为什么智能数据基础是决策准备的关键

假设你是一家保险公司的首席财务官。你要弄清楚你的利润真正来自哪里。哪些政策、产品或销售渠道导致了利华体会体育注册润和亏损?你们大部分索赔的来源在哪里?这些索赔是如何影响利润的?你怎样才能获得潜在的财务和运营数据，从而揭示真正推动业务发展的因素?

如果你能回答这些问题，你就能自信地做出明智的决定，决定在哪里投资技术和人才，从而更好地适应不断变化的市场条件。这对于成为一个决策就绪的组织是至关重要的。如果你还不能回答这些问题，请继续往下读。

在数据饱和的世界中竞争

做好决策准备的很大一部分是利用数据，但仅凭这一点可能具有挑战性。例如，数据增长的速度是惊人的。在2010年到2020年之间，创建、捕获和复制的数据量增长了5000%。而且没有任何减缓的迹象。据估计，到2025年，世界人口将产生483艾字节数据每一天。这种加速的数据量和速度使公司管理和理解他们用于运营业务的数据变得具有挑战性。而且，在一个快速变化、数据饱和的世界里，这使得界定竞争优势的能力变得更加复杂。

在这场数据海啸中挣扎求生的公司正在慢慢下沉。在2021年的一项调查中《财富》杂志1000家公司，只有24%将他们的业务定义为数据驱动的在去年。尽管对令人垂涎的数据科学家的需求正在上升，流动率明显高。最大的抱怨是什么?公司还没有为成功打下基础。

为成为一家以数据为中心的公司奠定基础

不幸的是，简单地建立解决方案并将其附加到现有环境中并不能解决这些缺点。相反,商业和金融领导人希望改变他们的轨迹通过利用数据的力量，需要从底层开始，然后向上发展。扫清通往未来的道路，决策就绪的状态取决于有一个地方来摄取、丰富和转换数据，所有这些都连接到记录系统;换句话说，它需要智能数据基础。

一个统一的、可广泛访问的数据核心是每个成功的企业如果希望实现财务和整个企业的现代化，就必须取得成功的东西。例如，德勤(Deloitte)将智能数据基金会命名为“公共信息模型”(CIM)。从德勤的角度来看，实现有效的CIM是组织在整个企业中一致地计划、记录、报告和度量绩效的先决条件。德勤数字控制高级经理Katie Glynn指出:“一个完善的CIM将创造一种一致的方式来看待数据。”“当会计师想到数据时，我们喜欢想到财务数据。但要真正实现金融的未来愿景，还需要考虑管理和运营数据的组成部分。”

德勤确定了一套原则这有助于实现可持续的金融转型。一个有效的CIM必须是:

• 颗粒。数据必须足够详细，以帮助实现自动化、限制协调、绘制洞察力、做出决策和生成有意义的报告。

• 独一无二的。每个数据元素都有一个独特的目的。避免重叠或多个用例，以免稀释数据。

• 灵活。建立一个能够适应未来变化的基础，比如重组，收购，以及业务变化。密切关注报告，确保它符合当前和未来的需求。

• 整合。确保任何遵从性或公司指令都被纳入智能数据基础或CIM中。还要考虑FP&A之外的需求，如商业融资、外部报告、本地会计和税收。

• 一致的。推动财务整合和比较分析，在所有地区、部门和子公司之间建立一致性。

• 治理。定义护栏以确保遵守政策和命令，并防止超时“漂移”。

一旦在财务和非财务部门建立了智能数据基础，组织就可以利用更丰富的数据集，简化整个会计和计划的工作流程，并最终帮助组织做好决策准备。

具有现代能力的规划体系

尽管智能数据基础非常重要，但它并不是单独工作的。您需要一系列的功能和技术来利用它，以便您可以为未来构建(和计划)。它们包括:

• 内存架构。当大量数据存储在内存中时，处理时间大大减少，并且需要运行批处理过程来获得最终的财务报告将成为过去。

• 实时数据。日益变化的环境需要实时数据来准确评估当前的条件和限制，并允许明智的决策和灵活的航向修正。

• 对象数据模型。为了充分利用从数据中收集到的见解，您需要一个对象数据模型，而不是传统的分类帐结构图表。有了原生维度，您可以利用更丰富的分析和更通用、更细粒度的报告功能。

• 连接的安全模型。从管理、运营和财务数据中获取见解和行动取决于您将这些数据集中在一个地方并使其能够跨应用程序安全地访问的能力。

• 人工智能(AI)和机器学习(ML)为了帮助企业管理风险、发现异常现象，并更快地做出更好的决策，人工智能和机器学习应该能够做到这一点融入到你的计划解决方案中。

• api和集成。无缝集成数据源和企业系统的生态系统，以实现作为一个整体工作的互联环境。

了解，甚至预测你的业务

随着越来越多的财务团队对其会计和FP&A业务进行数字化转型，决策者正在从实施智能数据基础以及强大的企业范围洞察力、面向未来的规划和敏捷决策等现代功能中获益。许多这样的团队都希望Workday能够实现这一目标。

与其要求客户通过将不同的技术和中间件拼接在一起来创建一个全面的环境(更不用说定制编程了，这使得所有权进一步超出了财务的范围)，现在可以通过一个单一的系统来实现一个决策就绪的环境，该系统可以摄取、丰富并将数据转换为会计，然后利用这些数据进行高级分析和规划。这一切都是以一种控制财务的方式进行的。

Workday高级解决方案营销经理斯蒂芬•鲍尔(Stefan Ball)指出，Workday的客户可以将运营员工数据和财务数据融合在一起，创建一个由财务部门拥有的企业数据中心。Ball解释说:“我们可以根据这些操作数据创建会计，同时保持与源详细信息的连接。”“然后，所有这些都由Workday现有的安全模型连接和保护。”

通过利用这个统一的数据核心，财务部门能够建立有意义的联系，跨部门和业务单位进行协作，并不断适应和实时响应。通过添加大量的内部和外部操作数据，计划、预测和分析变得更加精细和灵活，并配有完整的审计跟踪。这允许将数据转换为有用的kpi和指标，得出更丰富的见解，进行并行比较分析，并确定驱动因素、模式和相关性。

它还能帮助你向前看。“我们正在将机器学习构建到这个结构中，以帮助您理解异常的日记账条目，帮助自动处理员工费用方面的发票或费用收据等流程。通过在客户在分析中发现异常之前将其呈现出来，我们帮助客户保持数据尽可能干净。”

用这个企业数据中心，企业获得各种运营洞察。取保险的例子前面提到的。(记住，你是一家保险公司的首席财务官。)一个统一的、决策就绪的环境将允许您的财务团队不仅确定盈利能力的宏观驱动因素，而且还将财务、运营和人员数据结合起来，以确定最负责推动收入和利润的实际人员。您可以分析天气或地理空间数据等方面，甚至是受大流行影响的因素。实际上，从任何角度(服务代表、部门、地区等等)，您都可以深入到您的机会管道中，解开您的能力和需求，并评估您的积压与预测。

推动未来的决策

很明显，组织领导者知道他们的业务的健康和长寿取决于是否做好决策准备，这在很大程度上意味着要成为数据驱动的。但很少有人知道如何到达那里。

对于那些理解设计良好的智能数据基础的重要性的人来说，前进的道路更明确了——坦率地说，也更富有成效。正如鲍尔所指出的，“把所有的数据放在一个地方是一回事。但最终目标是推动决策。”