو میشوند.
این نیاز به مدیریت موثرتر دادهها – ارتقاء از هوش تجاری و معماریهای غیرپیشرفته – ممکن است به عنوان یک چالش رقابتی یا یک ضرورت استراتژیک برای ایجاد تحول دیجیتالی، و در واقع به یک اولویت اصلی تبدیل شود؛ و در بسیاری از موارد، این تحول به دلیل بیماری همه گیر کرونا سرعت هر چه بیشتری گرفته است. به عنوان مثال، در بررسی CFO Signals در سه ماهه سوم سال ۲۰۲۰، مدیران ارشد مالی گفتند که شرکتهای آنها در واکنش به آشفتگیهای محیط کلان، تغییرات استراتژیک شدیدی را در جهت سرعت بخشیدن به دیجیتال سازی تجارت و تعاملات مشتری از راه دور و بدون نیاز به حضور آنها انجام میدهند، همراه با تمرکز بر هزینهها و بهرهوری.
هنوز هم، همانطور که آنها همسویی استراتژی دادههای شرکت با استراتژیهای تجاری را ارزیابی میکنند، مدیران ارشد مالی اغلب نمیتوانند درک کنند که رشد اکوسیستم دادهای شرکت چقدر پیچیده است. این ممکن است نتیجهی انباشته شدن “بدهی داده” باشد، نتیجهی تعداد زیاد سازشهای کوتاه مدت در دراز مدت. نتیجه میتواند در کیفیت دادهها، حاکمیت دادهها، یا کمبود دادههای اصلی معتبر نشان داده شود. سپس “سونامی داده” وجود دارد که بسیاری از شرکتها با آن روبرو هستند. اکنون مشاغل از حجم بیشماری از دادهها که از منابع مختلف سرچشمه می گیرند استفاده میکنند؛ از سیستمهای معاملاتی قدیمی گرفته تا اطلاعات جمع آوری شده توسط سنسورها، و این دادهها با سرعتهای مختلف جمع آوری میشوند. علاوه بر این، در یک شرکت، دادهها اغلب در محیطهای مختلف، از جمله مراکز داده داخلی و چندین سیستم ابری ذخیره، مدیریت و پردازش می شوند.
در گذشته، پرداختن به این مشکلات نیاز به پیاده سازی در مقیاسی بزرگ و برنامهریزی منابع سازمانی داشت؛ اما با برخی از ابزارهای موجود مانند یادگیری ماشین، پردازش زبان طبیعی و اتوماسیون هوشمند، مدیران ارشد مالی میتوانند بدون استفاده از یک سرمایه گذاری بزرگ، تاثیر بهسزایی روی ارزشهای شرکت خود بگذارند.
در این مقاله ما در مورد برخی از این مراحل بحث خواهیم کرد، همچنین سوالاتی را که رهبران امور مالی باید هنگام ارزیابی بلوغ مدیریت دادههای یک سازمان بپرسند، مطرح خواهیم کرد. به عنوان مثال، آیا به سادگی میتوانید امور مالی را در بخشهای عملیاتی و واحدها انجام دهید؟ و چه مدیرانی میتوانند برای بهبود ثبات و کیفیت دادهها – ضمن دور زدن یک سرمایه گذاری در مقیاس بزرگ یا یک تلاطم بین شرکتها – اقدامات مناسب را انجام دهند؟ بازده اولیه این تلاشهای دادهای زیاد است و میتواند شامل کاهش ریسک دادهها، ایجاد ارزش مستقیم تجارت – با استفاده از بینشهای حاصل از دادهها برای افزایش درآمد، کاهش هزینهها و بهبود بهرهوری عملیاتی – و افزایش توانایی تصمیمگیری مدیریت باشد.
مدیریت دارایی ارزشمند “خارج از ترازنامه”
داده ها اغلب با نفت مقایسه میشوند، ماده اولیهای با ارزش و بینظیر در اقتصاد دیجیتال. اما استخراج دادهها به تنهایی یک مزیت رقابتی محسوب نمی شود. شرکتها باید درک مشترکی از دادهها داشته باشند و بتوانند ساختار آن را بررسی کنند و عناصر مشترک آن را به منظور متمرکز کردن و امکان دسترسی بهتر جداسازی کنند.
مدیران ارشد مالی که احتمالاً تأثیر مدیریت اطلاعات نادرست را بیش از دیگران احساس می کنند، ممکن است بیشترین نگرانی را در اطمینان از یکپارچگی داده ها داشته باشند. از انطباق تا گزارشگری مالی تا تجزیه و تحلیل، ارزش افزوده رهبر مالی اغلب به ارائه اطلاعات مناسب در قالب دلخواه در زمان ایده آل بستگی دارد. سازگاری اطلاعات یا دادهها در چندین سیستم زمانبر است، انعطاف پذیری دادهها را کاهش میدهد و احتمالاً نیاز به مداخله دستی دارد. از دیدگاه M&A، هر معماری دادهای باید به اندازه کافی مقیاس پذیر باشد تا بتواند به طور موثر با موجودیتهای دیگر ادغام شود.
تشخیص آسیبها و مشکلات دادههای شرکت با ارزیابی بلوغ مدیریت داده موجود آن آغاز میشود. شاید اعضای عملکرد مالی بخواهند درآمد و سودآوری توسط مشتری را تجزیه و تحلیل کنند؛ یا شاید آنها تعجب کردهاند که چرا این تجارت نمیتواند به راحتی فروش، هزینهها و دادههای مشتریان خود را مطابقت دهد. ابزارهای پیشرفته جدید مدیریت داده سازمانی با قابلیت یادگیری ماشین و اتوماسیونسازی هوشمند می توانند توانایی ارائه معماری یکپارچه و استاندارد برای دادهها، اتحاد سیلوها، بهبود یکپارچگی دادهها و ریشهکن کردن ناکارآمدیها را تسریع کنند.
مسئولیت بهبود مدیریت دادهها ممکن است در حیطه کاری مدیر ارشد مالی و یا مدیر ارشد عملیاتی قرار گیرد. به هر صورت، بخش فناوری اطلاعات نیز باید درگیر شود، همچنین مدیر عامل شرکت. در بعضی از صنایع (به عنوان مثال، خدمات مالی) بیش از صنایع دیگر (به عنوان مثال، علوم زندگی)، به استخدام درآوردن فردی به عنوان مدیر ارشد داده به یک امر عادی تبدیل شده است. چنین موقعیتی میتواند برای ایجاد و نظارت بر یک هیئت حاکمه متشکل از ذینفعان از عملکردهای کلیدی، و پرورش یک دیدگاه عملکردی متقابل باشد.
اما مدیران ارشد مالی همچنان باید اطمینان داشته باشند که بین نتایج عمده و میزان بازگشت سرمایهی پیشبینی شده هماهنگی مشخصی وجود دارد، و بتوانند در موضوعاتی که به امور مالی مرتبط میشود نقش فعالی داشته باشند. توابع شرکت کننده باید در تهیه یک نقشه راه قوی و تعیین یک برنامه دقیق با نقاط عطفی که مربوط به نتایجی است که قبلا تعیین شده، همکاری کنند. با توجه به نقش مهمی که دادهها در بیشتر مشاغل بازی میکنند، ایجاد یا تغییر شکل قابلیتهای مدیریت احتمالاً باید در فازهای متعدد پیش برود. مانند هر تغییر در سطح شرکت، “برنده های سریع” می توانند پشتیبانی ایجاد کنند، میزان جنبش و حرکت را افزایش دهند و فرصت های ابتکاری برای پیگیری اعتبارات خود را فراهم کنند.
در حال حاضر، در برخی از صنایع، فناوریهای دیجیتال جنبههای خاصی از نحوه عملکرد کسب و کار را تغییر شکل دادهاند؛ کاهش هزینههای عملیاتی، تلاش و ریسک؛ در حالی که ارزش تحلیل و شفافیت دادههای مالی را افزایش میدهد. قدمهایی که شرکتها در زمینه عملکرد مالی برداشتهاند عبارتند از:
- برنامه ریزی مالی: برخی از شرکتها از مدلهای صفحه گسترده که با شهود تکمیل می شوند به مدلهای مبتنی بر تحلیل خودکار تغییر کاربری دادهاند. آنها همچنین برای کمک به رفع نیازهای ترکیب دادههای داخلی و خارجی، سیستمهای برنامه ریزی ابری را با دریاچههای داده تلفیق کردهاند. علاوه بر این، آنها از این فناوری برای دسته بندی دادههای سازگار و فرآیندهای تجمیع استفاده میکنند.
- عملیات مالی: شرکتها سلسله مراتبی را ایجاد کردهاند که میتوانند گزارشهای مدیریتی، مالی و نظارتی در حال تحول را کنترل کنند. آنها همچنین از جریان کارها و سازگاری خودکار به منظور افزایش ردیابی عملیاتها و سادهسازی استفاده کردهاند. علاوه بر این، آنها از تجزیه و تحلیل پیشرفته با استفاده از یادگیری ماشین برای یافتن استثناها و شناسایی ریسک استفاده میکنند.
- پشتیبانی تصمیم گیری: مشاغل نیازهای اطلاعاتی بین واحدهای تجاری، جغرافیایی و سیستمهای منبع را دسته بندی کرده اند. مدیریت همچنین با استفاده از یک مجموعه داده بزرگ یا محیط پردازش مبتنی بر فضای ابری، عملکرد سیستم را بهبود بخشیده و میتوان به دادهها در هر مکانی که قرار داشته باشند دسترسی داشت. علاوه بر این، آنها گزارشهای تعاملی ایجاد کردهاند که به کاربران امکان میدهد چندین لایه اطلاعات را بررسی کنند.
هنگام اجرای چنین ابتکارات دادهای – شامل ابزارها، سیاستها و رویههای جدید – مدیران مالی باید به مدیریت سازمانی توجه زیادی داشته باشند. چشم انداز استراتژیک مدیریت باید به اولویتهای تاکتیکی تبدیل شود، در عین حال همه متوجه میشوند که چگونه استفاده از بینشها باعث بهبود تجربه مشتری و کارمند میشود. در غیر این صورت، فشار ناشی از کسانی که باید تغییرات را اعمال کنند میتواند سرعت پیشرفت را کاهش دهد و منافع مورد انتظار تجاری را ارضاء نکند.
از دادههای اولیه به سمت بینشهای تجاری
شرکتها امروزه هر چه بیشتر به دنبال ابزارهای تجزیه و تحلیلی هستند که به دنبال آن بتوانند در زمان کم از دادههای جمع آوری شده ارزش بیشتری کسب کنند. برای بهبود کیفیت دادهها و تقویت تواناییهای امور مالی، باید راه حل های سیستمهای موجود را در نظر گرفت و سپس با هدف استفاده از تکنیکهای جدید و پیشرفتهی مدیریت داده مانند یادگیری ماشین و اتوماسیون هوشمند به جلو پیش رفت. با پاسخ به این پنج سوال می توانید پیشرفت کنید:
- برای راه اندازی تجارت به چه بینشی نیاز دارید؟ به عبارت دیگر، به چه سوالاتی نیاز دارید که پاسخ داده شوند و کدام معیارها می توانند به این سوالات پاسخ دهند؟ این ممکن است شامل نتایج مالی یا اطلاعات غیر مالی مربوط به کارمندان، مشتریان، محصولات و شرایط بازار باشد.
- کدام یک از ابزارهای مدیریت داده موجود میتواند کمک کند؟ هدف نهایی این است که بتوانید دادهها را از چندین منبع ترکیب کنید و آنها را به طور خودکار برای تأمین نیازهای تجاری تازه سازی (رفرش) کنید. اما در کوتاه مدت، ببینید چه چیزهایی را میتوانید از طریق ابزارهای پیشرفته مدیریت داده یا حتی به صورت دستی جمع آوری کنید. با حداکثر ۱۰ سوال تجاری شروع کنید تا بتوانید از نتایج مهم جوابهایتان داشبورد و تجسم ایجاد کنید و روابط بین دادهها را کشف کنید. هنگامی که شروع به خودکار کردن دادههای خود میکنید، میتوانید اجزای بیشتری را لایه لایه کنید تا تصویر را هر چه بهتر ترسیم کنید.
- آیا تیم رهبری در یک جهت حرکت میکند؟ همه طرفهای اصلی باید در مورد اندازهگیری، نحوه تعریف، مالک آن، تولید و پاسخگویی به دستورالعمل تجاری توافق کنند. در شرکتهای با ساختار پیچیده، استفاده کردن از نظرات همه افراد کار سادهای نیست، اما صرف وقت برای انجام این کار بسیار مهم است.
- آیا اکوسیستم داده خود را شناسایی کردهاید و درگیر آن شدهاید؟ همانطور که شرکت به نقاط عطف خاصی میرسد، مثلاً امکان بروزرسانی خودکار داده یا دستیابی به ابزارهای جدید برای تصمیم گیری مبتنی بر بینش، از این فرصت استفاده کنید تا مفاهیم را در یک بازار آزمایش کنید، یک نمونه اولیه ایجاد کنید و ایده خود را برای سنجش حمایت عمومی اجتماعی کنید. حتماً از افرادی که به این نوآوری روی خوش نشان میدهند در شرکت خود استفاده کنید.
- آیا نیروی کار از تجهیزات مناسبی برخوردار است؟ یک اکوسیستم داده مبتنی بر فنآوریهای دیجیتال نسل بعدی می تواند مهارتها و تواناییهای جدید یا پیشرفته نیروی کار مانند قصهگویی با دادهها، حل مسئله با استفاده از تجزیه و تحلیل پیشرفته و شراکت تجاری را طلب کند. راههای ایجاد یا کسب استعدادی را که ممکن است لازم داشته باشید در نظر بگیرید. کارمندان به یک روش بدون مشکل برای استفاده از جریان داده، درک نحوه استفاده از آن و سپس عمل به آن نیاز دارند.
افزایش مداوم ارزش دارایی دادهها
شرکتهای مسلح به این بینشها میتوانند فنآوریهای جدید را به صورت مرحلهای پیاده کنند و به جای سفارش دادن سرورها، در SaaS سرمایه گذاری کنند. در این مرحله، استفاده از دروس عملی زیر را در نظر بگیرید:
- کم شروع کنید. ایدههای خود را ابتدا در یک مکان با دامنه مشخص تعریف کنید.
- سریع شکست بخورید. اگر چیزی کار نمیکند سریع شکست بخورید، آن را برطرف کنید و به سرعت حرکت کنید تا شتاب خود را از دست ندهید.
- روی مشتریان تمرکز کنید. در ابتدا کاربران نهایی را درگیر کنید تا اطمینان حاصل کنید که یک قابلیت جدید نیازهای آنها را برآورده میکند و میفهمند که این قابلیت چگونه تجربه آنها از سیستم را بهبود میبخشد.
- روی راهحل های جدید تمرکز کنید. یک استراتژی گسترده داشته باشید که مردم را به اتخاذ راهحل جدید تشویق کند، همچنین کارمندی که میتواند در مورد مزایای آنها شهادت دهد را تشویق کنید.
همچنین، در صورت امکان، شرکتها حتی میتوانند رویکردهای مختلف را در بازارهای مختلف آزمایش کنند و نتایج را برای قضاوت در مورد بهترین عملکرد در دراز مدت مقایسه کنند. بله، این کار هزینهی اضافهای دارد، و بله، ممکن است جدول زمانی شما را طولانیتر کند؛ اما این هزینهی اندک در مقایسه با هزینه اجرای یک برنامه پیشرفته مدیریت داده و تجزیه و تحلیل شرکت ناچیز است.
در هر صورت، شرکتها تمایل دارند که فوراً شروع به کار کنند: حجم دادهها سریعتر از سرعت بسیاری از مشاغلی که سعی در مدیریت آن دارند رشد میکند. با کاهش این شکافها میتوانند از نزدیکترین رقبای خود فاصله بگیرند و به جلو پیشرفت کنند.
منبع:
https://www2.deloitte.com/us/en/pages/finance/articles/cfo-insights-mastering-data-for-better-insights-and-competitive-advantage.html