오라클 재무 팀, Oracle Analytics 채택으로 생산성 2배 증대

오라클 재무 팀은 예산 책정, 예측, 관련 분석 수행 등 다양한 주요 작업에서 모회사를 지원합니다. 과거에 전 세계 팀원들은 수동 집약적 Excel 기반 프로세스를 사용했으며, 여기에는 광범위한 해결 방법, 원장 조정 및 데이터 입력이 필요했습니다.

그 결과 팀 워크플로우가 단절된 경우가 많고 비효율적이며 많은 시간이 소요되었습니다. 재무 업무를 실행하려면 흔히 분석가는 다른 지역 또는 사업부의 다른 분석가로부터 랜덤 스프레드시트를 확보해야 했습니다.

프로세스에는 여러 격차가 존재하지 않았고, 고정 지급 빈도도 없었으며, 종종 특별한 코딩 기술이 필요했습니다. 또한 분석가는 적시에 통합 재무 결산을 수행하기 위해 조정된 반복 플로우를 생성하지 않고 관련 데이터를 여러 번 추출해야 했습니다.

오라클 재무 팀은 회사 전체에서 데이터를 가져오는 종합적인 시스템으로 전환하기로 결정했습니다. 또한 애플리케이션을 통해 신속하게 작성, 업데이트 및 수정할 수 있는 시각화 및 대시보드를 생성해야 했습니다.

오라클 재무 팀은 전 세계적으로 분석 프로세스를 자동화하며 연결 및 간소화할 수 있는 강력한 클라우드 기반 플랫폼을 원했습니다. 또한 차트와 그래프, 프레젠테이션을 즉시 최적화하거나 조정할 수 있는 기능을 갖춘 다양한 데이터 시각화 기능을 원했습니다.

그뿐 아니라 분석 시스템은 다른 Oracle 솔루션과 기본적인 통합 및 공통 데이터 형식을 공유해야 했습니다. 또한 특정 핵심 비 Oracle 시스템에도 연결해야 했습니다. 따라서 오라클 재무 팀이 데이터 수집 및 모델링에서 시각화 및 협업에 이르기까지 광범위한 기능을 제공하는 Oracle Analytics를 선택하는 것은 자연스러운 일이었습니다.

또한 이 플랫폼은 시각화 및 데이터 검색을 위한 직관적인 대화식 기능을 통해 광범위한 개별 사용자의 요구사항을 지원합니다. 시간이 지남에 따라 이러한 시스템은 최종 재무 사용자가 고유한 혁신적인 방식으로 데이터를 적용할 수 있도록 지원합니다.

Oracle Analytics를 도입한 후 오라클 재무 팀은 측정 가능하며 질적으로 우수한 다양한 이점을 확인했습니다. 이제 팀은 자동화된 데이터 플로우를 플랫폼으로 정기적으로 스케줄링할 수 있으며 이를 통해 생산성이 두 배 이상 향상되었습니다. 또한 이 시스템은 적시에 의미 있는 연결된 정보를 제공하는 대시보드와 우선순위 영역에 대한 데이터 시각화를 통해 더욱 빠른 재무 결산을 지원합니다.

플랫폼의 자동화를 통해 팀은 분석 엔진을 사용하는 데 더 많은 시간을 할애하여 통찰력을 얻을 수 있습니다. 소프트웨어의 사용 편의성과 성능은 새로운 통찰력과 기능을 제공합니다. 글로벌 회계 책임자 조직의 수석 이사인 Kieran Leiper는 "드래그 앤 드롭 형식은 Oracle 회계 책임자 조직에서 Excel만 활용할 때에는 제기할 수 없었던 질문을 할 수 있도록 지원합니다"라고 말합니다.

사용자는 간편하게 데이터를 정제하고, 차트 유형을 변경하고, 질문을 탐색하고, 필드를 바꾸고, 간소화된 보고 형식으로 접근 가능한 재무 스토리를 생성할 수 있습니다. 팀은 비용 기회, 매출 성장 이니셔티브, 영업 인력 활동 및 생산성과 같은 요소를 심층적으로 조사할 수 있습니다. 또한 직원들은 여러 차원에서 비즈니스를 살펴보고, 이전에는 불가능한 일을 파악하고, 이용할 수 있는 가장 정확한 데이터 및 시나리오를 통해 의사 결정자를 지원할 수 있습니다.

 Leiper는 "허구에서 사실을 분리하는 데 도움이 되면서 큰 영향을 주었고, 영업 인력 생산성을 촉진하는 요인에 대한 오랜 믿음을 검증하도록 해 주었다는 점에서 큰 이익이 되었습니다"라고 말합니다.

사용자는 특히 필요한 리소스와 상호 작용하며, 운영 팀은 특정 업무 라인에 적용 가능한 KPI를 분석합니다. 한편, 회계 및 재무 팀은 이 동일한 데이터를 결산하기 전에 확인하여 추세를 살피고, 이를 예측과 대조하여 잠재적 문제를 파악할 수 있습니다.

또한 통합 기능은 분석가가 다양한 오라클 및 타사 플랫폼과 애플리케이션을 간편하게 소싱할 수 있도록 지원합니다. 팀은 대규모 데이터를 병합하여 신속하게 드릴다운하고 문제를 해결할 수 있습니다.