Datastrategie en datamanagement: twee voorwaarden voor data-driven finance

Van voorgekauwd tot self-service

De behoefte aan omkadering is groot, en dat heeft verschillende oorzaken. Ze begint bij de veelheid aan datavragen die met name Finance ontvangt, per definitie de gatekeeper van data en verantwoordelijk voor master data governance in crossfunctionele processen. 

“Er zijn tal van interne stakeholders,” zegt Alexander Declerck, Business Unit Leader Transition & Support bij TriFinance. “De CEO vraagt bepaalde data op, net als aankoop, verkoop of HR, en daarnaast zijn er externe stakeholders zoals bankiers, revisoren en investeerders. Ze hebben elk specifieke informatie nodig en rekenen erop dat die accuraat, volledig en tijdig beschikbaar is, reden waarom een heldere data en analyticsstrategie cruciaal is."

Daar komt bij dat sommige profielen liever zelf met data aan de slag gaan, in plaats van bestaande dashboards of rapporten te gebruiken. “Om tot de meest relevante inzichten te komen, zetten ze eigenhandig stappen in dataverwerking, -beheer en -analyse,” zegt Maarten Lauwaert, Expert Practice Leader Data & Analytics. “Daarmee bouwen ze in feite informele finance-data-analyticscapaciteiten op. Dat is zeker een positieve evolutie, maar ze vraagt om waakzaamheid. Wanneer afdelingen verschillende posities innemen op het spectrum van ‘voorgekauwd’ tot ‘self-service’, is het des te belangrijker om de organisatie goed te wapenen en efficiëntie, kwaliteit en veiligheid te bewaken.”

“Het gevaar bestaat dat iedereen een eigen versie van de waarheid creëert”, vult Alexander Declerck aan. “De discussies die dan volgen, ondermijnen net de efficiëntie. Het is zaak een duidelijk kader te scheppen, met afspraken over definities, interpretaties en tools, zodat iedereen op dezelfde manier naar dezelfde data kijkt en datasilo's vermeden worden."

Predictive analytics

Een andere ontwikkeling die de nood aan degelijk datamanagement versterkt, is de verschuiving van descriptieve naar predictieve en straks misschien zelfs prescriptieve data. Op het vlak van voorspellingen staat Finance nog niet zo ver als sommige andere afdelingen, maar het potentieel is groot. In planning en budgeting, en ver daarbuiten, moeten organisaties rekening houden met een advanced-analyticsstrategie en een gerichte predictive-analyticsstrategie die specifiek inspeelt op predictive analytics binnen Finance.

Maarten Lauwaert: “Met AI-gestuurde of andere vormen van predictive analytics kun je inschatten welke klanten te laat zullen betalen of welke leveranciers binnenkort in zwaar weer terecht kunnen komen. Door daar proactief op in te spelen, geef je je organisatie een duidelijke voorsprong. Maar dat werkt alleen als de basis op orde is. Actuele én historische data moeten accuraat zijn. Datastromen mogen nergens haperen. Platformen en modellen moeten correct worden opgezet en consistent worden onderhouden. Daarom zijn een enterprise-data-analyticsstrategie en duidelijk MDM (master data management) essentieel.

Finance als businesspartner

In de evolutie naar meer en beter data-driven werken, wijzen de experts Finance een sleutelrol toe. “Finance en data-analyse samen vormen de bewijsbasis voor strategische besluitvorming," zegt Maarten Lauwaert. “Het is belangrijk dat finance professionals hun kennis op dit vlak aanscherpen. Een goed begrip van de mogelijkheden én van de potentiële technologische en organisatorische impact helpt niet alleen om zelf de juiste stappen te zetten, maar ook om richting te geven bij de creatie van dat broodnodige kader.”

Dat omvat in de eerste plaats een doordachte datastrategie en vereist vaak investeringen in data science-vaardigheden en tooling, zodat inzichten op schaal kunnen worden benut. Alexander Declerck: “Analyseer grondig welke data je nodig hebt, en durf te differentiëren. Wat zijn de prioriteiten, en wat zijn de nice-to-haves? Dat is een cross-functionele oefening: je brengt de noden van de hele organisatie in kaart, stemt ze op elkaar af en vertaalt ze in duidelijke KPI’s.”

Dat roept meteen ook vragen op over datamanagement, zoals: “Welk niveau van datakwaliteit wil je bereiken? “De kosten die daarmee gepaard gaan, maken dat tot een essentiële strategische keuze," zegt Maarten. ”

Een CFO met minstens een basisbegrip van het technische aspect is bij uitstek geschikt om hier de brug te slaan. Maarten: “De business weet waar het bedrijf naartoe moet, maar mist vaak inzicht in de technische implicaties. De technische experts kennen unified data architecture en lakehouse architecture op hun duimpje, maar weten weinig of niets over de strategische roadmap of de operationele impact. Pas als je die werelden verbindt, ben je een echte businesspartner.”

Less is more

Het prioriteren van kritische datapunten is absoluut geen detail in het uittekenen van een datastrategie. Het hangt nauw samen met de vereisten van datamanagement. Alexander Declerck haalt hiervoor een beeld uit de luchtvaart aan: “De cockpit van een oude Boeing telde honderden metertjes, waarbij het nauwelijks opviel als er eentje op rood sprong. Moderne toestellen beperken zich tot twee overzichtelijke schermen met duidelijke waarschuwingen.”

Daarin schuilt de hedendaagse gatekeeperrol van Finance: een overdaad aan data vermijden én vooruitblikken. “Veel organisaties spenderen nog onevenredig veel tijd aan het verwerken van het verleden,” merkt Alexander op. “Forward-looking modellen zijn dan beter dan de zoveelste variantieanalyse, waarvan de inzichten snel achterhaald zijn. Hoe voorspellender de data en hoe meer automatische alarmsignalen, hoe beter je de koers proactief kunt bijsturen. Daarom verdienen rolling forecasts de voorkeur boven tijdrovende budgettering in het vierde kwartaal, die kort na Nieuwjaar alweer achterhaald is.”

Moderne toepassingen vragen natuurlijk ook moderne systemen. Hier geldt hetzelfde principe: less is more. Afdelingen moeten samenwerken, datasilo’s afbouwen en losse, niet-interagerende applicaties vervangen. Experts pleiten specifiek voor centrale dataplatformen (de volgende generatie vaak gebouwd op platforms zoals Microsoft Data Fabric), die steeds vaker ondersteund worden door ingebouwde, laagdrempelige AI-agents. Om dit te laten werken, moet je investeren in data engineering skills en trainingen zoals Power BI training, terwijl je ervoor zorgt dat tools zoals een data room (data room finance) beschikbaar zijn voor veilige uitwisseling met externe stakeholders. Maarten Lauwaert: “Platformtechnologie biedt voldoende bewegingsvrijheid en ruimte voor innovatie binnen een robuuste structuur. Zo ontstaat de juiste mix van self-service, toekomstgerichtheid en governance.”

Stapsgewijs

In het less is more-advies ziet Maarten Lauwaert ook een gouden tip voor de transformatie naar een meer datagedreven organisatie: “Je hoeft niet alles in één keer te doen. Zodra de grote krijtlijnen duidelijk zijn, kun je stap voor stap vooruitgang boeken.” Voorwaarde is dat het management actief een datagedreven cultuur opbouwt en het proces van developing a data analytics strategy ondersteunt. “De directie moet de datastrategie én de implementatie ervan actief ondersteunen. Aandacht voor changemanagement is daarbij essentieel.”

Er een continu proces van maken helpt tegelijk om op tijd en stond te reflecteren. “In een veranderlijke wereld evolueren ook de datanoden. Bekijk regelmatig of datapunten, dashboards, rapporten of modellen nog gebruikt worden. Zo niet, schrap ze. Overbodige data leiden af en ondermijnen de ondersteuning die medewerkers nodig hebben. Dan ben je snel terug bij af.”