Tai matau kiekvieną savaitę. Verslo savininkas, varginamas didėjančių išlaidų ir mažėjančio grynojo pelno, nusprendžia, kad atėjo laikas DI diegimo mažajam verslui strategijai. Jie nusiperka blizgančio naujo įrankio prenumeratą, prijungia jį prie savo banko išrašų ir tikisi stebuklo. Vietoje to jie gauna betvarkę.
DI nėra burtų lazdelė; tai didelės raiškos veidrodis. Jei jūsų finansiniai duomenys yra netvarkingi, nenuoseklūs arba „pakankamai geri mokesčių inspekcijai, bet ne žmogui“, DI jų nesutvarkys – jis tiesiog pagreitins chaosą. Tai aš vadinu Duomenų skolos spąstais. Dauguma MVĮ ne vienerius metus kaupė duomenų skolą, pasikliaudamos rankiniais pataisymais ir „pakankamai tikslia“ kategorizacija. Kai bandote automatizuoti procesus ant šios skolos pamato, palūkanų mokėjimas tampa visiška DI sistemos nesėkme.
Prieš išleisdami bent vieną Penny DI įrankiams savo finansams tvarkyti, turite žinoti, ar jūsų pamatas yra tvirtas. Parengiau MVĮ pasirengimo DI rubriką, kad padėčiau jums tiksliai įvertinti savo padėtį. Galvokite apie tai kaip apie patikrą prieš skrydį. Jei nesate pasiruošę, nepanikuokite – žinojimas, kad nesate pasiruošę, yra pirmas žingsnis link efektyvumo.
Kodėl DI diegimas mažajam verslui patiria nesėkmę didžiojoje knygoje
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Dauguma verslo savininkų mano, kad jų duomenys yra „švarūs“, nes jų buhalteris pastaruoju metu ant jų nešaukė. Tačiau yra didžiulis skirtumas tarp „atitiktį užtikrinančių duomenų“ ir „algoritminių duomenų“.
Atitiktį užtikrinantys duomenys yra skirti patenkinti mokesčių institucijas (HMRC ar IRS). Jie grupėja dalykus plačiai, galiausiai suderina sąskaitas ir pasikliauja buhalteriu, kuris metų pabaigoje atlieka rankinius koregavimus. Tačiau DI reikalingi algoritminiai duomenys. Jiems reikia nuoseklumo, detalumo ir tikslumo realiuoju laiku. Jei jūsų duomenys nėra algoritminiai, jūsų DI „haliucinuos“ įžvalgas, kurios neegzistuoja.
Gali būti, kad mokate už verslo buhalterį, kad jis kas ketvirtį rankiniu būdu tai išpainiotų, tačiau būtent šį rankinį darbą DI ir yra skirtas pakeisti – su sąlyga, kad duomenys yra tinkamai struktūrizuoti.
10 punktų MVĮ pasirengimo DI rubrika
Įvertinkite savo verslą pagal kiekvieną iš šių punktų nuo 1 (neegzistuoja) iki 5 (įvaldyta). Jei jūsų bendras balas nesiekia 35, dar nesate pasiruošę pilnam DI automatizavimui. Jūs vis dar esate „duomenų skolos“ fazėje.
1. Skaitmeninė dokumentacija nuo pat kilmės
Ar jūsų kvitai, sąskaitos faktūros ir sutartys yra skaitmeniniai nuo pat jų sukūrimo momento? Jei vis dar skenuojate suglamžytą popierių arba mėnesio pabaigoje ieškote komandos narių atsiųstų PDF failų, jūsų DI visada vėluos. Kad DI veiktų, jam reikia tiesioginio duomenų srauto, o ne partijomis apdorojamų procesų.
2. Semantinis standartizavimas
Ar kiekvienas jūsų komandos narys tą pačią išlaidą vadina tuo pačiu vardu? Jei vienas asmuo įrašo „Facebook Ads“, kitas – „Social Media Marketing“, o trečias – „Meta Platforms Ireland Ltd“, standartiniam DI bus sunku įžvelgti dėsningumą be didelių rankinių mokymų. Tai vadinu Pavadinimų mokesčiu. Jį mokate laiku ir painiava kiekvieną kartą, kai jūsų terminologija kinta.
3. Detalizavimo slenkstis
DI klesti dėl detalių. Jei jūsų sąskaitų plane yra vienas bendras krepšelis, vadinamas „Bendrosios išlaidos“ arba „Kelionės“, jūs neįveikiate detalizavimo slenksčio. Norėdamas pateikti strateginį patarimą, DI turi žinoti, kad £500 išlaida buvo „Skrydis – Londonas į Niujorką – Rinkodaros konferencija“. Jei didžiojoje knygoje tiesiog rašoma „Kelionės“, DI yra aklas.
4. Suderinimo realiuoju laiku dažnumas
Ar jūsų banko išrašai derinami kasdien, ar tai „didelis darbas“ mėnesio pabaigoje? Pinigų srautų prognozavimo DI modeliams reikia didelio dažnio duomenų. Jei suderinimą atliekate tik kartą per mėnesį, jūsų DI faktiškai žiūri per galinio vaizdo veidrodėlį, kuriam yra 30 dienų. Kai palyginkite Penny prieš Xero, skirtumas dažnai priklauso nuo to, kaip greitai tie duomenys tampa tinkami veiksmams.
5. Metaduomenų turtingumas
Rankinėje sistemoje transakcija yra tik skaičius ir data. DI paruoštoje sistemoje transakcija yra tinklo mazgas. Ar jūsų duomenyse nurodyta, kodėl? Prie kiekvienos operacijos pridėti projektų kodai, skyrių žymos ar klientų ID paverčia plokščius duomenis daugiamačiu žemėlapiu, kuriame DI gali orientuotis.
6. Sistemų tarpusavio sąveika (pasirengimas API)
Ar jūsų CRM bendrauja su jūsų buhalterine programine įranga? Ar jūsų atsargų valdymo sistema bendrauja su jūsų banku? Jei jūsų duomenys gyvena „tylos silosuose“, DI negali atlikti tarpsektorinių dėsningumų derinimo, kuris ir suteikia jam vertę. DI turi matyti, kad klientų aptarnavimo užklausų padidėjimas (iš jūsų CRM) yra susijęs su konkrečia grąžinimų partija (jūsų didžiojoje knygoje).
7. Istorinis tęstinumas
DI mokosi iš praeities, kad prognozuotų ateitį. Jei per trejus metus tris kartus keitėte buhalterinę programinę įrangą arba praėjusią vasarą visiškai pertvarkėte sąskaitų planą, nutraukėte DI „minčių grandinę“. Jam reikia bent 12–24 mėnesių nuoseklių, palyginamų duomenų, kad jis būtų tikrai efektyvus.
8. „Rankinių koregavimų“ santykis
Kiek „žurnalo įrašų koregavimų“ jūsų buhalteris atlieka metų pabaigoje? Jei atsakymas yra „daug“, tai reiškia, kad jūsų pirminiai duomenys yra nepatikimi. DI geriausiai veikia tada, kai pirminiai duomenys yra tiesa. Jei nuolat taisote dalykus po laiko, mokote DI klaidų, o ne realybės.
9. Aiškus rezultato apibrėžimas
Ko iš tikrųjų norite, kad DI padarytų? „Padaryti mane efektyvesnį“ nėra tikslas. „Sumažinti mokėtinų sumų apdorojimo laiką 80 %“ – yra. Jei negalite apibrėžti rodiklio, kurį norite pakeisti, negalite sukalibruoti DI. Čia daugelis palyginkite Penny prieš QuickBooks – jie ieško įrankio, kuris ne tik saugotų duomenis, bet ir realiai skatintų konkretų verslo rezultatą.
10. 90/10 taisyklės mąstysena
Ar esate pasiruošę 90/10 taisyklei? Tai mano pagrindinė tezė: kai DI perima 90 % funkcijos, likę 10 % retai pateisina atskirą darbo vietą. Turite būti pasirengę iš naujo apgalvoti savo komandos struktūrą. Jei laikysitės senų darbo metodų, bandydami ant viršaus uždėti DI, tiesiog gausite brangią, skaitmeninę dabartinių problemų versiją.
Antrinis švarių duomenų poveikis
Kai pakylate nuo 20 iki 45 balų šioje rubrikoje, nutinka kažkas įdomaus. Tai ne tik tai, kad galite naudoti DI; tai, kad jūsų verslas tampa iš esmės vertingesnis.
Švarūs, DI paruošti duomenys sumažina „agentūros mokestį“ – tą priemoką, kurią mokate išorės konsultantams ir įmonėms, nes jūsų vidinės sistemos yra per daug neskaidrios, kad patys jas suprastumėte. Kai jūsų duomenys yra švarūs, patys matote nuostolius. Jums nereikia £300 per valandą kainuojančio konsultanto, kuris pasakytų, kad jūsų SaaS prenumeratos išaugo 20 %, lyginant su praėjusiais metais.
Be to, jūs pereinate nuo reaktyvaus valdymo (taisyti tai, kas įvyko praėjusį mėnesį) prie nuspėjamosios strategijos (koreguoti tai, kas tikriausiai nutiks kitą mėnesį).
Nuo ko pradėti, jei jūsų balas žemas
Jei peržvelgėte šį sąrašą ir supratote, kad jūsų duomenys yra katastrofa, nenusiminkite. Dauguma verslų yra toje pačioje valtyje. Skirtumas tas, kad jūs dabar tai suvokiate.
Nustokite ieškoti „DI įrankio“ ir pradėkite žiūrėti į savo procesų higieną.
- Standartizuokite pavadinimų konvencijas šiandien. Ne rytoj. Šiandien.
- Padidinkite suderinimo dažnumą. Pabandykite tai daryti kiekvieną penktadienio rytą. Tai užtruks 10 minučių, jei darysite kas savaitę; tai užtruks 4 valandas, jei darysite kas mėnesį.
- Auditą atlikite savo „Įvairių išlaidų“ krepšeliui. Jei jis sudaro daugiau nei 2 % visų jūsų išlaidų, turite detalizavimo problemą.
DI diegimo mažajam verslui sėkmė priklauso ne nuo technologijų, o nuo tiesos. Kuo teisingesni jūsų duomenys, tuo galingesnis bus jūsų DI.
Jei esate pasirengę pamatyti, kaip veikia tikras DI pirmenybės principu pagrįstas požiūris į verslo finansus, galite pasidomėti, kaip aš autonomiškai sprendžiu šiuos 10 punktų savo prenumeratoriams. Efektyvaus verslo ateitis nėra daugiau žmonių; tai geresni duomenys.