The new generation financial planning tools : Effects on organizational decision-making, predictive capabilities, and corporate performance
Vikström, Joona (2023-05-24)
The new generation financial planning tools : Effects on organizational decision-making, predictive capabilities, and corporate performance
(24.05.2023)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2023060151739
https://urn.fi/URN:NBN:fi-fe2023060151739
Tiivistelmä
Financial planning tools (Corporate Performance Management systems) was supposed to be the next big thing, or that was thought in the beginning of the millennium (Miranda 2004). Closing the 2010s, themes like business intelligence, advanced analytics, machine learning and artificial intelligence got the limelight (Richards et al. 2017). Two decades has gone past. According to Moore’s law, the computation power will approximately double in every two years. How has the digitalization impacted in financial planning tools, what is the current status and its relationship to corporate performance?
These research aims to fill that gap in the literature, by answering three research questions: how have advanced financial planning tools influenced organizational decision-making processes and outcomes? How do advanced financial planning tools enhance predictive capabilities for organizations? What are the effects of using advanced financial planning tools on overall corporate performance?
It is hard to make educate decision, which would likely to impact positively in strategy implementation during the high uncertainty (Lehr et al. 2017). However, this research implicates that scenario planning capabilities will support management to make data-driven decisions. It came evident throughout the study that these new breeds of systems are mostly build up rolling forecast processes. Scenario planning is currently the building block for predictive capabilities. Advanced analytics like, utilizing machine learning within financial planning is still growing and developing. Effects to corporate performance can be seem coming with a lag, and implementation needs constant change management and support from the management. This supports Elbashir (et al. 2011) findings.
Additional finding outside of research domain was related to the role of business controller. This research suggests that moving away from the manual, routine tasks related to e.g., managing accounts payables might be nearer than expected. Findings indicate that the role will ever evolve from business partner, towards the hybrid of data scientist.
This research has some limitations. The qualitative data was collected using semi-structured depth-interviews, which were analysed using thematic analysis, which is a good way to get in-depth information regarding a certain phenom, like new generation financial planning tools. However, the population was relatively small. In future research, the size of population could be increased, and it would be fruitful to mix some quantitative methods to highlight the relationships more efficiently. Additionally, the internal point of view of organization could be even more focused on, especially from organization, which has been utilizing new generation financial planning tools for quite some time, due to the lagging nature of performance. Taloussuunnittelun työkalujen (Corporate Performance Management Systems) piti olla seuraava iso juttu, tai niin ainakin ajateltiin vuosituhannen alussa (Miranda 2004). 2010-luvun päätteeksi teemat kuten business intelligence, edistynyt analytiikka, koneoppiminen ja tekoäly nousivat parrasvaloihin (Richards ym. 2017). Kaksi vuosikymmentä on kulunut. Mooren lain mukaan laskentateho noin kaksinkertaistuu kahden vuoden välein. Miten digitalisaatio on vaikuttanut taloussuunnittelun työkaluihin, mikä on nykytilanne ja sen suhde yrityksen tulokseen?
Tällä tutkimuksella pyritään täyttämään tämä aukko kirjallisuudessa vastaamalla kolmeen tutkimuskysymykseen: kuinka kehittyneet taloussuunnittelun työkalut ovat vaikuttaneet organisaation päätöksentekoprosesseihin ja tuloksiin? Miten edistyneet taloussuunnittelutyökalut parantavat organisaatioiden ennakointikykyä? Mitkä ovat edistyneiden taloussuunnittelutyökalujen vaikutukset yrityksen yleiseen suorituskykyyn?
Suuren epävarmuuden vallitessa on erittäin vaikea tehdä tietoon perustuvaa, valistunutta päätöstä, jolla olisi positiivinen vaikutus implementoituun strategiaan (Lehr ym. 2017). Tämä tutkimus kuitenkin viittaa siihen, että skenaarioiden suunnitteluominaisuudet tukevat johtoa tekemään datalähtöisiä päätöksiä. Tutkimuksen aikana kävi selväksi, että nämä uudet järjestelmät ovat enimmäkseen rullaavia ennusteprosesseja. Skenaariosuunnittelu on tällä hetkellä ennustuskyvyn rakennuspalikka. Kehittynyt analytiikka, kuten koneoppimisen hyödyntäminen taloussuunnittelussa, kasvaa ja kehittyy edelleen. Edellä mainittujen tekijöiden vaikutukset yrityksen suorituskykyyn näkyvät usein viiveellä, ja toteutus vaatii jatkuvaa muutoshallintaa ja johdon tukea. Tämä tukee Elbashirin (et al. 2011) havaintoja.
Lisälöydös tutkimusalueen ulkopuolelta liittyi business controllerin rooliin. Tämä tutkimus viittaa siihen, että siirtyminen pois manuaalisista rutiinitehtävistä, joka liittyy esimerkiksi ostovelkojen hallintaan, saattaa olla odotettua lähempänä. Havainnot osoittavat, että business controllerin rooli kehittyy kohti business parterin (liiketoiminta kumppani) ja datatieteilijän hybridiä.
Tällä tutkimuksella on muutamia rajoitteita. Kvalitatiiviset tiedot kerättiin puolistrukturoiduilla syvyyshaastatteluilla, jotka analysoitiin temaattisella analyysillä, joka on hyvä tapa saada syvällistä tietoa tietystä ilmiöstä, kuten uuden sukupolven taloussuunnittelutyökalut. Otanta oli kuitenkin tässä tutkimuksessa suhteellisen pieni. Tulevaisuuden tutkimuksessa otannan kokoa voitaisiin kasvattaa, ja olisi hyödyllistä yhdistellä kvantitatiivisia menetelmiä, jotta asioiden relaatioita voitaisiin nostaa paremmin nähtäviksi.
Lisäksi organisaation sisäiseen näkökulmaan voitaisiin keskittyä entistä enemmän. Osaksi otantaa olisi erittäin hedelmällistä saada yhtiö, joka on jo pitkään hyödyntänyt uuden sukupolven taloussuunnittelun työkaluja. Täten tutkimuksessa voitaisiin mahdollisesti havaita viiveellä syntyneitä etuja tai haittoja, jotka ovat seurausta kyseessä olevan työkalun implementoimisesta.
These research aims to fill that gap in the literature, by answering three research questions: how have advanced financial planning tools influenced organizational decision-making processes and outcomes? How do advanced financial planning tools enhance predictive capabilities for organizations? What are the effects of using advanced financial planning tools on overall corporate performance?
It is hard to make educate decision, which would likely to impact positively in strategy implementation during the high uncertainty (Lehr et al. 2017). However, this research implicates that scenario planning capabilities will support management to make data-driven decisions. It came evident throughout the study that these new breeds of systems are mostly build up rolling forecast processes. Scenario planning is currently the building block for predictive capabilities. Advanced analytics like, utilizing machine learning within financial planning is still growing and developing. Effects to corporate performance can be seem coming with a lag, and implementation needs constant change management and support from the management. This supports Elbashir (et al. 2011) findings.
Additional finding outside of research domain was related to the role of business controller. This research suggests that moving away from the manual, routine tasks related to e.g., managing accounts payables might be nearer than expected. Findings indicate that the role will ever evolve from business partner, towards the hybrid of data scientist.
This research has some limitations. The qualitative data was collected using semi-structured depth-interviews, which were analysed using thematic analysis, which is a good way to get in-depth information regarding a certain phenom, like new generation financial planning tools. However, the population was relatively small. In future research, the size of population could be increased, and it would be fruitful to mix some quantitative methods to highlight the relationships more efficiently. Additionally, the internal point of view of organization could be even more focused on, especially from organization, which has been utilizing new generation financial planning tools for quite some time, due to the lagging nature of performance.
Tällä tutkimuksella pyritään täyttämään tämä aukko kirjallisuudessa vastaamalla kolmeen tutkimuskysymykseen: kuinka kehittyneet taloussuunnittelun työkalut ovat vaikuttaneet organisaation päätöksentekoprosesseihin ja tuloksiin? Miten edistyneet taloussuunnittelutyökalut parantavat organisaatioiden ennakointikykyä? Mitkä ovat edistyneiden taloussuunnittelutyökalujen vaikutukset yrityksen yleiseen suorituskykyyn?
Suuren epävarmuuden vallitessa on erittäin vaikea tehdä tietoon perustuvaa, valistunutta päätöstä, jolla olisi positiivinen vaikutus implementoituun strategiaan (Lehr ym. 2017). Tämä tutkimus kuitenkin viittaa siihen, että skenaarioiden suunnitteluominaisuudet tukevat johtoa tekemään datalähtöisiä päätöksiä. Tutkimuksen aikana kävi selväksi, että nämä uudet järjestelmät ovat enimmäkseen rullaavia ennusteprosesseja. Skenaariosuunnittelu on tällä hetkellä ennustuskyvyn rakennuspalikka. Kehittynyt analytiikka, kuten koneoppimisen hyödyntäminen taloussuunnittelussa, kasvaa ja kehittyy edelleen. Edellä mainittujen tekijöiden vaikutukset yrityksen suorituskykyyn näkyvät usein viiveellä, ja toteutus vaatii jatkuvaa muutoshallintaa ja johdon tukea. Tämä tukee Elbashirin (et al. 2011) havaintoja.
Lisälöydös tutkimusalueen ulkopuolelta liittyi business controllerin rooliin. Tämä tutkimus viittaa siihen, että siirtyminen pois manuaalisista rutiinitehtävistä, joka liittyy esimerkiksi ostovelkojen hallintaan, saattaa olla odotettua lähempänä. Havainnot osoittavat, että business controllerin rooli kehittyy kohti business parterin (liiketoiminta kumppani) ja datatieteilijän hybridiä.
Tällä tutkimuksella on muutamia rajoitteita. Kvalitatiiviset tiedot kerättiin puolistrukturoiduilla syvyyshaastatteluilla, jotka analysoitiin temaattisella analyysillä, joka on hyvä tapa saada syvällistä tietoa tietystä ilmiöstä, kuten uuden sukupolven taloussuunnittelutyökalut. Otanta oli kuitenkin tässä tutkimuksessa suhteellisen pieni. Tulevaisuuden tutkimuksessa otannan kokoa voitaisiin kasvattaa, ja olisi hyödyllistä yhdistellä kvantitatiivisia menetelmiä, jotta asioiden relaatioita voitaisiin nostaa paremmin nähtäviksi.
Lisäksi organisaation sisäiseen näkökulmaan voitaisiin keskittyä entistä enemmän. Osaksi otantaa olisi erittäin hedelmällistä saada yhtiö, joka on jo pitkään hyödyntänyt uuden sukupolven taloussuunnittelun työkaluja. Täten tutkimuksessa voitaisiin mahdollisesti havaita viiveellä syntyneitä etuja tai haittoja, jotka ovat seurausta kyseessä olevan työkalun implementoimisesta.