Les chiffres ne mentent pas... Ou le font-ils?
« Les entreprises ont des tonnes et des tonnes de données, mais [le succès] n’est pas une question de collecte de données, mais de gestion et d’analyse des données. »
– Professeur et directeur du Data for Business Performance Institute Prashanth Southekal
Il est facile d’amasser des informations. En fait, ces jours-ci, nous en sommes inondés de toutes parts. Le défi pour les entreprises est de s’assurer qu’il est précis et qu’ils savent comment le transformer en informations exploitables.
Garbage in, garbage out
Pour paraphraser le satiriste américain Tom Lehrer, les données d’une entreprise sont un peu comme un égout. Ce que vous en retirez dépend de ce que vous y mettez. Vous pouvez rassembler tous les chiffres du monde, mais s’ils ne reflètent pas la réalité, ils ne vous feront pas beaucoup de bien.
Le problème ? De nombreuses entreprises ne sont pas si confiantes que les informations dont elles disposent sont aussi précises.
Selon le rapport 2021 Global Data Management d’Experian, 55 % des chefs d’entreprise ne font pas entièrement confiance à leurs actifs de données.
Mais cela ne s’arrête pas là : 69 % des travailleurs déclarent qu’eux-mêmes ou leur PDG ont pris des décisions commerciales importantes sur la base d’informations inexactes.
Ce sont des chiffres étonnamment élevés qui ont des implications de grande envergure. Sans une idée précise des flux de trésorerie, par exemple, il devient presque impossible de s’engager dans la prévision de trésorerie ou la planification de l’avenir. Du côté des comptes fournisseurs, des rapports erronés sur ce qu’une organisation doit et quand il est dû peuvent entraîner des retards de paiement, des relations avec les fournisseurs endommagées et des difficultés à connaître la véritable liquidité de l’entreprise. Sans chiffres fiables des jours d’impayés (DSO) ou des jours moyens en souffrance (ADD), il est difficile d’identifier les goulots d’étranglement dans le processus des comptes clients.
Eh bien, il y a votre problème...
Alors, qu’est-ce qui cause exactement ce mauvais problème de données? Pour de nombreuses organisations, cela se résume à une dépendance continue à l’égard de processus désuets et de modes de fonctionnement informels.
En l’absence d’automatisation basée sur le cloud, de nombreux services financiers sont contraints de travailler entre plusieurs systèmes et de gérer les entrées manuelles, ce qui est sujet aux erreurs. Ces informations alimentent à leur tour des décisions vitales qui, lorsqu’elles sont basées sur des chiffres erronés, ne font qu’aggraver l’impact. Lorsque vous suivez le processus, il est facile de voir comment quelque chose d’aussi simple qu’une seule faute de frappe peut conduire à des problèmes exponentiels.
Une once de prévention vaut une livre de remède
La règle 1-10-100 suggère que si cela coûte 1 $ pour éviter une erreur, il en coûte 10 $ pour la corriger et 100 $ en cas d’échec. Investir du temps et de l’argent pour améliorer la précision des données est beaucoup moins coûteux que d’essayer de nettoyer le désordre plus tard. Heureusement, il existe des mesures pratiques que les organisations peuvent prendre pour y parvenir.
Sans adopter une solution d’automatisation, les entreprises peuvent encore améliorer la précision en établissant une cohérence dans le processus de saisie des données. Une première étape clé consiste à éliminer plusieurs points d’entrée et à centraliser l’emplacement de stockage des données. L’entreprise moyenne de 200 à 500 employés utilise environ 123 applications SaaS (Software as a Service), tandis que les entreprises de moins de 50 employés en utilisent jusqu’à 40. Le manque de communication entre ces sources disparates augmente les risques d’erreurs.
Il est également important de créer un processus d’approbation formel afin que chaque facture soit traitée de la même manière. Les mesures de sécurité, telles que l’exigence de plusieurs approbations pour les factures supérieures à un certain montant, sont également bénéfiques. Ce processus tient les gestionnaires responsables d’assurer la qualité des données et d’effectuer des vérifications au fur et à mesure qu’une facture se fraye un chemin dans le système.
Une autre étape simple consiste à éliminer tous les canaux de communication informels existants, ce qui rend difficile l’audit du processus et apporte les modifications nécessaires. Les ministères devraient se débarrasser de pratiques telles que l’utilisation du courrier électronique pour demander l’approbation des factures ou le recours aux reçus de dépenses sur papier.
Laissez la technologie faire le gros du travail
Il existe quelques solutions technologiques qui utilisent l’automatisation, l’apprentissage automatique (ML) et l’intelligence artificielle (IA) pour rendre le travail de vos équipes AP et AR à la fois plus facile et plus efficace.
L’adoption d’un système de gestion de documents peut considérablement améliorer la qualité des données. Les logiciels qui utilisent la reconnaissance optique de caractères (OCR) extraient des informations à partir de documents ou d’images numérisés, et les meilleures solutions sont jusqu’à 98% précises.
Cela dit, il y a des limites à ce que l’OCR peut accomplir. Les chiffres et les informations nécessitent un contexte pour être utiles, et la technologie ne fait rien pour consolider ou organiser les données d’une manière qui mène à des informations exploitables.
Les solutions AP et AR intelligentes peuvent apporter une valeur significative à cet égard. Du côté des comptes fournisseurs, la solution de Beanworks tire parti de l’apprentissage automatique pour extraire des informations des factures, des reçus et des PDF. Avec une visibilité complète à partir du moment où une facture est reçue jusqu’à ce qu’elle soit payée, il fournit aux entreprises une idée plus précise de ce qu’elles doivent et combien de temps elles peuvent conserver leur argent.
Pour les comptes clients, YayPay utilise la technologie de l’IA pour analyser les comportements de paiement des clients, fournissant ainsi un aperçu des comptes susceptibles de payer en retard. Cela peut aider à créer des prévisions de trésorerie plus précises, ainsi qu’à guider l’activité des équipes de RA, leur permettant de devancer les comptes qui peuvent avoir des problèmes pour payer leurs factures.
L’automatisation réduit également la probabilité d’exceptions de facturation, qui prennent du temps et des ressources à résoudre. Dans AP, cela signifie que vous êtes moins susceptible de payer les factures en retard, évitant ainsi les frais de retard, les amendes et les relations endommagées avec les fournisseurs. En RA, cela permet de s’assurer que vous êtes payé à temps et que vous n’alimentez pas l’insatisfaction des clients.
Lorsque vous réfléchissez à la façon de nettoyer vos données et d’éviter de prendre des décisions commerciales avec des données erronées ou trompeuses, votre pari le plus intelligent est de trouver les bonnes plates-formes AP et AR qui apportent efficacité et facilité à un processus compliqué.
Pour plus d’informations sur la façon d’améliorer la visibilité et la précision des données, lisez le livre blanc « Best Practices for For Finance Leaders to Improve Data-Driven Decision Making ».
