Barbara Baarsma

Het is geen doemdenken of het zoveelste reclamepraatje over een veranderende wereld. Steens: “Je hoort wel eens de claim dat de finance- en controlfunctie zou verdwijnen als gevolg van digitalisering en dataficering. Daar geloof ik niet in. Dat zal niet gebeuren zolang er geld of andere ruilmiddelen zoals cryptocurrencies zijn die worden geaccepteerd als tegenprestatie voor verkregen schaarse middelen en geleverde goederen, diensten en rechten. Een organisatie moet dan op zijn minst bewaken of zij presteert in termen van die ruilmiddelen. En of er op korte en lange termijn überhaupt genoeg ruilmiddelen zijn om levensvatbaar te zijn. Dat ruilmiddelen steeds meer digitaal beschikbare informatie over de waarde van de transacties en het vermogen bevatten, en dat inzicht in de prestatiebepalende factoren dataficering vereist, doet daar niets aan af.”

Grote risico’s

Dat mag dan een geruststelling zijn, de constatering die daarna komt is dat minder. Steens: “Als je als financial niets doet met digitalisering en dataficering dan kunnen er twee zaken gebeuren. Of je wordt overbodig omdat de technologie jouw baan overneemt. Of andere disciplines zoals sales, marketing of operations streven finance en control voorbij en nemen taken over. Dat zou overigens niet alleen voor de finance- en controlfunctie slecht nieuws zijn. Ook voor de organisaties zelf en daarmee de economie en de samenleving. Organisaties die zonder afdoende kennis en ervaring op het vlak van finance en control hun prestaties managen, lopen grote risico’s.”

Er liggen prachtige kansen 

Ook dat is geen bangmakerij, stelt Steens. “Want er liggen prachtige kansen voor de register controller om juist zijn rol te pakken in de digitalisering en dataficering van organisaties. Het is ongekend wat voor een onontgonnen gebied er voor de register controller openligt.” Steens onderscheidt daarbij een aantal terreinen.

“Hoewel ik niets tegen het goed gebruiken van spreadsheets voor data-analyses heb, zie ik nog te veel dat het daarbij blijft.”

Weet hoe data-analytics en databases werken

Verkrijg meer kennis van data-analytics. Steens: “Weet hoe je analysetechnieken moet toepassen. Hoe kun je basisstatistiek gebruiken voor het vergelijken van prestaties of identificeren van prestatiebepalende factoren? Hoe kun je artificiële intelligentie en andere meer geavanceerde analytics toepassen voor het evidence based verklaren, voorspellen en optimaliseren van prestaties? Op die vragen moeten registercontrollers goede antwoorden hebben. Hoewel ik niets tegen het goed gebruiken van spreadsheets voor data-analyses heb, zie ik nog te veel dat het daarbij blijft. Van de registercontrollers zal meer worden verwacht. Ook op het vlak van de data-infrastructuren en data-governance. Op zijn minst moet een registercontroller weten hoe databases werken. Dat gaat niet alleen over de klassieke gestructureerde relationele databases, maar bijvoorbeeld ook over data-lakes voor niet-gestructureerde data, waaronder big data. Hoe kunnen deze het beste beschikbaar worden gemaakt voor bedrijfsprocessen en voor prestatiebeoordeling en besluitvorming?”

Interne data en externe (big) data

Als de infrastructuur op orde is voor interne en externe (big) data, dan kan er heel veel. Steens: “Zo kun je de inhoudelijke kwaliteit van de data-analyses verrijken. Stel dat de infrastructuur bijvoorbeeld web scraping ondersteunt. Dan kun je waardevolle nieuwe inzichten in externe ontwikkelingen en de effecten daarvan voor de eigen organisatie opdoen. Web scraping, ook wel web harvesting genoemd, is een techniek waarmee je op geoorloofde wijze beschikbare data van het internet verzamelt. Deze techniek wordt bijvoorbeeld toegepast voor het voeden van systemen met kunstmatige intelligentie die het verloop van medewerkers voorspellen.”

Classificatie-algoritmes

Naast interne data over de medewerkers gebruikt de organisatie daarvoor ook informatie die van het internet is geplukt. Steens: “Over onder meer vacatures bij concurrenten, de populariteit van de eigen organisatie en die van concurrenten. Maar ook over publieke uitingen van en over de eigen medewerkers of mensen die elders vergelijkbare of concurrerende functies vervullen. Die informatie kan van voorspellende waarde zijn voor het al dan niet overstappen van eigen medewerkers. Niet zelden passen organisaties daarvoor classificatie-algoritmes toe. De kracht daarvan wordt in sterke mate bepaald door de beschikbare data. Banken gebruiken dergelijke classificatietechnologie om te bepalen wat de kans is dat particulieren of zakelijke klanten met bepaalde kenmerken leningen tijdig terugbetalen. En tegen welke voorwaarden ze leningen het best kunnen aanbieden. Een ander bekend voorbeeld betreft het voorspellen van het verloop van klanten, de churn. Uiteraard spelen privacyregels hierbij een belangrijke rol.”

Kwaliteitscheck op data analytics

Een voorbeeld van die nieuwe interne controlemaatregelen betreft de kwaliteitscheck op de uitgevoerde data analytics. Hoe wordt gewaarborgd dat een zelflerend algoritme doet wat het moet doen en dat de organisatie daar ook kennis van heeft? Wat bepaalt de betrouwbaarheid van de voorspellingen? Hoe zeker of onzeker is een toekomstscenario? Hoe transparant zijn de aangeleverde analyses over de robuustheid ervan? Die nieuwe maatregelen voor interne controle moeten daar antwoord op geven.”

Wie ook deze interne controle op orde heeft, kan aan predictive en prescriptive data analytics gaan doen. Steens: “Let op, deze data analytics zijn een hulpmiddel. De uitkomsten zijn hoogstwaarschijnlijk nooit voor de volle honderd procent juist, maar zijn al heel behulpzaam als deze nuttige indicaties geven die we zonder die toepassingen niet zouden kunnen krijgen. Je kunt met data analytics en onderliggende data komen tot wat ik noem de best mogelijk geïnformeerde inzichten en scenario’s. Mogelijk dat deze inzichten zelfs leiden tot nieuwe bedrijfsmodellen en waardeproposities.”

“Let op, data analytics zijn een hulpmiddel.”

Abonnementsmodel

“Zorg dat je als registercontroller ook een visie hebt op waar data van waarde is voor potentiële klanten”, vervolgt Steens. “Daarmee kun je een innovatief bedrijfsmodel bouwen. Ik geef een voorbeeld op het vlak van het internet of things. Nu we sensoren op apparaten of onderdelen daarvan via internet aan elkaar kunnen koppelen, kunnen we veel beter invulling geven aan capaciteits- en onderhoudsmanagement. Waar is er slijtage en wat is het beste moment om onderhoud te plegen of een onderdeel te vervangen? Op basis van die data kunnen dienstverleners zich specialiseren op dat vlak en een onderhoudsmodel op abonnementsbasis in de markt zetten. Dat gebeurt ook al steeds vaker.”

Datagedreven bedrijfsmodellen

Een financial moet weten hoe een businesscase voor dergelijke toepassingen moet worden ontwikkeld. Steens: “Zo vraagt de financieel-economische beoordeling van investeringen in de genoemde internet of things-toepassing om het adequaat meewegen van flexibiliteitswaarde, bijvoorbeeld door middel van real options. Door deze toepassing ontstaat namelijk de optie om een aanvullende bron voor waardecreatie te ontginnen, die moet worden meegewogen. Een goed begrip daarvan leidt mogelijk ook tot een betere antenne voor datagedreven bedrijfsmodellen en verdienmodellen.”  

Relevanter dan ooit

Daarmee is de registercontroller niet alleen businesspartner, maar part of the business. “Naar mijn mening kunnen de kansen van digitalisering en dataficering de registercontroller relevanter dan ooit maken. De registercontroller moet dan wel de handschoen oppakken. Hij of zij moet tijd vrijmaken door effectief datamanagement en gerobotiseerde standaard planning- en rapportageprocessen toe te passen. Die tijd kan hij of zij aanwenden voor het benutten van de mogelijkheden van data analytics. Een goede eerste stap zou zijn om door de lens van data analytics te kijken naar gerealiseerde prestaties. Om zo te leren voor de toekomst. Kijk eens naar diepgewortelde aannames over factoren die de prestaties bepalen.”

Zijn aannames plausibel?

Zijn een lagere prijs, een hogere kwaliteitsperceptie, sneller kunnen leveren, een groter productassortiment of een ander locatiebeleid daadwerkelijk bepalend voor succes? Steens: “Waarop zijn die aannames gebaseerd, ook al lijken die plausibel? Het onderzoeken van aannames met de beschikbare data geven nieuwe of beter onderbouwde inzichten. Het gaat daarbij om de invloed van financiële en niet-financiële drivers op de prestaties op korte en op langere termijn. Denk ook aan invloeden van factoren als medewerkerstevredenheid, klanttevredenheid, de samenstelling van de producten, kenmerken van de dienstverlening, prijsbeleid en klantsegmentering op de omzet en de kosten en dus de winstgevendheid.”  

Onderbouwde relaties

Controllers kunnen balanced scorecards of prestatiepiramides dan vullen op basis van onderbouwde relaties tussen oorzaak en gevolg, in plaats van met alleen aannames. “Dit wordt alleen maar belangrijker naar gelang de license to operate van organisaties afhankelijk is van diverse criteria. Die betreffen niet alleen de economische waardecreatie, maar ook de waardecreatie op het vlak van natuurlijke en gefabriceerde hulpbronnen, talentontwikkeling, sociale netwerken en kennis. Hiervoor verwijs ik graag naar het concept van integrated reporting. Maar vooral ook naar de aanleidingen voor de introductie van dit concept en het belang ervan voor het definiëren van het centrale criterium in menige corporate governance-code: lange termijn waardecreatie.”

Over Bert Steens

Prof. dr. Bert Steens RC is programmadirecteur en hoogleraar van de EMFC/RC-opleiding van de Vrije Universiteit Amsterdam. Praktijkervaring heeft hij opgedaan bij AkzoNobel, Capgemini en EY. Hij is econometrist en registercontroller. Zijn onderwijs- en onderzoeksonderwerpen betreffen investeringsbeoordeling, waardemanagement, management-accounting en data analytics-toepassingen. Hij adviseert ondernemingen op deze vlakken.