领导者应该考虑自己的成熟度和需求金融组织因为不同组织和行业的适用性可能有所不同。”“这些用例通常是实现的和有效的,但最有价值的用例利用了公司的独特优势,并允许它进一步区分自己。”
为了澄清用例,Gartner专家提供了更详细的定义。
- 需求/收入预测:使用内部和外部数据来源,模型预测需求和相关的收入跨越各种维度,包括业务单位,产品线,SKU,客户类型和地区。
- 异常和错误检测:异常检测使用一系列机器学习(ML)模型来突出显示出错或可能违反会计原则或政策的交易或余额。一个全面的解决方案还将包括在数据输入过程中的实时分析,防止错误进入工作流,避免昂贵的下游修正。
- 决策支持: ML预测算法设计用于基于当前数据预测结果,用于在使用替代数据值时预测结果。使用带有假设数据的模型可以预测备选决策的结果。
- POC收入预测:对于POC核算,ML模型预测完成度量的百分比(例如,小时、成本、单位、重量等),以预测POC收入和剩余的总完成工作量。
- 现金集合ML模型用于预测客户何时将支付发票,在付款逾期前触发主动催收工作。利用这些模型的预测,催收人员将工作重点放在风险账户上。预测现金回收量也有助于整个ml驱动的现金流预测。
“在财务部门,预测是一个流行的用例,因为遗留过程是人工密集的,而且出了名的不可靠。人工智能擅长自动化和提高准确性。麦克唐纳说。“许多预先配置的软件包处理常见的财务流程,如应收账款和应付账款,但请注意,处理独特业务需求的用例,如预测,将需要一些内部技能来构建。”