Der er mange gode grunde til, at økonomifunktionen skal anvende BI i højere grad i dagligdagen. En del virksomheder er også allerede kommet i gang og har fået implementeret et Data Warehouse med finansdata. Mange økonomiafdelinger er dog stadig udfordret med mangelfulde datastrukturerer til at understøtte processerne. I denne blog kigger vi på nogle af de typiske udfordringer, og hvordan vi kan løse dem.
Udfordring 1: Data fra opkøb og datterselskaber håndteres manuelt
For de virksomheder, der allerede er i gang med Business Intelligence i økonomiafdelingen, opstår problemerne, når hverdagen og travlheden tikker ind, og der som resultat af en naturlig utålmodighed og et stort pres bliver lavet quick-fixes til data, når rapporteringen skal hurtigt ud af døren. Det kan for eksempel være i forbindelse med konsolidering af opkøbte og eksisterende datterselskaber, hvor deres data skal indgå i rapporteringen, men IT-afdelingen ikke har tid til at få tilføjet de nye data i god tid. Så sker der ofte det, at den ansvarlige medarbejder manuelt tilføjer de opsummerede data i rapporteringen. Det betyder, at de gode finansdata i Data Warehouset ikke længere er omdrejningspunktet for den fælles sandhed og først bliver valide igen, når de nye data er tilføjet datamodellen.
Udfordring 2: Ingen drill-down til at understøtte årsagsforklaringer
Her opstår den næste udfordring. Da medarbejderen i økonomi valgte at tilføje opsummerede data direkte i rapporteringen, var det måske ikke med helt samme detaljeringsgrad eller gruppering på konti og finansdimensioner som det faktiske datasæt, IT modtager og får lagt ind i Data Warehouset. Det betyder, at de historiske data ikke længere er ens, når finansrapporteringen sammenlignes med Data Warehouset, og økonomifunktionen bliver derfor nødt til at operere med denne forskel resten af det aktuelle finansår. Det er ikke smart og bliver lidt af en tidsrøver.
Udfordring 3: Stamdata bliver ikke vedligeholdt og passer ikke til rapporterings- og analysebehovene
Et andet eksempel kan være ændring og vedligehold af stamdata, herunder kontoplan og andre finansdimensioner. Ofte bliver ændringer ikke implementeret i det rigtige kildesystem, og man glemmer at opdatere stamdata, når rapporteringsstrukturerne ændrer sig, hvilket ofte betyder manuelle grupperinger i Excel. Det kan være noget så simpelt som en ny konto, der bliver lagt et forkert sted i kontohierarkiet, eller at den simpelthen mangler et hierarki. Herfra er rapporteringskontogruppen i BI-datamodellen ikke længere fuldt opdateret, og det efterlader manuelt arbejde i Excel, indtil fejlen er rettet hos kildesystemet. Det kan også ske, at en ny afdeling i ERP-systemet bliver anvendt til bogføring, men afdelingen ikke bliver tilføjet til BI-datamodellen automatisk. Også i dette tilfælde vil rapporteringen ikke længere være i sync og retvisende.
Udfordring 4: Økonomi og IT snakker ikke samme sprog
Udover de ovenfor nævnte tidsmæssige udfordringer i data og dimensionsværdier – ofte set ifm. månedsluk – er IT og økonomifunktionen forståelsesmæssigt også ofte langt fra hinanden. Økonomifunktionen formår ikke altid at få stillet alle deres krav til datamodellen, såsom indhold, begreber, historik, opdateringsfrekvens, valutaproblematikker osv. Det sker ofte, fordi de ikke kender alle kravene, der skal til for at sikre en god og solid model. Samtidig har IT svært ved at omsætte deres tekniske sprog til forretningsmæssige krav, som økonomiafdelingen forstår. IT spørger måske: ”Hvad er jeres forventning til relationel rapportering”? Altså omsat til økonomisprog: ”Har I brug for at kunne se bogføringsposteringerne, bilag for bilag, i datamodellen”? Det giver anledning til misforståelser og kan udfordre det gode samarbejde.
Løsningen: Gør det rigtigt fra starten – det betaler sig i længden
Bare rolig, det behøver ikke at gå som beskrevet overfor, hvis I sørger for at komme godt fra start, får sat struktur på dataflowet og implementeret de rigtige processer omkring jeres BI-løsning.
En robust Data Warehouse-løsning er med til at sikre konsistente data og er fundamentet for økonomifunktionens finansdatamodel. I implementeringsfasen af løsningen vil det være en fordel, hvis der udpeges en arbejdsgruppe, hvor repræsentanter fra både IT og økonomifunktionen indgår, der så hurtigt som muligt får nedbrudt den forståelsesmæssige barriere. IT skal med tålmodighed lytte og lære, og økonomifunktionen skal prioritere at afsætte tid til at være med i hele forløbet fra kravspecifikation udarbejdes til den endelige slutbruger-accept-test.
Hvis man er en virksomhed med f.eks. hyppige virksomhedsopkøb, kan det lette processen med tilføjelse af nye virksomhedsdata ved at tænke det ind i datamodellen fra starten af. En simpel løsning med et indlæsningsark til Data Warehouset, indtil den opkøbte virksomheds data er konverteret til ERP-systemet, kan være en god løsning i overgangsperioden i stedet for manuelt at håndtere det i rapporteringen.
Udover at få skabt fælles forståelse og engagement hos IT og økonomifunktionen i implementeringsfasen, er det også vigtigt at have aftalt drift og vedligehold af løsningen i dagligdagen. IT kan bidrage med opsætning af overvågning og kvalitetskontrol for både data, dimensionsværdier og de tekniske komponenter, og ved at tilføje en e-mail gruppe til modtagelse af eventuelle fejlmeddelelser får både IT og økonomifunktionen løbende beskeder og kan i fællesskab være proaktive og rette fejl og mangler. Økonomifunktionen skal prioritere løbende tid til at fejlsøge og rette op på fejl og mangler, så disse minimeres over tid. Ved en fælles indsats, også i dagligdagen, lærer IT og økonomifunktionen af hinanden, og det gavner på langt sigt.