Finances, Planning & Analyses digitales : une vision d'avenir

Comprendre le pouvoir de l'IA pour les solutions FP&A aujourd’hui et pour demain. Sascha Alber, chef de la division FP&A et directeur de produit de Unit4, a récemment parlé de la puissance que l'IA apporte à la fonction Finance et de ce que cela signifie pour l'avenir avec le « FP&A Trends London Circle ».

Pourquoi l'IA et l'apprentissage machine sont-ils si puissants pour les entreprises ?

Dans le monde réel, beaucoup de choses prennent du temps, surtout lorsqu'elles sont faites manuellement par des humains. Ce n'est pas une mauvaise chose dans les bonnes circonstances. Mais dans de nombreux cas, tant pour les utilisateurs que pour les personnes qui effectuent ces tâches, ce temps pourrait être mieux utilisé ailleurs pour des tâches plus importantes.

L'IA peut effectuer des tâches manuelles répétitives en une fraction de temps, et couplée à l'apprentissage machine (ML), elle peut même apprendre à mieux les faire.

Mais en quoi cela est-il pertinent pour les fonctions Finance Planning & Analyse ?

Le défi du temps

Pour comprendre cela, posez d'abord la question suivante : quel est le plus grand défi ou le point sensible de votre organisation ?

Pour la plupart des DAF et des équipes FP&A, l'un des plus grands défis est le temps. Il n’y en a pas assez pour faire tout ce qui est nécessaire.

Une bonne partie du travail en Finance peut être répétitif. Bien qu’essentielles, ces tâches ne créent que peu de valeur, et peuvent inclurent des éléments tels que le rapprochement bancaire et la vérification des écarts entre les budgets et les chiffres réels. Pensez à la fréquence de ces tâches, et les minutes s'additionnent rapidement.

C'est aussi du temps que vous ne passez pas à être un partenaire commercial pour l'organisation et à aider l'entreprise à atteindre ses objectifs en soutenant les départements en matière de gestion, de contrôle, de risque et de financement.

Comment les prévisions intelligentes de l’IA solutionnent le déficit de temps ?

Par souci de clarté, prenons un exemple. Imaginez une entreprise qui exploite de nombreuses stations-service dans tout le pays, et qui veut prévoir les coûts de personnel et les heures nécessaires par station.

Pour ce faire, ils doivent identifier le nombre de personnes dont ils ont besoin chaque semaine, par jour, pour toutes ces stations et le nombre d'heures que cela représente, alors que font-ils ?

Le premier défi est le nombre de facteurs d'influence différents impliqués, par exemple, l'emplacement de chaque station, les prix variables du gaz, même des considérations telles que le temps et les jours fériés.

Cela peut prendre beaucoup de temps à vos équipes pour y réfléchir. L'IA, cependant, apprend des informations que vous lui donnez. Et une fois qu'elle dispose de ces informations, elle peut commencer à chercher des modèles. Permettre à l'IA de prédire l'avenir en se basant sur des hypothèses qu'elle peut tirer des données.

Ainsi, dans cet exemple, si vous essayez de prévoir vos coûts de personnel et vos heures de travail pour un jour ou une semaine du mois prochain, l'IA peut examiner d'autres mois et utiliser tous les facteurs que vous lui avez donnés pour faire des prédictions assez précises.

Le plus important ici est qu'il peut le faire presque instantanément. Mais ces prévisions sont-elles aussi fiables que les vôtres ?

Le rôle des données et la valeur des prévisions

La précision de l'IA dépendra toujours des données. Et surtout de la qualité des données.

Il est essentiel ici de comprendre qu'il y a une différence entre la quantité de données et la qualité des données. Et que le volume des données n'a pas d'impact sur la qualité. Beaucoup de données, c'est juste beaucoup de données. La qualité des données reflète en fait la situation que vous analysez.

Dans cet exemple, si votre IA utilise les données des deux années précédentes, mais que depuis lors quelque chose de dramatique comme une fermeture ou une extension de route s'est produit, alors les prévisions qu'elle fait ne reflèteront pas la situation réelle.

Il faut donc comprendre la valeur de la prévision avant de l'utiliser. Au départ, les gens croyaient que la valeur d'une prévision ne tenait qu'à sa précision. Mais est-ce le cas ?

Chez Unit4 nous avons appris que c'est un peu plus nuancé. La précision est importante, mais elle doit être équilibrée avec la rapidité et l'adaptabilité. Cela s'est avéré particulièrement vrai en 2020, où les organisations ont dû réagir plus rapidement.

Le futur des fonctions FP&A et de l’IA

Ce qui est intéressant, c'est que l'IA permet aux entreprises de devenir aussi adaptables. De nombreux clients de Unit4 voient des prévisions qui prenaient auparavant des mois à établir, ne prendre plus que quelques minutes.

Mais comment l'IA peut-elle aider les organisations à tirer profit du temps qu'elles gagnent maintenant ?

Au fur et à mesure que l'IA s'intègre dans votre logiciel. Elle devient plus accessible pour les utilisateurs. Elle n'est plus seulement l'apanage des data scientists et autres experts. Tout le personnel peut accéder, utiliser et bénéficier de l'IA sur le lieu de travail.

Cela vous permettra d'identifier les leviers de croissance plus rapidement que jamais et d'avoir le temps et la capacité d'adaptation nécessaires pour agir. En vous montrant instantanément l'impact de l'évolution des variables.

De plus, au fur et à mesure que l'IA en apprend davantage sur votre organisation, elle devient capable de plus. Aller au-delà de la simple prévision et devenir capable d'assister ou même d'automatiser la planification elle-même dans certains cas.

Ainsi, l'IA ne se contenterait pas d'identifier les principaux moteurs de l'activité et leur évolution dans le temps, mais serait également en mesure d'utiliser des enseignements extrêmement détaillés provenant de sources multiples, y compris ce qui a fonctionné dans le passé, pour vous conseiller et vous aider à planifier la manière d’agir. Et il serait capable de le faire à n'importe quel niveau, de l'échelle de l'organisation jusqu’à l’échelle d’un simple projet.

Et tout cela n'est que le début.