BI & Net Working Capital

Tilbage23-10-2019 |

Når snakken falder på Finansiel Business Intelligence og det mere komplekse Data Analytics, er der ofte nogle fokuspunkter, som mange virksomheder sætter højere end andre, navnlig muligheden for at holde øje med driften og det månedlige regnskab. Noget der giver store muligheder for at følge udsving og drill-down på de enkelte områder, f.eks. en hurtig kortlægning af hvordan man når sit budget, og hvilke parametre der forudsætter, at man evt. ikke når sit budget.

Et område af virksomheden hvor brugen af Business Intelligence (BI) endnu ikke har stået øverst på agendaen, men hvor BI virkeligt kan skabe stor værdi for en hvilken som helst virksomhed, er styring af arbejdskapitalen eller Net Working Capital (NWC).

Med en baggrund som tidligere revisor og analytiker i M&A verdenen har jeg mange gange oplevet, den store kompleksitet og næsten umulige opgave der følger, når man forsøger at trække en aldersfordelt debitorliste tilbage i tid fra ERP-systemer. Problemet opstår, når data bliver uigennemsigtigt, og man kun via sin månedsbogføring kan se, hvad balancen er ultimo i måneden.

Det betyder kort sagt, at man ikke kan se det allermest væsentlige, nemlig hvor god man er til at inddrive de aktiver, man har til gode hos de enkelte kunder.

Hvor gode er kunderne til at betale til tiden?

Vi har tidligere mødt virksomheder, der oplevede en daglig frustration over, at de ikke helt præcist havde et klart overblik over hvilke debitorer, der betalte til tiden, samt hvor stor en andel af deres fakturaer, der blev betalt til tiden. Kort sagt har denne kompleksitet og enorme mængde af data været et område, hvor kun enkelte nøglepersoner havde et overblik. Forestil jer så situationen hvis disse personer skifter job?

Mange virksomheder oplever i dag i større grad en stor personafhængighed på lige netop dette område uden, at de har en klar ide om, hvordan dette kan løses, og hvordan de kan danne et klart og gennemsigtigt overblik, som ikke kun enkelte nøglepersoner kan forstå og bidrage til.

I Solitwork har vi haft stor succes med at bygge en fælles datamodel for hele organisationen, denne bygger på vores BI-platform FCC. Her er muligheden så at benytte den underliggende teknologi, dataindsamling og automatisering til en overliggende debitorkube, der kan håndtere de automatiske data indlæsninger fra ERP-systemerne, sammen med en automatisering af virksomhedens mange individuelle forretningsregler og logikker. Det skaber nemlig en hurtig, enkel og meget tilgængelig rapportering til virksomhedens mange interessenter endda med mulighed for at dykke helt ned på fakturaniveau med en dataopdateringsfrekvens, der leverer near-real-time data direkte ind i rapporterne.

Penge ud eller penge ind? – At styre ens debitormasse har ét hovedformål; at inddrive penge hurtigst muligt. Med en given kreditperiode til den enkelte kunde har man som virksomhed aktivt vurderet i hvor lang tid, man kan undvære penge, og når denne periode overtrædes, er man nødt til at finde de udestående aktiver i banken. Derfor kan det altså blive en ganske kostelig affære, hvis man ikke har et helt klart overblik. Men hvis man som virksomhed hurtigt og simpelt kan skabe det overblik, kan man:

  • Være på forkant frem for bagkant.
  • Sikre et kontinuerligt cash flow i virksomheden.
  • Undgå store udeståender og lange betalingsprocesser.
  • Skabe et bedre forhold til kunden, der ikke består af rykkere men et simpelt og forudsigeligt flow.
  • Skabe indsigtsfulde og korrekte revurderinger af kundens kreditvurdering.

Med FCC-platformen som styrende model kan en overliggende debitorkube give historiske data omkring betalingsmønstre hos kunderne, hvilket ligeledes vil hjælpe til at estimere og forecaste fremtidige indkommende betalinger. Her kan flere faktorer nemlig spille ind, som man ved en automatisering af data kan kortlægge hurtigt og præcist. Dette kunne være et mønster i kundens udbetalingsdage eller deres Days Sales Overdue (DSO), så hvis kunden f.eks. ikke har betalt på forfaldsdagen om fredagen, men man historisk set kan se, at de betaler om tirsdagen, vil man hurtigt kunne forudsige meget præcist, at betaling vil lande i systemet denne dag. Ligeledes vil DSO kunne spille ind som en faktor for at lave en begrundet forventning baseret på den gennemsnitlige DSO på den enkelte kunde, omkring hvornår de udestående penge tikker ind på bankkontoen.

Det skaber grundlaget for en meget præcis pengestyring, da historiske data er let tilgængeligt, og rapporter hurtigt vil kunne bygges i front-end rapporteringsværktøjer som XLCubed og Power BI med tilgængelige visualiseringer og hurtige drill down funktioner til grundlag for analysen.    

En gentænkning af måling på inddrivelse

Yderligere vil det også være yderst relevant at kigge på hvor god, man overordnet set har været til at inddrive penge i tide. Ofte vil et mål i en virksomhed være, at ens debitorer skal være under en bestemt masse på et givent tidspunkt - typisk under regnskabsafslutningen. Men hvad nu hvis man i stedet havde muligheden for at vurdere over tid, at mindst en bestemt procentdel af ens udestående fakturaer skal være betalt til tiden? Dette bør altid være det ultimative mål for netop at indikere hvor god, man som virksomhed er til at indkassere sine penge fra kunderne.

Med det historiske datagrundlag på plads kan virksomheden hurtigt og meget præcist vurdere risici på sine individuelle kunder, med en klar vurdering af hvilke kunder man skal være særligt opmærksomme på, på baggrund af deres historiske betalingsmønstre. På det grundlag kan beslutningstagerne i Debitor afdelingen tage faktuelle handlinger og beslutninger om, hvorledes man kan ændre mønstre og agere anderledes baseret på her og nu data og opdaterede analyser. De typiske spørgsmål i forbindelse med Debitormanagement vil hurtigt kunne blive besvaret baseret på en dybdegående og aktuel analyse, herunder; Vil ekstra opmærksomhed og kommunikation med kunden omkring forfaldsdatoen kunne hjælpe med at få betalinger ind? Har vi vurderet kundens kreditvurdering korrekt, eller skal vi lave en revurdering? Bør vi handle med kunden, når denne ikke betaler til tiden alligevel? Hvor meget koster det os, når kunden ikke betaler til tiden?

Eks. på Power BI Rapport.

Hvor gode er vi med vores egne kredittorer?

I den anden ende af skalaen finder vi også vores egne kreditorer. Her er det typisk et mål for mange virksomheder, at man gerne vil have så lang en kredittid som overhovedet muligt. Det betyder, at der er tale om andre aspekter, man kan måle på i forhold til debitorerne, såsom antallet af dage fra modtagelse af faktura til at denne bliver godkendt, hvor lang tid går der, før vi betaler, altså et klart overblik over days payable outstanding (DPO)? Er vi historisk set gode til at betale til tiden?

Her er muligheden altså næsten lige så stor for værdifuld optimering. Blandt andet med en klar indsigt i det tidsmæssige aspekt af ens egen godkendelses proces, samt en opnåelse af klare indikationer der fortæller hvor god ens egen betalingsevne er. Målet her må være at opnå en indsigt, så man finder den helt rette balancegang mellem behovet fra forretningen og ens samarbejdspartners tålmodighed. Med et klart overblik og forudseenhed baseret på automatiseret data processer vil man ofte kunne undgå at havne i den situation, hvor ens samarbejdspartner oplever, at man hele tiden har behov for at overskride forfaldsdatoen for betaling af regningen.

Med en underliggende fælles datamodel får man som virksomhed den helt unikke fordel, at man kan kombinere en debitorkube og en kreditorkube således, at man enkelt og hurtigt kan få svar på hvor mange penge, man forventer at have i kassen på givne tidspunkter i fremtiden. Denne mulighed opstår, da man kan lave en rapportering, der viser de forventede indbetalinger baseret på kundens betalingsmønstre, og man kan se udbetalinger ud fra de forfaldsdatoer, der foreligger på fakturaerne. Skulle man så opleve en periode, hvor man har brug for likviditet fra banken, vil dette ligeledes være et solidt datagrundlag til at forsikre banken om, at man har kontrol over ens pengestyring af arbejdskapitalen og præcist ved, hvornår man forventer at have pengene igen.

Hvis I også ønsker at sætte Net Working Capital og BI på agendaen, står vi gerne til rådighed med råd, roadmaps og indsigt i muligheder for netop jeres virksomhed. I kan evt. tage fat i mig Michael på +45 24 22 68 60 eller vores direktør Esben på +45 21 44 47 21.


Tilbage
Solitwork

Brug af cookies på Solitwork.com

Solitwork.com gør brug af cookies. Ved at anvende Websitet accepterer du Websitets brug af cookies

Du kan altid slette gemte cookies i din browsers indstillinger. Læs mere om Cookies her

Luk vindue