Laskutusprosessin automaation taustalla on virtaviivaiset prosessit ja laadukas data

Tilauksesta-myyntilaskuun prosessi sisältää paljon manuaalisia työvaiheita. Teknologian kehittymisen ansiosta prosessia on mahdollista automatisoida. Automaation perustana on data, laadukkaat prosessit ja toimintaa tukeva järjestelmäarkkitehtuuri.

Kirjoittajat: Elina Kähäri & Leea Kouhia

Uusia teknologioita otetaan käyttöön kiihtyvällä tahdilla. Kehityksen polttoaineena toimii data, jota kerätään joka vaiheessa reaaliaikaisesti. Dataa voidaan hyödyntää haastavien ongelmien selvittämisessä sekä muussa toiminnan kehittämisessä. (Ramdoo 2019, 5; World Economic Forum 2017, 4-7.) Digitalisaation trendit ovat hiljalleen hivuttautuneet osaksi myös louhinta- ja räjähdealaa. Siksi myös FORCIT-konsernissa on havahduttu datan ja automaation hyödyntämisen mahdollisuuksiin. Tavoitteena hyödyntää dataa muun muassa laskutusprosessin automatisoimisessa.

Myyntilaskutuksen automatisointi

Myyntilaskut ovat kirjanpidon tositteita. Teknologian kehittymisen ansiosta tositteet voivat syntyä entistä reaaliaikaisemmin. Standardoidut myyntilaskuja koskevat tiedot kirjataan oikein jo heti lähteellä, josta muodostuu reaaliaikaisia transaktioita. Ne tukevat alati kehittyviä raportteja ja kiihtyvää raportointisykliä. Myyntilaskun kokonaisautomaatio vaatii kuitenkin datalta ja prosesseilta paljon. Automaation pullonkaulana on monesti paperiset aineistot, virheelliset ja puutteelliset perustiedot, epäyhteneväiset prosessit ja epäoptimaalinen arkkitehtuuri. (Fredman 2020 & 2021; Rumpu 2021; Kaarlejärvi & Salminen 2018, 185.)

Automatisointi voidaan toteuttaa, kun ERP-järjestelmän (Enterprise System Management) rinnalla hyödynnetään organisaation tarpeiden mukaan integraatiota tai ohjelmistorobotiikkaa, jolla tietoa voidaan yhdistää saumattomasti eri lähteistä. Nykyisin yritysten järjestelmäarkkitehtuurit ovat monimutkaisia kokonaisuuksia, jolloin pääjärjestelmän rinnalle on kytkeytynyt pienempiä erillisjärjestelmiä. Erillisjärjestelmät on kytkettävä yhteen integraatioiden avulla. (Kaarlejärvi & Salminen 2018, 97.)

Datan laadun ja prosessien kehittäminen

Datan laadun varmistaminen on avaintekijä laskutusprosessin automatisoimisessa. Myyntilaskuja koskevat tiedot on kirjattava oikein jo heti lähteellä, ja siksi datan laatuun pitää kiinnittää huomiota. Datan laadun arviointi kannattaa aloittaa nykytilan analyysillä. Kehittämisen työkaluksi voidaan ottaa esimerkiksi PDSA-kehityssykli (Plan – Do – Study – Act). Syklissä plan (suunnittele), do (toteuta), study (opi) ja act (toimi) toistuvat samassa järjestyksessä kerta toisensa jälkeen. Mitä nopeammin kehityssykli saadaan pyörimään, sitä nopeampaa on toiminnan kehittäminen. (Torkkola 2015, 100; Väre 2019, 203, 222-225, 228).

Myös FORCIT-Groupissa ollaan innostuneita hyödyntämään PDSA-kehityssykliä, joka valikoitui datan laadun kehittämisen työkaluksi tehdyssä opinnäytetyössä (Kähäri 2021). Kehityssyklillä saadaan näppärästi vaiheistettua datan laadun kehittämisen toimenpiteet. Kehittäminen on jatkuvaa ja painopiste kehityskohteissa, jotka ovat kulloisessakin vaiheessa kriittisimpiä.

Myyntilaskudatan laadun kehittäminen lähtee Plan-vaiheesta, jossa arvioidaan kriittisimmät laadun ongelmat ja arvioidaan juurisyyt. Lisäksi suunnitellaan korjaustoimenpiteet ennen Do-vaiheeseen siirtymistä. Do-vaiheessa viedään korjaukset prosessiin, järjestelmään tai ohjeistuksiin. Study-vaiheessa tarkistetaan toimivuutta ja pohditaan, onko juurisyy ymmärretty oikein. Act-vaiheessa reagoidaan havaintojen pohjalta ja opitaan prosessista. Kehityssykli alkaa jälleen alusta, kun kriittisimmät datan laatuun vaikuttavat kehitystoimenpiteet on viety prosessiin.

Data vaatii rinnalleen laadukkaat prosessit. Prosessien läpimenoaikojen nopeuttaminen parantaa liiketoiminnan suorituskykyä riippumatta toiminnosta tai toimialasta. Lean-toiminta vaatii prosessien standardisointia ja jatkuvaa kehittämistä. (Bradley 2016, 4, 20, 25.) Prosessikehittämisen työkaluina voidaan hyödyntää esimerkiksi Lean-ajattelusta tuttuja työkaluja kuten Gemba-läpikävelyä, jossa mennään paikan päälle ja nähdään mitä prosessissa oikeasti tapahtuu. Prosessista voidaan luoda arvovirtakuvaus (Value stream map, VSM), josta voidaan havaita mahdolliset automaatiota estävät prosessin vaiheet kuten puutteelliset perustiedot. Arvovirtakuvauksen pohjalta kehitystoimet kohdistetaan oikeisiin asioihin.

Datan hyödyntäminen

Digitalisaation ja teknologian kehityksen ansiosta dataa voidaan nykypäivänä hyödyntää useilla eri tavoilla. Datan kerääminen tuotantoprosessin eri vaiheissa mahdollistaa sen, että laskutusprosessin automaatiota voidaan realistisesti tavoitella. Tilauksesta-myyntilaskuun prosessin automatisointi laadukkaan datan ja virtaviivaisen prosessin avulla nopeuttaa myyntilaskun muodostamista ja parantaa sisällön oikeellisuutta. Siitä voi olla hyötyä myös ympäristön näkökulmasta. Parhaimmillaan taustaprosessit toimivat automaattisesti integraatioiden avulla. Samalla voidaan vapauttaa aikaa manuaaliselta tekemiseltä, joka monesti heikentää työmotivaatiota ja aiheuttaa turhia virheitä sekä kustannuksia. Datasta voi syntyä myös uusia innovaatioita, joita voidaan hyödyntää tulevaisuudessa.

Lähteet

Bradley, J. 2016. Improving Business Performance with Lean. Business Expert Press. Viitattu 7.11.2021. Saatavissa: https://lut.primo.exlibrisgroup.com/permalink/358FIN_LUT/1hujjmv/cdi_askewsholts_vlebooks_9781631570520

Fredman, J. 2020. Taloushallinnon digitalisaatio ja automaatio edellyttävät asianmukaisia tositteita. Tilisanomat. Viitattu 13.12.2021. Saatavissa https://tilisanomat.fi/yleiset/taloushallinnon-digitalisaatio-ja-automaatio-edellyttavat-asianmukaisia-tositteita

Fredman, J. 2021 Taloushallinnon digitalisaatio Suomessa. Tilisanomat. Viitattu 7.11.2021. Saatavissa https://tilisanomat.fi/taloushallinnon-erityispiirteet/taloushallinnon-digitalisaatio-suomessa

Kaarlejärvi, S. & Salminen, T. 2018. Älykäs taloushallinto, automaation aika. E-kirja. Alma Talent Oy. Viitattu 7.11.2021. Saatavissa https://lut.primo.exlibrisgroup.com/permalink/358FIN_LUT/b5ag28/alma991698183906254

Kähäri, E. 2021. Datan hyödyntäminen laskutusprosessin automatisoimisessa. Viitattu 7.12.2021. Saatavissa https://urn.fi/URN:NBN:fi:amk-2021122290429

Ramdoo, I. 2019. New Tech, New Deal: Technology Impacts Review. IGF. Viitattu 12.12.2020. Saatavissa https://www.iisd.org/system/files/publications/new-tech-new-deal-technology.pdf

Rumpu, A. 2021. Automaatiolla tarkkuutta laskujen maksamiseen ja lähettämiseen. Uusiyrityskeskus. Viitattu: 22.11.2021. Saatavissa https://uusyrityskeskus.fi/blogi/automaatiolla-tarkkuutta-laskujen-maksamiseen-ja-lahettamiseen/

Torkkola, S. 2015. Lean asiantuntijatyön johtamisessa. E-kirja. Helsinki: Alma Talent Oy. Viitattu 10.11.2021. Saatavissa https://lut.primo.exlibrisgroup.com/permalink/358FIN_LUT/b5ag28/alma991577493906254

Väre, T. 2019. Master data. 1. painos. E-kirja. Alma Talent Oy. Viitattu 22.11.2021. Saatavissa https://lut.primo.exlibrisgroup.com/permalink/358FIN_LUT/b5ag28/alma991876743906254

World Economic Forum. 2017. The Digital Transformation Initiative. White Paper. World Economic Forum. Viitattu 13.12.2021. Saatavissa http://reports.weforum.org/digital-transformation/wp-content/blogs.dir/94/mp/files/pages/files/wef-dti-mining-and-metals-white-paper.pdf

Kirjoittajat

Elina Kähäri työskentelee FORCIT-Groupissa Enterprise Systems Manager -roolissa. Elina valmistuu joulukuussa 2021 LAB-ammattikorkeakoulusta YAMK Tradenomiksi Digitaaliset ratkaisut koulutusohjelmasta.

Leea Kouhia toimii taloushallinnon lehtorina LAB-ammattikorkeakoulussa.

Artikkelikuva: https://pxhere.com/fi/photo/708495 (CC0)

Julkaistu 17.1.2022