5 cách các giám đốc tài chính có thể tận dụng AI
Diễn đàn - Ngày đăng : 09:33, 02/08/2019
Dữ liệu khách hàng và giá dự đoán
CFO – Giám đốc tài chính – giữ vị trí trung tâm của luồng dữ liệu khách hàng: dữ liệu bán hàng, thông tin giá cả, cập nhật các khoản phải thu và vô vàn những thông tin khác. Điều này đặt CFO vào một vị trí quyền lực để liên kết các phân tích dự đoán với hành vi của khách hàng.
Dưới đây là cách thức hoạt động của trí tuệ nhân tạo. Nhóm điều khiển liên kết với các nhà khoa học dữ liệu để chạy các mối tương quan giữa hành vi giá (price behavior – là một hình thức của phân khúc giá, mục tiêu là tối đa hóa lợi nhuận bằng cách điều chỉnh giá mà các khách hàng khác nhau trả dựa trên dữ liệu về người tiêu dùng) và các khoản phải thu. Họ thu thập các dữ liệu giao dịch như thanh toán hoặc mô hình nhân khẩu học của khách hàng.
Sau đó, họ thêm dữ liệu của bên thứ ba về thời tiết và địa điểm tại điểm mua. Kết quả có thể thu được: dự báo giá tối ưu cho khách hàng nữ từ 18 đến 24 tuổi sử dụng thẻ tín dụng để mua quà tặng cho các ngày lễ khi thời tiết xấu.
Ví dụ: ngày lễ đặc biệt. Một nhà bán lẻ lớn của Hoa Kỳ đã kết hợp dữ liệu điểm bán, hàng tồn kho và giá cả với trí tuệ nhân tạo để tạo quy trình làm việc có hiệu quả cao, năng động, giá cả được cập nhật từng phút để tối đa hóa doanh số trong mùa lễ bận rộn.
Nhìn xa hơn giá trị sổ sách
Một trong những thách thức lớn nhất của CFO chính là có thể đánh giá giá trị thực của tài sản. Sự không chắc chắn trong việc định giá có thể gây ra chênh lệch hàng triệu đô la.
Phương pháp hiệu quả nhất để định giá tài sản là kiểm tra các bộ dữ liệu tài sản khổng lồ. Và trí tuệ nhân tạo có thể hỗ trợ các giám đốc tài chính trong vấn đề này.
Các giám đốc tài chính trong ngành kinh doanh bất động sản đang sử dụng trí tuệ nhân tạo để tương quan hóa hàng ngàn biến số nhà ở - tỷ lệ thế chấp, chất lượng trường học, số phòng ngủ, nhu cầu việc làm tại địa phương - để xây dựng các mô hình dự đoán giá tài sản nhà. Điều đó không chỉ giúp các công ty bất động sản mà nó còn cung cấp những thông tin có giá trị cho người mua, người bán và người cho vay.
Ví dụ: mô hình định giá tức thời. Một công ty khởi nghiệp ở Hà Lan sử dụng mô hình tận dụng các thuật toán trí tuệ nhân tạo để thực hiện định giá tài sản ngay lập tức. Giám đốc tài chính sử dụng mô hình để ước tính giá trị tài sản theo giá thị trường một cách hợp lý và để lập bảng cân đối kế toán của công ty.
Dự đoán biến động thị trường
Theo cơ quan thuế Hoa Kỳ, nợ xấu chiếm tỷ lệ tương đương với 0,5% doanh thu của các công ty Hoa Kỳ. Năm 2018, con số đó lên tới hơn 100 tỷ đô la, giảm tỷ lệ lợi nhuận tới 5%.
Một phân tích đa biến về dữ liệu khách hàng từ doanh nghiệp đến doanh nghiệp (business – to - business customer data) - chẳng hạn như ngành công nghiệp, xếp hạng tín dụng, tình hình mua sắm và nhân viên bán hàng - có thể dự báo khả năng thanh toán các hóa đơn của doanh nghiệp, để phục vụ cho việc cân nhắc gia hạn tín dụng. Xác định những doanh nghiệp không thể trả nợ cũng giúp xác nhận chất lượng và phê duyệt tín dụng của khách hàng.
Ví dụ: nhân viên bán hàng lừa đảo. Một công ty dịch vụ tài chính đã rơi vào tình trạng vỡ nợ thế chấp cao. Nhóm tài chính đã xây dựng một mô hình dự đoán về tỷ lệ bồi thường của nhân viên bán hàng, và nhận thấy rằng mối tương quan cao nhất là với các khoản vay được chấp thuận bởi nhân viên bán hàng hoạt động theo các ưu đãi bán hàng tích cực. Các phân tích dự đoán đã được sử dụng để tìm hiểu mối tương quan giữa các cấu trúc bồi thường và nợ xấu này, cung cấp một dự báo dài hạn về các mặc định theo các kịch bản khác nhau.
Tham ô và gian lận chi phí
Gian lận nội bộ đặc biệt khó phát hiện. Nó diễn ra thường xuyên và thường không để lại một dấu vết dữ liệu rõ ràng. Cả quá trình thường được thực hiện theo từng bước nhỏ để tránh bị phát hiện. Thủ phạm cũng có thể cố ý làm sai lệch đường dữ liệu.
Trí tuệ nhân tạo cho phép các giám đốc tài chính phân tích và giải thích dữ liệu chi phí, đồng thời phát hiện các yêu cầu chi phí đáng ngờ. Giám đốc tài chính có thể khám phá các mô hình chi tiêu và hành vi của nhân viên trong các vai trò khác nhau. Công nghệ máy học có thể xác định và dự đoán các hành vi phổ biến của nhân viên làm sai lệch hoặc phóng đại yêu cầu bồi thường. Điều này giúp các giám đốc tài chính có thể xử lý gian lận chi phí tiềm năng trước khi nó xảy ra.
Ví dụ: thiết lập chính sách chi phí. Một nhóm các giám đốc tài chính đã xem xét một tập hợp lịch sử các trường hợp lạm dụng chi phí đã được chứng minh, và dữ liệu được thu thập về loại chi phí và nhà cung cấp (ví dụ: một số hãng hàng không hoặc khách sạn). Nhưng thay vì giám sát các nhân viên, chức năng tài chính đã đưa ra một chương trình giáo dục và giám sát tích cực các lĩnh vực dễ bị lạm dụng. Trí tuệ nhân tạo cho phép nhóm nghiên cứu nhắm mục tiêu đào tạo về các hành vi lạm dụng có khả năng xảy ra nhất, giảm gian lận tại nơi làm việc trong tương lai.
Phát hiện hành vi rửa tiền
Nhiều ngân hàng đã tạo ra các cơ chế cảnh báo dự đoán hoạt động rửa tiền dựa trên các mô hình lạm dụng đã biết, trong đó có một số cơ chế bắt buộc theo luật định. Vấn đề là các hệ thống này có thể tạo ra một loạt các cảnh báo và khiến các giám đốc tài chính không biết nên điều tra ở đâu.
Trí tuệ nhân tạo có thể giúp các chương trình nhận ra hành vi đáng ngờ và phân loại cảnh báo là rủi ro cao, trung bình hoặc thấp. Áp dụng các quy tắc cho các phân loại cảnh báo này có thể tự động ngăn chặn những cảnh báo không chính xác, giải phóng nhân viên để tập trung vào các cảnh báo có khả năng xảy ra nhất.
Ví dụ: cảnh báo xếp hạng. Một ngân hàng châu Âu đã phải đối mặt với những thách thức về “báo động giả” (false positives) trên nền tảng chống rửa tiền. Nhóm tài chính đã tạo ra một mô hình dự đoán cho các giao dịch bất hợp pháp dựa trên các giao dịch rửa tiền đã được chứng minh, sử dụng thuật toán xếp hạng các cảnh báo theo thang điểm từ 1 đến 10. Những cảnh báo được xếp hạng trên 8 điểm sẽ mở một cuộc điều tra ngay lập tức. Các nhà quản lý đã trích dẫn mô hình dự đoán của ngân hàng này thành một tiêu chuẩn cho các ngân hàng khác trong cuộc chiến chống rửa tiền.
Kết luận
Trí tuệ nhân tạo đang chuyển mình một cách nhanh chóng từ thử nghiệm sang hoạt động. Các giám đốc tài chính đang hướng tới sự tích hợp trí tuệ nhân tạo vào hầu hết mọi phần của chức năng tài chính, từ các khoản phải thu đến ngân quỹ, và từ lập ngân sách đến định giá.
Khi được tăng cường sức mạnh dự đoán, các giám đốc tài chính sẽ nhận thấy rằng vai trò của họ đang trở nên chủ động hơn, mang tính chiến lược hơn và có giá trị hơn trong doanh nghiệp.