Jak poprawić cash flow? Przewiduj DSO i eliminuj opóźnienia w płatnościach

[Przemysław Żukowski]: Dzień dobry, witam Państwa bardzo serdecznie. Dzisiaj na tym króciutkim wideo będę chciał pokazać Państwu, w jaki sposób możemy z wykorzystaniem analityki lepiej zarządzić sobie cash flow w naszej organizacji. Pokażę dwa przykłady. Jeden dotyczący należności, które do nas spływają, z drugiej strony płatności, które będziemy musieli wykonywać do naszych kontrahentów.

Zacznijmy sobie właśnie od należności Więc to, co widzą Państwo w tej chwili na ekranie To można by powiedzieć taki dość standardowy dashboard, którym najczęściej firmy się posługują, czyli chcąc analizować należności chcą po pierwsze widzieć ile tych należności otwartych jest, jak one się rozkładały w czasie, no i powiedzmy ile faktur ilu klientów ich dotyczy ta sytuacja.

Ten taki powiedzmy ogólny obrazek chcemy też na pewno obejrzeć sobie w takim momencie już troszeczkę bardziej szczegółowym, czyli na pewno z tych wszystkich należności chcielibyśmy wybrać te, które już są w tej chwili opóźnione. I na te pytania odpowiada nam ten tutaj środkowy panel, który mówi nam o wolumenie tych otwartych należności.

Podobnie jak wcześniej o układzie w czasie, jak one nam się kształtowały oraz… Ile takich faktur i ilu klientów one dotykają. Te dwa elementy są istotne dla nas do tego, aby np. jako organizacja zarządzać sobie lepiej KPI-em DSO, czyli czasem który następuje od momentu kiedy dokonaliśmy sprzedaży do momentu kiedy faktycznie należność za tą sprzedaż trafia na nasze konto.

W naszym przypadku w tej aplikacji widzimy, że celem naszej organizacji jest 45 dni. W tej chwili ten wskaźnik wynosi 54 Więc na pewno mamy jeszcze nad czym popracować. No i właśnie ta ostatnia rzecz którą z tego dashboardu Państwu zostawiłem na deser To jest właśnie coś, co nad tym czynnikiem nad tym wskaźnikiem będzie mogło nam pomóc lepiej pracować, a mianowicie to jest informacja o tym, które z naszych płatności są Przewidywane jako te, które będą właśnie opóźnione.

Podobnie jak wcześniej używamy dość podobnej konwencji, czyli z jednej strony widzimy właśnie wartość tych potencjalnie opóźnionych faktur ile ich jest i ilu klientów one dotyczą. Przejdźmy sobie teraz troszeczkę dalej. Jakby aplikacja może też zawierać rzeczywiście wszystko to co standardowe dotyczące właśnie należności w podziale na najróżniejsze przekroje, wszystko zależy od Tego, jakimi danymi Państwo dysponują natomiast to, co dla nas będzie istotne, to właśnie to, czyli jakby zerknięcie sobie właśnie już bardziej szczegółowo na te płatności, które przewidujemy jako opóźnione.

No i jak tutaj widzimy, dotyczą one 353 klientów mamy też wartość tych opóźnionych płatności, dodatkowo oczywiście też z racji tego, że dysponujemy innymi danymi możemy to sobie bardzo szybko podzielić też na kwestie jakieś geograficzne czy też na konkretnych Klientów To co nas będzie tutaj też interesowało to też informacja o tym, którzy z klientów znajdują się nam w takim prawym górnym rogu tego naszego scatterplota, czyli tacy, którzy z jednej strony na tej osi mają dosyć dużą szansę duże prawdopodobieństwo na to, że faktycznie nam się opóźnią i takich klientów możemy sobie w bardzo prosty sposób wybrać czyli szukamy tych, U których ta szansa na opóźnienie wynosi 40% i więcej.

No i z drugiej strony chcielibyśmy też sobie wybrać klientów dla których wartość tych opóźnień będzie też stanowiła dla nas już jakąś istotną wartość więc chcemy sobie takich klientów wybrać W ten sposób wyłapujemy sobie właśnie klientów z tego prawego górnego rogu czyli tych, którzy Potencjalnie będą mieli największe opóźnienie i największą szansę właśnie na toż opóźnienie.

Tych klientów możemy sobie tutaj wybrać, przejść już bardziej do szczegółów możemy się skupić właśnie na tych konkretnych pięciu klientach i zobaczyć ich też już w szczegółach. Możemy też tą naszą analizę wyprowadzić jak gdyby od punktu pracownika który zajmuje się na przykład ściąganiem tychże Należności i takiego pracownika też możemy sobie wybrać i automatycznie widzimy wszystkie KPI związane właśnie z nim.

I podobnie jak wcześniej, tylko teraz już troszeczkę wchodząc w buty tegoż pracownika, możemy sobie wyłapać tych klientów dla których właśnie ta szansa na opóźnienie, ale jednocześnie też wartość tego opóźnienia będzie Będzie większa. I naszym przypadku wybierzmy sobie klienta który się nazywa Schmidt7 i od razu widzimy skąd ten klient pochodzi, jak też wyglądała jego historia w czasie, jeśli chodzi o te właśnie opóźnienia, szanse na opóźnienie płatności.

No i teraz najciekawsze w tym wszystkim jest to, że pewnie zadałem sobie Państwo pytanie Okej ale skąd my wiemy że w ogóle ten klient się opóźni, jeśli chodzi o płatność? No i cały tutaj sekret ukryty jest w tym, że pod spodem tej aplikacji działa też dodatkowo moduł machine learningowy, zwany w naszym ujęciu AutoML.

Działa właśnie w takim trybie automatycznym, czyli niekoniecznie musimy być super specjalistami od Aira, Pythona i Machine Learningu do tego aby zaprząc taki model do naszych danych i właśnie dzięki niemu lepiej identyfikować klientów którzy potencjalnie mogą nam się spóźnić z płatnością. Co więcej, nie tylko pozwoli on nam na identyfikację klientów opóźnionych Ale także powodów dla których oni mogą nam się z płatnością opóźnić.

A znając powód możemy już proaktywnie zadziałać nad tym, aby to opóźnienie zminimalizować tudzież finalnie wyeliminować chociażby poprzez zmianę być może niektórych procesów w naszej organizacji lub lepszy enablement na przykład naszego systemu Naszego klienta. To, co widzimy na ekranie to jest właśnie sposób na skonfigurowanie takiego modelu.

Ogólnie rzecz ujmując dodajemy do niego dane, które nas interesują W naszym przypadku to są właśnie dane dotyczące płatności i wszelkie możliwe cechy związane właśnie Z daną płatnością czyli na przykład profil tego klienta jego lokalizacja czy na przykład na fakturze jest wymagany jakiś numer PO, termin płatności, sposób płatności i tak dalej, i tak dalej.

Na podstawie tych właśnie parametrów model później będzie nam podpowiadał Które z nich w ogóle mają wpływ właśnie na osiągnięcie tego zakładanego terminu płatności, czy też jakby spełnienie warunków że termin płatności się opóźni. Fajne jest w tym wszystkim to, że model działa w sposób automatyczny. W momencie też, kiedy dochodzą do niego nowe dane, Uczy się tych nowych danych i jakby za każdym razem zwraca nam nową predykcję, więc to nie jest coś co jest wykute raz w kamieniu i w momencie kiedy zmienia się sytuacja biznesowa naszej firmy to nie my jesteśmy w stanie zareagować, tylko jest to model, który faktycznie adaptuje się do tego co Co dzieje się w naszej organizacji, a wynika to właśnie z tych danych którymi go zasilamy.

Model działa w trybie automatycznym w momencie kiedy pracujemy sobie z aplikacją i już jakby wracając do naszego Nikolasa i do konkretnego klienta czyli Schmidt7, to, co widzimy w tej chwili na ekranie to jest takie szybkie podsumowanie tego, które właśnie… Parametry związane z tą naszą płatnością powodują to, że ta płatność może nam się opóźnić.

I tak jak widzą Państwo tutaj, w naszych danych dodaliśmy wiele różnych parametrów związanych z tą płatnością czyli np. co w ogóle znajdowało się na liniach naszej faktury albo przez kogo była ona stworzona, czy np. nie zabrakło tam na tej fakturze numeru PO, albo np. W jakim kanale sprzedażowym ta płatność była wykonywana lub jaka metoda płatności została tutaj przyjęta.

Tych parametrów oczywiście może być też więcej, one mogą być różne też w Państwa organizacji, wszystko jakby zależy od Tego od konkretnego przypadku. Natomiast to, co jest tutaj istotne to jakby zobrazowanie które z tych parametrów właśnie pozytywnie lub negatywnie wpływają na przekroczenie właśnie terminu płatności.

W przypadku naszego klienta czyli Schmidt 7, widzimy że te dwa główne drivery powodujące to, że on raczej nam się opóźni, to jest liczba opłaconych faktur i sposób tejże płatności, a na przykład ten To skąd on pochodzi, region świata czy tudzież kraju powoduje że to jest akurat element, który na ten parametr związany z terminowością płatności będzie nam wpływał pozytywnie.

I oczywiście tutaj mamy krótkie podsumowanie a na tej osi mamy to jeszcze rozbite właśnie bardziej szczegółowo Czyli są na przykład elementy które mamy w naszym modelu ale które zwracają na informację, że jakby nie mają zbyt… Zbytniego wpływu akurat na sytuację tego konkretnego klienta. No oczywiście to wszystko możemy też obejrzeć sobie czy pod kątem tego jednego konkretnego klienta czy konkretnego pracownika który zajmuje się opieką nad tymi klientami, czy też na przykład w skali globalnej naszej firmy po usunięciu wszystkich selekcji.

To co jest jeszcze może tutaj istotne to to, że jeżeli dochodzimy do takich wniosków czyli widzimy że jest coś co Potencjalnie wpływa dosyć mocno na terminowość tych płatności, no to są rzeczy, którymi też możemy zarządzić od strony organizacyjnej. Czyli przykładowo jeżeli gdzieś tutaj kwestia związana z wpisywaniem PO byłaby dość istotna no to jakby Od strony szkoleń użytkowników możemy zarządzić tym, aby zawsze upewnić się, że takie informacje na fakturze się znajdują, aby po prostu uniknąć takich powiedzmy szkolnych błędów jeśli chodzi o generowanie faktur i no i jakby opóźniania sobie płatności trochę na własne życzenie.

Co możemy zobaczyć jak zadziałać z tym w sposób taki aktywny i proaktywny. Łącznie z tym, że możemy też wykorzystać do tego też na przykład różnego typu automatyzacje, które też w systemie możemy tutaj podłączyć, czyli przykładowo jeżeli zidentyfikujemy że dany klient faktycznie nam się opóźni i potencjalnie jeszcze jego limit kupiecki też już jest mocno na wyczerpaniu, no to możemy skontaktować się na przykład z Zespołem, który ściąga te należności, aby ich o tym fakcie poinformować lub z drugiej strony np.

od strony handlowej zaktualizować Salesforce, czy jakiś inny system CRM-owy, aby handlowiec np. odpowiedzialny za takiego klienta wiedział że np. Kolejna transakcja którą chciałby z tym klientem wykonać no może być zagrożona pod kątem możliwości sprzedaży do tegoż klienta bo właśnie wyczerpany limit kupiecki prawie że, plus dodatkowo jeszcze potencjalne opóźnienie, które wypełniłoby już kredzy kupiecki w 100%, może spowodować że kolejna transakcja będzie pod znakiem zapytania.

Co z kątem takich operacyjnych po prostu zostanie zablokowane. To są rzeczy, informacje które możemy jakby wykorzystać Zostać bazując na danych historycznych, no i zadziałać z nimi też w organizacji w proaktywny sposób, czy też jak gdyby działając na poziomie ludzkim, podejmując pewne działania i optymalizację procesów, czy też np.

już mieć to sprocesowane i jakby wykorzystując tą informację od razu aktualizować np. informacje w innych systemach. I to jest coś, co Pozwala nam zarządzić lepiej naszym cash flow od strony należności, które do nas przychodzą Czyli możemy bardzo aktywnie pracować nad współczynnikiem DSO, wiedząc co tak naprawdę na niego wpływa.

Z drugiej strony to o czym zacząłem mówić na samym początku, być może chcielibyśmy też lepiej zarządzać… Tudzież lepiej zrozumieć w jaki sposób my płacimy do naszych dostawców i czy przypadkiem tam też nie ma obszarów w którym moglibyśmy zrobić pewne optymalizacje. I tutaj pokażę Państwu już inny mechanizm który pozwoli nam lepiej zrozumieć procesy zachodzące w naszej firmie No i podobnie jak w tym przypadku Też podjąć konkretne działania, które np.

pozwolą nam opóźnić płatność do naszego dostawcy ze względu na to, że zidentyfikowaliśmy, iż nie spełnia pewnych reguł na które się umówiliśmy. Jesteśmy już w tej chwili w innej aplikacji i tak jak wspomniałem przed chwilą spróbujemy spojrzeć sobie na zarządzanie naszym cashflow, Też od drugiej strony, czyli od tego, co faktycznie płacimy do naszych klientów.

Tutaj w obszarze zakupowym zidentyfikowaliśmy dwa obszary w których chcielibyśmy podjąć pewne działania Pierwszy z nich to jest tak zwany Maverick Buying, czyli troszeczkę takie zakupy z wolnej ręki trochę z pominięciem działu zakupów więc niekoniecznie zawsze jest to zakup optymalny, szczególnie jeśli chodzi o cenę, bo wiemy że działy zakupów mają zdecydowanie lepsze możliwości negocjacyjne niż Niż osoba która po prostu w organizacji chciałaby coś kupić.

Z drugiej strony to, co wpływałoby tak już bezpośrednio na cashflow, to jest właśnie kwestia związana z zbyt wczesnym płaceniem za faktury, szczególnie za jakieś towary które Zamówiliśmy, jeszcze do nas nie dotarły, potrzebujemy ich na przykład na produkcji, a termin płatności już minął. Więc to jest coś, czym chcielibyśmy zarządzić, bo ten proces dostawy niekoniecznie może wynikać z naszych błędów tylko na przykład z błędów dostawcy, który zbyt późno wysłał towar coś nie zadziałało jeszcze w logistyce, a termin płatności faktury już leci Nasza produkcja stoi, bo nie ma zamówionego otwaru więc to jest obszar którym chcielibyśmy zarządzić.

Mamy go w tej chwili zdefiniowanego jako Jako KPI, czyli jakby wartość która w takich właśnie wcześniej płaconych fakturach już się kryje. No i od strony takiej procesowej możemy dokładnie sobie prześledzić jak taki proces właśnie działa. Ile takich wariantów procesów występuje, jaki był lead time tegoż zadania.

No i oczywiście, tak jak to widzieliśmy wcześniej w przykładzie predykcji opóźnionych faktur tak tutaj również Z poziomu KPI możemy przejść już do danych szczegółowych i to właśnie sobie teraz zrobimy. Czyli pierwszy arkusz dotyczy nam właśnie tych zakupów robionych jakby trochę poza działem zakupów, jednocześnie z określeniem tego, jakie potencjalne oszczędności moglibyśmy tutaj uzyskać.

Ale to nie będzie tematem naszej prezentacji. Skupimy się właśnie nad czymś co będzie bezpośrednio wpływało na cashflow, czyli właśnie tym procesem gdzie Dostawca tworzy dla nas fakturę. Coś się dzieje przed tym, coś się dzieje potem, następuje odbiór zamówionych towarów i koniec całego procesu.

Natomiast ważne jest to, że między tym a tym elementem może już właśnie nastąpić termin płatności faktury. I na pewno nie chcielibyśmy płacić tej faktury za w czasu, czyli do momentu kiedy nie otrzymamy tychże zamówionych dóbr. No teraz mamy zdefiniowane takie nieoptymalne działanie w naszej organizacji Wiemy jaka wartość jest faktur które pod taki właśnie nieoptymalny proces nam podlegają i ponownie jesteśmy w stanie wycenić jak gdyby wyliczyć jaki potencjał oszczędności tutaj moglibyśmy uzyskać i podobnie też jak w poprzedniej aplikacji Te wszystkie dane możemy pooglądać nie tylko pod kątem grubych KPI-ów, ale także jak to się kształtowało w czasie tak, aby na przykład mieć możliwość weryfikacji tego, w jaki sposób aktywne zarządzanie tym problemem wpływa nam właśnie na na przykład na zmniejszanie Ten sposób płaconych faktur.

Oczywiście to też możemy z racji tego, że mamy dostęp tutaj do szerokiego pola danych możemy te dane nasze oglądać zarówno pod kątem konkretnej firmy dostawcy, czy na przykład typu materiału który zamawiajmy. Widzimy że największy problem mamy tutaj w tym obszarze. Wybierając go, wszystkie aktywne tutaj KPI zaczynają nam podpowiadać, że największy ten potencjał oszczędności mamy właśnie tutaj, no ten KPI mamy już rozbity później na poszczególne właśnie transakcje.

I teraz z tego poziomu widzimy potencjał oszczędności ogólnie widzimy w szczegółach które z zamówień Ten potencjał mają największy i proaktywnie, podobnie jak wcześniej w tamtej aplikacji, możemy też z tym zadziałać. Akurat w tym przypadku przekierujemy użytkownika do innego systemu w którym właśnie z takim dostawcą będzie mógł się skontaktować.

Czyli jeżeli klikniemy sobie tutaj link, to przechodzimy już do konkretnego systemu operacyjnego wewnętrznego dla klienta gdzie wysyłamy na przykład maila do konkretnego naszego dostawcy Z informacją o tym, że no niestety ta faktura którą nam wystawiłeś nie spełnia pewnych norm, na które się umówiliśmy, czyli termin płatności już minął ale zamówionego towaru jeszcze nie uzyskaliśmy.

Kliknij sobie proszę tutaj, aby zmienić na przykład termin płatności tej faktury tak aby on był zgodny z tym, na co biznesowo byliśmy umówieni. Takiego maila później możemy wysłać i jak gdyby przygotować rozwiązanie w którym osoba zarządzająca tym procesem ma od razu przed sobą dashboard taki wręcz operacyjny mówiący jej co się dzieje w którym miejscu Może zadziałać łącznie z możliwością właśnie wykonania konkretnej akcji.

Tak jak Państwo tutaj widzieli, to jest pewna akcja którą możemy wykonać w sposób manualny, ale też jak pokazywałem w przypadku tej pierwszej aplikacji, możemy też podpiąć już pod to automatyzację, tak aby właśnie ten cały flow zdarzeń dział się już też w sposób automatyczny. Ważne też jest to, że I w jednym i w drugim przypadku, który pokazywałem, możemy też z punktu widzenia użytkownika ustawić sobie alerty, więc jeżeli jakiś KPI będzie niebezpiecznie zbliżał się do limitu który jest dla nas istotny, albo wręcz ten limit przekroczy, to ponownie zawczasu możemy być o tym powiadomieni.

Dane uaktualniają się bardzo często, czy na przykład co godzinę jeżeli takie jest życzenie. No i w ten sposób możemy bardzo proaktywnie na żywych danych zarządzać jednym czy drugim Podsumowując te dwa obszary mogą bardzo pozytywnie wpłynąć na cashflow Państwa organizacji. W jednym z nich wykorzystujemy mechanizmy predykcyjne.

W bardzo prosty sposób możemy to uruchomić w Państwa organizacji. W drugim przypadku patrzymy już troszeczkę bardziej szczegółowo na sam proces i zauważymy Staramy się wyłapać w nim te wąskie gardła nieoptymalne rozwiązania które później możemy bardzo prosto też przełożyć na wolumen oszczędności, który mogliby Państwo mieć zarówno w pieniądzu jak i na przykład w czasie poświęcanym na przeprowadzenie danego rozwiązania Tyle ode mnie.

Bardzo dziękuję za dzisiaj. Jeżeli któryś z tych tematów Państwa zainteresował, to chętnie opowiemy o nim szczegółowo w Państwa konkretnym przypadku. Do usłyszenia i do zobaczenia.