Ontwikkeling financiële functie:
TRANSFORMATIE IN MANAGEMENT REPORTING = TRANSFORMATIE VAN DE FINANCIEEL PROFESSIONAL In 2014 publiceerde NBA-VRC het ‘Visiedocument over het beroep van de Financieel Professional’. De reactie op het visiedocument was vooral dat het kerngebied ‘Finance, Operations & Reporting’ te traditioneel is uitgewerkt. En de ontwikkelingen op het gebied van data- en informatiemanagement waren onderbelicht. Aanleiding voor een bijeenkomst op 7 september jongstleden in Delft om deze lacunes verder te onderzoeken, met als titel: ‘Informatiemanagement en de financieel professional: reporting verleden tijd?’ Sprekers waren: Willem Eelman (CFO van C&A en oud-CIO van Unilever), Albert van Veen (CIO van Schiphol) en Eddy Vaassen (directeur Bureau Vaktechniek van Baker Tilly Berk en hoogleraar Accountancy aan Tilburg University).
Luc Quadackers, Marianne Nieuwenhuis en Eddy Vaassen: De mogelijkheden van informatie- en communicatietechnologie (IT) lijken oneindig en hebben soms een ontwrichtend effect op onze samenleving. Hierbij kunnen we bijvoorbeeld denken aan cloud computing en mobiele technologieën, maar ook aan zogenoemde IT-enabledtoepassingen, zoals data-analyse en process mining. De financiële functie, die intensief gebruik maakt van IT, zal manieren moeten vinden om met het nieuwe IT-landschap om te gaan. Dit vraagt ook om een herbezinning op de wijze van verslaggeving. Vooral management accounting (verslaggeving ten behoeve van verantwoording en besluitvorming door managers) zal in vergelijking met financial accounting (jaarverslaggeving) grote veranderingen doormaken. Dat komt omdat bij management accounting naar effectiviteit en efficiëntie kan worden gestreefd, zonder dat verslaggevingsstan-
‘Wat kunnen we met alle data die ons omringen?’ 36
daarden of wetgeving hierbij hindernissen opwerpen (zoals bij financial accounting). Dit artikel richt zich daarom vooral op de noodzakelijke veranderingen in de financiële functie voor zover die zich met management accounting bezighoudt. Ofschoon de term business intelligence al in 1958 voor het eerst opduikt in de literatuur (Luhn, 1958), is de huidige betekenis pas ongeveer twintig jaar geleden ingeburgerd geraakt. In de moderne betekenis staat business intelligence voor het verzamelen en analyseren van gegevens, met het doel deze te gebruiken voor de informatieverzorging ten behoeve van bedrijfsbeslissingen, waarbij geavanceerde IT in alle fasen wordt ingezet van gegevensverzameling tot informatieverzorging. Het gaat daarbij zowel om interne als externe gegevens en informatie, waaronder informatie over klanten, beslissingsprocessen, concurrentie, markten en algemene economische, technologische en culturele trends. De vraag is hoe de financieel professional moet opereren in een minder voorspelbare volatiele wereld, waarin het gaat om veel meer dan alleen de balans en de verlies- en winstrekening. De financieel professional zal goed op de hoogte moeten zijn van de ontwikkelingen op het gebied van data en zal zo nodig moeten meebewegen met de datarevolutie. Alleen dan zal de financieel professional waarde
MCA: december 2015, nummer 6
kunnen blijven toevoegen en blijft de financiële functie relevant. Het is hierbij goed om te beseffen dat financieel professionals niet het alleenrecht hebben op informatie. Nieuwe functies zoals de Business Information Manager, de Data Scientist, de Data Analist, en de Business Analist hebben al hun intrede gedaan in organisaties. Toch kan de financieel professional een kernrol blijven vervullen. Maar dan is bewustwording van de wijzigende omgeving, en de invloed daarvan op zijn rol, cruciaal.
Omnipresentie van data: wat moet de financieel professional ermee? Data zijn overal en veel organisaties vinden dat ze daarmee actief aan de slag moeten (zie Facebookvoorbeeld in kader). Syed et al. (2013) berekenden dat organisaties in de twee jaar voorafgaand aan hun publicatie meer data verzamelden dan de hele wereld deed in de tweeduizend jaar daarvoor. Dat is bijna niet voor te stellen. Deze ontwikkeling raakt bijna iedere organisatie, ook de traditionele organisaties, en zij willen daar dus ‘iets’ mee. Zeker ook omdat iedere organisatie dat lijkt te doen. Maar hoe? Het is vrij gemakkelijk om te roepen als cfo dat je iets moet gaan doen met data, al dan niet ‘big’.
Maar alleen roepen levert weinig op. De financieel professional moet heel concreet kunnen aangeven wat hij met de (big) data wil gaan doen, en hoe. Daarbij kan ‘businessanalytics’ helpen.
FACEBOOK VINDT ALLE DATA INTERESSANT ‘Facebook doesn’t always know what it wants to do with the user lists, Web statistics, geographic information, photos, stories, messages, Web links, videos and everything else that the company collects, Parikh said. “But we want to collect everything, we want to instrument everything: cameras, when that door opens and closes, the temperature in this room, who walks in and out the lobby. We want to know who visits the site, what activities they do, where they do it on the site. So everything is interesting to us”, he said.’ Jay Parikh (Vice President of Engineering bij Facebook) in een interview op www.eweek.com
MCA: december 2015, nummer 6
37
‘Mensen moeten een analytische mindset hebben’
Transformatie van de financieel professional
Het gebruik van businessanalytics is zeker niet nieuw. In bladen als Harvard Business Review verschijnen al een jaar of tien artikelen over het gebruik van wiskundige modellen om bedrijfsbeleid en strategie vorm te geven (zie bijvoorbeeld Davenport, 2006). Het nieuwe aspect is de beschikbaarheid van enorme datasets (‘big data’), waardoor we ook met bestaande technieken steeds meer kunnen. Om bestaande technieken toe te passen op de steeds verder uitdijende data moet allereerst bewustwording plaatsvinden van de ontwikkelingen op IT-terrein en data-analyse. Bijvoorbeeld: beschikbare data groeien exponentieel en passen niet meer op een of enkele computers. Dat vraagt om een architectuur die regelt dat computers met elkaar communiceren. Dat kan onder andere met behulp van Hadoop, dat ongeveer tien jaar geleden het licht zag. Bij een peiling onder de aanwezigen tijdens de bijeenkomst blijkt slechts een minderheid bekend met een dergelijke functionaliteit. Dat suggereert dat financieel professionals mogelijk nog niet voldoende bezig zijn met het belang van ongestructureerde informatie.
HADOOP Het overgrote deel van alle data die tegenwoordig worden geproduceerd is ongestructureerd. Het gaat hierbij vooral om data die via het internet worden verzameld. De term ‘big data’ die is gegeven aan deze snelstromende, zeer grote en zeer diverse dataverzamelingen, is inmiddels welbekend. Big data sets zijn meestal te groot om op één enkel computersysteem te verwerken. Big data creëren dus de behoefte aan een systeem dat data analyseerbaar maakt, zodat daarna de benodigde informatie kan worden geproduceerd. De bekendste architectuur die deze taak kan vervullen is Hadoop File Sharing System (HDFS). De belangrijkste functionaliteit van Hadoop is dat, bij een informatievraag, via een bepaalde server de benodigde data op verschillende servers worden gezet ter analyse, waarna de uitkomsten weer worden teruggezet op de server waar de informatievraag vandaan kwam.
38
De financiële functie is zich op dit moment bewust van de noodzaak tot transformatie. Er bestaat echter nog geen consensus over de richting waarin dat moet gebeuren. Zo laat Meijer (2015) de factor IT voor het grootste deel onbesproken in zijn visie op de transformatie van de financiële functie, terwijl IT wel als belangrijke factor bij de transformatie van de financiële functie wordt gezien door de sprekers op de bijeenkomst in Delft. Ondanks de enorme veranderingen in management reporting (zie figuur 1) zal de kern van de financiële functie niet wezenlijk veranderen. Die kern is het zijn van een navigator, een regisserende adviseur, die tevens zorgt voor een goede samenstelling van zijn team. Managers hebben te maken met een ‘information overload’ en de financieel professional kan een belangrijke rol spelen bij het omgaan met die overload. De financieel professional moet de onderneming door de enorme hoeveelheid en diversiteit aan gestructureerde en ongestructureerde data navigeren, door het blootleggen van de relevante trends. Dat is een belangrijk aspect in de transformatie van reporting. Het gaat daarbij om een focus op het toevoegen van waarde aan de onderneming, de functie in de business dus. De cfo is gewend om te denken in terugblikkende analyses en daarop de gewenste managementrapportages, al dan niet aangevuld met adviezen, te baseren. Het is echter relevanter om te kijken naar wat op dit moment – ‘real time’ dus – gebeurt en aan de hand van data te voorspellen wat er gaat komen (‘predictive’). In een laatste stadium is het zelfs mogelijk om gebeurtenissen te beïnvloeden op basis van besluitvorming met behulp van data-analytics (‘prescriptive’). Hier liggen voor organisaties grote kansen. Als ze blijven hangen in diagnostiek, zijn ze te laat, zelfs met een grote hoeveelheid beschikbare data. Met big data is het mogelijk om een dynamisch inzicht te geven in trends en die om te zetten in toekomstgerichte actie. De beschikbaarheid van grote datasets leidt mogelijk tot een evolutie van de rol van de financieel professional van traditionele management accountant (in de betekenis van verslaggever en rapporteur) naar een rol als data-analist en businessanalist. Vaak zullen de persoonlijkheidskenmerken en competenties van de data-analist en de businessanalist van elkaar afwijken. Stereotyperend kunnen we stellen dat de data-analist de wiskundige is die
MCA: december 2015, nummer 6
Kenmerken van traditionele management reporting
Kenmerken van nieuwe management reporting
Periodieke verslaggeving met statische rapportages
Continue verslaggeving met behulp van dynamisch dashboard
Traditionele periodieke audits
Continue monitoring van datakwaliteit via continuous auditing
Geen lerend vermogen ingebouwd in het systeem bij het opvragen van data
Lerend vermogen is bij het opvragen van data in het systeem ingebouwd1
Vooral financiële data of daarvan afgeleide operationele kengetallen. Een relatief beperkte rol voor niet-financiële data
Naast financiële data bestaat een belangrijke rol voor niet-financiële data, bijvoorbeeld verkregen uit sociale netwerkanalyse, vergaderverslagen en status updates op social media, audio en video, alsmede statistieken van sociale en professionele evenementen
‘Value’ benadering van informatieverzorging. De informatieverstrekker weet hoe de gebruiker beslissingen neemt en past de informatie daarop aan
‘Events’ benadering van informatieverzorging. De informatieverstrekker weet niet hoe de gebruiker beslissingen neemt en presenteert de ruwe data in combinatie met een instrument om de gebruiker te laten bepalen welke informatie hij daaruit wil halen
Traditionele AO/IB leidt tot voldoende betrouwbare informatie
Nieuwe instrumenten zijn nodig om met de snelheid, het volume, de diversiteit en de behoefte aan betrouwbaarheid te kunnen omgaan (bijvoorbeeld Hadoop)
Cybernetische systemen, zoals budgettering, PDCA-cyclus en kwaliteitscirkels
Interactieve systemen
* Data creëren data (lerend vermogen) doordat bij het doen van een query door een manager op een grote dataset nieuwe data worden aangemaakt vanwege het simpele feit dat deze manager blijkbaar behoefte heeft aan de data die hij opvraagt; het systeem leert hiervan en gaat de dataset uitbreiden met nieuwe data die tot een grotere accuratesse in het bij een volgende identieke informatievraag te geven antwoord leidt.
Figuur 1. Transformatie van management reporting het heerlijk vindt om grote datasets door te pluizen en daarin patronen te ontdekken, terwijl de businessanalist de patronen interpreteert ten behoeve van de besluitvorming van het management. Als opvolger van de management accountant ontstaat zo een duale functie waarin de data-analist en de businessanalist zeer nauw met elkaar samenwerken en voortdurend hun kennis met elkaar delen (figuur 2).
Taken, kennis en specialisatie De taak van de financieel professional is primair het beantwoorden van de vraag: wat kunnen we met alle data die ons omringen? Het is daarbij nodig om te weten welke factoren de waarde van de
onderneming bepalen, wat de waargenomen trends in data betekenen voor de organisatie en wat de kansen en risico’s zijn. Daar ligt bij uitstek een taak voor de financiële functie, maar dan moet de financieel professional goed begrijpen waar het over gaat en wat de vraagstukken zijn waar een onderneming mee worstelt. Opnieuw is diepgaande kennis van de business dus essentieel. Daarnaast moet de financieel professional in staat zijn om samen met de data-analist grondige analyses te maken en te presenteren aan het management. Dat is een belangrijk element in het competentieprofiel van de financieel professional. Maar hoe ver moet zijn specialistische kennis van de business en data-analyse reiken?
MCA: december 2015, nummer 6
39
Informatiesysteem
Accountant
Manager
Informatiesysteem Data analist
Business analist
Manager
Figuur 2. Van management accountant naar dataanalist en businessanalist Teams hebben een gemeenschappelijke kennisbasis nodig, al was het alleen maar om met elkaar te kunnen communiceren. Echter, naarmate de complexiteit van de omgeving en taakuitoefening toeneemt ontstaat behoefte aan specialistische kennis. Specialisatie vraagt om een coördinerende functie die de teams samenstelt en aanstuurt. De coördinerende rol zorgt voor communicatie die leidt tot de benodigde kennisdeling. Een andere optie is het toepassen van ‘cross-learning’ waardoor iedere specialist naar een hoger kennisniveau wordt gebracht en daardoor meer generalistisch wordt. Deze laatste optie is meestal lastig werkbaar, omdat het vereiste kennisniveau van andere kennisdomeinen individueel niet haalbaar is, simpelweg vanwege menselijke cognitieve beperkingen. De financieel professional moet dus een slimme mix vinden tussen gemeenschappelijke kennis en specialistische individuele kennis (zie figuur 3). Vrijwel iedere organisatie heeft mogelijkheden voor succesvolle kennisdeling en samenwerking. Maar welk talent is daarvoor benodigd? Het is nog steeds van belang om de principes van financiële verslaggeving (boekhouden dus) te begrijpen, maar dat is niet voldoende. Het is ook noodzakelijk om te weten wat met technologie kan, wat de mogelijkheden van big data zijn en hoe individuele medewerkers in teamverband optimaal kunnen presteren in een complexe data-omgeving. De financieel professional
moet mensen naar binnen halen met een analytische ‘mindset’. Die zijn vaak anders geschoold (psychologen, wiskundigen, econometristen). Ze moeten samen ervoor zorgen dat de analyse op een hoger niveau komt. De samenwerking tussen de financiële functie en de cio, vanuit de invalshoek van informatie en technologie, is ook enorm belangrijk. De datastructuren moeten goed zijn gedefinieerd en de datamodellen en datadefinities moeten duidelijk zijn. Binnen de organisatie zijn er echter nog veel meer partijen die belang hebben bij data-analytics, waaronder marktonderzoekers en talentmanagers. Gelijkgezinden uit verschillende organisatieonderdelen moeten samen optrekken in coalities om data-analytics werkelijk op de agenda van de onderneming te zetten.
Wat doen de financieel professional en zijn team? De vaardigheid om hypotheses te kunnen formuleren en die vervolgens te testen is in toenemende mate een belangrijke kwaliteit die organisaties hun mensen moeten aanleren. Het gaat om het signaleren van trends, dat er iets aan de hand is, hoe dat moet worden verwoord in een hypothese en hoe die hypothese kan worden getoetst. Psychologen, wiskundigen, data-analisten en econometristen zijn vaak veel meer gewend om te denken in dat soort vraagstellingen en het daarop loslaten van analysetechnieken. De businessanalist moet hier dan een goed verhaal van maken voor het management. De hypothesevorming moet uiteraard samen met de business gebeuren. De business levert essentiële input en bovendien is hun ‘buy-in’ nodig om tot actie te kunnen overgaan. Het is de taak van de financieel professional om samen met zijn team bij te houden en te communiceren wat de technische mogelijkheden zijn op het gebied van data-analyse. De mensen uit de business zullen bijvoorbeeld nooit zélf vragen om een analyse waarbij gebruik wordt gemaakt van Google
‘Data en IT-mogelijkheden vragen om een herbezinning van verslaggeving’ 40
MCA: december 2015, nummer 6
Trends. Dat doen zij alleen maar als ze weten dat het bestaat. Daarom is het belangrijk om te weten wat de mogelijkheden zijn.
GOOGLE TRENDS Google Trends is een dienst van Google die via grafieken inzicht geeft wanneer, hoe vaak, en vanaf welke locatie op een bepaald woord is gezocht met Google. Bijvoorbeeld, gedetailleerde gegevens van aan- en verkoopbeslissingen op financiële markten zijn een goede weergave van het complexe menselijke gedrag dat ten grondslag ligt aan crises in financiële markten. Google Trends kan nieuwe perspectieven bieden op het gedrag van financiële markten. Door veranderingen in Google-zoekgedrag naar financegerelateerde termen te analyseren kunnen ‘early warning signals’ worden geïdentificeerd van bewegingen in aandelenprijzen. Preis, Moat en Stanley (2013) hebben dit onderzocht en komen tot de conclusie dat een aandelenportefeuille op basis van Google Trends vele malen beter zou hebben gerendeerd dan andere portefeuilles.
Kortom, er is een functie nodig die data kan analyseren, een functie die dat kan vertalen naar relevantie voor de business en een functie die dit oppakt in het ondernemingsbeleid. En als voor vergaande specialisatie wordt gekozen, is er ook nog behoefte aan een coördinatiefunctie die al die verschillende soorten kennis op elkaar afstemt.
WAT KUNNEN WE MET AL DIE DATA? Voorbeeld 1: C&A Binnen de retail bestaan legio mogelijkheden op het gebied van data-analyse, ook op basis van interne data. Elke transactie wordt immers vastgelegd in een systeem. Alleen al met die interne data kan veel worden gedaan. Analyse maakt onder andere duidelijk welke producten consumenten tegelijkertijd kopen, wat de kooppatronen door de dag heen zijn en welke correlaties bestaan tussen bepaalde landen en regio’s. Met die informatie kan bijvoorbeeld store-profiling worden gedaan voor een beter aanbod. Dat kan dan weer worden gebruikt voor verbeterde business performance. Voorbeeld 2: Schiphol Schiphol streeft ernaar de beste digitale luchthaven ter wereld te worden. Het gebruik van data wordt steeds geavanceerder. Zo kan apparatuur in parkeergarages en liften automatisch storingen en onderhoudseisen doorgeven. Schiphol werkt ook aan systemen die zorgen voor een automatische uitlezing van het paspoort van passagiers, zodat paspoort en boardingpass niet meer telkens hoeven te worden getoond. Ook is het mogelijk om de passagiers realtime aanwijzingen te geven richting de gates en toegespitste aanbiedingen te doen op weg daarnaar toe. Het zou zelfs mogelijk moeten zijn om, via elektronische herkenning, reclameboodschappen op beeldschermen en elektronische billboards aan te passen aan de specifieke kenmerken van de reizigers die langslopen. Technisch is al veel mogelijk, maar er zijn ook nog privacygevoeligheden.
DATA DOWNSIDES
Prof.dr. Eddy Vaassen RA en drs. Willem Eelman RC – CFO bij C&A Retail in Europe
Per 1 januari 2016 gaat de Europese verordening inzake privacy in. Dat betekent dat het lekken van persoonsgegevens leidt tot boetes. De hoogte van de boetes is gerelateerd aan de omzet van de verantwoordelijke organisatie en aan de preventieve maatregelen die de organisatie heeft getroffen ter bescherming van de persoonsgegevens in de organisatie.
MCA: december 2015, nummer 6
41
Coördinatie
Kennisdomein A
Kennisdomein B
Kennisdomein C
Gemeenschappelijke kennisbasis
‘De financieel professional moet meebewegen met de datarevolutie’
Figuur 3. Ontwikkeling van een gemeenschappelijke kennisbasis van de financieel professional
Conclusie De razendsnelle ontwikkelingen op het gebied van (big) data en digitalisering vragen om een reactie van de financieel professional. Een uitblijvende reactie zal de relevantie van de financieel professional, in zijn rol als navigator, uithollen. Een adequate reactie, daarentegen, kan leiden tot belangrijke kansen. Het is wezenlijk dat de financieel professional zich bewust is van de ontwikkelingen en zorgt voor een goed samengesteld team. Het team moet in staat zijn om data-analytics te combineren met beschikbare (big) data en moet bovenal de juiste hypothesen kunnen formuleren. De financieel professional hoeft dus geen alleskunner te zijn, maar moet wel in de basis weten waar het over gaat. Dat is nodig om de interface tussen technologie en wat de business nodig heeft actief te kunnen managen. Uiteraard zal de invulling van de financiële functie, zoals altijd, afhangen van de specifieke organisatie. Zie ook het artikel op pagina 20 over de inrichting van de financiële functie in drie heel uiteenlopende ondernemingen.
Drs.ir. Albert van Veen – CIO van Schiphol Group
Literatuur ~ Davenport, Th.H. (2006). Competing on Analytics. Harvard Business Review, January, 99-107. ~ Luhn, H.P. (1958). A Business Intelligence System. IBM Journal of Research and Development, vol. 2, nr. 4, 314-319.
Financial Markets Using Google Trends. Scientific Reports, April, 1-6. ~ Syed, A., K. Gillela, en C. Venugopal (2013). The future revolution on Big Data.
~ Meijer, P. (2015). Financiële transformatie, De financiële functie in beweging. In: M. Franssen en M. Arets (2015). Management Control, Dynamisch balanceren
42
tussen basis op orde en innovatie, Vakmedianet, Deventer, 317-336. ~ Preis, T, H.S. Moat, en H.E. Stanley (2013). Quantifying Trading Behavior in
International Journal of Advanced Research in Computer and Communication Engineering, 2 (6), 2446–2451.
MCA: december 2015, nummer 6