Skip to main content

Come si misura l’efficienza di un processo di riconciliazione finanziaria?

Come si misura l’efficienza di un processo di riconciliazione finanziaria?

Quando possiamo dire che un processo di riconciliazione sia efficiente?

La condizione che tale processo abbia riconciliato gli incassi esaminati, abbinando in modo efficace i pagamenti ricevuti alle relative fatture (obbiettivo raggiunto), da sola non è sufficiente a poter anche affermare che quel processo abbia funzionato in modo efficiente!

Per determinarne l’efficienza esistono delle metriche di cui abbiamo parlato in precedenti articoli; vediamole contestualizzate in un processo finanziario, indipendentemente dal fatto che sia eseguito manualmente o attraverso automazione.

Misure di efficienza

📌Il tempo di ciclo, misura il tempo necessario per completare il processo di riconciliazione dall’inizio alla fine. Si intende dal momento in cui un incasso si manifesta nella rendicontazione dell’E/C.

La riduzione di questo tempo è un indicatore di maggiore efficienza del processo.

Come lo calcoliamo:

Tempo Totale Impiegato per Tutte le Riconciliazioni \ Numero Totale di Riconciliazioni Effettuate

📌Il rateo di difetti, o tasso di errori, indica la frequenza con cui si verificano errori nell’attribuzione dei pagamenti alle fatture corrispondenti, con richiesta di interventi correttivi. Nei sistemi automatizzati è correlabile al concetto di “falso positivo”, ossia quando delle riconciliazioni ritenute perfettamente riuscite, in realtà non lo sono.

Un basso tasso di errori segnala un’alta efficienza e affidabilità del processo.

Come lo calcoliamo:

Tasso di Errori = (Numero di Riconciliazioni Errate / Numero Totale di Riconciliazioni Effettuate) x 100

📌Il tasso di intervento manuale, correlato con il tasso di utilizzo delle risorse che misura il grado di utilizzo efficace delle risorse impiegate nel processo. Entrambi i KPI si concentrano sull’ottimizzazione dell’impiego delle risorse disponibili (umane nel primo caso, e umane o materiali nel secondo) per massimizzare l’efficienza. In uno scenario di processo automatizzato, il processo risulta maggiormente efficiente al ridursi del tasso di intervento umano.

Lo misuriamo come

Tasso di Intervento Manuale=(abbinamenti che richiedono intervento manuale /​pagamenti totali processati ) × 100

📌Lo “First Pass Yield (FPY)” o tasso di automazione, è una metrica estremamente rilevante poiché indica la percentuale di incassi abbinati correttamente al primo tentativo senza necessità di interventi manuali per correzioni.
Un elevato FPY è indice di un processo automatizzato efficiente e affidabile.

Come lo calcoliamo:

Tasso di Automazione=(Numero di Riconciliazioni Perfette / Numero Totale di Riconciliazioni Effettuate) × 100

📌La soddisfazione del cliente, ossia il percepito dei clienti (interni o esterni) riguardo la rapidità e l’affidabilità del processo di riconciliazione. Un processo di riconciliazione efficiente e accurato contribuisce positivamente alla soddisfazione del cliente, che è un obiettivo finale dell’ottimizzazione dei processi.

Questa metrica può essere valutata attraverso sondaggi o feedback dei clienti riguardo la rapidità e l’affidabilità del processo di riconciliazione.

Quando si automatizza il processo.

Qualora vi sia la trasformazione del processo da un basso tasso di automazione ad un alto tasso di automazione, è interessante considerare non solo il confronto delle metriche ante e post, ma un ulteriore e importante KPI:

💹il COST SAVING, che calcola il risparmio complessivo ottenuto attraverso l’automazione del processo di riconciliazione rispetto al metodo manuale precedente, considerando sia i costi diretti che quelli indiretti (come ad esempio il tempo del personale preposto alla supervisione del processo).

Risparmio di Costi = Costi Metodo Manuale − Costi Metodo Automatizzato

Considerare le metriche che abbiamo esaminato sopra, può essere utile in questi casi:

  • 💡 quando si voglia misurare l’efficienza del processo in essere per identificare possibili aree di miglioramento;
  • 💡 quando si voglia definire un business case per vagliare l’opportunità di automatizzare un processo oggi condotto manualmente, al fine di confrontare le metriche attuali con la stima della loro evoluzione a seguito dell’automazione.

Un caso d’uso di applicazione dei KPI

In K Linx abbiamo progettato la dashboard di monitoraggio delle risultanze della riconciliazione, allineata alle metriche comunemente utilizzate nell’automazione dei processi.

Esprimiamo infatti il FPY nella sezione degli abbinamenti cosiddetti “perfetti“, così come il tasso di intervento manuale è rappresentato dalla sezione “abbinabili” (proposte di abbinamento che richiedono supervisione) e dalla sezione dei bonifici “no-match“.

La sezione degli abbinabili può contenere a sua volta delle proposte che, supervisionate dall’operatore, possono confluire nella sezione dei FPY in quanto già perfette così come sono state proposte.

Infine il rateo dei difetti, tendente allo zero.

Sono rari infatti i casi di abbinamenti riconciliati, intesi come “perfetti” dal sistema, che abbiano avuto reclami in quanto errati.

Consideriamo questo specifico KPI come una medaglia sul petto.

Mario S. Farris

Articoli correlati:

📌 Processi efficaci, efficienti o… entrambi?

📌 I rischi nascosti dei processi aziendali manuali

📌 Si può misurare l’efficienza?

📌 Misuriamo l’efficienza di un sistema di data document extraction

Intelligenza Artificiale e Innovazione: Dialogo con Mario Farris di K Linx

Intelligenza Artificiale e Innovazione: Dialogo con Mario Farris di K Linx

L’intelligenza Artificiale è in continua espansione e sempre più settori abbracciano la tecnologia che è nella sua primavera. Perciò, parliamo degli ambiti di applicazione attuali e di quelli futuri con Mario Farris, CEO di Workgroup Consulting e K-Linx.

Alessio Sergi: Benvenuto su “Pensa Forte”, Mario. Sono entusiasta di esplorare con te l’uso dell’intelligenza artificiale soprattutto nel mondo aziendale e bancario ma anche in ulteriori contesti. Puoi approfondire i suoi utilizzi in Italia?

Mario: L’IA ha molteplici applicazioni. Nel marketing, viene utilizzata per interazioni tramite chatbot e analisi del cliente. Nel campo della sicurezza, identifica intrusioni e frodi. In sanità, è preziosa per diagnosticare malattie e nel settore finanziario aiuta nel credit scoring e analisi di mercato.

Alessio: Come K Linx si inserisce in questo contesto?

Mario: In K Linx, abbiamo iniziato con l’analisi dei flussi di incasso, ma stiamo ampliando il nostro raggio d’azione. Siamo interessati all’analisi di potenzialità di acquisto dei clienti e all’estrazione di informazioni da documenti non strutturati, usando reti neurali per la riconoscimento di entità.

Alessio: Quali sono i vantaggi dell’IA per le aziende?

Mario: L’IA rende efficienti processi ripetitivi, liberando risorse umane per compiti di maggior valore. Ad esempio, nel recupero crediti, gestisce la riconciliazione dei pagamenti, permettendo al personale di concentrarsi sulla interazione con i clienti.

Alessio: Credi che adottare l’IA possa essere un vantaggio competitivo per le aziende?

Mario: Decisamente. L’IA migliora l’efficienza e riduce i costi, rendendo un’azienda più competitiva. Purtroppo, alcune aziende mostrano resistenza, forse per mancanza di lungimiranza.

Alessio: Parliamo di Elon Musk e della sua scelta di usare l’IA per la guida autonoma. Qual è la tua opinione?

Mario: Musk affronta una sfida imponente con la guida autonoma. La sua decisione di passare da radar a camera vision è innovativa. Nonostante le difficoltà, credo che avrà successo.

Alessio: E sull’uso dell’IA in ambito sanitario, come per i vaccini?

Mario: L’uso dell’IA nella produzione di vaccini è fondamentale. Può accelerare la ricerca e sviluppo, riducendo i tempi in emergenze come la pandemia.

Alessio: Infine, come vedi il futuro dell’IA nel mercato globale?

Mario: Il mercato dell’IA è destinato a espandersi enormemente. Stiamo passando dalla fantascienza alla risoluzione di problemi reali. L’IA migliora la qualità della vita.

Alessio: Grazie, Mario, per queste intuizioni. È stato un piacere parlare con te.

Mario: Grazie a te, Alessio. Sono felice di aver partecipato.

Innovazione nel Fintech: Intervista a Mario Farris di K Linx con Alessio Sergi del canale YouTube “Pensa Forte”

Innovazione nel Fintech: Intervista a Mario Farris di K Linx con Alessio Sergi di “Pensa Forte”

Alessio, con il suo canale divulgativo, tratta di innovazione e tecnologia, ambiente e storia, con particolare attenzione alla spinta che rende esponenziali le innovazioni stesse. 

Mario, imprenditore con esperienza ultraventennale nel settore IT, opera nella consulenza e nella produzione di soluzioni IT per l’efficientamento di processi.

[Alessio]: Ci troviamo nel vibrante Fintech District di Milano per discutere di innovazione, intelligenza artificiale, e payment intelligence con Mario Farris, il fondatore di K Linx. Benvenuto, Mario, e grazie per averci concesso questa intervista.

[Mario]: È un piacere essere qui, Alessio.

Utilizzo dell’Artificial Intelligence i K Linx

[Alessio]: Mario, molti vedono l’intelligenza artificiale come una realtà del futuro. Come la utilizzate attualmente in K Linx?

[Mario]: L’intelligenza artificiale per noi è una realtà quotidiana. La usiamo per ottimizzare l’operatività delle aziende, in particolare per la riconciliazione degli incassi e la contabilizzazione dei flussi di pagamento. Questi componenti AI rispondono a due domande chiave: chi sta pagando e per cosa, affrontando sfide complesse dovute alla natura non strutturata dei dati di pagamento.

Payment Intelligence

[Alessio]: Parliamo di “payment intelligence”. Cosa intendi esattamente?

[Mario]: La payment intelligence riguarda la gestione dei pagamenti digitali, specialmente quelli non strutturati come bonifici e bollettini postali. In Italia, purtroppo, i bollettini postali rappresentano ancora una quota significativa dei pagamenti. Il nostro obiettivo è semplificare questi processi per le aziende.

[Alessio]: Quali sono le difficoltà nel comprendere i testi di un bonifico e individuare chi sta pagando e per cosa?

[Mario]: In apparenza, può sembrare semplice, ma è una sfida di cognitive computing. Affrontiamo l’imprevedibilità totale dei testi, che variano enormemente in chiarezza e completezza.

[Alessio]: E qui interviene l’intelligenza artificiale di K Linx…

[Mario]: Esatto. La nostra AI affronta situazioni diverse, dalle descrizioni chiare a quelle vaghe, come “saldo vostre competenze”, che potrebbero riferirsi a molteplici partite aperte.

Altri ambiti di utilizzo dell’Artificial Intelligence

[Alessio]: Oltre al settore dei pagamenti, ci sono altre aree dove applicate la vostra intelligenza artificiale?

[Mario]: Sì, il nostro approccio ha attratto l’interesse del settore bancario. Assolviamo automaticamente ad operazioni delicate come la gestione dell’anticipo su fatture e nel credito al consumo.

[Alessio]: L’idea di usare l’intelligenza artificiale nel back office amministrativo come è nata?

[Mario]: La scintilla è scaturita dalla lettura di uno studio di un psicolinguista, che mostrava come il cervello umano identifichi le parole nonostante gli errori. Abbiamo collegato questo principio alla riconciliazione di testi nei pagamenti.

[Alessio]: Quali sono state le reazioni iniziali di fronte a questa idea innovativa?

[Mario]: Inizialmente, c’era perplessità. Le reti neurali sono solitamente usate per predizioni di mercato, non per la riconciliazione dei pagamenti. Ma questo ha reso la sfida ancora più intrigante.

Addestramento di una rete neurale artificiale

[Alessio]: Come funziona l’addestramento della rete neurale in questo contesto?

[Mario]: Addestrare una rete neurale significa insegnarle a riconoscere scenari corretti, come identificare il soggetto pagante da una stringa testuale. E qui, la rete neurale dimostra la sua efficacia, anche nelle situazioni più ambigue.

[Alessio]: Infine, quali sono i tuoi obiettivi futuri per K Linx?

[Mario]: Stiamo esplorando nuovi ambiti come la gestione del rischio di credito e la liquidazione dei sinistri, e ci stiamo avvicinando allo studio della blockchain, che vediamo rilevante in ambiti specifici come la liquidazione sinistri.

[Alessio]: Grazie mille, Mario, per queste intuizioni sul futuro dell’intelligenza artificiale nel fintech.

[Mario]: Grazie a te, Alessio.