Teknologialla saatu kustannukset alas – nyt hakemaan taloudesta todellista lisäarvoa!

Rakennamme automaatioratkaisuja tekniikka edellä talouden prosessien parantamiseksi. Mutta saammeko näin riittäviä liiketoimintahyötyjä tai mahdollistammeko talouden transformaatiota? Olisiko aika yhdistää teknologia ja talous aivan uudella tavalla?

Ohjelmistorobotiikka, prosessiautomaatio ja koneoppiminen – tuttuja termejä kaikki. Uusia toimintamalleja ja työkaluja on tullut valtavasti, mutta edelleen aidoilla liiketoimintahyödyillä viitataan lähinnä alhaisempiin kustannuksiin. Ei tämäkään huonoa ole, mutta nyt pitäisi siirtää katsetta eteenpäin ja syvemmälle. Miten mahdollistamme teknologialla talouden todellisen transformaation?

Liiketoiminnan mittarit ohjaamaan autonomisia prosesseja

Prosesseja on kehitetty yrityksissä jo pitkään ohjelmistorobotiikan automaatiolla (RPA, robotics process automation), jolloin olemassa olevista prosesseista on pyritty poistamaan manuaaliset vaiheet. Seuraavana meidän tulisikin keskittyä prosessien laadulliseen parantamiseen. Prosessilouhintaa (process mining) eli talouden transaktioiden pohjalta muodostettua kuvausta prosessien kulusta kokeillaan jo edistyneimmissä yrityksissä. Sen avulla on voitu todentaa, että todellisuus talouden prosesseissa on monesti huomattavasti luultua monimutkaisempaa. Yksinkertaiseksi suunniteltu prosessi onkin kuin sotkuinen kasa spagettia. Tämän tunnistaminen mahdollistaa paremman läpinäkyvyyden ja siten uudenlaisen prosessien suunnittelun, toteuttamisen ja monitoroinnin. Jatkossa ongelmat prosessissa voidaan havaita jo ennen kuin ne tapahtuvat esimerkiksi virheellisen tai puuttuvan tiedon takia, mikä mahdollistaa entistä autonomisemmat prosessit. Tästä päästään vielä seuraavalle tasolle, kun prosesseille voidaan asettaa liki reaaliaikaisesti päivittyviä operatiivisia mittareita, jotka johdetaan esimerkiksi käyttöpääoman vapauttamisen tavoitteista.

Päätöksenteon avustaminen koneoppivin mallein

Tämän hetken talouden analytiikan läpinäkyvyys tarkoittaa usein tapahtumien syiden selittämistä. Tulevien tapahtumien ennakointi ja optimointi on vielä liian raskaan ennusteprosessin rattaissa. Edistyneimmät yritykset käyttävät jo tilastollisia tai koneoppivia malleja ennustamiseen ja optimointiin, mutta vain harvat ovat pystyneet täysin automatisoimaan ja hyödyntämään näitä malleja laajasti koko organisaatiossa. Tämän takia yritysten talousorganisaatioiden pitääkin päivittää osaamistaan, organisoitua osin uudella tavalla ja panostaa mallien luotettavuuteen ja läpinäkyvyyteen, jotta niiden tuotokset voidaan ottaa laajamittaiseen käyttöön. Yksittäiset mallit jäävät aina yksittäisten ihmisten päätöksenteon tueksi ja vasta laajalti organisaatiossa käytetyt, esimerkiksi ennustamiseen tai hinnoitteluun liittyvät mallit tuovat tuntuvat liiketoimintahyödyt.

Edistyneet palvelukeskukset ja älykkäät alustat

Suomalaiset yritykset ovat tunnistaneet automaation mahdollisuudet palvelukeskuksissa ja alkaneet siirtää niitä takaisin Suomeen. Palvelukeskusten evoluutiossa olemme kuitenkin vielä alussa, sillä ne ovat vielä monesti puhtaasti talouden tai HR:n prosesseihin keskittyneitä. Edistyneimmät yritykset ovat jo siirtyneet yli organisaatioiden menevien prosessien (lead-to-cash, hire to retire, source to pay) hallintaan. Nykyteknologia mahdollistaisi kuitenkin vieläkin enemmän. Kansainvälisen yrityksen haasteena on, että jokaisessa toimintamaassa on edelleen paikallista osaamista vaativia tehtäviä, kuten esimerkiksi verotus ja paikallinen raportointi. Tämä asetelma on kovaa vauhtia muuttumassa, sillä vauhtia muutokseen tuovat esimerkiksi uudet digitaaliset alustat, kuten EY Global Tax Platform, jotka mahdollistavat yhä uusien töiden keskittämistä.

Mistä sitten aloittaa?

Kysy itseltäsi, kuka ymmärtää parhaiten talouden dataani?

Jos sinulla on liiketoimintasi kannalta uniikkia dataa, jota vain sinä ymmärrät, panosta uuteen osaamiseen, joka liittyy prosessilouhintaan, koneoppiviin malleihin ja palvelukeskusten kehittämiseen. Jos uskot jonkun muun ymmärtävän dataasi sinua paremmin, pyydä apua prosessilouhinnan tulosten tulkintaan ja kehittämiseen, ulkoista koneoppivien mallien arviointi ja kiihdytä palvelukeskuksia älykkäillä alustoilla.

Teksti on julkaistu Kauppalehden Vieraskynä-palstalla 21.10.2019.