Wykorzystanie potencjału danych w roli dyrektora finansowego (CFO)

1.    Wzrost

• Czy spełniamy oczekiwania budżetowe?
• Jak możemy zminimalizować ryzyka strategiczne i zmaksymalizować możliwości?
• Jaki jest nasz udział w rynku? Jakie są aktualne czynniki wzrostu?
• Jakie mamy możliwości poprawy wzrostu z zachowaniem rentowności?

2.    Rentowność

• Jaka jest nasza rentowność w poszczególnych segmentach biznesowych?
• Jak możemy zidentyfikować i wyeliminować nieefektywności po stronie kosztowej?
• Jaki jest potencjalny wpływ alternatywnych strategii cenowych?

3.    Zarządzanie kapitałem obrotowym

• Co ma największy wpływ na nasz kapitał obrotowy? Jak możemy go zoptymalizować?
• Jak wygląda nasz cash flow? Czy możemy pozwolić sobie na wypłatę dywidendy?
• Czy utrzymujemy zadłużenie na optymalnym poziomie?

4.    Zwrot z inwestycji

• Gdzie inwestujemy? Jakie są potencjalne korzyści (finansowe i niefinansowe)?
• Jak możemy zoptymalizować zyski i ROI, aby osiągnąć cele organizacyjne?
• Czy osiągamy deklarowany wzrost ROI dla akcjonariuszy w perspektywie długoterminowej?
• W co powinniśmy inwestować w przyszłości?

5.    Środowisko

• Czy jesteśmy zgodni z wewnętrznymi i zewnętrznymi normami środowiskowymi?
• Czy mamy możliwość wykorzystania zmian regulacyjnych w celu uzyskania przewagi konkurencyjnej?
• Czy osiągamy nasze cele w zakresie ochrony środowiska i zrównoważonego rozwoju?

6.    Ludzie

• Czy nasi pracownicy czerpią satysfakcję ze swojej pracy? Jak możemy to poprawić?
• Jak możemy pozyskać i utrzymać talenty, odpowiadające naszej strategii i potrzebom biznesowym?
• Czy spełniamy cele w zakresie różnorodności?

By móc sprawnie i rzetelnie odpowiadać na powyższe pytania CFO powinien wykorzystać potencjał danych. W praktyce jednak nie zawsze się to udaje. Opierając się na naszym wieloletnim doświadczeniu i obserwacjach, możemy wyróżnić trzy główne rodzaje barier, z którymi borykają się organizacje.

Dostępność danych

• Te same wskaźniki / informacje są kalkulowane i dostarczane przez różne zespoły, duplikacja pracy, a następnie wyjaśnianie różnic.
• Klasyfikacja wszystkich danych jako danych poufnych i wrażliwych ogranicza wymianę wiedzy i informacji.
• Mnogość systemów i ograniczona liczba licencji dla użytkowników blokuje dostęp do danych.

Jakość danych

• Dane niespójne pomiędzy zespołami, jedna nazwa wskaźnika – różne wyniki.
• Brak właścicielstwa i odpowiedzialności za poszczególnych wskaźniki, informacje – brak spójnych definicji.
• Brak wspólnych słowników dla różnych obszarów / systemów.
• Dane nieaktualne, zduplikowane, niepełne.

Aktualność danych

• Informacje dostępne kilka-kilkanaście dni po zamknięciu miesiąca.
• Brak bieżących, wiarygodnych prognoz wyników.
• Brak wystarczającej ilości czasu na zapoznanie się z dostarczanymi informacjami przed / na posiedzeniach zarządu.
• Wydłużony proces uzgodnień danych między zespołami i systemami.
• Czasochłonne wyjaśnianie różnic w danych a nie ich analiza.
   

W jaki sposób przeprowadzić proces transformacji do organizacji opartej o dane? Ogromne inwestycje w technologie IT nie gwarantują sukcesu. Być może informacja zarządcza będzie bardziej aktualna i lepszej jakości, ale to nie wystarczy. Bardzo ważnym aspektem budowania organizacji data-driven jest kultura organizacyjna. Istotną rolę w tym procesie odgrywa kadra zarządcza, która powinna być siłą napędowa zmian, która ma autorytet i możliwości, by zbudować w firmie większe zaufanie do danych i zachęcić do korzystania z nowych narzędzi. Jednak na samym początku tej drogi, kluczowe jest odpowiednie zdefiniowanie wymagań biznesowych. Poniżej nasze podejście do analizy i przybliżenia firmy do organizacji data-driven.

I Faza analizy biznesowej

1. Wybór KPI, które pozwolą na monitorowanie i zarządzanie głównymi wyzwaniami CFO, na przykład w obszarach: wzrost, rentowność, kapitał obrotowy, zarządzanie gotówką, ROI, środowisko, ludzie.
2. Zdefiniowanie roli Data Governance w odniesieniu do wybranych KPI – w szczególności Właścicieli Informacji i Właścicieli Danych, czyli osób odpowiedzialnych za poprawność definicji i jakość danych.
3. Analiza obecnie raportowanych i monitorowanych wskaźników versus lista docelowych KPI.

II Faza analizy biznesowej i technicznej

1. Analiza obecnego procesu i sposobu raportowania KPI (źródła danych, narzędzia, poziom automatyzacji, podmioty raportujące).
2. Określenie planu wdrożenia – roadmap. Optymalizacja raportowania dla istniejących wskaźników i wdrożenie raportowania dla nowych wskaźników.

III Faza implementacji

Wdrożenie rozwiązań Business Intelligence na podstawie wcześniej wypracowanej specyfikacji biznesowej. W zależności od dostępnych już w organizacji narzędzi – stworzenie hurtowni danych oraz rozwinięcie raportów, które pozwolą na czerpanie korzyści z danych.

Bariery na drodze skutecznej współpracy między CFO a CIO

Jak pokazują badania i nasze własne obserwacje, współpraca CFO i CIO w firmach przebiega różnie, nie zawsze jest modelowa. Najczęściej problemy wynikają z silosowości organizacji, z braku jasnego podziału obowiązków między CFO i CIO, ale też z braku zachęt do efektywnej współpracy i wspólnych celów. Około 1/3 respondentów badania Forbes insights wskazuje na wzajemne niedocenianie się obu tych funkcji i deprecjonowanie w kontekście posiadanej wiedzy – CFO technicznej, a CIO biznesowej.

Korzyści z dobrej współpracy między CFO a CIO

W projektach data-driven IT i finanse idą ręka w rękę. CIO nie dostarczy realnej wartości biznesowej kierując się tylko aspektami technicznymi, a CFO nie osiągnie swoich celów bez wsparcia technologii. Wartość, jaką dla organizacji data-driven stanowi dobrze funkcjonujący duet CFO-CIO, jest nieoceniona. Poniżej kilka przykładów na korzystny wpływ takiej współpracy:

• CIO doradza, jaką technologię wykorzystać pod konkretne wyzwania CFO.
• Dobrze dobrany zespół wewnętrzny składający się ze specjalistów IT i biznesu przyspiesza wdrażanie projektów i zmniejsza ich koszty.
• Dobre współdziałanie CFO i CIO gwarantuje uzyskanie właściwego budżetu na projekt (koniec myślenia „to ich projekt”).
• Przełamywane są silosy organizacyjne.
• Zwiększa się ROI poprzez niższy koszt inwestycji.
• Założenia Data governance wdrażane są w sposób efektywny, zapewniona jest właściwa odpowiedzialność za dane.