Det har aldrig været nemmere for økonomiafdelingerne at slippe af med de monotone arbejdsopgaver omkring datahåndtering i forbindelse med rapportering og planlægning. Mange steder kræver det betydelige ressourcer i økonomiafdelingerne at afstemme data, flytte data, behandle data, opsætte rapporter, kontrollere rapporter ... og når det lige er blevet klaret, kommer der rettelser og så starter processen forfra – måske endda flere gange.
Den gode nyhed for økonomiafdelingerne er, at mulighederne for at komme disse opgaver til livs aldrig har været bedre.
Hurtigt i gang
Uanset om behovet omhandler rapportering i eksempelvis Power BI eller planlægning i et EPM-værktøj (Enterprise Performance Management) har det, og vi gentager, aldrig været nemmere at komme i gang.
Værktøjerne er i dag bygget med brugeren for øje og kræver ikke tunge IT-kundskaber. Det betyder, at en controller eller anden medarbejder i økonomi i dag vil kunne klare en lang række opgaver, der tidligere krævede en kollega fra IT eller sågar en ekstern konsulent. Samtidig er værktøjerne i dag cloud-baserede (hvis det ønskes) og hvor mange softwareløsninger historisk set krævede serverindkøb, opsætning, installation mv., kan løsningerne praktisk talt ”tændes” med det samme.
Man er hurtigt i gang og afsted fordi:
- Værktøjerne er i dag hurtigere at komme i luften med pga. cloud
- Nemmere at bringe data ind i værktøjerne
- Brugerne tænkes i dag meget mere ind i værktøjerne end tidligere.
Mere automatik, mindre manuelt
Mange økonomimedarbejdere er dygtige til at håndtere data, og i en del af tilfælde handler det om, at det har været en nødvendighed til de processer, der skulle køre. For at kunne lave en månedsrapportering har man måned efter måned skullet flytte og bearbejde betydelige mængder data, og hver gang der har været håndtering af data, har der været behov for kontroller for at sikre, at data stadig er korrekte.
I dag er datahåndtering mulig at gøre meget robust og samtidig smidigt og derved:
- Ikke bruge tid på manuelt at flytte data
- Lade data fra forskellige kildesystemer glide ind automatisk
- Opsætte kontroller i systemerne, der advarer om potentielle fejl (eksempelvis data der ”afviger” fra normen)
- Reducere tiden brugt på manuel kontrol og i stedet automatisere processerne
Udstille fejl
Fejl i data og rapporter er for mange økonomifolk en stor skræk – og med god grund. Fejl skaber stor usikkerhed blandt brugerne og usikkerheden efter en fejl kan spøge i lang tid efterfølgende. Fejl kan komme i mange typer og nogle af dem der er sværest at komme til livs, er de ”menneskeskabte”, hvis eksempelvis der bogføres på en forkert konto eller på anden vis angiver et forkert stykke data. I en del tilfælde kræves det at fejlen identificeres manuelt.
Datafejl kan udstilles ved:
- Rapporter der viser ”placering” af data, hvor ukurante data springer i øjne
- Mulighed for at bevæge sigt fra top til bund med drill. Når brugeren selv kan bevæge sig fra highlevel rapporter ned til specifikationer og videre ned til scannede bilag bliver det mulig at bringe alles viden i brug
- Visuelle effekter hvis noget afviger fra normen – det kan være farvemarkering hvis en værdi er over/under fastsatte grænser.
Brug de nye muligheder
Med nye værktøjer kommer nye muligheder, og de bliver nemmere og nemmere at bruge. Værktøjerne i dag er ofte kendetegnet ved, at det der tidligere krævede specialistviden fra en IT-medarbejder eller en ekstern konsulent i dag bringes ind i den palette af funktioner som systemadministratoren eller superbrugeren kan anvende.
Eksempler på tidligere specialistopgaver som i dag er standardfunktioner:
- Rapportdistribution kan opsættes af superbrugeren til faste planlagte kørsler
- Forberedelse til eksempelvis et nyt forecast eller ”rulle” en rapportpakke, når en periode lukkes er langt hurtigere og klares med få angivelser
- Web-adgang gør det nemmere for såvel nye som eksisterende brugere, og opgraderinger bliver tilført automatisk
- Indarbejde nye datakilder eller tage ad hoc-data ind kan ofte klares af eksempelvis en økonomimedarbejder ved hjælp af standardimport-job eller ved at værktøjerne er forberedt til integration til en række øvrige datakilder.