Welcome

Bagaimana Pembuat Bir Terbesar Di Dunia AB InBev Mengubah Operasi Keuangan

Bagaimana Pembuat Bir Terbesar Di Dunia AB InBev Mengubah Operasi Keuangan – “Tujuan tanpa rencana hanyalah sebuah harapan” begitulah kata pepatah. Tim Analisis Operasi Global di AB InBev memulai dengan mimpi mengubah operasi bisnis melalui analitik, tetapi memastikan bahwa keinginan tersebut memiliki rencana dan karenanya mengubahnya menjadi tujuan.

Bagaimana Pembuat Bir Terbesar Di Dunia AB InBev Mengubah Operasi Keuangan

pedernalesbrewing – Tim dimulai dengan lima anggota yang sangat berfokus pada penggunaan analitik dalam operasi untuk terus maju dan menghasilkan penghematan EBITDA sebesar $18 juta. Permulaan awal dengan tim yang sangat fokus memungkinkan kepemimpinan untuk memompa dana untuk meningkatkan solusi ke semua zona tempat AB InBev menjalankan bisnis. Pada tahun 2020, tim menjangkau lima zona lagi dan menskalakan tim 3x.

Bahkan selama COVID-19 pada tahun 2020, tim mampu merealisasikan nilai EBITDA sebesar $30 juta. Tren yang sama terjadi pada tahun 2021, di mana tim menambahkan $58 juta dalam EBITDA dan menghasilkan proyek unggulan, sehingga memungkinkan eksekusi pipeline ML tanpa sentuhan.

Ilmu Data

Tim ilmu data terdiri dari pakar AI dan ML mulai dari 4 hingga 16 tahun pengalaman industri yang memiliki pola pikir produk. Tim mendukung semua aspek bisnis dalam operasi dan langsung membangun MVP dalam waktu singkat. Hal ini memungkinkan pembelian dari bisnis untuk mengembangkan solusi yang paling cocok untuk bisnis. Semua proses di AB InBev memiliki jejak analitik dari tim Analisis Operasi Global, dengan USP tim adalah “Batas tanpa batas dalam operasi dan memberikan nilai tinggi”.

Produkisasi

Lengan lain dari Global Operations Analytics memastikan proyek tersebut dibawa ke tahap membuahkan hasil. Ada banyak dorongan dan ketelitian dari tim sehingga penggunaan setiap solusi menjangkau setiap pengguna, dan tingkat adopsi tetap meningkat. Untuk melakukan itu, tim terlibat dalam pengembangan antarmuka untuk solusi, yang didukung oleh pipa data dan digerakkan oleh algoritme.

Baca Juga : Pengetahuan Yang Perlu Kalian Ketahui Tentang Pembuatan Bir 

Analitik pajak

Dalam domain PPN, struktur PPN terus berubah dari satu negara ke negara lain dalam cara pengenaan dan cara pengenaannya. Setiap tahun, tim Account-to-report (ATR) ABI memproses pajak senilai lebih dari $20 miliar dan lebih banyak lagi melalui barang dan layanan yang disediakan ABI. Kompleksitas, sistem lama, dan volume transaksi yang tinggi membuat proses ini rentan terhadap kesalahan.

Kadang-kadang, karena campur tangan manual oleh semua orang yang mengerjakan penghitungan pajak, dapat terjadi kelebihan klaim dan kekurangan klaim. Jika ada situasi di mana terjadi underclaim atau overclaim, kita bisa berselisih, dan itu akan menunda keseluruhan proses itu sendiri. Begitu pemerintah mengajukan perselisihan, mereka akan mengajukan poin mereka ke depan. Jadi uang macet selama periode ini yang dapat berfungsi sebagai modal kerja.

Tim telah membuat struktur untuk mencegah kelebihan pembayaran, kekurangan pembayaran, dan denda yang dibebankan kepada perusahaan karena aplikasi pajak yang salah. Selain itu, telah menciptakan algoritme yang biasanya mendeteksi di mana anomali muncul atau jika terjadi kesalahan posting PPN.

Arsitektur

Ada faktur AP (Hutang akun) dan AR (Piutang). Itu masuk ke SAP, tempat data keuangan berada. Pengeposan faktur otomatis diekstraksi dan akhirnya masuk ke mesin analitik pajak, tempat deteksi anomali terjadi. Ini kemudian dikirim ke tim terkait dalam file tertentu. Mereka akan melakukan koreksi itu. Di SAP, posting PPN yang dikoreksi akan berjalan dengan seluruh latihan diotomatisasi dan dibuat cerdas dengan menggunakan analitik dan ilmu data.

Perkiraan arus kas

Tujuannya di sini adalah untuk mengembangkan model analitik yang kuat yang memberikan perkiraan arus kas yang akurat kepada tim keuangan yang membantu perencanaan keuangan dan mempertahankan solvabilitas bisnis.

Jika Piutang Usaha macet, ada kekurangan uang tunai di perusahaan, dan itu kehilangan modal kerja. Itu bisa menggunakan uang yang datang untuk beberapa proyek. AB InBev ingin mengetahui titik waktu di mana uang tunai akan bersama kami dan berapa banyak.

Hutang dagang juga memainkan peran penting. Meskipun dapat dikontrol, bisnis ingin melihat, berdasarkan ekosistem keuangan saat ini, kapan mereka dapat melakukan pembayaran. Di sinilah mesin peramalan telah dibangun. Ini memberi gambaran berapa jumlah yang akan datang ke perusahaan dan berapa jumlah yang akan dibayarkan dalam jumlah berapa pada waktunya.

Pengadaan untuk Membayar

Proses procure-to-pay adalah salah satu tumpukan teknologi yang paling penting bagi bisnis. Ini melampaui perusahaan Anda dan melibatkan pemasok. Oleh karena itu, sangat penting untuk mengadopsi pendekatan yang mulus, efisien, dan berpusat pada manusia untuk merancang dan mengembangkan solusi pengadaan. Saat AB InBev berusaha mendapatkan barang, ia menemui berbagai tantangan. Awalnya, ini digunakan untuk melacak satu pembayaran metrik tepat waktu, tetapi tidak memberikan gambaran keseluruhan kepada perusahaan. Jadi tim sekarang melihat kelebihan pembayaran dan pembayaran awal juga.

Solusi pendeteksi kebocoran pembayaran membantu tim PTP mengidentifikasi pengiriman faktur duplikat. Solusinya didukung oleh AI dan memanfaatkan data tiga tahun terakhir untuk menemukan pola serupa antara posting faktur yang ada dan yang baru melalui NLP dan pencocokan pola.

Sistem Koleksi Cerdas

Tim Order-to-Cash (OTC) AB InBev bertanggung jawab untuk memproses faktur senilai lebih dari $50 miliar setiap tahun. Namun, bahkan setelah memiliki solusi yang dioptimalkan sepenuhnya, perusahaan telah menghadapi banyak masalah. Rintangan muncul dari ketergantungan sistem dan silo bisnis dari berbagai departemen. Masalah-masalah ini dapat menimbulkan sengketa penagihan yang mengakibatkan beban finansial dan strategis pada bisnis ABI. Sengketa penagihan dapat timbul karena berbagai alasan seperti pemrosesan pesanan yang tidak tepat karena inefisiensi dalam sistem manajemen pesanan, ketentuan pembayaran yang tidak konsisten, faktur yang tidak akurat dan tidak lengkap, dll.