Hvorfor og hvordan du setter opp FP&A for et lite team
Hvorfor et lite selskap trenger et system i stedet for en analytiker - og hvor AI passer inn.
# Kortversjonen
De fleste behandler FP&A som noe man vokser inn i ved hundre ansatte. Det fungerer motsatt.
- Du driver allerede med FP&A. Du gjør det bare fra hukommelsen, og du fører ingen oversikt du kan sammenligne mot.
- Verdien er historikken: den samme målingen, gjort på samme måte, hver måned.
- Den begynner å lønne seg når mer enn én ting kan gå galt om gangen.
- Store selskaper ansetter en analytiker hovedsakelig til det repetitive arbeidet. Det er halvdelen du kan automatisere i stedet.
- Én person kan drive resten - en halv dag i måneden, hvis forberedelsen er automatisk.
- AI er god til å svare på spørsmålet én gang. Å svare på det én gang var aldri problemet.
- Start med å fikse strukturen. Kjør så sløyfen i tre måneder før du bygger en plan.
Et lite selskap gjør de samme feilene som et stort. Det har bare en tidel av resultatet til å absorbere dem.
# Hvorfor begynne før du føler deg klar
Det vanlige svaret er at man begynner når man har råd til noen som kan gjøre det. Det er omvendt: ved femti personer har du råd til lønnen, men de tre årene med historikk du aldri målte, kjøper du ikke tilbake.
- Begynn mens det fortsatt er lite. Ti kostnadssteder kan bygges om på en ettermiddag. Femti tar et kvartal - og da rapporterer den ene på den gamle strukturen og den andre på den nye.
- Planlegg veksten i stedet for å reagere på den. En plan bygget på hva som faktisk driver hver linje forteller deg hva de neste ti ansettelsene koster før du gjør dem. En plan av inntastede tall forteller deg bare det du allerede antok.
- Gi ledere og investorer ett sett med tall. Ikke for at alle skal være enige, men for at diskusjonen skal handle om beslutningen og ikke om hvem sitt regneark som stemmer.
- Dårlige nyheter kommer tidligere. En månedlig syklus finner problemet i uke seks. Årsavslutningen finner det i måned fjorten, når bare de dyre alternativene er igjen.
Spørsmålet er ikke om du har råd til FP&A. Det er om du har råd til å være et år inne i et problem før du ser det.
# Verdien er historikken
Du driver allerede med FP&A. Noen ser på tallene, danner seg et bilde, og handler på det. Det som mangler er ikke tenkingen. Det er historikken.
Et tall alene forteller deg ingenting. Det betyr bare noe ved siden av et annet tall laget på samme måte - samme måned i fjor, planen du satte i januar, samme linje for tre måneder siden. Den sammenligningen er det som gjør et tall til en måling i stedet for en anekdote.
Verdien ligger ikke i analysen. Den ligger i å ha målt det samme, på samme måte, hver måned, lenge nok til å se det bevege seg.
Derfor er det å gjøre det briljant én gang verdt så lite. En skarp analyse i mars som aldri gjentas etterlater deg med ett tall og ingen trend, og du kan ikke i etterkant si om den var god eller heldig.
Det er også derfor dette ikke kan bo i ett hode. Et hode fører ingen oversikt, så det finnes ingenting å sammenligne i år mot i fjor. Og selskapet kan ikke overleveres til noen andre, kan ikke selges uten en smertefull gjennomgang fra kjøperen, og går ikke godt mens den personen er borte.
Uten sløyfen får du én rapport i året, og den kommer i mars. Den forteller deg at overskuddet landet på en brøkdel av det du gikk ut fra. Da er de ni månedene som forårsaket det bak deg, og det er ingenting igjen å se på. Ingen drev virksomheten dårlig. Ingen målte den før det var for sent å handle.
# Hvem trenger ikke dette
En månedlig sløyfe begynner å lønne seg i det øyeblikket to ting kan gå galt samtidig, av ulike grunner.
- Mer enn én inntektsstrøm.
- Varelager.
- Gjeld med en covenant - et lån med betingelser du må fortsette å oppfylle.
- Folk som eier sine egne budsjetter.
- Eller rett og slett punktet der ingen ser alt på én gang.
I praksis er det som regel fra rundt ti ansatte og oppover, men testen er bedre enn tallet.
Under den grensen er det virkelig ikke verdt det. Ta et konsulentselskap med seks personer: én inntektsstrøm, ikke noe varelager, ingen gjeld, og kunder som betaler på fjorten dager. Én person kan holde den virksomheten i hodet og ha rett. Å legge til en prosess der ville bare lagt til et møte.
- En investor ba om en månedlig pakke. Du kommer til å produsere en, ingen internt vil lese den, og du kommer ikke til å lære noe.
- Det føles som det et ordentlig selskap gjør. Starter du noe på grunn av hvordan det ser ut, dropper du det i den første travle måneden.
Er du forbi den grensen, er neste spørsmål hvem som gjør jobben - for svaret folk antar er det dyre.
# Hvorfor store selskaper ansetter en analytiker
Start med det du allerede er bedre på enn et stort selskap: tiden mellom å oppdage et problem og å bestemme hva du skal gjøre med det. Førti ansatte slår fire tusen, hver gang. Den som kan handle er allerede i rommet. Store selskaper har deler av økonomiteamet ansatt bare for å lukke det gapet. Du har ikke gapet - det du ikke har, er noen til å gjøre den repetitive halvdelen.
Store selskaper ansetter riktignok FP&A-analytikere. Mindre selskaper har ofte ikke råd til én, og noen har det, men vil heller bruke lønnen et annet sted. Uansett trekker folk feil lærdom av det.
De ansetter ikke analytikere fordi FP&A er vanskelig. De ansetter dem fordi den repetitive halvdelen av arbeidet fyller en hel stilling i deres størrelse. Det er halvdelen du kan automatisere.
Å legge sammen førti selskaper, mappe tolv ulike kontoplaner, bygge om en rapport på fire tusen rader hver måned. Det er det bemanningen er til for. Vurderingshalvdelen vokste aldri med selskapet. Det er fortsatt noen få personer som spør hvilken forutsetning som var feil, og det er fortsatt delen som endrer hva du gjør.
Den månedlige sløyfen deler hvert trinn i to: delen som kan forberedes for deg, og delen du må vurdere. Den forberedte delen er hele grunnen til at et stort selskap trenger bemanningen, og det er den eneste delen programvare kan overta. Så spørsmålet er ikke hvordan du har råd til en analytiker. Det er hvordan du får den forberedte delen gjort uten en.
# Hvem driver den, og hvor lenge
Hva ingen system gjør, uansett pris:
- Bestemme om et avvik skal handles på, aksepteres eller ignoreres - se å avslutte med en beslutning.
- Velge hvilken forutsetning som skal endres når planen bommer.
- Bestemme hva som skal utelates.
- Eie tallet foran styret.
Du trenger mindre enn folk tror. Én person som kan lese en P&L, som vil spørre hvorfor en linje flyttet seg, og som er senior nok til å få et svar. Det er hele listen. Det er ikke en økonomiutdanning.
| Hvem driver den | Fungerer når | Bryter sammen når |
|---|---|---|
| Grunnleggeren eller daglig leder | Under rundt tretti ansatte, og de faktisk ser på den | Tiden deres tar slutt først, og dette er det første de dropper |
| En kontor- eller økonomisjef | Vanligst, og som regel riktig | Ingen ga dem myndighet til å be en kollega om en forklaring |
| Din eksterne regnskapsfører | Spør om de gjør ledelsesrapportering, ikke bare årsregnskapet | Du får en rapport bygget for skattemyndighetene, og du får den når skattemyndighetene trenger den |
| En deltidscontroller, én dag i måneden | Du vil ha vurderingen uten lønnen | Du betaler en controllers dagsats for arbeid programvare kunne gjort |
Sett av en halv dag i måneden hvis forberedelsen er automatisk, tre til fire dager hvis den ikke er det. Bare den ene av dem overlever et dårlig kvartal.
# Hvor AI hjelper, og hvor den ikke gjør det
Dette er den sterkeste innvendingen mot alt over. Kan en modell gjøre den repetitive halvdelen på forespørsel, trenger du ikke et system - du trenger en god prompt.
- Å sortere åtte hundre bokføringskontoer inn i tretti rapporteringslinjer. Det er den mest kjedelige timen i hele oppsettet, og sortering er nøyaktig det en modell er god til.
- Å foreslå en første struktur på sekunder, ut fra ingenting annet enn en liste over kontoene dine.
- Å oppdage linjen som ser feil ut. Den blir aldri sliten og den leser hver rad. Et menneske gjør ingen av delene.
- Å skrive utkast til kommentaren når tallene først er der.
Og her er den sterkeste formen av argumentet, som langt på vei er sant: i et lite selskap finnes ikke personen som skulle drevet dette. Et ufullkomment svar i dag slår et perfekt svar du aldri får.
Så anta det beste tilfellet. En modell som aldri regner feil og aldri finner opp et tall. Problemet under gjelder fortsatt, og det er slik du vet at det ikke er et spørsmål om kvalitet.
AI starter på nytt hver gang. Et system husker.
FP&A er ikke én person som stiller et spørsmål. Noen melder inn tallene sine, noen konsoliderer dem, noen går gjennom, noen presenterer en versjon for styret. Selv uten kostnadssteder og formelle avdelinger eier noen hvert tall og må forklare det. Alle disse må se på de samme tallene. En chat gir hver av dem sitt eget svar.
Systemet må også huske: mappingen, strukturen, driverne, og hver måned du allerede har avsluttet. Målte du noe på én måte i mars, må du måle det på samme måte i november, ellers betyr sammenligningen ingenting. Spør en modell det samme spørsmålet to ganger, og du får to fornuftige svar.
En ny konto dukker opp: Skytjenester. I mars legger modellen den under IT og programvare. I april spør du igjen, og den legger den samme kontoen under hosting - som ligger i direkte kostnader. Begge svarene kan forsvares. Dekningsbidraget ditt flytter seg halvannet prosentpoeng, ingenting varsler deg, og du bruker gjennomgangen på å forklare en endring som aldri skjedde.
Så er det versjonene. Den frosne planen, denne månedens oppdaterte prognose, tallene du viste banken, fjorårets faktiske tall. Alle finnes samtidig, og alle må vite hvilken de ser på. En chat gir deg et tall uten merkelapp.
Et regneark svikter på de samme tre måtene, og derfor slutter også det å fungere til slutt. Det er manuelt, så noe av det er feil og du kan ikke se hvilke deler. To personer kan ikke jobbe i det samtidig. Og ingen versjon er den man stoler på, så planen blir stille den filen som lå vedlagt i den siste e-posten.
Ingenting av dette er et veddemål mot at modellene blir bedre. Det handler om hva FP&A faktisk er: delt mellom mennesker, holdt i versjoner, og gjort på samme måte hver måned. En modell jobber med én person om gangen, husker ingenting, og svarer ulikt hver gang du spør - som er nøyaktig det som gjør den god til den andre jobben.
La den tolke. Ikke la den være historikken.
Å forklare er der en modell gjør seg fortjent til plassen sin. Når systemet ditt først har produsert tallet, er en modell god til fire ting: å si hva som flyttet seg, å skrive utkast til kommentaren, å peke på linjen som er verdt et blikk, og å svare på et spørsmål så ingen må lete etter hvor tallet er lagret. Det er reell verdi, og du kan ha den i dag - oppå et system, ikke i stedet for et.
# Hvor du begynner
Den første måneden består mest av beslutninger, ikke arbeid.
- Fiks strukturen én gang. Utform oppstillingene ordentlig - en dags arbeid, og den eneste delen som er dyr å endre senere.
- Velg datoen og velg personen. Begge, før noe annet.
- Sammenlign mot fjoråret først. Du har ingen plan ennå, og fjorårets tall fungerer fra første måned.
- Bli enige om hvor stort et avvik må være før dere undersøker det. Gjør det nå, mens ingen føler seg anklaget.
- Legg til planen når tre måneder av sløyfen kjører, ikke før - og bygg den på drivere.
- Kjør den så i en måned der ingenting skjedde. Det er måneden som forteller deg om du har et system.
Du kan ikke gå tilbake og skape en trend. Den billigste måneden å starte var for et år siden, og ingen fremtidige verktøy vil finne opp historikken du aldri registrerte.