创新展示

® 尊敬的财务领导， 今年在许多方面都是非凡的，其特点是对生成AI的狂热热情以及对其他AI和ML的应用日益增长的兴趣 然而，在这个令人兴奋的背景下，一些金融专业人士正在努力跟上变化的步伐。在FSN，我们看到许多人转向受信任的软件合作伙伴，如Workday，寻求有先见之明的领导力、强大的产品路线图和创新。 Worday的创新文化和长期致力于保持客户领先的承诺给我们留下了深刻的印象，再加上可证明的进展记录。例如，Worday多年来一直在使用大型语言模型，例如为生成AI提供动力的模型，其无与伦比的数据集，数据管理，规划和分析方法为未来的发展提供了丰富的基础。 加里·西蒙FSN首席执行官和现代金融论坛负责人 因此，我很高兴为您带来FSN的2023年“Workday创新展示”，其中我们强调了我们认为Workday在core finance processes. These fresh approaches could materially improve the way you work both now and in the future. As in past years, we have also review and comment on two casestudies to illustrate examples of Workday ’ s innovation in practice. 总而言之，我们已经独立确定了三项新颖的创新，以引起现代金融领导者的注意，这些领导者正在努力理解和利用最新功能。然而，这份文件不是产品审查-它只是代表了我们认为，根据我们的市场经验，是金融流程创新的很好的例子。我们希望您发现它们发人深省，与您的需求相关。 最重要的是，我们希望这些内容能激励您在自己的组织中探索创新，并与同事和Workday讨论如何利用这些发展将您的财务流程提升到一个新的水平。 加里·西蒙 加里·西蒙FSN首席执行官和现代金融论坛负责人 工作日创新展示 自2005年成立以来，Workday一直是云原生企业资源计划软件市场的领先创新者。从一开始，Workday就为财务和人力资源设计了具有内存中对象数据模型的单一解决方案。这是一个经得起时间考验的设计，并为Workday通过数据的力量转变财务功能的使命奠定了基础。 该任务与当今的财务职能更加相关。随着业务复杂性，法规和竞争压力的增加，数据量正在与日俱增。 在这个快速变化的时期，Workday一直忠于其设计起源，通过将更深入和更丰富的功能融入其核心，不断增强其财务管理解决方案。这继续确保财务专业人员能够立即获得强大的工具，使他们能够在不依赖IT职能的情况下，做出明智的决策并更有效地提供财务见解。 在这种背景下，Workday正在为所有核心财务流程的创新设定步伐，在数据管理，数据采集和数据混合以及高级分析，预测和机器学习方面不断取得进步。 今年的创新展示集中在三个方面： 工作日 i.会计执行的创新-用于自动化的对象数据模型、会计中心和机器学习 ii.分析创新-分析平台、数据混合和可视化 iii.规划创新-时间序列算法和弹性超立方体技术 i.会计执行创新 在快速发展的业务环境中，会计执行需要敏捷、高效和准确。直通处理依赖于灵巧的数据管理，对外部数据源的完全掌握以及可行的机器学习，以加速核心财务流程并减轻会计负担。这个关键领域的工作日创新围绕三个方面： •单对象数据模型•工作日会计中心•面向智能自动化的嵌入式机器学习 单对象数据模型 Workday的最大创新是其单对象数据模型，其中复杂的数据和关系直接存储为元数据。尽管对市场来说并不新鲜，但它在今天的创新程度与发布时一样。Workday的统一体系结构将数据管理的交易和信息方面整合到一个无缝解决方案中。 模型敏捷性的核心是用户定义和系统保留的维度，该维度从捕获数据的那一刻起就渗透到对象数据模型中-例如，在购买发票中。该维度在交易的整个过程中都遵循交易，并且可以通过所有层发现 处理和报告。这种方法提供了几乎无限的分析粒度，甚至包括与特定员工、供应商或客户相关的利润和交易。 由于这种集成方法，报告、查询和演示工具可以立即利用基础数据结构，而无需对参考文档进行繁重的维护和更新。财务报表实时反映交易发生时的变化，为用户提供最新和准确的业务视图。 工作日会计中心 增加了单对象数据模型的效力是Worday Accotig Ceter。这个屡获殊荣的创新解决方案利用各种新颖的数据源来提高洞察力和竞争优势。但是新的数据源，特别是包括运营和非财务数据的外部收入和支出系统，可能是块状的、非结构化的和未编码的。虽然合并运营和财务数据具有巨大的价值，但财务职能部门发现，如果没有IT专家的支持，很难转换和整合非财务数据。因此，数据采集变得具有挑战性，财务功能需要超越传统ETL（提取、转换和加载）技术的新工具，这些工具主要是为IT专业人员设计的。 Workday的答案是Workday Accounting Center，它将这些功能交给财务功能。这种创新方法的关键是确保从用户的角度来看，集成数据可以在相同的安全性，层次结构和分析中工作。 当需要对会计规则进行突然或紧急更改时，会计团队可以配置这些更改。数据转换的所有阶段（例如，批启动、扩充、详细会计创建、汇总和过帐到总账)是透明的。此外,数据沿袭(端到端数据关系)的图形表示提供了对更改任何数据元素的上游和下游后果的清晰理解。它们还允许用户查看如果他们需要执行完整的根本原因分析,他们如何从最高级别的报告导航回源。 例如，零售或酒店行业的销售点数据可以引入并与财务信息合并，以提供对品牌绩效，商店活动，产品成功，员工工作时间，轮班数据和经理绩效的增强见解。混合财务数据可以洞察盈利 天数和季节性。在保险行业，索赔数据可以揭示保险业务线的增长和盈利能力，并帮助评估经纪人级别的生产力和绩效分析。无论哪个行业，使用Workday会计中心获取运营数据并将其与财务数据合并的能力对于洞察力、绩效和竞争力至关重要。 面向智能自动化的嵌入式机器学习 在所有核心财务报告流程（记录报告，采购付款，现金机会和费用报销）中，Workday继续通过嵌入式机器学习推动创新，使交易处理无摩擦和底层流程更可靠、更具预测性和智能。这些举措成功的关键是Workday无与伦比的数据集。 在全球范围内，所有用户都在相同版本的Worday上运行，包括相同的数据模型。这相当于超过6500万用户，他们每年为该系统处理的超过6000亿笔交易做出贡献，而且还在不断增长。在客户的许可下，Worday可以将这些数据用作生成AI功能的燃料，这些功能始终准确，有意义和值得信赖。Worday在过去五年中的努力旨在自动化重复和可编程的财务流程，从有限的人工交互处理发票到持续挖掘客户数据，供应商付款，费用数据和异常日志。在Worday应用程序的几乎每个角落都可以找到这种自动化，从而腾出时间进行分析和增值任务。 记录到报告流程中的Journal Insights就是一个很好的例子。Workday的机器学习可以根据从过去的交易中了解到的情况来检测日记帐何时可能包含无效的维度或异常的金额。然后，它立即建议更多的维度和/或金额 可能是正确的。如果用户接受机器学习推荐，软件将创建必要的校正日志，从而大大减少财务功能所需的工作量并加快关闭过程。有了大量匿名交易可供学习，Worday可以预测机器学习的适当用例，如Joral Isights，并将它们引入到软件的新版本中，有助于加快用户对前沿创新的采用。 将客户付款与发票相匹配是另一个突出的用例。它尤其有用，例如，当客户付款跨越多个发票时，现金和发票价值之间的精确匹配具有挑战性，或者没有汇款建议来通知预期的匹配。在这些情况下，机器学习可以自动识别并推荐最合适的匹配项，从而节省与客户进行后续通话的时间。此外，在机器学习环境中，匹配过程会随着时间的推移而改善，从而使每次迭代的过程更快。 机器学习在Workday中的另一个特别有趣的应用是在费用到报销的过程中。当支出类别或特定交易似乎异常且超出范围。早期干预（“费用保护”能力）可以迅速防止财务损失。 采购到付款流程是受益于Workday在机器学习方面的创新的另一个核心流程，它使用光学字符识别将PDF发票（在电子邮件附件中）自动转换为采购中的数字记录-付款流程。此外，在申请和PO创建期间，建议使用支出类别，以减少下游错误。这种强大的机器学习机制减少了更正的负担，同时允许直接处理有效和完整的交易。 通过利用机器学习，Workday将财务功能从常规交易处理中解放出来，从而有更多时间专注于异常交易和增值分析。 ii.分析中的创新 对于许多首席财务官来说，即使是基本的决策也充满了困难。对于落后于曲线的企业来说，情况只会变得更糟，因为它们正在努力应对数据量的无限制增长，数据源的激增以及利益相关者对信息的需求的增加。此外，从财务报告到产品开发生命周期的所有方面的加速时间表都强调了对实时决策的需求。 然而，一些Workday创新有可能显著倾斜规模，有利于其用户： •统一的分析平台•将Workday数据与外部源混合•自助服务，直观的数据可视化 统一的分析平台 横跨对象数据模型是一个统一的分析平台，旨在帮助现代金融组织应对当今最紧迫的 仅靠财务数据无法解决的业务问题。但是传统的将财务管理，企业绩效管理和商业智能应用程序组合到松散耦合的架构中的方法无法跟上变化的速度。 Worday的创新解决方案是提供统一的分析平台，以便绩效管理，分析以及财务和运营报告共享相同的数据，元数据和维度结构。这不仅对于防止浪费的数据重复至关重要，而且还可以确保业务流程和所有报告维度中信息的一致性。在应用程序之间的“裂缝”中没有丢失。统一的平台有助于更轻松的报告和更高的员工生产力，为联系战略、运营和财务计划和指标提供了坚实的基础。 将Workday数据与外部源混合 Worday Prism Aalytics将外部数据源与财务和人力资源数据集成在一起，为业务提供更精细的见解。Prism Aalytics的一个用例是Worday会计中心，它自动将复杂的收入和费用系统中的数据转换为详细的会计，同时汇总并将其发布到总分类帐中。这构成了分析能力逐步变化的基础。 这一创新大大简化了数据的混合，并为金融提供了更深入的见解。这有三个主要好处。首先，它将企业分析和报告带到了最前沿，取代了其他系统架构中明显的孤立商业智能功能。相反，Worday确保财务和劳动力交易、第三方和遗留应用程序数据。 预算、计划等都集中在一个系统中，以实现更快、更自信的分析和决策支持。 其次，自助服务报告解决方案将富有洞察力的基于角色的信息提供给财务和业务经理，其速度和成本远远低于定制的商业智能，而定制的商业智能历来是最受欢迎的方法。 第三，无论数据的来源如何，用户体验都是相同的。统一环境在钻取或钻取维度结构时，无论是利用大型还是小型数据集，都保持相同的外观和感觉。所有这些都有助于快速分析、生产力、员工流动性和更短的学习曲线。 自助服务，直观的数据可视化 Workday Prism Analytics集成了外部数据（收入和费用），并在直观的图形用户界面中将其与财务和工人数据混合在一起。这项技术的一个具体应用是Workday AccountingCenter，它是会计与数据工程相遇的地方。 数据工程在金融界讨论不多，但重要的是要了解分析中心的复杂性和它可能产生的分析可能性。图形用户界面以“数据管道”（显示数据如何从其源系统到消费）和“数据沿袭”（跟踪数据流）的图形描绘为基础。time, providing a clear description of where the data originated, how it has changed, and its ultimate destination within the data pipeline. These inno