ШІ для бухгалтера, економіста та фінансиста: від 0 до результату

Додаткові матеріали

Презентація

Текстове розшифрування відео

Одним із найважливіших показників компанії є підтримка стратегії розвитку та стратегія руху. Це є найважливішим елементом кожної компанії, коли ми розуміємо, куди ми рухаємося.

Стратегія – це комплексний план, якого необхідно дотримуватися. Штучний інтелект може допомогти в цьому. Він може допомогти розробити стратегію, оскільки володіє великими обсягами інформації, може бачити різні бенчмарки, доступні в мережі, і таким чином підкоригувати стратегію та допомогти прийняти рішення щодо подальшого руху.

За допомогою штучного інтелекту його можна використовувати як фасилітатора ідей та амбіцій. Наприклад, можна сформувати SWOT-аналіз за допомогою штучного інтелекту, просто переписуючись з ним у чаті. Це зручна ідея, що дозволяє зробити це без залучення додаткового консультанта. Звісно, при розробці великої стратегії та великого обсягу робіт консультант може допомогти формалізувати та покращити процес. Однак на рівні підрозділу або невеликої компанії, яка не може дозволити собі консультанта, штучний інтелект може його замінити і виконати цю роботу не гірше, а іноді навіть краще, оскільки має доступ до більшого обсягу інформації.

Розглянемо різні кейси використання штучного інтелекту для обробки інформації зі стратегії та розуміння поточного стану, напрямку руху та способів досягнення мети.

Одним із прикладів є аналіз грошового потоку (cash flow). Це показник, який відображає грошовий потік компанії і може бути одним з елементів стратегії. За допомогою аналізу запланованої та поточної ситуації з грошовим потоком можна робити певні висновки. Штучний інтелект може порівнювати їх та аналізувати результати. Це не дає готової відповіді, що робити, але надає пропорції, за якими можна швидко прийняти рішення щодо подальшого руху та скоригувати плани й мету, спираючись не на ідеальний світ, закладений у стратегію, а на реальну ситуацію. Ситуація в країні та бізнес-середовищі швидко змінюється, і така можливість є неоціненною, оскільки зазвичай коригування стратегії займає багато часу. За допомогою штучного інтелекту та постійного оновлення даних, які йому надаються, цю інформацію можна отримувати майже в реальному часі. Машина не спить, не забуває це зробити, не робить базових помилок.

При інтеграції машинного навчання безпосередньо в корпоративну інфраструктуру та побудові Data Decision Company, можна коригувати елементи на рівні компанії. Можна спиратися не тільки на базові показники, які можна завантажити в доступні моделі, але й навчити модель таким чином, щоб вона працювала саме на нас, саме з нашими даними. У кожному елементі є свої плюси та мінуси. Перевагою такого підходу є покращення точності та швидкості отримання даних, а також зменшення людської залученості, що дозволяє не залежати від робочого часу або від ситуації, яка може статися з людиною.

Однак є й певна проблематика, до якої треба бути готовим. Щоб системи обробки даних та аналізу стратегічних показників компанії (як у фінансах, так і загалом) працювали, необхідно інтегрувати моделі з внутрішніми системами, такими як бухгалтерські, ERP, складські системи. Чим більше даних можна отримувати з різних джерел, тим чіткіше та точніше можна отримати найкращий результат.

Великим викликом при впровадженні таких систем, які будують саме системи прийняття рішень на підставі даних, є якість даних. Якщо є дублікати або неточність даних, система також оброблятиме їх і надаватиме не ті показники, які є насправді. Тому першим етапом для побудови систем зі штучним інтелектом, які можуть аналізувати внутрішні показники та "здоров'я" компанії, є верифікація та очищення даних, щоб моделі могли навчатися на правдивих даних, а не на фейкових.

Проміжним етапом для реалізації цього плану з переходу від компанії, яка живе ситуативно, до компанії, яка може працювати та приймати рішення з даними, є побудова BI-системи. BI-система – це бізнес-система, яка може агрегувати дані з різних джерел і формувати з цього певні звіти, висновки, будувати дашборди. Наприклад, Microsoft Power BI будує ефективні дашборди, але таких систем досить багато. Це є першим кроком. Коли звіти агреговані та введені в комплексний елемент управління, як BI-система, можна думати про наступне. Коли до цієї BI-системи, до цієї бази даних, яка зібрала всю інформацію про компанію, підключається штучний інтелект, він вже виконує певні аналітичні дії для формування нових прогнозів, історій для нових аналізів та нових систем прийняття рішень. Навіть при впровадженні банальної BI-системи без підключення штучного інтелекту взагалі змінюється стиль управління, коли, наприклад, продавець каже, що ми цей товар продаємо добре, тому що "я так відчуваю". Наступний рівень – коли ми продаємо цей товар добре, тому що він продався з певною періодичністю. Звісно, з'являється можливість максимально швидко та точно приймати рішення і не робити імпульсивних кроків при веденні бізнесу та аналізі.

Популярні BI-системи:

• Power BI.
• Google Analytics (зараз Looker Studio Google), який зараз безкоштовний і його можна підключити до будь-якої системи.
• Tableau – досить популярна BI-система.
• SAP Business Intelligence – для користувачів SAP.
  Існує ще досить велика кількість різноманітних BI-систем, які можна підібрати для виконання завдання аналізу та побудови Data Decision Company.

Приклад використання: реальний приклад компанії, яка вирішила змінити свою роботу. Першим етапом було очищення даних та підключення ERP, CRM, фінансової та бухгалтерської системи до бази даних (у цьому випадку SQL) та створення інтерактивних дашбордів. Компанія, пов'язана з продажем товарів, її мерчандайзери та продавці вже в реальному часі бачили, що треба продавати, що не треба продавати, яка в них маржа на кожному з товарів, як покрита їхня локація товарами, які вони продають. Повністю був покритий графік КPI, який потрібен для продавців, фінансистів і взагалі для всього виробництва та бізнесу. Далі це було інтегровано з Tableau для максимально швидкого виведення на екран. Зараз в офісі компанії висять монітори, де в реальному часі видно стан компанії, її розвиток, зростання. Наступним кроком було впровадження штучного інтелекту. Це був досить складний етап. Після його впровадження з'явилася додатково-предиктивна аналітика та система контролю складу і залишків, що суттєво зменшило навантаження на склад, він став більш актуальним та оборотним, що приносить гроші компанії. Таким чином, компанія змінилася і виросла майже вдвічі за рахунок того, що вони перейшли на новий рівень розуміння свого бізнесу, і впровадження штучного інтелекту допомогло їм зробити це швидше та прогресивніше.

Комбінація стратегії на управлінському рівні, BI-системи та штучного інтелекту допомагає бізнесу зростати. Розглянуто типовий патерн, як це можна зробити, нівелюючи ризики. Перше – це розуміння необхідності. Друге – підготовка даних та формування BI-системи, яка зможе показувати те, що відбувається в реальному часі. Третє – підключення штучного інтелекту, який надає суперможливості для аналітики та побудови майбутнього на зібраних даних. Це великий стратегічний комплекс для впровадження в компанії, але він необхідний. Зараз все більше компаній переходять на модель Data Decision Company, коли рішення приймаються не імпульсивно, а з холодним розумом, з чітким розумінням цілі.