לפני שנכנס לפרטים טכניים על אוטומציות ואיך אנחנו משלבים טכנולוגיה במחלקת הכספים, אציג את עצמי: שמי עידו פלד, ובשנים האחרונות אני מתגורר באמסטרדם ועובד כראש צוות Data & Technology במחלקת הפיננסים בחברת אדיין (Adyen).

הקריירה שלי התחילה דווקא בחשבונאות. כשנה וחצי אל תוך התמחות בביקורת נתקלתי בציטוט של סטיב ג׳ובס, שהלך ככה:

the only way to be truly satisfied is to do what you believe is great work. And the only way to do great work is to love what you do

אמנם קלישאה, אך בתור אדם ששואף לעשות רק עבודה מצוינת, הבנתי שלמרות שאני וחשבונאות מסתדרים, התשוקה שלי נמצאת בטכנולוגיה, ואם אדע לשלב בין חשבונאות לבין טכנולוגיה אז אוכל לעשות מה שאני מאמין שהוא עבודה מצוינת. וכך, תוך כדי ההתמחות, התחלתי את המסע ללמידת הדרכים שבהן תכנות ו-BI יכולים לשדרג ולשנות את עבודת הכספים הקלאסית. 

ועכשיו בחזרה לאדיין. אדיין היא חברה ציבורית, גלובלית, המעניקה שירותי סליקת תשלומים ושירותים בנקאיים לחברות כמו מטה, אובר, איביי ומייקרוסופט. מבחינה חשבונאית, אחד האתגרים שאנו מתמודדים איתם הוא ווליום גדול מאוד של פקודות יומן. לדוגמה, תשלום אחד על אספרסו בבית קפה יכול להירשם במערכת הסליקה שלנו בכ-50 שורות. וזוהי רק אפליקציה אחת; יש לנו גם אפליקצית בילינג ואפליקצית למתן שירותים פיננסים, שמייצרות אף הן מידע כספי שצריך להיכנס בסוף החודש ל-ERP.

פלטפורמה המייצרת נפח גדול של מידע כספי מביאה לאופרציה מורכבת מאוד. בסוף כל חודש, עלינו לבצע בדיקות אנליטיות ובקרות ולאחר מכן המידע הכספי עובר אגרגציה, התאמות חשבונאיות ונרשם ב-ERP. השיטה הזו עבדה מספר שנים, אך לאורך זמן היא יצרה מספר בעיות אקוטיות:

1. מבחינה אנליטית, בתהליך האגרגציה של המידע הכספי ממסדי הנתונים השונים, נאלצנו לוותר על רזולוציה משמעותית של מידע. כתוצאה מכך, ביצוע ניתוחים ואנליזות על מגמות ותנועות דרש הורדת מידע ממספר טבלאות שונות, עיבוד והתאמה באופן ידני באקסל.
2. הרצת השאילתות לשליפת הנתונים הכספיים מממסדי הנתונים השונים לקחה זמן רב ונעשתה באמצעות קוד. כל טעות בשליפת המידע גרמה לעיכוב של שעות רבות, מה שיצר צוואר בקבוק ועיכובים בסגירה החודשית.
3. בדיקות שלמות והתאמות בין מידע כספי שנמצא במסדי נתונים שונים (למשל, סכום טרנזקציות במסד נתוני הסליקה זהה לחשבונית שמיוצרת בבילינג וזהה למידע שמיובא ל-ERP) התבצעו בצורה ידנית באמצעות אקסל וברזולוציה נמוכה. מה שדרש זמן רב כדי לזהות את מקור החריגות, כמו למשל את השורה הספציפית בחשבונית שלא נקלטה בספרים.

כל האתגרים הללו עלו לנו בהרבה זמן, והפכו את הסגירה החודשית לאופרציה ידנית שבה אנחנו לוקחים אנשי כספים מצוינים ונותנים להם לבצע עבודה ידנית רפטטיבית של הזנת נתונים. דבר זה גרם לכך שלחלק האנליטי נותר מעט זמן כדי לסגור בזמן סביר.

כדי להקל על האופרציה, פותחו אוטומציות ופתרונות בכלים כמו Power Query ו-BI, מה שהוביל אותנו צעד קדימה, אך הצמיחה המשמעותית בחברה והגידול בכמות המידע הובילו אותנו שני צעדים אחורה. לכן, נוצר הצורך לשינוי מבני משמעותי. הרעיון לשינוי הגיע מספר שנים לפני שהגעתי לחברה וקיבל את השם Finance Data Core.

הרעיון היה לבנות מחסן נתונים על פלטפורמת הביג-דאטה של אדיין, בו יאוחסן כל המידע הפיננסי מכלל האפליקציות בטבלאות ייעודיות, ברמת ברזולוציה גבוהה, ועם כל הנתונים הדרושים לפעילות הפיננסית שלנו. בין כל טבלה תיווצר התאמה (Reconciliation) ל-ERP, מה שיאפשר לנו לדעת ולהוכיח שהמידע אותו אנו צורכים במחסן הנתונים הוא שלם ותואם לדוחות הכספיים, ולאפשר ניטור (monitoring) אוטומטי וקבלת התראות בערוצים רלוונטיים כאשר יש חריגות.

יתרון נוסף במעבר ממידע פיננסי מבוזר בבסיסי נתונים שונים לריכוזו במחסן נתונים אחד הוא היכולת לבצע drill-down על יתרה מסוימת בספרים ולקבל פירוט מיידי של כל התנועות המרכיבות אותה, מבלי לטעון את כל התנועות ל-ERP או לבצע אנליזות באקסל. הדבר הופך את תהליך ניתוח מגמות ותנועות למהיר ופשוט, ומאפשר לספק תובנות ברמת פירוט שבעבר הייתה לוקחת זמן רב, כולל האפשרות לבנות מודלים על כלל המידע הכספי ועל ידי כך לאפשר לא רק הסבר של מה קרה בתקופה שעברה (descriptive), אלא גם תחזיות והמלצות עתידיות (Predictive/prescriptive analytics). 

כיום, Finance Data Core משמש אותנו כפלטפורמה עליה אנחנו בונים את האוטומציות והכלים דיגיטליים שאנחנו לא מנהלים ב-ERP. חלק מהתהליכים בהם אנו מתמקדים:

• שליפת המידע הכספי מהאפליקציות השונות (סליקה, בילינג וכו׳) וטעינתו ל-ERP: האפשרות להריץ שאילתות ב-Finance Data Core היוותה את הזרז המשמעותי ביותר לתהליך הסגירה החודשית. בעבר (לפני המעבר לביג דאטה), זמן הרצת הסקריפט לשליפה ועיבוד המידע הכספי ארך יותר מ-24 שעות, ולא ניתן היה לזהות חריגים אלא רק בתום התהליך. כיום, התהליך לוקח כשעה בלבד, ולאחריו, לאחר בדיקה וחתימה של החשב, המידע נשלח באינטגרציה ל-ERP.
• דוחות (Reporting): מכיוון שניתן להוכיח שבכל רגע נתון המידע ב-Finance Data Core תואם במדויק למספרים ב-ERP, חלק מדוחות המס והדיווחים לרגולטורים, כגון דוחות ESG, נבנים ב-Finance Data Core על ידי עיבוד ואיחוד מידע המאוחסן בטבלאות שונות (פיננסי ולא פיננסי). לאחר בדיקה, הדוחות נשלחים לתוכנות הדיווח או ל-SFTP (תיקיית רשת מאובטחת) של היועצים או הרגולטורים. כך אנו חוסכים זמן בהכנת הדוחות ומוודאים שהם נשלחים בזמן. בנוסף, אנו שולחים פחות מידע ל-ERP בהשוואה לעבר, כאשר נדרשנו לשלוח יותר מידע לצורך דיווחים רגולטוריים.
• אוטומציה של בקרות: בקרות הדורשות עיבוד ואיחוד של מידע נבנות אוטומטית ב-Finance Data Core. לאחר מכן, המידע נשלף ונבדק על ידי החשבים ב-BI, ובסיום תהליך זה, הן עוברות חתימה ותיוק לצורך ביקורת. כך אנו חוסכים את הצורך בהכנה ידנית של ניירות עבודה ומתמקדים בבדיקה עצמה. בנוסף, הודות לקישור בין המידע ב-ERP לאפליקציה שבה נוצר המידע, ניתן לרדת לרזולוציות גבוהות יותר ולספק תובנות משמעותיות. לדוגמה, בקרות מסוימות על ההכנסות, שדרשו בעבר הצלבה ידנית של נתונים ממספר מערכות, נשלפות כעת ישירות ב-BI, עם אפשרות לירידה לפרטים באפליקציה שבהן נוצרו. זה מאפשר זיהוי מיידי של חריגים, אם ישנם, מייד לאחר הרצת הבילינג החודשי.
• פקודות יומן נוספות: פקודות יומן כמו הפרשות, סיווגים, הוצאות ומס, שהן תוצאה של לוגיקה וחישוב המתבססים על מידע שאינו נמצא ב-ERP, יחושבו ב-Finance Data Core. לאחר החישוב, המידע יעבור ביקורת וחתימה של חשב. בסיום התהליך, המידע יישלח ל-ERP באמצעות אינטגרציה שתתבצע באינטרוול קבוע או בלחיצת כפתור בפורטל הבאק-אופיס שלנו. 
• שליחת מידע לאפליקציות SaaS השונות: המטרה היא להימנע מהעלאה ידנית של מידע לאפליקציות קצה המשמשות אותנו לצרכים כמו Forecasting, FinRep ו-RegRep, ובמקום זאת ליצור אינטגרציה ישירה מ-Finance Data Core לאפליקציות השונות. כך נוכל להבטיח שהמידע הוא שלם ומדויק וניתן לרענן אותו כאשר חלים שינויים במספרים.

האוטומציות הללו, שחלקן עדיין בפיתוח, כבר כיום חוסכות לנו זמן רב בכך שהן מאפשרות לעבודה שבעבר בוצעה על ידי מספר אנשי כספים להתבצע בצורה אוטומטית. בכך הן משדרגות את תפקידה של מחלקת הכספים לפונקציה המתמקדת פחות בתהליכים ידניים ורפטטיביים, ויותר בניתוחים אנליטיים, ניטור וניהול חריגים. כך אנו יכולים להקדיש יותר זמן ליצירת ערך ולהפקת תובנות שמקדמות צמיחה ותומכות בתהליכי קבלת החלטות.

אוקיי, אם קראתם עד כאן, אתם אולי תוהים מתי אזכיר את המילה AI. ובכן, אין ספק ש-AI, ובמיוחד GenAI, עומד לשנות את מחלקת הכספים (ובכלל) על ידי הגברת היעילות ויצירת אפשרויות לשיפור בתהליכים שאינם מבוססים על לוגיקה קבועה ודורשים שיקול דעת (Reasoning). אנו עדיין בשלב ראשוני של הטמעת GenAI במחלקת הכספים, אך כדי למקסם את היכולת ואת המהירות שבה נוכל לשלב אותה, אנו מבצעים כיום מספר צעדים פרקטיים:

• ריכוז וסטנדרטיזציה של נתונים ותהליכים – זהו למעשה הרעיון שמאחורי ה-Finance Data Core. קשה לשלב AI כאשר התהליכים אינם מוגדרים והמידע הכספי מפוזר במקומות שונים. כאשר המידע מרוכז והתהליכים ברורים, מתועדים ומוצגים בתרשימי זרימה (Flow Charts), ניתן קודם כל לפשט אותם, ולאחר מכן לאמן סוכנים (Agents) שיבצעו את הפעולות האלו בעתיד.
• שימוש מעשי בכלים קיימים – לא מספיק לקרוא על AI; חייבים להתנסות בו ביום-יום. לכן, אנו מעודדים את אנשי ואנשות הכספים להשתמש ולהתנסות בכתיבת פרומפטים אפקטיביים וללמוד טכניקות שונות לשיפור הדיוק והיעילות של התשובות. אני משתדל להשתמש בכלי GenAI פנימי כסוג של ספארינג פרטנר לחדשנות, למידה ומחקר.
• מקסום פתרונות AI במערכות SaaS קיימות – אנו פועלים בשתי דרכים להטמעת AI: הראשונה היא לפתח פתרונות בעצמנו, דבר המצריך השקעה משמעותית של זמן ומשאבים. השנייה היא לנצל את פתרונות הבינה המלאכותית שכבר זמינים במערכות SaaS שבהן אנו משתמשים. חברות התוכנה משקיעות משאבים רבים כדי להוסיף יכולות AI, ואנו משתדלים לשמור איתן על קשר קרוב ולהיות Early Adopters, כך שנוכל לשלב את הפתרונות החדשים ביותר ברגע שהם זמינים.

—

לסיכום, למרות שידענו לאן אנחנו רוצים להגיע, הדרך לשם לקחה זמן, ובמהלכה למדנו מספר דברים שיכולים להיות שימושיים לאלו מכם המתכננים מהלך דומה: 

1. חשבו כמו מנהלי מוצר – התחילו מהחזון ועבדו אחורה. דמיינו את העתיד הוורוד וגזרו את הפיצ'רים והתכונות הנדרשות כדי להגיע אליו. חזון ברור הוא חיוני לשמירה על הפוקוס ולרתימת אנשי הכספים, מטמיעי מערכות המידע ומהנדסים לעבודה משותפת להשגת המטרה ולמקסום הערך שהפתרון מעניק. כמו כן, חשוב לזכור שמחסן הנתונים הוא רק חלק מארכיטקטורה שלמה; לכן, יש להשקיע זמן במיפוי של כל האפליקציות הפיננסיות שלכם והמידע שזורם ביניהן.
2. בנו גשר בין הפיתוח למחלקת הכספים – קריטי! זה לא מספיק רק להקצות מהנדסים; חשוב גם לגייס (ממקום פנימי או חיצוני) אדם עם ניסיון בכספים והבנה טכנולוגית, שיכול לחבר ולדבר בשתי שפות: של המהנדסים ושל אנשי הכספים. אדם כזה צריך להיות שותף בחזון ובפתרון הבעיה ולנהל בצורה אפקטיבית את תוכנית העבודה, המשימות והבאגים שיתעוררו במהלך הדרך. אחת מהבעיות הגדולות שגורמות לבזבוז משמעותי (של ערך או של זמן) היא המחשבה שניתן לשגר ולשכוח את הפרויקט למחלקת הפיתוח ללא נוכחות של דמות שתשמש גשר.
3. הקימו צוות קטן עם אנשים בעלי ניסיון מגוון שיעזרו בקבלת החלטות – במהלך בניית המוצר (וגם לאחריו), יעלו שאלות רבות, טכנולוגיות וחשבונאיות (כמו האם להשתמש באינטגרציה כזו או אחרת, או כיצד לבצע ולידציות ותיעוד שיתאימו למבקרים הפנימיים והחיצוניים). לכן, חשוב להקצות צוות קטן עם ניסיון מגוון, טכנולוגי, כספי וביקורת פנים, שיוכל לפתור בעיות במהירות במהלך הפיתוח ולספק קונטקסט מהצד הפיננסי ומהצד הטכנולוגי.

בחברות גדולות עם אופרציה מורכבת כמו אדיין, טרנספורמציה דיגיטלית אמיתית היא המנוף שמאפשר למחלקת הכספים לצמצם משמעותית את הזמן המוקדש לתהליכים רפטטיביים וידניים, ולהתמקד ביצירת תובנות וערך לחברה. יש לנו עוד עבודה לעשות (ותמיד תהיה), אבל אנחנו בהחלט יודעים לאן אנחנו הולכים.

Adyen (ADYEN:AMS) is the financial technology platform of choice for leading companies. By providing end-to-end payments capabilities, data-driven insights, and financial products in a single global solution, Adyen helps businesses achieve their ambitions faster. With offices around the world, Adyen works with the likes of Meta, Uber, H&M, eBay, and Microsoft.