Use-cases voor machine learning in Finance

Er wordt veel geschreven en gesproken over de ontwikkelingen en het gebruik van artificial intelligence (AI) en machine learning voor advanced analytics. Hoe zit dit voor Finance en wat zijn mooie en praktische use-cases om mee te beginnen? Hieronder wordt een aantal beschreven, waarbij er wel een belangrijke randvoorwaarde is om machine learning te kunnen gaan inzetten. 

Er dient een goed datafundament te zijn met een datahub, waarin correcte data is opgeslagen met voldoende granulariteit (gedetailleerdheid van de data). Tevens is er een multidimensionaal datamodel en financiële intelligentie geschikt voor geavanceerde analyse van operationele en financiële data nodig. Dit zal in een volgende blog nader worden beschreven.

In diverse onderzoeken (onder meer het Duitse BARC) komen de volgende onderwerpen vaak naar voren om als eerste aangepakt te worden in Finance:

• Sales of Revenue forecasting
• Sales Pipeline forecasting
• Cost Forecasting 
• Contributor analytics
• Simulaties

Voorspellingen verkoopvolume 

Vaak gaat de meest impactvolle use-case over sales forecasting. Alle planningsactiviteiten zijn min of meer gebaseerd op de voorspellingen van het verkoopvolume. Cost forecasting kan worden gebruikt om mogelijke kostenfactoren te identificeren om de overheadkosten beter te begrijpen. Aangezien dit voornamelijk op interne gegevens is gebaseerd, kan dit een gemakkelijk startpunt zijn. 

De kwaliteit van de zogenaamde data-aanleveraars (contributors) is vaak een probleem. Op basis van een workflow kan een interactief detectie- en analyse-proces van de afwijkingen en uitzonderingen worden opgezet. Door middel van voorspellende analyses kunnen veel correlaties en mogelijk causale effecten worden ontdekt. Deze kennis kan vervolgens worden gebruikt om simulaties en scenario's te verbeteren.

Succesvolle implementatie

Uit het bovenstaande valt af te leiden dat er een samenhang is tussen de diverse onderwerpen. Een geïntegreerde én financiële aanpak is wat mij betreft essentieel voor een succesvolle implementatie. Data uit een CRM-systeem als Salesforce is uitstekend te gebruiken als vertrekpunt vanuit de sales pipeline. 

Bijvoorbeeld om volumes te voorspellen en deze als input te gebruiken in het productieproces, waarbij de inzet van bijvoorbeeld capaciteiten, voorraadniveaus, kortingen, transportkosten en indirecte kosten meegenomen dient te worden om marges te optimaliseren voor een beter financieel resultaat.

Betrouwbaardere uitkomsten 

Door vervolgens ook beter zicht te hebben op de ‘kwaliteit’ van de data-aanleveraars is beter rekening te houden met afwijkingen en hierdoor beter te voorspellen met machine learning wat betrouwbaardere uitkomsten zijn. 

Door het model te ‘trainen’ met meer data zal de kwaliteit van de uitkomsten nog verder toenemen, waardoor simulaties en what-if-scenario’s ook betrouwbaarder zijn. Het uiteindelijke voordeel van deze grotere nauwkeurigheid is dat vraag en aanbod beter op elkaar zijn afgestemd met betere marges en financiële resultaten tot gevolg. 

Stelt u zich eens voor wat 2 tot 4% margeverbetering oplevert voor de winstgevendheid en slagkracht van uw organisatie.

Fantastische software

Er is nog een gebied dat ik nader wil beschrijven, namelijk project-, product- en klantenwinstgevendheidsanalyses. Er is fantastische software voor business-intelligence beschikbaar die helpt bij geavanceerde analyse en het aangeven van verbanden of zogenaamde outlier-detectie of voor het segmenteren met clusteranalyse. 

Echter, op financieel gebied schiet deze software (nog) tekort. In mijn optiek dienen de analyses doorgevoerd te worden op economic-profitniveau om de werkelijke bijdrage aan de winst en de toekomstige winsten vast te stellen per segment, product-groep of project. En ook om geconsolideerd rekening te houden met bijvoorbeeld de juiste koersen en intercompany leveringen. 

Waardetoevoegende beslissingen nemen

Daarom denk ik dat Finance en de afdeling FP&A in het bijzonder een voorname rol dienen te spelen bij nieuwe initiatieven om vanuit een geïntegreerd en financieel perspectief de juiste data-gedreven informatie aan te leveren om actiegerichte en waardetoevoegende beslissingen te nemen.

Drs. Marco van der Kooij is zelfstandig adviseur bij ForSight Consulting en al meer dan 25 jaar werkzaam op het gebied van enterprise performance-management en business-intelligence. Hij heeft zich met name toegelegd op het begeleiden van de financiële functie.