Skip to content

Hur man får bra ekonomisk data: 4 typiska utmaningar och hur man löser dem

Har du investerat i en Business Intelligence (BI) lösning för rapportering, men upptäcker att lösningen inte fungerar optimalt i den dagliga verksamheten? Eller är du på väg att påbörja din BI-resa, men förstår inte helt tekniken bakom och språket IT använder? Vi ger dig 4 konkreta tips!
Sep 17, 2024 3:35:09 PM Susan Dymling
Slik får du gode finansdata

Det finns många goda skäl till att ekonomifunktionen bör använda BI i större utsträckning i den dagliga verksamheten. Vissa företag har redan startat och har implementerat ett datalager med finansiell data. Ändå kämpar många ekonomiavdelningar med otillräckliga datastrukturer för att stödja processerna. I den här artikeln tittar vi på några av de typiska utmaningarna och hur vi kan lösa dem. 

Utmaning 1: Data från förvärv och dotterbolag hanteras manuellt

 

För företag som redan börjat med BI på ekonomiavdelningen uppstår problem när vardagen och sysselsättningen tar över. Som ett resultat av naturlig otålighet och stort tryck görs quick-fixes på datan när rapporteringen snabbt behöver skapas.  

Det kan till exempel ske i samband med konsolidering av förvärvade och befintliga dotterbolag, deras data ska ingå i rapporteringen, men IT-avdelningen hinner inte lägga till den nya datan i god tid. Så det som ofta händer är att ansvarig medarbetare manuellt lägger till sammanfattade data till rapporteringen. Detta gör att den goda ekonomiska datan i Data Warehouse inte längre är central för den gemensamma sanningen och blir giltig igen först när den nya datan läggs till i datamodellen. 

Ladda även ner vår guide📃 3 steg till en smartare KPI-strategi

Utmaning 2: Ingen drill-down för att stödja orsaksförklaringar 

Här uppstår nästa utmaning. När ekonomimedarbetaren valde att lägga till sammanfattad data direkt till rapporteringen, kanske det inte har varit med samma detaljeringsgrad eller gruppering av konton och ekonomiska dimensioner som den faktiska datamängden IT tar emot och går in i Data Warehouse. Detta innebär att den historiska datan inte längre är densamma när den finansiella rapporteringen jämförs med Data Warehouse och ekonomifunktionen måste därför arbeta med denna skillnad under resten av innevarande räkenskapsår. Detta är inte optimalt och blir lite av en tidstjuv. 

Utmaning 3: Data underhålls inte och passar inte rapporterings- och analysbehoven

Et annet eksempel kan være endring og vedlikehold av stamdata, inkludert kontoplan og andre finansdimensjoner. Ofte blir endringer ikke implementert i det riktige kildesystemet, og man glemmer å oppdatere stamdataene når rapporteringsstrukturene endres, noe som ofte fører til manuell gruppering i Excel.  

Det kan være så enkelt som en ny konto som blir plassert feil i kontohierarkiet, eller at den rett og slett mangler et hierarki. Deretter blir rapporteringskontogruppen i BI-datamodellen ikke lenger fullstendig oppdatert, og det etterlater manuelt arbeid i Excel til feilen er rettet i kildesystemet. Det kan også skje at en ny avdeling i ERP-systemet blir brukt til bokføring, men avdelingen blir ikke automatisk lagt til i BI-datamodellen. Også i dette tilfellet vil rapporteringen ikke lenger være synkronisert og korrekt. 

Utmaning 4: Ekonomi och IT talar inte samma språk 

Utöver de ovan nämnda tidsmässiga utmaningarna i data och dimensionsvärden - ofta sedda i samband med månadsslut - är förståelsen mellan IT och ekonomifunktionen ofta långt ifrån varandra. Ekonomifunktionen klarar inte alltid av att formulera alla sina krav på datamodellen, till exempel innehåll, termer, historik, uppdateringsfrekvens, valutafrågor etc. Detta sker ofta för att de inte känner till alla krav som krävs för att säkerställa en bra och solid modell. Samtidigt har IT svårt att översätta sitt fackspråk till affärskrav som ekonomiavdelningen förstår. Till exempel kan IT fråga: "Vad har du för förväntningar på relationsrapportering?" Översatt till finansspråk: "Behöver du kunna se bokföringsposter, dokument för dokument, i datamodellen?" Detta leder till missförstånd och kan utmana det goda samarbetet.

Lösningen: Få det rätt från början – det lönar sig i längden 

Oroa dig inte, det behöver inte gå som beskrivet ovan om du ser till att börja på rätt fot, etablera struktur i dataflödet och implementera rätt processer kring din BI-lösning. 

En gedigen Data Warehouse-lösning bidrar till att säkerställa konsistent data och utgör grunden för ekonomifunktionens finansiella datamodell. Under implementeringsfasen av lösningen skulle det vara fördelaktigt att skapa en arbetsgrupp med representanter från både IT och ekonomifunktionen, som snabbt kan bryta förståelsebarriären. IT måste lyssna och lära med tålamod medan ekonomifunktionen måste prioritera att avsätta tid för att delta i hela processen från kravspecifikation till slutlig användaracceptanstestning.

För företag med frekventa företagsförvärv kan det underlätta processen att lägga till ny affärsdata att inkludera detta i datamodellen från början. En enkel lösning med ett uppladdningsblad till Datalagret, tills data från den förvärvade verksamheten konverterats till affärssystem, kan vara en bra tillfällig lösning under övergångsperioden istället för att hantera det manuellt i rapporteringen. 

Förutom att skapa gemensam förståelse och engagemang mellan IT och ekonomifunktionen i implementeringsfasen är det också viktigt att komma överens om drift och underhåll av lösningen i den dagliga verksamheten. IT kan hjälpa till att sätta upp övervakning och kvalitetskontroll för både data, dimensionsvärden och de tekniska komponenterna och genom att lägga till en e-postgrupp för att ta emot eventuella felmeddelanden får både IT och ekonomifunktionen löpande larm och kan tillsammans vara proaktiva och korrigera fel och saknas. Ekonomifunktionen ska prioritera att avsätta tid för kontinuerlig felsökning och korrigering av fel och brister för att minimera dessa över tid. Genom en gemensam satsning, även i den dagliga verksamheten, lär IT och ekonomifunktionen av varandra och det gynnas på lång sikt.

 

Läs även vårt white paper om hur bygger man på bästa sätt en datadriven kultur från grunden.

Ladda ner här

 

Relaterade artiklar

SE_AN: Hur man får bra ekonomisk data: 4 vanliga utmaningar och hur du löser dem

Hur får man bra ekonomisk data

Har du investerat i en Business Intelligence (BI)-lösning för rapportering, men upplever att lösningen inte fungerar optimalt i den dagliga verksamheten? Eller är du på väg att starta din BI-resa, men förstår inte riktigt tekniken bakom och det språk som IT använder? I denna blogg ger vi dig lösningen på de fyra främsta utmaningarna en ekonomiavdelning kan stöta på....

SE_DT: Viktiga saker att tänka på inför en uppgradering av Optimizely

Viktiga saker att tänka på inför en uppgradering av Optimizely

Som ansvarig för er webblösning måste du räkna med en del arbete vid en uppgradering av webbplatsen. Inför uppgraderingen behöver en del beslut tas kring omfattningen – ska ni endast göra en uppgradering eller ska ni även bygga om lösningen?.

SE_AN: Max-Västhav-personporträtt

Business Intelligence ligger nära hjärtat

Möt Max Västhav, twodays senaste tillskott som Business Intelligence Consult. BI har länge legat nära Max hjärtat och en av hans styrkor är bland annat att förstå den större bilden av en organisations behov och utmaningar samt att hans tekniska intresse hjälper honom att se lösningar från nya perspektiv. Läs mer om Max kompetens och vad han gillar att göra på fritiden. ...