Ne taip seniai įmonės iždininkas – aukščiausias kiekvienos bendrovės „žaliųjų akių“ korpuso postas – buvo maždaug paskutinėje pozicijoje, kurią dauguma stebėtojų įvardytų kaip strateginę. Nors darbe visada buvo stiprus rizikos valdymo komponentas, pagrindinė užduotis buvo paprasta: užtikrinti, kad įmonėje būtų grynųjų, kada ir kur jų reikia.
Jau ne. Šiandien įmonių iždo komanda atlieka svarbų vaidmenį padedant įmonėms naršyti verslo aplinkoje, kurioje vyrauja ekonominis netikrumas, geopolitinė rizika, reguliavimo pokyčiai, prekybos įtampa ir tiekimo grandinės sutrikimai. Ir nors naujausios šios srities priemonės – dirbtinis intelektas (AI) ir mašininis mokymasis (ML) – žada palengvinti tokias užduotis kaip likvidumo prognozavimas, grynųjų pinigų valdymas ir rizikos valdymas, jie turi savų komplikacijų ir netgi suriša iždo komandą. labiau į valdymo strateginį planavimą.
Tai reiškia, kad įmonių iždininkai glaudžiai bendradarbiauja su kitais verslo padaliniais ir naudoja duomenis bei analizę, kad pateiktų svarbių įžvalgų apie finansų ir rizikos klausimus bei pagerintų pinigų srautus. Iždas turi sugebėti greitai reaguoti į naujus scenarijus ir optimizuoti likvidumą tiek trumpuoju, tiek ilgalaikiu laikotarpiu, kad būtų užtikrinta įmonės finansinė būklė.
„Daiktai keičiasi kasdien, o tai labai skiriasi nuo prieš trejus ar ketverius metus“, – sako Herve’as Carrere’as, „Finastra“ iždo ir kapitalo rinkų vyriausiasis produktų pareigūnas. „Jūs turite nuolatinius karus, konfliktą su Kinija, didelę infliaciją ir (aukštas) palūkanų normas.
Susidūrusios su šiais iššūkiais, įmonės turi turėti galimybę geriau prognozuoti ir atlikti veiksmingesnę bei reguliaresnę scenarijų planavimo analizę. „Iždininkai turi kuo labiau optimizuoti ir būti judresni“, – sako Carrere. „Jiems reikia veiksmingų įrankių, skirtų valdyti grynųjų pinigų srautus, tiek grynųjų pinigų įvedimą, tiek pinigų išėmimą, ir numatyti kažko specifinį poveikį jų iždo poreikiams.
Pinigų srautų prognozavimas yra svarbiausias iždininkų prioritetas, sako Niki van Zanten, buvęs įmonių iždininkas, o dabar Nyderlandų bankus aptarnaujančios finansinių technologijų įmonės TreasurUp konsultantas. „Tai veikla, bet tikrai svarbu yra tos veiklos pasekmės“, – pažymi jis. „Taigi gali būti, kad jūs planuojate pinigų srautus, kad per labai trumpą laiką įsitikintumėte, jog turite pakankamai likvidumo, kad galėtumėte sumokėti visus atlyginimus ir sąskaitas faktūras, ir įsitikinti, kad viskas aišku. Tačiau taip pat gali būti, kad norite įsitikinti, kad, pavyzdžiui, turite fiksuotą sandorį, kuris baigsis po pusės metų.
Duomenimis pagrįstas prognozavimas
Likvidumo prognozavimas, apimantis daugiau duomenų rinkinių, kad pinigų srautų prognozavimas būtų naudingesnis kaip strateginis įrankis, yra viena iš sričių, kur AI ir ML gali padėti, tačiau jie taip pat sukuria galimų problemų.
„Daugelis programinės įrangos tiekėjų pradeda nuo ML modelių, kurie pagreitina pasirinktų patikrintų modelių skaičiavimą“, – sako JAV įsikūrusios iždo ir rizikos valdymo programinės įrangos tiekėjos „GTreasury“ vyriausioji produktų pareigūnė Victoria Blake. „Šie modeliai gali būti naudingi kaip palyginimo taškas planuojant scenarijų ir padedant priimti sprendimus, susijusius su iždo programomis, tokiomis kaip būsimų likvidumo poreikių prognozavimas.
AI, priešingai, „reikia daug didesnių duomenų, kad būtų galima pateikti pagrįstai nuspėjamus modelio rezultatus šiais iždo naudojimo atvejais“, – sako Blake’as. „Be to, AI efektyvumo našta visiškai priklauso nuo pagrindinio modelio inžinerijos. Reiškia, jei dirbtinis intelektas yra bet kokia „juodoji dėžė“, gali būti sunku suprasti AI nuspėjamus modelio veiksnius ir veikti pagal juos. Taigi, svarbu, kad iždo komandos iš pradžių gerai suprastų šiuos modelius prieš juos naudodami, kad būtų išvengta galimų klaidingų signalų ir prognozių.
Juodosios dėžės AI sistemos nėra praktiškos iždo funkcijai, sutinka van Zanten.
„Jie turi labai aiškiai matyti, kokius duomenų šaltinius turi, – sako jis, – ir jiems patinka naudoti duomenų šaltinius, kuriuos jau žino. Prognozuoti daugumai įmonių reiškia tai padaryti kuo geriau, įdedant kuo mažiau pastangų, o tai reiškia, kad bankai turi pateikti visą turimą informaciją tokiu formatu, kurį įmonė galėtų naudoti.
Tačiau AI ir ML sistemos patenkina nuolatinį įmonių iždininkų poreikį ieškoti geresnių būdų, kaip išgauti prasmę iš skaičių.
„Pastebėjome, kaip perėjimas prie tinkamos iždo duomenų analizės strategijos gali visiškai pakeisti tai, kaip iždo komandos interpretuoja ir naudoja savo finansinę informaciją, ir pasiekti geresnių verslo rezultatų įmonės rinkinyje“, – pažymi Blake’as. „Panaudodamos pažangias analizės priemones, iždo komandos gali atskleisti daug gilesnių įžvalgų iš savo vis didesnio finansinių duomenų kiekio.
Šios įžvalgos gali apimti pagrindinių tendencijų, modelių ir anomalijų, kurios kitu atveju būtų nepastebėtos, nustatymą, kad būtų galima aiškiai matyti įmonės finansinę būklę.
„Duomenų apdorojimas realiuoju laiku leidžia greičiau reaguoti į rinkos pokyčius ir vidinius finansinius pokyčius“, – sako Blake’as. „Prognozuojama analitika gali tiksliau prognozuoti ateities finansinius scenarijus, prisidedant prie rizikos valdymo ir strateginio planavimo. Šio duomenų analizės proceso automatizavimas taip pat išlaisvina iždo komandas, kurios gali sutelkti dėmesį į rezultatų interpretavimą ir strateginių rekomendacijų kūrimą.
Finansų institucijos yra užsiėmusios kurdamos klientams pasiūlymus, kuriuose naudojama pažangi duomenų analizė. Mike’as Cumminsas, „Providence“, RI įsikūrusio „Citizens Bank“ iždo sprendimų vadovas, teigia, kad pagrindinis dėmesys skiriamas klientams ryšio galimybių ir sprendimų, padedančių valdyti likvidumą ir užkirsti kelią sukčiavimui, suteikimas.
„Iždo valdymo srityje duomenų analizė yra svarbi dėl įvairių priežasčių, ypač strateginių ir informatyvių verslo sprendimų priėmimo, pinigų srautų prognozavimo ir DPO (neapmokėtų dienų) ir DSO (neapmokėtų pardavimų dienų) analizės“, – pažymi Cumminsas. . „Klientai gauna naudos optimizuodami savo apyvartinį kapitalą ir sumažindami išlaidas.
Nuo API iki SaaS
Nors didelės įmonės, turinčios kelis bankininkystės partnerius, turi iždo valdymo sistemą (TMS) arba prognozavimo variklį, atliekantį kelias pinigų srautų prognozes, vidutinės įmonės, turinčios tik vieną namų banką ir galbūt keletą kitų bei mažą finansų skyrių, ir neturi lėšų įsteigti. savo pilnavertę TMS, todėl ją gauna iš savo pagrindinio banko partnerio.
Tai yra spraga, kurią galbūt norėtų užpildyti pagrindinis jų banko partneris. „Bankams tampa miela vieta tai tiekti“, – siūlo van Zanten. „Vidutinio dydžio įmonėms, uždirbančioms nuo 30 iki 300 milijonų svarų sterlingų per metus, yra daug privalumų pradėti tinkamai prognozuoti pinigų srautus ir profesionalizuoti finansinius procesus. Šios įmonės turi kelias sąskaitas, kelias valiutas, galbūt kelis bankus ir daug duomenų šaltinių, tačiau dažniausiai jos neturi įrankių ir žinių, kad galėtų kurti išsamias, konsoliduotas prognozes.
Perėjimas prie tinkamos iždo duomenų analizės strategijos gali pakeisti tai, kaip iždo komandos interpretuoja ir naudoja savo finansinę informaciją.
Taikomųjų programų sąsajos (API) keičia grynųjų pinigų valdymą įmonių iždininkams, įgalindamos duomenų mainus ir automatizavimą realiuoju laiku. „Finastra“ API prekyvietė leidžia bankams pasiūlyti išplėtimą ir sąveikumą verslo klientams, sudarant galimybę bendradarbiauti bankams, „fintech“, programinės įrangos tiekėjams ir kitiems rinkos dalyviams, sako Carrere. FusionFabric.cloud, bendradarbiaujanti SaaS (programinė įranga kaip paslauga) platforma, siūlo iždo paslaugų, kurias bankai gali teikti savo verslo klientams, meniu.
„API supaprastina ryšį su kitais ekosistemos dalyviais, atsižvelgiant į tai, ko jums reikia, ar tai būtų mokėjimo ryšys, suderinimas, įkaito valdymas ir pan.“, – sako Carrere. „Jie taip pat suteikia papildomų pajamų bankams, kurie gali pasiūlyti pridėtinės vertės paslaugas savo galutiniams klientams, pagrįstus didelių duomenų modeliais, kuriuos jie gali išbandyti, patvirtinti ir vykdyti neįsitraukti į brangų projektą.
Kaip ir API, kurios pirmą kartą atsirado XX a. ketvirtajame dešimtmetyje, bet dabar visur paplitusios, virtualios paskyros gyvuoja dešimtmečius, tačiau dabar iš paprastų skaitmeninių antrinių paskyrų tampa sudėtingais finansiniais įrankiais, siūlančiais patobulintą funkcionalumą, išplėstinius naudojimo atvejus, geresnę apsaugą ir vertingas įžvalgas. . Šios naujovės įgalina iždo komandas optimizuoti grynųjų pinigų valdymą, sumažinti išlaidas ir paskatinti verslo augimą.
„Įmonės, turinčios daug fizinių banko sąskaitų, gali susidurti su grynųjų pinigų matomumu ir kontrole susijusių problemų. Vertingas likvidumas dažnai gali būti netinkamoje vietoje netinkamu laiku“, – sako Tomas Woodas, HSBC JK Komercinės bankininkystės Global Payments Solutions vadovas. „Kiekvienam verslo vienetui ir valiutai priskirdami unikalų virtualios sąskaitos numerį, mūsų virtualaus sąskaitų valdymo sprendimas gali padėti įmonėms atnaujinti grynųjų pinigų valdymą. Virtualios sąskaitos taip pat palaiko natūralią grynųjų pinigų koncentraciją, sumažina priklausomybę nuo fizinių sąskaitų ir gali pagreitinti naujų subjektų priėmimo procesą.
Verslo augimo skatinimas esant sudėtingam ekonominiam klimatui yra iššūkis, tačiau naudodami tokius įrankius kaip virtualios sąskaitos ir API bei naujus procesų modelius, pvz., SaaS, iždininkai gali pasiekti, kaupti ir analizuoti duomenis iš iždo sistemų ir kitų šaltinių realiuoju laiku, užtikrindami tiesioginį grynųjų pinigų matomumą. ir vertingų įžvalgų, leidžiančių jiems priimti labiau pagrįstais duomenimis pagrįstus sprendimus.