Ihre AR/AP-Daten sind Geld, das auf dem Tisch liegt. Während Ihr Team Stunden damit verbringt, Zahlungsdaten in Tabellenkalkulationen zu analysieren, fehlen Ihnen wichtige Erkenntnisse über das Kundenverhalten, den Zeitpunkt der Zahlungsabwicklung und strategische Chancen. Da CFOs eine höhere Prognosegenauigkeit und Transparenz in Echtzeit fordern, können manuelle Prozesse nicht die Präzision bieten, die für moderne Treasury-Operationen erforderlich ist.

Sehen Sie sich eine Aufzeichnung von „Transform AR/AP Analytics into Strategic Advantage with GSmart Ledger“ an, moderiert von Ripple Treasury, powered by GTreasury'. Dieses exklusive 30-minütige Sitzung zeigt, dass führende Finanzteams die AR/AP-Analytik mit KI-gestützter Automatisierung transformieren, um mehr zu erreichen Verbesserung der Prognosegenauigkeit um 30%.

In diesem Webinar erfahren Sie, wie Sie:

• Vermeiden Sie stundenlange manuelle AR/AP-Datenanalysen mit automatisierter ERP-Integration

• Nutzen Sie KI, um kundenspezifisches Zahlungsverhalten und Timing zu verstehen

• Transformieren Sie statische Prognoseannahmen in dynamische, datengestützte Vorhersagen

• Generieren Sie für den Vorstand geeignete Cashflow-Prognosen in Minuten, nicht in Tagen

Erfahren Sie, wie GSmart Ledger intelligente Automatisierung für AR/AP-Analysen bietet und sich gleichzeitig nahtlos in umfassende Treasury-Intelligence integrieren lässt.

‍

‍

Transkript

‍

00:03:59.880 --> 00:04:08.950

GTreasury Marketing: Hallo zusammen, und danke, dass Sie heute zu uns gekommen sind. Wir werden in ein paar Minuten beginnen, um allen unseren Teilnehmern Zeit zu geben, am Webinar teilzunehmen. Halten Sie sich also zurück, und wir werden in Kürze beginnen.

‍

00:05:30.470 --> 00:05:34.209

Treasury Marketing: Hallo zusammen. Vielen Dank, dass Sie heute an unserem Webinar teilgenommen haben.

‍

00:05:34.480 --> 00:05:41.159

Treasury Marketing: Verwandeln Sie AR-AP-Analysen mit GSmart Ledger in einen strategischen Vorteil.

‍

00:05:41.250 --> 00:05:44.729

Evan Ryan: Lassen Sie uns ein paar Haushaltsfragen besprechen, bevor wir beginnen.

‍

00:05:48.080 --> 00:06:02.259

GTreasury Marketing: Die heutige Veranstaltung wird voraussichtlich 30 Minuten dauern, einschließlich der Zeit für Fragen am Ende. Alle Teilnehmer sind stummgeschaltet. Wenn Sie während der Präsentation zu irgendeinem Zeitpunkt Fragen haben, geben Sie diese bitte in den Bereich „Fragen und Antworten“ auf Ihrer Zoom-Steuerleiste ein.

‍

00:06:02.590 --> 00:06:04.609

Treasury Marketing: Dieses Webinar wird aufgezeichnet.

‍

00:06:04.610 --> 00:06:08.600

Evan Ryan: Und ein Link zur Aufnahme wird per E-Mail an alle Teilnehmer gesendet.

‍

00:06:09.570 --> 00:06:15.590

GTreasury Marketing: Unser heutiger Redner ist Evan Ryan, daher werde ich ihn ihm für eine kurze Einführung übergeben.

‍

00:06:16.500 --> 00:06:23.590

Evan Ryan: Vielen Dank, Anne. Mein Name ist Evan Ryan. Ich bin Produktmanager für Liquiditätsprognosen hier bei

‍

00:06:23.730 --> 00:06:29.180

Evan Ryan: Chief Treasury und ich freue mich darauf, heute an der Präsentation teilnehmen zu können.

‍

00:06:31.380 --> 00:06:36.279

Evan Ryan: Also heute, ich spreche über Transform AR und AP Analytics.

‍

00:06:36.480 --> 00:06:41.599

Evan Ryan: Und einfach in strategische Vorteile, mit dem GSmart Ledger.

‍

00:06:43.410 --> 00:06:54.779

Evan Ryan: Also, um zu besprechen, was ich eigentlich sein werde, indem ich den heutigen Tag durchmache, eine kurze Einführung, dann die KI-Transformation, schau wie

‍

00:06:54.920 --> 00:06:59.729

Evan Ryan: Ai ist es, auf der gesamten G Treasury-Plattform.

‍

00:06:59.930 --> 00:07:03.050

Evan Ryan: Zweiter Artikel über die versteckten Kosten manueller Arbeit

‍

00:07:03.350 --> 00:07:15.029

Evan Ryan: Zahlungsanalyse, Einstieg in die intelligente Automatisierung für AR und AP und dann in das eigentliche System selbst, das Smart Ledger selbst, für eine kurze Demo.

‍

00:07:17.320 --> 00:07:27.229

Evan Ryan: Diese Folie zeigt also wirklich, wo sich KI auf der gesamten GTreasury-Plattform befindet, und, Sie wissen schon.

‍

00:07:27.430 --> 00:07:42.840

Evan Ryan: KI ist nichts Neues für GTreasury. Tatsächlich gibt es sie in den letzten Jahren innerhalb von GTreasury. Sie können sehen, dass es verschiedene Arten von KI-Modellen gibt, also, wissen Sie, es gibt die statistische Modellierung vom Agententyp, die Fuzzy-Logik.

‍

00:07:43.130 --> 00:07:51.110

Evan Ryan: Und heute konzentrieren wir uns auf den zweiten Teil, die Liquiditätsprognose, GSmart Ledger und die statistische Modellierung.

‍

00:07:52.370 --> 00:07:56.520

Evan Ryan: Also... was macht das GSmart Ledger...

‍

00:07:56.620 --> 00:07:59.709

Evan Ryan: Ich habe es tatsächlich versucht, und was wird damit erreicht?

‍

00:08:00.090 --> 00:08:03.440

Evan Ryan: Es ist also im Wesentlichen ein KI-gesteuertes Modul.

‍

00:08:03.610 --> 00:08:08.170

Evan Ryan: Und es automatisiert die kurz- bis mittelfristigen Cashflow-Prognosen.

‍

00:08:08.390 --> 00:08:16.370

Evan Ryan: Und es analysiert die Forderungen und Verbindlichkeiten in Echtzeit.

‍

00:08:16.600 --> 00:08:24.279

Evan Ryan: Und es nutzt maschinelles Lernen, um zu erfahren, wie Ihre Kunden Sie in der letzten Zeit bezahlt haben

‍

00:08:24.770 --> 00:08:31.339

Evan Ryan: Ein Jahr, sechs Monate und auch, wie Sie Ihre Lieferanten in den letzten Jahren bezahlt haben.

‍

00:08:31,610 --> 00:08:33.900

Evan Ryan: In der letzten historischen Periode.

‍

00:08:35.049 --> 00:08:39.149

Evan Ryan: Es verwendet diese Daten dann, um eine Prognose zu erstellen.

‍

00:08:39.539 --> 00:08:54.900

Evan Ryan: Und es lernt ständig, okay? Jedes Mal, wenn wir eine neue Menge an Daten aufnehmen, werden diese Daten in diese Datenbank aufgenommen, sodass das System, das GSmart Ledger, tatsächlich genauer wird.

‍

00:08:55.030 --> 00:08:56.220

Evan Ryan: Im Laufe der Zeit.

‍

00:08:57.070 --> 00:09:12.040

Evan Ryan: Wir haben tatsächlich einige Analysen durchgeführt und gezeigt, dass GSmart Ledger bis zu 30% genauer ist, wenn es um Forderungen geht und vorhersagt, wann Kunden zahlen werden, verglichen mit dem, was unsere Kunden sehen

‍

00:09:12.040 --> 00:09:17.419

Evan Ryan: in ihren ERP-Systemen. Und darauf werde ich etwas näher eingehen

‍

00:09:17.580 --> 00:09:19.309

Evan Ryan: In ein paar Augenblicken.

‍

00:09:21.630 --> 00:09:29.500

Evan Ryan: Also, ich möchte wirklich darauf eingehen, wie das GSmart Ledger die Prognosegenauigkeit wirklich verändert.

‍

00:09:29.670 --> 00:09:38.079

Evan Ryan: Also, ich habe diese Zahl von 30% auf der vorherigen Folie angesprochen, und wir müssen uns ein bisschen mehr damit befassen

‍

00:09:38.250 --> 00:09:40.630

Evan Ryan: In diese Zahl und was das bedeutet.

‍

00:09:42.020 --> 00:09:48.390

Evan Ryan: Also... bevor ich das tue, möchte ich nur über die AR- und AP-Schmerzpunkte sprechen.

‍

00:09:49.340 --> 00:09:52.080

Evan Ryan: Ich bin mir sicher, weißt du, ich predige hier vor dem Chor.

‍

00:09:52.500 --> 00:09:56.969

Evan Ryan: Viele Leute, die an diesem Telefonat teilnehmen, können sich wirklich mit dieser Folie identifizieren.

‍

00:09:57.880 --> 00:10:03.929

Evan Ryan: Aber im Wesentlichen, wissen Sie, sprechen wir über das unterschiedliche Zahlungsverhalten der Kunden.

‍

00:10:04.160 --> 00:10:13.069

Evan Ryan: Wirklich, Anbieter machen es wirklich schwierig, genau vorherzusagen, wann diese Kunden Sie bezahlen werden.

‍

00:10:13.570 --> 00:10:20.499

Evan Ryan: Und wir wissen dann, dass Kunden nicht an die Bedingungen zahlen. Sie haben wirklich ihre eigenen Zahlungsgewohnheiten.

‍

00:10:21.840 --> 00:10:28.009

Evan Ryan: Eine weitere Herausforderung ist der Umgang mit großen Datenmengen.

‍

00:10:28.580 --> 00:10:31.229

Evan Ryan: Seien es Kunden oder Anbieter.

‍

00:10:31.340 --> 00:10:37.720

Evan Ryan: Und oft sind diese Daten über mehrere ERP-Systeme verteilt.

‍

00:10:37.920 --> 00:10:39.630

Evan Ryan: In Ihrer gesamten Organisation.

‍

00:10:39.890 --> 00:10:47.680

Evan Ryan: Und das Smart Ledger bietet Ihnen wirklich einen konsolidierten Überblick über Ihr AR- und AP-Zahlungsverhalten aus der Vogelperspektive.

‍

00:10:48.860 --> 00:10:51.520

Evan Ryan: Nochmals, du weißt schon, Unsicherheit über den Zeitpunkt.

‍

00:10:51.660 --> 00:10:55.590

Evan Ryan: Das kann dann wirklich zu ungenauen Prognosen führen.

‍

00:10:56.120 --> 00:11:02.710

Evan Ryan: Ich habe in der Vergangenheit mit einer Reihe von CFOs gesprochen, auch wegen dieser Unsicherheit.

‍

00:11:02.900 --> 00:11:09.550

Evan Ryan: Sie müssen diese Liquiditätspuffer wirklich aufbauen, und das ist im Wesentlichen Bargeld

‍

00:11:10.120 --> 00:11:13.389

Evan Ryan: Funktioniert nicht für dich, weißt du?

‍

00:11:13.510 --> 00:11:15.890

Evan Ryan: Und ich zeige wie, weißt du.

‍

00:11:16.110 --> 00:11:18.459

Evan Ryan: Das Geld binden oder freigeben.

‍

00:11:18.610 --> 00:11:24.280

Evan Ryan: Es ist im Wesentlichen aufgrund der Tatsache von Vorteil, dass Sie eine genauere Prognose haben.

‍

00:11:27.350 --> 00:11:35.349

Evan Ryan: Also hier, weißt du, die Transformation von AR und AP und Betriebskapital mit dem Smart Ledger, ist das eine Wissenschaft? Ist es eine Kunst?

‍

00:11:35.520 --> 00:11:36.329

Evan Ryan: Es ist beides.

‍

00:11:36.930 --> 00:11:46.689

Evan Ryan: Weißt du, ein paar Herausforderungen möchte ich auf der linken Seite herausgreifen und dann die Lösungen auf der rechten Seite und wie GSmart Ledger dabei wirklich helfen kann.

‍

00:11:47.770 --> 00:11:50.379

Evan Ryan: Also, erstens, weißt du, ein Mangel an Selbstvertrauen.

‍

00:11:50.520 --> 00:11:57.999

Evan Ryan: Ungenauigkeit bei der Cashflow-Prognose. Und das ist, wie gesagt, auf diese Varianz zurückzuführen

‍

00:11:58.250 --> 00:11:59.940

Evan Ryan: Von Ihren zahlenden Kunden.

‍

00:12:01.260 --> 00:12:10.619

Evan Ryan: Und die Lösung besteht wirklich darin, diese KI- und AP-Ledger zu integrieren und mithilfe dieser historischen Analyse KI

‍

00:12:10.800 --> 00:12:17.789

Evan Ryan: Modell, wir können viel genauer berechnen und vorhersagen, wann diese Kunden Sie bezahlen werden.

‍

00:12:18.740 --> 00:12:21.520

Evan Ryan: Im zweiten Beitrag geht es um Sichtbarkeit.

‍

00:12:21.990 --> 00:12:26.789

Evan Ryan: Es ist also wirklich dieser eingeschränkte Einblick in Ihre Cashflow-Treiber.

‍

00:12:27.320 --> 00:12:32.730

Evan Ryan: Während der Demo werde ich nicht nur auf das Smart Ledger selbst eingehen.

‍

00:12:32.870 --> 00:12:42.399

Evan Ryan: Aber eine konsolidierte Übersicht über das Betriebskapital, Dashboards, die ich Ihnen heute gerne zeigen werde.

‍

00:12:43.500 --> 00:12:48.009

Evan Ryan: Also der zweite Teil, also die Lösung dafür ist dieser Cashflow

‍

00:12:48.330 --> 00:12:58.220

Evan Ryan: Prognosen werden automatisch an das erlernte Verhalten angepasst, um eine bessere Genauigkeit zu erzielen. Es ist also nicht so, dass Sie jedes Mal reinkommen müssen, wenn

‍

00:12:58.540 --> 00:13:10.209

Evan Ryan: Die Daten werden aktualisiert, und Sie müssen die Dinge anpassen, wissen Sie, es ist wirklich so, als ob Sie es einrichten und vergessen, und ich zeige Ihnen, wie Sie die Regeln im Smart Ledger nutzen können, um sie dann in Ihre Prognose einfließen zu lassen.

‍

00:13:11.450 --> 00:13:21.569

Evan Ryan: Die letzte Herausforderung, vor der die Leute im Moment stehen, ist also, wie ich auf der vorherigen Folie sagte, der Umgang mit großen ERP-Extrakten.

‍

00:13:21.900 --> 00:13:26.409

Evan Ryan:... Wir können in jedes ERP integrieren,

‍

00:13:26.700 --> 00:13:37.550

Evan Ryan: Ziehen Sie die Daten ein, sei es täglich, auf wöchentlicher Basis. Die Daten werden dann aktualisiert, Sie können sie auf einem Scheduler einrichten, und dann kommen diese Daten in Ihren

‍

00:13:38.040 --> 00:13:42.880

Evan Ryan: Das GSmart Ledger, und Sie können wirklich eine tiefgründige Analyse auf Kundenebene durchführen.

‍

00:13:43.140 --> 00:13:45.709

Evan Ryan: Lieferantenebene und dann diese...

‍

00:13:45.950 --> 00:13:51.980

Evan Ryan: Diese Daten fließen dann in Ihre Prognose und letztendlich in die Betriebskapital-Dashboards ein.

‍

00:13:55.020 --> 00:14:00.389

Evan Ryan: Also, wie funktioniert das GSmart Ledger eigentlich?

‍

00:14:00.720 --> 00:14:05.180

Evan Ryan: Es ist also eine ERP-Integration für die automatisierte kurzfristige Prognose.

‍

00:14:05.590 --> 00:14:13.159

Evan Ryan: Und die historischen Daten werden mit maschinellem Lernen analysiert. Und das ist es, was dann generiert wird

‍

00:14:13.350 --> 00:14:16.769

Evan Ryan: Diese historischen durchschnittlichen Zahlungstage.

‍

00:14:17.480 --> 00:14:21.349

Evan Ryan: Also zum Beispiel, wenn eine Rechnung eingeht.

‍

00:14:21.460 --> 00:14:26.770

Evan Ryan: Weißt du, an einen Kunden mit einer Laufzeit von 45 Tagen gesendet, aber...

‍

00:14:27.040 --> 00:14:37.130

Evan Ryan: Smart Ledger kann Ihnen sagen, nun, im Durchschnitt zahlt dieser Kunde nicht innerhalb von 45 Tagen, dieser Kunde zahlt normalerweise innerhalb von 50 Tagen.

‍

00:14:37.760 --> 00:14:43.989

Evan Ryan: Und was ist das Fälligkeitsdatum... was passiert eigentlich mit diesem 45-tägigen Fälligkeitsdatum?

‍

00:14:44.160 --> 00:14:55.080

Evan Ryan: Das wird innerhalb Ihrer Prognose automatisch auf 50 Tage angepasst, sodass Sie eine genauere Prognose haben. Also nochmal, Sie wissen, wann Bargeld hereinkommen wird.

‍

00:14:55.260 --> 00:14:58.419

Evan Ryan: Von Ihrem Kunden... von Ihren Kunden, genauer gesagt.

‍

00:15:00.080 --> 00:15:08.980

Evan Ryan: Der vierte Teil hier bezieht sich auf das konsolidierte ARNAP-Leistungs-Dashboard, sodass Sie wirklich einen Überblick aus der Vogelperspektive haben

‍

00:15:09.130 --> 00:15:09.950

Evan Ryan:...

‍

00:15:10.170 --> 00:15:21.760

Evan Ryan: Wissen Sie, auf einer sehr hohen Ebene, und dann können Sie schnell einen Drilldown bis zur Rechnungsebene vornehmen, um wirklich, wissen Sie, aus einer überfälligen Perspektive zu sehen, was auf Kundenebene aussteht.

‍

00:15:25.080 --> 00:15:31.840

Evan Ryan: Also... wie gesagt, wir haben einige Analysen durchgeführt und das haben wir im Durchschnitt gesehen.

‍

00:15:32.090 --> 00:15:40.869

Evan Ryan: Das GSmart Ledger verbessert die kurzfristigen Prognosen für Forderungen um bis zu 30% im Vergleich zu früher...

‍

00:15:41.110 --> 00:15:46.270

Evan Ryan: Unsere Kunden sahen die Zahlungsbedingungen in ihrem ERP-System.

‍

00:15:46.910 --> 00:16:05.880

Evan Ryan: Es wurde auf Einzelrechnungsebene ausgeführt und verglich die Daten im GSmart Ledger und im Wesentlichen das Fälligkeitsdatum im GSmart Ledger. Dabei wurden die historischen durchschnittlichen Zahlungstage verwendet und diese mit den Standardkonditionen im ERP-System verglichen.

‍

00:16:06.280 --> 00:16:11.320

Evan Ryan: Und das G Smart Ledger war bis zu 30% genauer.

‍

00:16:15.340 --> 00:16:19.250

Evan Ryan: Also, weißt du, was bedeutet... 30%.

‍

00:16:19.720 --> 00:16:23.619

Evan Ryan: Bedeutet die Erhöhung der Prognosegenauigkeit für Ihr Treasury-Team?

‍

00:16:24.310 --> 00:16:31.320

Evan Ryan: Nun, die erste ist also, wissen Sie, Sie können wirklich Betriebskapital freisetzen, damit das Unternehmen weiterlaufen kann

‍

00:16:31.670 --> 00:16:34.159

Evan Ryan: Also, mit weniger Bargeld auskommen.

‍

00:16:34.430 --> 00:16:37.789

Evan Ryan: Also, ich würde sagen, so schlank wie möglich.

‍

00:16:38.210 --> 00:16:41.690

Evan Ryan: Reduziert sicher überschüssige Cache-Puffer.

‍

00:16:42.210 --> 00:16:48.190

Evan Ryan: Und dann, wissen Sie, vermeidet diese kostspielige kurzfristige Kreditaufnahme für Inkassoüberraschungen.

‍

00:16:48.740 --> 00:16:53.739

Evan Ryan: Natürlich, dann zeigen Sie und ich das in den Dashboards, den überschüssigen Cache.

‍

00:16:53.890 --> 00:17:03.179

Evan Ryan: Sie können es auf eine Laufzeit festsetzen oder es auch zur Tilgung einer Kreditfazilität verwenden. Wir können diese Zahl tatsächlich auch berechnen, was sehr nützlich ist.

‍

00:17:03.670 --> 00:17:10.419

Evan Ryan: Aber letztlich ermöglichen wir unseren Kunden, schnellere und sicherere Entscheidungen zu treffen.

‍

00:17:13.140 --> 00:17:18.230

Evan Ryan: Ich weiß, Shannon wird jetzt eine Umfragefrage stellen.

‍

00:17:27.990 --> 00:17:30.369

Evan Ryan: Shannon, haben wir diese Umfragefrage?

‍

00:17:44.640 --> 00:17:50.929

Evan Ryan: Ich bin mir nicht sicher, was mit dieser Umfragefrage passiert.

‍

00:17:51.080 --> 00:17:55.219

Evan Ryan: Aber im Grunde kann ich,... Lesen Sie das...

‍

00:17:55.540 --> 00:17:56.669

Evan Ryan: Shannon, hast du es da?

‍

00:17:56.670 --> 00:17:59.960

Treasury Marketing: Ja, die Umfragefrage wird beantwortet.

‍

00:18:00.420 --> 00:18:03.069

Evan Ryan: Okay, tut mir leid, ich kann es einfach nicht auf meinem Bildschirm sehen.

‍

00:18:50.160 --> 00:18:51.899

Treasury Marketing: Kannst du die Ergebnisse sehen, Evan?

‍

00:18:52.200 --> 00:18:57.140

Evan Ryan:... ich kann eigentlich nicht. Ich weiß nicht ob... könntest du sie vorlesen, Shannon?

‍

00:18:57.140 --> 00:18:58.169

Treasury Marketing: Ja, das kann ich.

‍

00:18:59.470 --> 00:19:01.630

Evan Ryan: Also...

‍

00:19:02.020 --> 00:19:09.450

Treasury Marketing: Die... Frage ist, was beschreibt am besten den aktuellen Einsatz von KI in Ihrem Unternehmen für Cashflow-Prognosen?

‍

00:19:09.580 --> 00:19:29.020

GTreasury Marketing: Wir haben also 38% vor, KI innerhalb der nächsten 12 Monate zu implementieren. 46% der Befragten untersuchen KI-Optionen, sind sich aber nicht sicher, wo sie anfangen sollen, und 15% haben KI für Prognoseprozesse noch nicht in Betracht gezogen.

‍

00:19:30.240 --> 00:19:32.030

Evan Ryan: Vielen Dank,...

‍

00:19:32.210 --> 00:19:42.920

Evan Ryan: Also, ja, wir,... nun, eigentlich werde ich hier die Verwendung von KI in der Demo besprechen, und, weißt du, wir können das besprechen,

‍

00:19:43.220 --> 00:19:44.120

Evan Ryan: Also...

‍

00:19:44,510 --> 00:19:54.749

Evan Ryan: Hier gab es, ja, das größte Ergebnis, 46%. Die Leute suchen derzeit nach KI-Optionen, sind sich aber nicht sicher, wo sie anfangen sollen, also...

‍

00:19:55.090 --> 00:19:59.880

Evan Ryan: Hoffentlich haben die Leute eine, irgendwie, gute Idee. ...

‍

00:19:59.990 --> 00:20:07.540

Evan Ryan: Sobald ich die Demo hier beendet habe, lass mich einfach... zur Demo springen...

‍

00:20:11.120 --> 00:20:12.060

Evan Ryan: Ich bin einfach...

‍

00:20:17.320 --> 00:20:19.220

Evan Ryan: Okay...

‍

00:20:29.150 --> 00:20:33.080

Evan Ryan: Also, Shannon, du kannst den Bildschirm hier sehen.

‍

00:20:33.080 --> 00:20:33.800

Treasury Marketing: Ja.

‍

00:20:34.060 --> 00:20:35.320

Evan Ryan: Perfekt. In Ordnung.

‍

00:20:35.670 --> 00:20:43.669

Evan Ryan: Also, wo wir eigentlich zuerst anfangen werden, ist im eigentlichen Prognoseblatt.

‍

00:20:44.090 --> 00:20:53.929

Evan Ryan: Okay, hier habe ich meine aktuellen Zahlen, also was in der vergangenen Woche passiert ist, und hier ist meine Prognose für das, was in den nächsten 13 Wochen passieren wird.

‍

00:20:54.380 --> 00:21:02.800

Evan Ryan: Ich bin hier in den Geschäftsbereich Irland eingestiegen und sehe meine Cashflow-Einzelposten, meine Cashflow-Kategorien, auf der linken Seite.

‍

00:21:04.210 --> 00:21:18.759

Evan Ryan: Ich habe meine AR-Sammlungen hier und dann habe ich meine AP-Sammlung oder meine AP-Zahlungen hier und meinen spezifischen Einzelposten hier, meine Lieferanten, aber ich werde mich zuerst auf die AR-Sammlungen konzentrieren.

‍

00:21:20.620 --> 00:21:26.629

Evan Ryan: Also, ich kann mir vorstellen, dass ich verschiedene Wochen vor mir habe,... hier draußen in der Zukunft.

‍

00:21:26.870 --> 00:21:30.659

Evan Ryan: Und wenn ich hier auf die erste Zelle doppelklicke.

‍

00:21:30.780 --> 00:21:34.359

Evan Ryan: Ich kann diese 1,2 Millionen aufschlüsseln.

‍

00:21:35.100 --> 00:21:42.059

Evan Ryan: Euro, die da reinfließen, und diese Daten kommen letztlich aus dem GSmart Ledger.

‍

00:21:42.960 --> 00:21:47.130

Evan Ryan: Also, welche Rechnungen auch immer prognostiziert werden

‍

00:21:47.950 --> 00:22:04.789

Evan Ryan: Die Summe, die in Woche 4 abgeholt wird, erscheint in Höhe von 1,2 Millionen. Ich kann bis auf eine Rechnungsebene aufschlüsseln, und wenn ich dann ein bisschen tiefer reingehe, kann ich sehen, dass hier ein ursprüngliches Fälligkeitsdatum angegeben war.

‍

00:22:04.930 --> 00:22:08.269

Evan Ryan: Aber aus diesem Grund wurde das tatsächlich automatisch angepasst.

‍

00:22:08.540 --> 00:22:11.070

Evan Ryan: Historischer Durchschnitt der Tage bis zur Zahlung.

‍

00:22:11.970 --> 00:22:15.260

Evan Ryan: Also, das ist im Grunde der Ausgangspunkt.

‍

00:22:15.430 --> 00:22:19.840

Evan Ryan: Für die Demo, und ich werde jetzt zum eigentlichen Smart Ledger selbst springen.

‍

00:22:21.110 --> 00:22:26.129

Evan Ryan: Also kann ich in die Smart Ledger-Demo oder Smart Ledger einsteigen.

‍

00:22:26.360 --> 00:22:27.230

Evan Ryan: selbst.

‍

00:22:27.990 --> 00:22:30.950

Evan Ryan: Also, hier, im Smart Ledger.

‍

00:22:31.220 --> 00:22:34.699

Evan Ryan: Hier befinden sich die ERP-Daten.

‍

00:22:35.090 --> 00:22:39.539

Evan Ryan: Es gibt eine Reihe verschiedener Datensätze, die wir aus Ihrem ERP übernehmen.

‍

00:22:39.690 --> 00:22:44.310

Evan Ryan: Die offenen Berichte, also Ihr aktueller AR- und AP-Alterungsbericht.

‍

00:22:44.500 --> 00:22:46.269

Evan Ryan: Alle Zahlungen.

‍

00:22:46.380 --> 00:22:47.680

Evan Ryan: Und auch...

‍

00:22:48.070 --> 00:22:56.680

Evan Ryan: alle geschlossenen Daten. Bei geschlossenen Daten handelt es sich also um Rechnungen, die bezahlt wurden. In diesem Fall könnte es in der letzten Woche im letzten Monat sein.

‍

00:22:58.450 --> 00:23:08.800

Evan Ryan: Ich kann also sehen, dass ich hier eine Reihe verschiedener Artikel habe. Ich kann auf Rechnungsebene sehen, weißt du, wirklich, was auf der Rechnungsebene passiert.

‍

00:23:09.240 --> 00:23:15.999

Evan Ryan: Ich bin... ich kann alle meine offenen Rechnungen sehen, das ist also der aktuelle Alterungsprozess.

‍

00:23:16.260 --> 00:23:21.020

Evan Ryan: Ich habe in weniger als 30 Tagen weniger. Ich bin...

‍

00:23:21.220 --> 00:23:24.049

Evan Ryan: Voraussichtlich oder prognostiziert, 15 zu sammeln...

‍

00:23:24.400 --> 00:23:27.600

Evan Ryan: Millionen Euro, 31 bis 60.

‍

00:23:27.960 --> 00:23:30.569

Evan Ryan: 7 Millionen Euro und so weiter und so fort.

‍

00:23:30.740 --> 00:23:33.949

Evan Ryan: Ich kann auch sehen, was überfällig ist.

‍

00:23:34.230 --> 00:23:38.420

Evan Ryan: Außerdem eine Währungsaufschlüsselung und so weiter. Im Moment habe ich also nur Euros dabei.

‍

00:23:38.540 --> 00:23:43.130

Evan Ryan: Ledger, aber wir können auch mit mehreren Währungen umgehen.

‍

00:23:44.840 --> 00:23:52.670

Evan Ryan: Außerdem kann ich meine bezahlten Rechnungen einsehen, also alle Zahlungen oder alle Rechnungen, die im letzten Zeitraum bezahlt wurden.

‍

00:23:54.620 --> 00:23:55.900

Evan Ryan: Alle Zahlungen...

‍

00:23:57.100 --> 00:24:04.690

Evan Ryan: Aber worauf ich mich hier konzentrieren möchte, sind die Kundenprofile. Also wenn ich hier zu T-Mobile springe...

‍

00:24:04.920 --> 00:24:10.220

Evan Ryan: Ich sehe eine Aufschlüsselung meines Kundenverhaltens.

‍

00:24:10.390 --> 00:24:17,119

Evan Ryan: Das sind also alles Rechnungen, die im letzten, sagen wir in diesem Fall, sagen wir mal, im letzten Jahr eingezogen wurden.

‍

00:24:17.410 --> 00:24:18.600

Evan Ryan: T-Mobile.

‍

00:24:19.200 --> 00:24:26.229

Evan Ryan: haben, bezahlt. Außerdem habe ich einen Überblick über die Zahlungsverteilung und die Verluste, also kann ich das sehen, weißt du.

‍

00:24:27.160 --> 00:24:31.610

Evan Ryan: Die Mehrheit der Zahlungen erfolgt innerhalb von etwa 60-7 Tagen.

‍

00:24:32.290 --> 00:24:42.250

Evan Ryan: Aber vielleicht, weißt du, können wir uns Orange ansehen. Orange schien, sagen wir mal, etwas braver zu sein, wenn es um die Zahlungsverteilung geht.

‍

00:24:43.070 --> 00:24:45.680

Evan Ryan: Wenn ich hier wieder zu T-Mobile komme.

‍

00:24:45.830 --> 00:24:57.189

Evan Ryan: Worauf ich mich konzentrieren möchte, ist diese Zahl hier, also Ihre durchschnittlichen Zahlungstage. Und diese durchschnittlichen Tage bis zur Zahlung werden zur Berechnung des neuen Fälligkeitsdatums verwendet.

‍

00:24:57.320 --> 00:25:02.459

Evan Ryan: für... jede Rechnung, die mit T-Mobile verknüpft ist.

‍

00:25:03.350 --> 00:25:07.830

Evan Ryan: Wenn also eine Rechnung vorliegt, wird eine neue Rechnung an T-Mobile gesendet.

‍

00:25:08.310 --> 00:25:16.939

Evan Ryan: Weißt du, und wie ich schon sagte, als ich die Folien durchgesprochen habe, waren die, du weißt schon, Zahlungsbedingungen vielleicht 30 Tage oder 45 Tage.

‍

00:25:17.080 --> 00:25:23.630

Evan Ryan: Historisch gesehen wurde das, was hier mit KI berechnet wurde, und diese statistische Modellierung ist...

‍

00:25:23.920 --> 00:25:30.220

Evan Ryan: Um die historischen Durchschnittsbedingungen für jeden einzelnen Kunden zu berechnen.

‍

00:25:30.960 --> 00:25:43.340

Evan Ryan: Also, wenn ich hier zu meinem offenen Bericht zurückkehre, sehe ich, dass ich T-Mobile habe. Wenn ich das öffne, okay, ich sehe meine bisherigen durchschnittlichen Tage, an denen ich für T-Mobile auf Kundenebene bezahlt habe.

‍

00:25:44.170 --> 00:25:46.209

Evan Ryan: Und wenn du dich daran erinnerst

‍

00:25:46.480 --> 00:25:56.150

Evan Ryan: erste oder zweite Folie innerhalb der Präsentation. Einer der wichtigsten Punkte war dann, wie dies in Ihre Prognose einfließen kann.

‍

00:25:57.230 --> 00:26:01.220

Evan Ryan: Also, wenn ich mir meine... Regeln hier ansehe

‍

00:26:01.850 --> 00:26:06.720

Evan Ryan: Im Grunde kann ich sehen, dass ich hier eine Regel zum Zahlungsverhalten von Kunden habe.

‍

00:26:07.580 --> 00:26:10.059

Evan Ryan: Und was ich tun kann, ist, dass ich einstellen kann

‍

00:26:11.550 --> 00:26:18.640

Evan Ryan: Alle Kunden oder alle Kunden für dieses Ledger, um diesen historischen Durchschnitt an Tagen für die Zahlung zu verwenden.

‍

00:26:18.970 --> 00:26:20.689

Evan Ryan: Und ich kann sie hier sehen.

‍

00:26:21.360 --> 00:26:26.399

Evan Ryan: Aber... Normalerweise tun viele unserer Kunden, dass sie

‍

00:26:26.950 --> 00:26:41.600

Evan Ryan: Richten Sie eine Art Pauschalregel ein und verwenden Sie die historischen Durchschnittstage, um für alle Kunden oder alle Anbieter zu bezahlen, aber dann können Sie anfangen, diese Regel auf Kundenebene zu optimieren und anzupassen.

‍

00:26:41.900 --> 00:26:51.630

Evan Ryan: Es ist also nicht so, dass, weißt du, du musst reingehen und es ist nur, du weißt schon, eine pauschale Regel. Man kann wirklich auf Kundenebene untergehen und, Sie wissen schon,...

‍

00:26:52.160 --> 00:26:53.230

Evan Ryan: Aktualisierungen.

‍

00:26:53.350 --> 00:26:55.709

Evan Ryan: Und, personalisieren.

‍

00:26:55.820 --> 00:27:05.900

Evan Ryan: wann dieser Kunde Sie bezahlen wird. In diesem Fall habe ich also historische Durchschnittstermine, an denen ich zahlen muss, aber ich kann meinem Fälligkeitsdatum Daten hinzufügen, und das kann ich auch auf individueller Kundenebene tun.

‍

00:27:07.660 --> 00:27:10.140

Evan Ryan: Also, sobald ich meine Kunden gefunden habe...

‍

00:27:10.420 --> 00:27:15.129

Evan Ryan: Mein Kundenzahlungsverhalten. Dann kann ich im Wesentlichen kartografieren

‍

00:27:15.670 --> 00:27:21.399

Evan Ryan: All diese Rechnungen beziehen sich auf einen bestimmten Posten in meiner Prognose.

‍

00:27:21.880 --> 00:27:27.029

Evan Ryan: Das war also der Artikel aus der AR-Kollektion, den Sie vor ein paar Augenblicken gesehen haben.

‍

00:27:29.370 --> 00:27:46.550

Evan Ryan: Es ist nicht so, dass Sie alles einem Einzelposten zuordnen müssen. Sie können spezifisch... Sie können bestimmte Rechnungen oder bestimmte Kunden anhand von, Sie wissen schon, Stichwörtern und Beschreibungen zuordnen, wirklich, um eine detailliertere Ebene zu erreichen.

‍

00:27:48.420 --> 00:27:57.120

Evan Ryan: Also... der letzte Teil der Demo, ich möchte nur zu den eigentlichen Dashboards hier springen.

‍

00:27:57.370 --> 00:28:05.800

Evan Ryan: Also, wenn ich nur mein... mein Date hier ändere... Mal sehen...

‍

00:28:12.290 --> 00:28:13.710

Evan Ryan: Zweitens...

‍

00:28:18.680 --> 00:28:19.580

Evan Ryan: Perfekt.

‍

00:28:20.130 --> 00:28:26.610

Evan Ryan: Also, was ich hier sehen kann, ist mein... aktuelles...

‍

00:28:27.310 --> 00:28:30.529

Evan Ryan: AR-Saldo auf konsolidierter Ebene.

‍

00:28:30.690 --> 00:28:42.809

Evan Ryan: Also nochmal, wenn Sie mehrere Einheiten, mehrere Kostenstellen, mehrere Geschäftsbereiche in Ihrem Unternehmen haben, erhalten Sie wirklich einen Überblick über 10.000 Fuß darüber, Sie wissen schon, was passiert.

‍

00:28:42.920 --> 00:28:55.049

Evan Ryan: Also hier kann ich sehen, dass ich 226 Millionen Euro habe, aber ich kann leicht ändern, welchen Geschäftsbereich ich hier filtern möchte, wissen Sie, welche Währungen ich anzeigen möchte.

‍

00:28:55.160 --> 00:28:58.510

Evan Ryan: Und außerdem kann ich die Uhr tatsächlich zurückspulen.

‍

00:28:58.800 --> 00:29:02.889

Evan Ryan: Und schauen Sie sich auch die historischen Salden an.

‍

00:29:03.650 --> 00:29:11.720

Evan Ryan: Also ich teile diesen Bildschirm gerne in zwei Hälften auf. Ich habe die AR-Kollektionsanalyse meiner Kunden ganz oben.

‍

00:29:12.100 --> 00:29:13.690

Evan Ryan: Ich kann in mein... klicken

‍

00:29:13.880 --> 00:29:19.930

Evan Ryan: Aktuell ausstehende Rechnungen, Rechnungen auf Kundenebene und dann detaillierter.

‍

00:29:20.460 --> 00:29:21.779

Evan Ryan: aber auch...

‍

00:29:23.300 --> 00:29:32.629

Evan Ryan: In der unteren Hälfte des Bildschirms kann ich sehen, welche Kunden überfällig sind. In diesem Fall kann ich also sehen, dass ich 78 Millionen überfällig habe.

‍

00:29:33.310 --> 00:29:40.730

Evan Ryan: Und auch hier kann ich, wie auf dem oberen Bildschirm, eine überfällige Kundenanalyse sehen.

‍

00:29:42.440 --> 00:29:48.150

Evan Ryan: Auf Kundenebene, aber es ist auch pro Eimer aufgeteilt.

‍

00:29:48.510 --> 00:30:03.419

Evan Ryan: Und, wissen Sie, auch oben, oben auf dem Bildschirm, ich kann einen Drilldown bis zu einer Rechnungsebene durchführen, sodass Sie wirklich sehr, sehr schnell von dieser, wissen Sie, sehr hohen konsolidierten Ansicht aus der Vogelperspektive auf diese Rechnungsebene gelangen können.

‍

00:30:03.720 --> 00:30:09.610

Evan Ryan:... Also, weißt du, die wichtigsten Erkenntnisse hier sind......

‍

00:30:09.850 --> 00:30:15.599

Evan Ryan: Die Daten werden aus Ihrem ERP in das GSmart Ledger-Modul übernommen, das ich Ihnen gerade gezeigt habe.

‍

00:30:16.170 --> 00:30:21.349

Evan Ryan: Der historische Durchschnitt der Tage bis zur Zahlung wird berechnet und fließt in Ihre Prognose ein.

‍

00:30:21.500 --> 00:30:33.560

Evan Ryan: Diese Prognose ist also genauer, weil... der historische Durchschnitt der Zahlungstage liegt. Außerdem fließen diese Daten in Ihre Betriebskapital-Dashboards ein.

‍

00:30:34.580 --> 00:30:38.379

Evan Ryan: Also, ich mache eine Pause.

‍

00:30:38.690 --> 00:30:42.380

Evan Ryan: Und willkommen... Irgendwelche Fragen, die die Leute haben könnten?

‍

00:30:59.450 --> 00:31:02.050

Evan Ryan: Ich werde mir also ein paar Fragen stellen.

‍

00:31:03.640 --> 00:31:10.010

Evan Ryan: Ich komme hier rein... also, zuerst, wie prognostiziert Smart Ledger

‍

00:31:12.000 --> 00:31:15.820

Evan Ryan: Prognostizierte Sammlungen zukünftiger Periodenabrechnungen.

‍

00:31:15.990 --> 00:31:22.839

Evan Ryan: Das wurde noch nicht in Rechnung gestellt. Ja, es gibt also eine Reihe von verschiedenen

‍

00:31:23.040 --> 00:31:28.840

Evan Ryan: Möglichkeiten, wie wir diese Daten aufnehmen können. Aber normalerweise welche Kunden

‍

00:31:29.310 --> 00:31:33.820

Evan Ryan: Weißt du, das könnte......

‍

00:31:35.270 --> 00:31:38.949

Evan Ryan: Also, Dinge wie Bestellungen, weißt du, sie können sein...

‍

00:31:39.120 --> 00:31:45.389

Evan Ryan: In das System geladen, und sie können tatsächlich... sie können dann tatsächlich in Ihren Smart Ledger eingespeist werden.

‍

00:32:34.170 --> 00:32:41.740

Evan Ryan: Nur noch ein paar Minuten, Leute, falls jemand welche hat... also dieses Modul...

‍

00:32:42.420 --> 00:32:53.819

Evan Ryan: Also ist es ein kostenpflichtiges Modul? Soweit ich weiß, ist es,... enthalten in der,...

‍

00:32:54.050 --> 00:32:55.499

Evan Ryan: Und der Gesamtpreis.

‍

00:33:01.420 --> 00:33:10.440

GTreasury Marketing: Wir haben eine weitere Frage, und dort steht, welche Art von historischen Daten benötigen Sie, um loszulegen, und wie gehen Sie mit Datenqualitätsproblemen um?

‍

00:33:11.440 --> 00:33:15.960

Evan Ryan: Ja, also... seine... Aus historischer Sicht.

‍

00:33:17.170 --> 00:33:27.170

Evan Ryan: Die Daten werden über, Sie wissen schon, API aufgenommen, oder wir laden eine Datei hoch, und normalerweise nehmen wir eine

‍

00:33:27.280 --> 00:33:29.920

Evan Ryan: Jahrelange historische Daten.

‍

00:33:30.130 --> 00:33:35.500

Evan Ryan: Und das Implementierungsteam arbeitet dann mit dem Kunden zusammen,

‍

00:33:35.780 --> 00:33:39.070

Evan Ryan: Um diese Daten im Wesentlichen zu bereinigen,...

‍

00:33:39.510 --> 00:33:43.909

Evan Ryan: Und letztendlich die Daten in das richtige Format bringen.

‍

00:33:45.050 --> 00:33:46.560

Evan Ryan: Also...

‍

00:33:47.010 --> 00:33:59.880

Evan Ryan: Nur um diese Frage zu beantworten, ja, ich würde sagen, historische Daten aus einem Jahr, um diese Art von Saisonalität, Verhalten zu reduzieren und die Kunden dann, Sie wissen schon, das Kundenerfolgsteam, das Implementierungsteam.

‍

00:34:00.090 --> 00:34:04.429

Evan Ryan: Arbeiten Sie mit dem Kunden zusammen, um diese Daten im richtigen Format zu erhalten.

‍

00:34:23.580 --> 00:34:29.140

Evan Ryan: Schauen Sie sich einfach einen hier auf, Forderungsfaktoring.

‍

00:34:29.830 --> 00:34:34.090

Evan Ryan: Ja, wir haben also verschiedene Möglichkeiten, das zu modellieren.

‍

00:34:34.350 --> 00:34:40.660

Evan Ryan: Entweder, wir haben einen speziellen Artikel, der sich außerhalb des Smart Ledgers befindet.

‍

00:34:40.810 --> 00:34:50.019

Evan Ryan: Außerdem haben wir ein Budgetprognosetool, mit dem wir modellieren können, Sie wissen schon, einen Budgetbetrag auch in bestimmte Wochen aufteilen.

‍

00:34:54.330 --> 00:35:04.519

Evan Ryan: Ich habe gerade einem der Verkäufer eine kurze Nachricht zu dieser Preisgestaltung geschickt, also hat er tatsächlich bestätigt, dass es sich um ein zusätzliches Modell handelt, das...

‍

00:35:04.700 --> 00:35:07.660

Evan Ryan: Ein zusätzliches kostenpflichtiges Modell oder Modul.

‍

00:35:16.300 --> 00:35:22,109

Evan Ryan: Ja, also noch eine Frage hier, kann die Prognose nach Tag oder nach Woche angezeigt werden?

‍

00:35:22.320 --> 00:35:33.559

Evan Ryan: Also, ja, wir haben ein Tagesansichtsmodell, ein Wochenansichtsmodell, monatliche Ansichten, und diese können, Sie wissen schon, zusammengefasst werden.

‍

00:35:33.670 --> 00:35:39.960

Evan Ryan: Sie können also ein Tagesmodell haben, das in das wöchentliche Modell übernommen wird, und ein wöchentliches Modell, das in

‍

00:35:40.210 --> 00:35:41.889

Evan Ryan: Auch das Tagesmodell.

‍

00:35:42.260 --> 00:35:52.610

Evan Ryan: Wie viele Systeme angeschlossen werden können, GSmart Ledger, hängt wirklich davon ab, wie viele, Sie wissen schon, ERPs, Sie als Kunde haben.

‍

00:35:52.770 --> 00:35:55.259

Evan Ryan: Weißt du, das haben wir behauptet.

‍

00:35:55.410 --> 00:36:01.399

Evan Ryan: Wir arbeiten mit einem oder zwei ERPs, und Sie wissen schon, wir können uns mit mehreren ERPs verbinden.

‍

00:36:06.300 --> 00:36:08.999

Evan Ryan: Okay, Leute, ich denke wir können,...

‍

00:36:09.190 --> 00:36:13.970

Evan Ryan: Lass es dort. Falls jemand weitere Fragen hat, bitte

‍

00:36:14.250 --> 00:36:17.879

Evan Ryan: Nehmen Sie Kontakt mit uns auf, wir beantworten sie gerne offline.

‍

00:36:19.550 --> 00:36:32.430

Treasury Marketing: Danke, Evan. Und nur zur Erinnerung: Die Aufzeichnung dieses Webinars wird in ein paar Tagen verschickt. Nochmals vielen Dank, dass Sie an uns teilgenommen haben. Bitte wenden Sie sich an uns, wenn Sie Fragen haben. Habt alle einen schönen Rest eures Tages.

‍

00:36:34.460 --> 00:36:35.529

Evan Ryan: Tschüss, Leute.

‍