这篇文章最初发表于CFO.com．

能否进行财务规划及分析(财务计划许多集团都能跟上许多公司迅速而深刻的变化。

举个例子，想想是什么在撼动传媒业。随着传统电视收视份额的下降，数字流媒体的增长，以及内容创作者可以更容易地自行出版和发布他们的节目，消费模式已经发生了变化。因此，媒体公司的FP&A团队需要帮助了解收入和利润从传统电视观看模式到数字流媒体模式的转变;围绕更多内容盈利方式;以及建立直接面向消费者模式所需的投资。

网络研讨会

看现在

金融专业人士协会(Association for Financial Professionals)总裁兼首席执行官Jim Kaitz与贝恩公司(Bain BOB体育app& Company)专家Michael Heric、Stephen Beam和Anup Juneja讨论了他们与不同行业和地区的首席财务官合作的经验，并强调了改进的五个关键任务。

类似地，软件部门已经从传统的许可证和维护模型转向了订阅模型。在这里，FP&A团队被要求评估对增长和盈利能力的影响，并重新分配运营费用和资本支出。

Covid-19大流行和随后的封锁加速了其中一些趋势，将数年的数字行为转变压缩为数月，并加剧了许多行业的成本和流动性压力。

商业领袖和首席财务官希望他们的FP&A团队成为价值创造的管家。他们说，FP&A应该花更少的时间解释这些数字，而应该花更多的时间与企业一起管理这些数字。正如一位财务高管告诉我们的，“我需要的是一个有经营思想的合伙人，而不是一个只会记分的人。”

一段时间以来，首席财务官们已经认识到改变财务计划与成本管理的必要性。然而，尽管多年来人们努力重新设计流程，并投资于新技术和数据，但许多人并没有达到他们预期的结果。根据我们的经验，他们在尝试转变FP&A功能时遇到了五个挑战。

1.缺乏一致或买入

成功的转型需要金融和企业领导人从一开始就建立强有力的伙伴关系，而不是金融独立行动，然后向企业汇报结果。这是因为企业必须权衡价值创造的未来来源和实现价值创造的路径和时间。

2.坚持传统的FP&A组织方式

传统的FP&A组织倾向于依靠一群通才来执行广泛的职责范围。然而，随着公司进入和退出客户细分、产品、国家、商业模式和渠道，FP&A专业技能的门槛继续上升。随着更深层次的专业化变得越来越重要，组织设计可以帮助实现这一点，cfo们越来越多地转向FP&A的新组织模式，最明显的是中心-辐式配置和卓越中心。

尼尔森全球媒体就是一个例子。几年后，尼尔森从一个高度分散的组织转变为一个更加集中的组织。在这个过程中，尼尔森创建了一个中心FP&A分析中心，该中心拥有数据，以创建一个单一的真相来源，并执行跨职能分析，供整个组织使用。业务中的团队规模更小，更专注于与业务的交互，而不是运行业务分析．结果，尼尔森获得了成本节约，同时也提高了业务的服务水平——通过简化预测，将预算流程时间缩短了一半，并将运营和商业团队花在计划上的时间最小化。

3.关键技能方面的持续差距

仅由具有传统财务或会计背景的人组成的FP&A团队往往缺乏对业务领域的深入理解。部分员工的时间分配在财务预算与审核和其他领域也限制了财务专业人员在财务预算与审核方面的能力。

为了培养所需的技能，首先要让一些财务专业人士专门从事财务预算与分析工作，而不是将他们分散在财务预算与分析和会计或其他事务性工作之间。最优秀的财务领袖会在传统技能之外寻找具有商业、数据科学或分析背景的人。他们还投资培训和轮岗项目。

4.不能采用或扩大新的工作方式

这一缺陷表现在未能采用创新实践，或倾向于进行大量小赌注，但收效甚微。主要的补救办法是选择几个领域，在这些领域加大投资，在这些领域，创新将对商业目标产生最大的积极影响。

作为一项主要的成本削减活动的一部分，一家大型电信公司利用FP&A功能进行了自我改造。FP&A对绩效管理和计划进行了更好的跟踪，提高了问责制。它构建了一个预算工具，用于改进关键绩效指标(KPI)分析和一般报告。一个基于云计算的计划跟踪工具确保了节约计划的顺利进行。

5.技术和数据不足

随着经济波动的加剧，企业越来越频繁地要求财务部门做出预测。然而，金融专业人士协会(Association for Financial Professionals)最近的一项调查发现，准备预测的FP&A团队将一半的时间花在数据收集和准备上，这是一种不可持续的情况。

等待大型核心系统升级将需要多年时间，roi也存在问题。相反，采取分阶段的方法，利用现有的和新的技术解决方案。清理数据和解决其他数据问题是一个良好的开端，之后FP&A可以使用更先进的工具和云。

自21世纪初以来，微软的财务部门一直在转型，改善了整个公司对数据和标准的控制。财务部培养了一种文化，不断为内部客户带来创新的技术解决方案，特别是在财务和管理方面。示例包括业务管理门户、关于全局KPI湖的自助分析和机器学习在预测过程。

许多创新都是快速开发和推出的——例如，8到10周的时间用于收入预测的机器学习，14周的时间用于商业用户采用的全球KPI湖。结果，微软财务实现了将验证和编译数据的时间减少了20%，并显著提升了为业务提供的支持质量。

当公司致力于转变其FP&A功能时，选择正确的重点和节奏是至关重要的。他们应该与商业领袖就未来价值创造的来源达成一致，然后围绕他们重新设计FP&A。他们应该谨慎地选择投资地点。这将提高FP&A的角色从记分员转变为真正的商业伙伴的可能性。