Spesso il processo contabile è in ritardo rispetto alle esigenze di controllo e di reporting economiche e finanziarie. Il predictive closing può ovviare a tale situazione: avvalendosi degli analytics, riesce ad accorciare i tempi in modo che i decision maker possano disporre dei risultati e delle previsioni che necessitano per intervenire, se necessario, dal punto di vista strategico o per veder confermata la correttezza della strada intrapresa.   
31 Mar, 2021

Spesso il processo contabile è in ritardo rispetto alle esigenze di controllo e di reporting economiche e finanziarie. Il predictive closing può ovviare a tale situazione: avvalendosi degli analytics, riesce ad accorciare i tempi in modo che i decision maker possano disporre dei risultati e delle previsioni che necessitano per intervenire, se necessario, dal punto di vista strategico o per veder confermata la correttezza della strada intrapresa.   

 

Perché usare gli analytics nel closing & reporting 

Regolarmente ogni azienda effettua un closing & reporting mensile e mira a farlo il prima possibile perché meno giorni passano tra la fine del mese e la distribuzione del report che ne analizza le performance, più efficaci e repentine saranno le azioni correttive che il management può fare per aggiustare il tiro. Se si aspettasse la contabilizzazione delle ultime fatture del cliente o del fornitore si perderebbe gran parte dell’efficacia dei report stessi.  

L’impiego degli analytics automatizza e accelera il reporting ma, in questa fase, sono soprattutto gli strumenti innovativi di business intelligence (BI) che fanno la differenza; la data science non fa che fornire degli elementi in più, preziosi, da inserire nel proprio self service reporting.  

È sul closing che gli analytics hanno un maggior impatto soprattutto nella fase di completamento di ricavi e crediti e in quella di gestione della variabilità dei costi che, se non rispecchia la variabilità dei ricavi, potrebbe dover essere corretta e integrata. In questo caso, gli analytics forniscono un alert ed eventualmente un suggerimento sulle corrette stime da inserire nel closing, e in altre situazioni possono essere utilizzati similmente, quando dal fast closing si passa al predictive closing. 

 

Fast closing e predictive closing: differenze e vantaggi 

Per chiudere gestionalmente il mese in anticipo senza lasciare che sia la contabilità generale a dettare il ritmo, nel fast closing si punta sulla contabilità analitica e sulle informazioni di budget o forecast.  

Nel primo caso si riesce ad avvicinarsi maggiormente ai processi operativi comprendendo meglio la manifestazione finanziaria di alcune azioni prima che avvenga la loro registrazione civilistica, guadagnando indubbiamente del tempo prezioso.  

Con i dati inseriti nel budget o forecast nella fase di pianificazione, invece, si può far fronte alla mancanza di dati contabili, ad esempio nel caso di costi annuali che vanno splittati per ogni mese di competenza.  

A questi due elementi nel fast closing si aggiungono anche gli input “manuali” che non compaiono in alcun documento ma sono demandati alla conoscenza del singolo, che potrebbe ad esempio sapere se ci sono delle fatture in arrivo. È proprio nell’utilizzo di questo tipo di informazioni strettamente legate al fattore umano che emerge la differenza tra predictive closing e fast closing. 

 

Passare al predictive closing significa fare una sorta di upgrade conservando tutti i vantaggi del fast closing in efficacia e velocità, ma ottenendo uno strumento ancora più preciso e proattivo. Utilizzando delle tecniche statistiche, si effettua un clustering di movimenti e transazioni contabili che avvengono all’interno dell’azienda associandoli al processo che li ha generati in modo da poter anticipare e suggerire delle rettifiche squisitamente "data-driven".  

Basandosi sulla tipica distanza storica tra un dato contabile di fine mese e il corrispettivo ottenuto al momento della chiusura effettiva, si può stimare con una percentuale la lentezza della contabilità grazie alla data science e quindi avere degli alert "ex-ante" sulla completezza del dato contabile. 

Nel predictive closing con gli analytics si possono anche individuare correlazioni tra misure contabili legate a particolari processi e identificare elementi anticipatori di altre metriche - come lo potrebbero essere i ricavi per i crediti - per poter ottenere suggerimenti sulle correzioni da apportare nel closing.   

 

Perché gli analytics migliorano il reporting 

A conti fatti, il predictive closing permette di effettuare dei report di maggiore qualità in cui le considerazioni economiche e finanziarie sono più precise e le dinamiche sono descritte in chiave data driven, non rifacendosi più a semplici sensazioni personali. Anche le rettifiche di fine mese sono molto meno soggettive e quindi meno contestabili perché supportate da dati. Oltre a riportare informazioni più solide, i report sono anche più veloci, perché, grazie al predictive closing, non si è più strettamente dipendenti dai tempi di valutazione umani e da stime effettuate a mano, spesso anche fuori sistema, su fogli di calcolo non tracciabili all’interno del processo. 

 

Per beneficiare dei vantaggi di un processo basato sui dati, vanno messe in conto anche alcune criticità relative al loro trattamento o reperimento. Nel caso del closing & reporting è importante avere un buon livello di coerenza tra sistemi contabili e extracontabili e, se sono presenti più società, ciascuna con un gestionale diverso, può rendersi necessaria la creazione di layer di integrazione (data lake o data warehouse) che renda possibile il predictive closing pur mantenendo le peculiarità dei vari sistemi ERP.  

In settori come quello delle telco o del retail, da gestire c’è anche la granularità dei dati, spesso elevata e che richiede la realizzazione di un ambiente adatto (storage granulare) per sfruttarla appieno e in modo evoluto. 

 

New call-to-action