Hvorfor og hvordan du sætter FP&A op i et lille team
Hvorfor en lille virksomhed har brug for et system frem for en analytiker – og hvor AI passer ind.
# Kort fortalt
De fleste opfatter FP&A som noget, man vokser ind i ved hundrede mennesker. Det er omvendt.
- Du laver allerede FP&A. Du gør det bare fra hukommelsen, og du efterlader ingen dokumentation, du kan sammenligne mod.
- Værdien er dokumentationen: den samme måling, lavet på samme måde, hver måned.
- Det begynder at betale sig, når mere end én ting kan gå galt ad gangen.
- Store virksomheder ansætter primært en analytiker til det gentagne arbejde. Det er den halvdel, du kan automatisere i stedet.
- Én person kan køre resten – en halv dag om måneden, hvis forberedelsen er automatisk.
- AI er god til at svare på spørgsmålet én gang. At svare én gang var aldrig problemet.
- Start med at få strukturen på plads. Kør så cyklussen i tre måneder, før du bygger en plan.
En lille virksomhed laver de samme fejl som en stor. Den har bare en tiendedel af resultatet til at absorbere dem.
# Hvorfor begynde, før du føler dig klar
Det sædvanlige svar er, at man begynder, når man har råd til nogen, der kan gøre det. Det er omvendt: ved halvtreds personer har du råd til lønnen, men de tre års historik, du aldrig målte, køber du ikke tilbage.
- Begynd, mens det stadig er lille. Ti omkostningssteder kan bygges om på en eftermiddag. Halvtreds tager et kvartal – og til den tid rapporterer den ene på den gamle struktur og den anden på den nye.
- Planlæg væksten i stedet for at reagere på den. En plan bygget på hvad der faktisk driver hver linje fortæller dig, hvad de næste ti ansættelser koster, før du foretager dem. En plan af indtastede tal fortæller dig kun det, du allerede antog.
- Giv ledere og investorer ét sæt tal. Ikke for at alle er enige, men for at diskussionen handler om beslutningen og ikke om, hvis regneark der har ret.
- Dårlige nyheder når frem tidligere. En månedlig cyklus finder problemet i uge seks. Årsafslutningen finder det i måned fjorten, hvor kun de dyre muligheder er tilbage.
Spørgsmålet er ikke, om du har råd til FP&A. Det er, om du har råd til at være et år inde i et problem, før du ser det.
# Værdien er dokumentationen
Du laver allerede FP&A. Nogen ser på tallene, danner sig et billede og handler på det. Det, der mangler, er ikke tænkningen. Det er dokumentationen.
Et tal alene fortæller dig ingenting. Det betyder kun noget ved siden af et andet tal, produceret på samme måde – samme måned sidste år, planen du satte i januar, den samme linje for tre måneder siden. Den sammenligning er dét, der gør et tal til en måling i stedet for en anekdote.
Aktivet er ikke analysen. Det er at have målt det samme, på samme måde, hver måned, længe nok til at se det bevæge sig.
Derfor er det så lidt værd at gøre det glimrende én gang. En skarp analyse i marts, der aldrig bliver gentaget, efterlader dig med ét tal og ingen trend, og du kan ikke bagefter afgøre, om det var godt eller heldigt.
Det er også derfor, det ikke kan bo i ét hoved. Et hoved efterlader ingen dokumentation, så der er ikke noget at sammenligne i år mod sidste år. Og virksomheden kan ikke overdrages til nogen anden, kan ikke sælges uden en smertefuld gennemgang fra køberen, og den kører ikke godt, mens den person er væk.
Uden cyklussen får du én rapport om året, og den kommer i marts. Den fortæller dig, at overskuddet landede på en brøkdel af det, du gik ud fra. Til den tid ligger de ni måneder, der forårsagede det, bag dig, og der er ikke noget tilbage at kigge på. Ingen drev forretningen dårligt. Ingen målte den, før det var for sent at handle.
# Hvem der ikke har brug for det
En månedlig cyklus begynder at betale sig i det øjeblik, to ting kan gå galt samtidig, af forskellige grunde.
- Mere end én omsætningsstrøm.
- Varelager.
- Gæld med en covenant – et lån med betingelser, du løbende skal overholde.
- Folk, der ejer deres egne budgetter.
- Eller simpelthen det punkt, hvor ingen kan overskue det hele på én gang.
I praksis er det som regel fra omkring ti mennesker og opefter, men testen er bedre end tallet.
Under den grænse er det reelt ikke det værd. Tag et konsulenthus med seks mennesker: én omsætningsstrøm, intet lager, ingen gæld og kunder, der betaler på fjorten dage. Én person kan holde den forretning i hovedet og have ret. At lægge en proces oveni ville kun tilføje et møde.
- En investor bad om en månedlig pakke. Du producerer en, ingen indenfor læser den, og du lærer ingenting.
- Det føles som det, en rigtig virksomhed gør. Starter du noget på grund af, hvordan det ser ud, dropper du det i den første travle måned.
Er du forbi den grænse, er næste spørgsmål, hvem der laver arbejdet – for det svar, folk går ud fra, er det dyre.
# Hvorfor store virksomheder ansætter en analytiker
Start med dét, du allerede er bedre til end en stor virksomhed: tiden fra du får øje på et problem, til du beslutter, hvad der skal gøres ved det. Fyrre mennesker slår fire tusind, hver gang. Den, der kan handle, er allerede i lokalet. Store virksomheder ansætter en del af deres økonomiafdeling bare for at lukke det hul. Du har ikke hullet – det, du ikke har, er nogen til at lave den gentagne halvdel.
Store virksomheder ansætter faktisk FP&A-analytikere. Mindre har ofte ikke råd til en, og nogle kunne, men vil hellere bruge lønnen andetsteds. Uanset hvad drager folk den forkerte lære af det.
De ansætter ikke analytikere, fordi FP&A er svært. De ansætter dem, fordi den gentagne halvdel af arbejdet ved deres størrelse fylder et helt job. Det er den halvdel, du kan automatisere.
At lægge fyrre selskaber sammen, mappe tolv forskellige kontoplaner, bygge en rapport på fire tusind rækker om igen hver måned. Det er dét, medarbejderne er der for. Den halvdel, der kræver dømmekraft, voksede aldrig med virksomheden. Det er stadig nogle få mennesker, der spørger, hvilken antagelse der var forkert, og det er stadig den del, der ændrer, hvad du gør.
Den månedlige cyklus deler hvert trin i to: den del, der kan forberedes for dig, og den del, du selv skal vurdere. Den forberedte del er hele grunden til, at en stor virksomhed har brug for medarbejderne, og den er den eneste del, software kan overtage. Så spørgsmålet er ikke, hvordan man har råd til en analytiker. Det er, hvordan man får den forberedte del gjort uden en.
# Hvem kører det, og hvor længe
Hvad intet system gør, uanset pris:
- Beslutte, om en afvigelse skal handles på, accepteres eller ignoreres – se at afslutte med en beslutning.
- Vælge hvilken antagelse der skal ændres, når planen rammer skævt.
- Beslutte hvad der skal udelades.
- Eje tallet foran bestyrelsen.
Du har brug for mindre, end folk regner med. Én person, der kan læse en P&L, som vil spørge, hvorfor en linje flyttede sig, og som er senior nok til at få et svar. Det er hele listen. Det er ikke en regnskabsuddannelse.
| Hvem der kører det | Virker når | Bryder sammen når |
|---|---|---|
| Ejeren eller den administrerende direktør | Under omkring tredive mennesker, og de kigger faktisk | Deres tid slipper op først, og det er det første, de dropper |
| En kontor- eller økonomichef | Mest almindeligt, og som regel rigtigt | Ingen gav dem beføjelsen til at bede en kollega om en forklaring |
| Din eksterne revisor | Spørg, om de laver ledelsesrapportering, ikke kun årsregnskabet | Du får en rapport bygget til skattevæsenet, og du får den, når skattevæsenet har brug for den |
| En deltidscontroller, én dag om måneden | Du vil have dømmekraften uden lønnen | Du betaler en controllers dagspris for arbejde, software kunne have lavet |
Regn med en halv dag om måneden, hvis forberedelsen er automatisk, tre til fire dage hvis den ikke er. Kun den ene af dem overlever et dårligt kvartal.
# Hvor AI hjælper, og hvor den ikke gør
Det er den stærkeste indvending mod alt ovenstående. Kan en model lave den gentagne halvdel på forespørgsel, har du ikke brug for et system – du har brug for en god prompt.
- At sortere otte hundrede bogholderikonti ned i tredive rapporteringslinjer. Det er den mest kedelige time i hele opsætningen, og sortering er præcis det, en model er god til.
- At foreslå en første struktur på sekunder, ud fra ikke andet end en liste over dine konti.
- At få øje på den linje, der ser forkert ud. Den bliver aldrig træt, og den læser hver eneste række. Det gør et menneske ikke.
- At skrive udkast til kommentaren, når tallene er der.
Og her er argumentets stærkeste form, som i vid udstrækning er sand: i en lille virksomhed findes den person, der skulle køre det her, ikke. Et ufuldkomment svar i dag slår et perfekt svar, du aldrig får.
Så antag det bedste tilfælde. En model, der aldrig laver en regnefejl og aldrig opfinder et tal. Problemet nedenfor gælder stadig, og det er sådan, du ved, at det ikke er et spørgsmål om kvalitet.
AI starter forfra hver gang. Et system husker.
FP&A er ikke én person, der stiller et spørgsmål. Nogen indsender sine tal, nogen konsoliderer dem, nogen gennemgår, nogen præsenterer en version for bestyrelsen. Selv uden omkostningssteder og formelle afdelinger ejer nogen hvert tal og skal forklare det. Alle de mennesker skal se på de samme tal. En chat giver hver af dem deres eget svar.
Systemet skal også huske: mapningen, strukturen, driverne og hver måned, du allerede har lukket. Målte du noget på én måde i marts, skal du måle det på samme måde i november, ellers betyder sammenligningen ingenting. Spørg en model om det samme to gange, og du får to rimelige svar.
En ny konto dukker op: Cloud services. I marts placerer modellen den under IT og software. I april spørger du igen, og den placerer den samme konto under hosting – som ligger i direkte omkostninger. Begge svar kan forsvares. Dit dækningsbidrag flytter sig halvandet procentpoint, intet advarer dig, og du bruger gennemgangen på at forklare en ændring, der aldrig fandt sted.
Så er der versioner. Den fastfrosne plan, denne måneds nye prognose, de tal du viste banken, sidste års faktiske tal. De findes alle sammen på én gang, og alle skal vide, hvilken de kigger på. En chat giver dig et tal uden mærkat på.
Et regneark fejler på præcis de samme tre måder, og derfor holder det også op med at virke på et tidspunkt. Det er manuelt, så noget af det er forkert, og du kan ikke se hvilke dele. To personer kan ikke arbejde i det på én gang. Og ingen version er den betroede, så planen bliver stille og roligt til den fil, der var vedhæftet den seneste mail.
Intet af det er et væddemål mod, at modellerne bliver bedre. Det handler om, hvad FP&A faktisk er: delt mellem mennesker, holdt i versioner og gjort på samme måde hver måned. En model arbejder med én person ad gangen, husker ingenting og svarer forskelligt, hver gang du spørger – hvilket er præcis det, der gør den god til det andet job.
Lad den fortolke. Lad den ikke være dokumentationen.
Forklaring er der, hvor en model gør sig fortjent til sin plads. Når dit system har produceret tallet, er en model god til fire ting: at sige hvad der flyttede sig, at skrive udkast til kommentaren, at pege på den linje der er et kig værd, og at svare på et spørgsmål, så ingen skal lede efter, hvor tallet er gemt. Det er reel værdi, og du kan få den i dag – oven på et system, ikke i stedet for et.
# Hvor du starter
Den første måned handler mest om beslutninger, ikke om arbejde.
- Få strukturen på plads én gang. Opbyg regnskabsopstillingerne ordentligt – en dags arbejde, og den eneste del, der er dyr at ændre senere.
- Vælg datoen, og vælg personen. Begge dele, før noget andet.
- Sammenlign mod sidste år først. Du har ingen plan endnu, og sidste års tal virker fra måned ét.
- Aftal, hvor stor en afvigelse skal være, før du undersøger den. Gør det nu, mens ingen føler sig anklaget.
- Tilføj planen, når tre måneder af cyklussen kører, ikke før – og byg den på drivere.
- Kør den så i en måned, hvor der ikke skete noget. Det er den måned, der fortæller dig, om du har et system.
Du kan ikke gå tilbage og skabe en trend. Den billigste måned at starte i var for et år siden, og intet fremtidigt værktøj vil opfinde den historik, du aldrig registrerede.