Sus datos de AR/AP son dinero que queda sobre la mesa. Si bien tu equipo dedica horas a analizar los datos de pago en hojas de cálculo, a ti te falta información fundamental sobre el comportamiento de los clientes, los plazos de pago y las oportunidades estratégicas. Dado que los directores financieros exigen una mayor precisión en las previsiones y una mayor visibilidad en tiempo real, los procesos manuales no pueden ofrecer la precisión necesaria para las operaciones de tesorería modernas.

Vea una grabación de «Transforme el análisis AR/AP en una ventaja estratégica con GSmart Ledger», organizada por Ripple Treasury, con tecnología de GTreasury. Esta exclusiva Sesión de 30 minutos demuestra que los principales equipos financieros están transformando el análisis AR/AP con una automatización impulsada por la IA para lograr más Mejora del 30% en la precisión de las previsiones.

En este seminario web, aprenderá a:

• Elimine horas de análisis manual de datos AR/AP con la integración automatizada de ERP

• Aproveche la IA para comprender los comportamientos y plazos de pago específicos de los clientes

• Transforme las suposiciones de previsión estáticas en predicciones dinámicas basadas en datos

• Genere previsiones de flujo de caja listas para la junta directiva en minutos, no en días

Descubra cómo GSmart Ledger ofrece automatización inteligente para el análisis de AR/AP y, al mismo tiempo, se integra sin problemas con una inteligencia de tesorería integral.

‍

‍

Transcripción

‍

00:03:59.880 --> 00:04:08,950

gTreasury Marketing: Hola a todos y gracias por acompañarnos hoy. Empezaremos en unos minutos para que todos los asistentes tengan tiempo de unirse al seminario web, así que no esperen, que empezaremos en breve.

‍

00:05:30470 --> 00:05:34.209

Marketing de tesorería: Hola a todos. Gracias por acompañarnos hoy en nuestro seminario web.

‍

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

Marketing de tesorería: transforme el análisis AR-AP en una ventaja estratégica con GSmart Ledger.

‍

00:05:41.250 --> 00:05:44,729

Evan Ryan: Hablemos de un par de cosas de limpieza antes de empezar.

‍

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

Marketing de tesorería: El evento de hoy está programado para durar 30 minutos, incluido el tiempo para hacer preguntas al final. Todos los participantes permanecen silenciados y, si tiene alguna pregunta en algún momento de la presentación, introdúzcala en la sección de preguntas y respuestas de la barra de control de Zoom.

‍

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

Marketing de tesorería: Este seminario web se está grabando.

‍

00:06:04.610 --> 00:06:08,600

Evan Ryan: Y se enviará un enlace a la grabación por correo electrónico a todos los participantes.

‍

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

Marketing de tesorería: Nuestro orador de hoy es Evan Ryan, por lo que se lo entregaré para que lo presente rápidamente.

‍

00:06:16.500 --> 00:06:23,590

Evan Ryan: Muchas gracias, Anne. Me llamo Evan Ryan. Soy gerente de productos de previsión de efectivo en,

‍

00:06:23.730 --> 00:06:29180

Evan Ryan: Jefe del Tesoro, y estoy entusiasmado por participar hoy en la presentación.

‍

00:06:31.380 --> 00:06:36279

Evan Ryan: Así que hoy, hablamos sobre Transform AR y AP Analytics.

‍

00:06:36,480 --> 00:06:41.599

Evan Ryan: Y solo con una ventaja estratégica, con el GSmart Ledger.

‍

00:06:43410 --> 00:06:54779

Evan Ryan: Bueno, para hablar de lo que realmente voy a ser, pasando hoy, una breve introducción y luego la transformación de la IA, vea cómo

‍

00:06:54.920 --> 00:06:59,729

Evan Ryan: La inteligencia artificial está, en toda la plataforma G Treasury.

‍

00:06:59.930 --> 00:07:03,050

Evan Ryan: Segunda pieza sobre el costo oculto del manual

‍

00:07:03.350 --> 00:07:15,029

Evan Ryan: análisis de pagos, pasando a la automatización inteligente para AR y AP, y luego al propio sistema, el propio Smart Ledger, para hacer una demostración rápida.

‍

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

Evan Ryan: Entonces, esta diapositiva realmente ilustra dónde se encuentra la IA en toda la plataforma de gTreasury y, ya sabes.

‍

00:07:27.430 --> 00:07:42,840

Evan Ryan: La IA no es nada nuevo para GTreasury. De hecho, ha existido en GTreasury durante los últimos años. Puedes ver que hay diferentes tipos de modelos de IA, así que, ya sabes, está el modelado estadístico de tipo agencial, la lógica difusa.

‍

00:07:43130 --> 00:07:51.110

Evan Ryan: Y hoy nos centraremos en la segunda pieza, la previsión de caja, el GSmart Ledger y los modelos estadísticos.

‍

00:07:52370 --> 00:07:56.520

Evan Ryan: Entonces... ¿Qué significa el GSmart Ledger...

‍

00:07:56620 --> 00:07:59709

Evan Ryan: realmente lo intenté, ¿y qué es lo que consigue?

‍

00:08:00,090 --> 00:08:03.440

Evan Ryan: Básicamente, es un módulo impulsado por la IA.

‍

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

Evan Ryan: Y automatiza la previsión del flujo de caja a corto y medio plazo.

‍

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

Evan Ryan: Y lo que hace es analizar las cuentas por cobrar y por pagar en tiempo real.

‍

00:08:16.600 --> 00:08:24279

Evan Ryan: Y utiliza el aprendizaje automático para saber cómo te han estado pagando tus clientes en los últimos tiempos

‍

00:08:24,70 --> 00:08:31.339

Evan Ryan: año, seis meses y también cómo ha estado pagando a sus proveedores durante los últimos años.

‍

00:08:31.610 --> 00:08:33900

Evan Ryan: Durante el último período histórico.

‍

00:08:35,049 --> 00:08:39149

Evan Ryan: Usa esos datos, entonces, para generar un pronóstico.

‍

00:08:39,539 --> 00:08:54,900

Evan Ryan: Y está aprendiendo continuamente, ¿de acuerdo? Así que cada vez que incorporamos una nueva carga de datos, esos datos se añaden a esa base de datos, por lo que el sistema, el gSmart ledger, se vuelve más preciso.

‍

00:08:55.030 --> 00:08:56,220

Evan Ryan: Con el tiempo.

‍

00:08:57.070 --> 00:09:12,040

Evan Ryan: De hecho, hemos realizado algunos análisis y hemos demostrado que GSmart Ledger es hasta un 30% más preciso en lo que respecta a las cuentas por cobrar y a predecir cuándo van a pagar los clientes, en comparación con lo que ven nuestros clientes

‍

00:09:12,040 --> 00:09:17.419

Evan Ryan: dentro de sus sistemas ERP. Y abordaré eso con un poco más de detalle

‍

00:09:17.580 --> 00:09:19309

Evan Ryan: En un par de momentos.

‍

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

Evan Ryan: Tengo muchas ganas de explicar cómo el GSmart Ledger está transformando realmente la precisión de las previsiones.

‍

00:09:29670 --> 00:09:38,079

Evan Ryan: Bueno, mencioné esa cifra del 30% en la diapositiva anterior, y necesitamos ahondar un poco más

‍

00:09:38250 --> 00:09:40630

Evan Ryan: Hacia esa cifra y lo que eso significa.

‍

00:09:42,020 --> 00:09:48390

Evan Ryan: Bueno... Antes de hacerlo, solo quiero hablar sobre los puntos débiles de AR y AP.

‍

00:09:49.340 --> 00:09:52,080

Evan Ryan: Estoy seguro, ya sabes, de que estoy predicando al coro aquí.

‍

00:09:52,500 --> 00:09:56,969

Evan Ryan: Muchas personas en esta llamada pueden identificarse realmente con esta diapositiva.

‍

00:09:57.880 --> 00:10:03,929

Evan Ryan: Pero básicamente, ya sabes, estamos hablando de diferentes comportamientos de pago entre los clientes.

‍

00:10:04.160 --> 00:10:13,069

Evan Ryan: En realidad, los vendedores hacen que sea muy difícil predecir con precisión cuándo esos clientes le van a pagar.

‍

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

Evan Ryan: Y entonces sabemos que los clientes no pagan según las condiciones. En realidad, tienen sus propios hábitos de pago.

‍

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

Evan Ryan: Además, un desafío adicional es tratar con grandes volúmenes de datos.

‍

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

Evan Ryan: Ya sean clientes o vendedores.

‍

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

Evan Ryan: Y, a menudo, estos datos se almacenan en silos en varios sistemas ERP.

‍

00:10:37.920 --> 00:10:39630

Evan Ryan: En toda su organización.

‍

00:10:39,890 --> 00:10:47,680

Evan Ryan: Y el Smart Ledger realmente le brinda una visión consolidada a vista de pájaro de su comportamiento de pago AR y AP.

‍

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

Evan Ryan: De nuevo, ya sabes, incertidumbre sobre el momento.

‍

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

Evan Ryan: En realidad, entonces puede llevar a pronósticos inexactos.

‍

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

Evan Ryan: He hablado con varios directores financieros en el pasado, debido a esa incertidumbre.

‍

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

Evan Ryan: Realmente tienen que acumular esos colchones de liquidez, y básicamente se trata de efectivo que

‍

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

Evan Ryan: No funciona para ti, ¿sabes?

‍

00:11:13.510 --> 00:11:15,890

Evan Ryan: Y te muestro cómo, ya sabes.

‍

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

Evan Ryan: Vincular o liberar ese dinero.

‍

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

Evan Ryan: Básicamente, es beneficioso porque tienes un pronóstico más preciso.

‍

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

Evan Ryan: Así que, ya sabes, transformar la AR y la AP y el capital circulante con el Smart Ledger, ¿es una ciencia? ¿Es un arte?

‍

00:11:35.520 --> 00:11:36329

Evan Ryan: Son ambas cosas.

‍

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

Evan Ryan: Ya sabes, quiero destacar un par de desafíos en el lado izquierdo, y luego las soluciones en el lado derecho, y cómo GSmart Ledger realmente puede ayudar con eso.

‍

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

Evan Ryan: Entonces, en primer lugar, ya sabes, falta de confianza.

‍

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

Evan Ryan: Inexactitud en la previsión del flujo de caja. Y esto, como dije, se debe a esa varianza

‍

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

Evan Ryan: De los clientes que pagan.

‍

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

Evan Ryan: Y la solución realmente es integrar los libros de contabilidad de IA y AP y, utilizando ese análisis histórico, la IA

‍

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

Evan Ryan: Modelo, podemos calcular y predecir con mucha más precisión cuándo te van a pagar esos clientes.

‍

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

Evan Ryan: La segunda pieza aquí gira en torno a la visibilidad.

‍

00:12:21.990 --> 00:12:26789

Evan Ryan: En realidad, es esa visibilidad limitada de los factores que impulsan el flujo de caja.

‍

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

Evan Ryan: Durante la demo, me dedicaré no solo al Smart Ledger en sí.

‍

00:12:32,870 --> 00:12:42399

Evan Ryan: pero una visión consolidada del capital circulante, paneles de control, que son, ya sabes, me emociona mostrarles hoy.

‍

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

Evan Ryan: Así que la segunda pieza, entonces, la solución es ese flujo de caja

‍

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

Evan Ryan: los pronósticos se ajustan automáticamente con ese comportamiento aprendido para una mayor precisión. Por lo tanto, no es un caso en el que tengas que venir cada vez que

‍

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

Evan Ryan: Llega la actualización de los datos y hay que ajustar las cosas, ya sabes, se trata de configurarlo y olvidarlo, y te mostraré cómo puedes utilizar las reglas del Smart Ledger para luego incluir tu pronóstico.

‍

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

Evan Ryan: Entonces, el último desafío al que se enfrentan las personas en este momento es, como dije en la diapositiva anterior, lidiar con grandes extractos de ERP.

‍

00:13:21.900 --> 00:13:26409

Evan Ryan:... Podemos integrarnos con cualquier ERP,

‍

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

Evan Ryan: extraiga los datos, ya sea a diario o semanalmente. A continuación, los datos se actualizan, se pueden configurar en un planificador y, a continuación, entran en tu cuenta,

‍

00:13:38,040 --> 00:13:42,880

Evan Ryan: el GSmart Ledger, y realmente puedes hacer un análisis profundo a nivel del cliente.

‍

00:13:43140 --> 00:13:45.709

Evan Ryan: Nivel de proveedor, y luego esos...

‍

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

Evan Ryan: Luego, esos datos se incorporan a su pronóstico y, en última instancia, a esos paneles de capital circulante.

‍

00:13:55.020 --> 00:14:00389

Evan Ryan: Entonces, ¿cómo funciona realmente el GSmart Ledger?

‍

00:14:00720 --> 00:14:05.180

Evan Ryan: Así que se trata de una integración de ERP para la previsión automatizada a corto plazo.

‍

00:14:05.590 --> 00:14:13159

Evan Ryan: Y los datos históricos se analizan con aprendizaje automático. Y esto es lo que luego genera

‍

00:14:13.350 --> 00:14:16,769

Evan Ryan: Ese promedio histórico de días para pagar.

‍

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

Evan Ryan: Entonces, por ejemplo, si llega una factura.

‍

00:14:21.460 --> 00:14:26770

Evan Ryan: Ya sabes, se envía a un cliente con un plazo de 45 días, pero...

‍

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

Evan Ryan: Smart Ledger puede decirte que, en promedio, este cliente no paga en un plazo de 45 días, sino que normalmente paga en un plazo de 50 días.

‍

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

Evan Ryan: Y cuál es esa fecha límite... ¿qué pasa realmente con esa fecha límite de 45 días?

‍

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

Evan Ryan: Eso se ajusta automáticamente dentro de tu pronóstico a 50 días, por lo que tienes un pronóstico más preciso. Así que, una vez más, sabes cuándo va a llegar el efectivo.

‍

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

Evan Ryan: De su cliente... de sus clientes, más exactamente.

‍

00:15:00,080 --> 00:15:08.980

Evan Ryan: La cuarta pieza aquí gira en torno a ese panel de rendimiento consolidado de ARNAP, por lo que realmente tienes una vista panorámica

‍

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

Evan Ryan:...

‍

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

Evan Ryan: Ya sabes, a un nivel muy alto, y luego puedes profundizar rápidamente hasta el nivel de factura, simplemente ver, ya sabes, desde una perspectiva atrasada, lo que está pendiente a nivel de cliente.

‍

00:15:25,080 --> 00:15:31.840

Evan Ryan: Entonces... como dije, hicimos algunos análisis y lo vimos, en promedio.

‍

00:15:32,090 --> 00:15:40,869

Evan Ryan: El GSmart Ledger mejora las previsiones a corto plazo hasta en un 30% para las cuentas por cobrar, en comparación con...

‍

00:15:41.110 --> 00:15:46270

Evan Ryan: nuestros clientes veían las condiciones de pago en su sistema ERP.

‍

00:15:46,910 --> 00:16:05.880

Evan Ryan: Se ejecutó a nivel de factura individual y se compararon los datos del GSmart Ledger y, básicamente, la fecha de vencimiento del GSmart Ledger, utilizando ese promedio histórico de días de pago y comparándolo con las condiciones estándar del sistema ERP.

‍

00:16:06280 --> 00:16:11.320

Evan Ryan: Y el G Smart Ledger era hasta un 30% más preciso.

‍

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

Evan Ryan: Entonces, ya sabes, qué significa... el 30%.

‍

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

Evan Ryan: ¿el aumento de la precisión de las previsiones significa para su equipo de tesorería?

‍

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

Evan Ryan: Bueno, entonces la primera es, ya sabes, que realmente puedes liberar capital circulante para que el negocio pueda seguir adelante

‍

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

Evan Ryan: Pues, funciona con menos dinero.

‍

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

Evan Ryan: Yo diría que lo más delgado posible.

‍

00:16:38210 --> 00:16:41.690

Evan Ryan: Reduce de forma segura el exceso de búferes de caché.

‍

00:16:42210 --> 00:16:48.190

Evan Ryan: Y luego, ya sabes, evita esos costosos préstamos a corto plazo para sorpresas de cobro.

‍

00:16:48.740 --> 00:16:53,739

Evan Ryan: Obviamente, entonces tú y yo lo mostraremos en los paneles, ese exceso de caché.

‍

00:16:53,890 --> 00:17:03.179

Evan Ryan: Puede colocarlo a plazo fijo o usarlo también para pagar una línea de crédito. De hecho, también podemos calcular esa cifra, lo cual es muy útil.

‍

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

Evan Ryan: Pero, en última instancia, estamos permitiendo a los clientes tomar decisiones más rápidas y seguras.

‍

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

Evan Ryan: Lo sé, Shannon ahora va a hacer una pregunta en la encuesta.

‍

00:17:27.990 --> 00:17:30369

Evan Ryan: Shannon, ¿tenemos esa pregunta en la encuesta?

‍

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

Evan Ryan: No estoy muy seguro de qué está pasando con la pregunta de la encuesta.

‍

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

Evan Ryan: Pero esencialmente, puedo,... Lea en voz alta el...

‍

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

Evan Ryan: Shannon, ¿lo tienes ahí?

‍

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

Marketing de tesorería: Sí, se está respondiendo a la pregunta de la encuesta.

‍

00:18:00,420 --> 00:18:03,069

Evan Ryan: Vale, lo siento, simplemente no puedo verlo en mi pantalla.

‍

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

Marketing de tesorería: ¿Puedes ver los resultados, Evan?

‍

00:18:52.200 --> 00:18:57140

Evan Ryan:... En realidad, no puedo. No sé si... ¿podrías leerlos en voz alta, Shannon?

‍

00:18:57140 --> 00:18:58.169

Marketing de tesorería: Sí, puedo.

‍

00:18:59.470 --> 00:19:01,630

Evan Ryan: Así que...

‍

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

Marketing de tesorería: la... pregunta es, ¿qué es lo que mejor describe el uso actual de la IA en su organización para pronosticar el flujo de caja?

‍

00:19:09.580 --> 00:19:29,020

Marketing de tesorería: Por lo tanto, tenemos un 38% planificando implementar la IA en los próximos 12 meses. Tenemos un 46% investigando opciones de IA, pero no sabemos por dónde empezar, y el 15% aún no ha considerado la IA para los procesos de previsión.

‍

00:19:30240 --> 00:19:32,030

Evan Ryan: Muchas gracias,...

‍

00:19:32210 --> 00:19:42920

Evan Ryan: Así que, sí, nosotros,... bueno, en realidad, voy a hablar del uso de la IA en la demo aquí, y, ya sabes, podemos hablar de eso,

‍

00:19:43,220 --> 00:19:44120

Evan Ryan: Así que...

‍

00:19:44510 --> 00:19:54,749

Evan Ryan: Sí, aquí se obtuvo el mayor resultado, un 46%. Actualmente, la gente está investigando opciones de IA, pero no sabe por dónde empezar, así que...

‍

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

Evan Ryan: Espero que la gente tenga una, más o menos, una buena idea. ...

‍

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

Evan Ryan: Cuando termine la demo, permíteme... pasar a la demo...

‍

00:20:11.120 --> 00:20:12,060

Evan Ryan: Acabo de...

‍

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

Evan Ryan: Está bien...

‍

00:20:29150 --> 00:20:33,080

Evan Ryan: Entonces, Shannon, puedes ver la pantalla aquí.

‍

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

Marketing de tesorería: Sí.

‍

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

Evan Ryan: Perfecto. Está bien.

‍

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

Evan Ryan: Entonces, donde vamos a empezar primero es dentro de la hoja de pronósticos real.

‍

00:20:44.090 --> 00:20:53,929

Evan Ryan: Bien, aquí tengo mis datos reales, lo que pasó la semana anterior y este es mi pronóstico de lo que sucederá en las próximas 13 semanas.

‍

00:20:54380 --> 00:21:02.800

Evan Ryan: He pasado a la unidad de negocios de Irlanda y puedo ver mis partidas de flujo de caja y mis categorías de flujo de caja en el lado izquierdo.

‍

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

Evan Ryan: Tengo mis colecciones de AR aquí, y luego tengo mi colección de AP o mis pagos de AP aquí, y mi línea específica aquí, mis proveedores, pero primero me voy a centrar en las colecciones de AR.

‍

00:21:20.620 --> 00:21:26,629

Evan Ryan: Entonces, puedo ver que tengo varias semanas diferentes,... aquí en el futuro.

‍

00:21:26.870 --> 00:21:30659

Evan Ryan: Y si hago doble clic en la primera celda de aquí.

‍

00:21:30,780 --> 00:21:34.359

Evan Ryan: Puedo obtener un desglose de esos 1,2 millones.

‍

00:21:35.100 --> 00:21:42,059

Evan Ryan: los euros están contribuyendo a eso y, en última instancia, esos datos provienen del GSmart Ledger.

‍

00:21:42,960 --> 00:21:47130

Evan Ryan: Entonces, sean cuales sean las facturas previstas

‍

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

Evan Ryan: que se cobrarán en la semana 4 aparecen en esa cantidad de 1,2 millones. Puedo desglosar el nivel de una factura y, si profundizo un poco más, puedo ver que tenía una fecha de vencimiento original.

‍

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

Evan Ryan: Pero, de hecho, eso se ha ajustado automáticamente debido a eso.

‍

00:22:08.540 --> 00:22:11,070

Evan Ryan: Promedio histórico de días para pagar.

‍

00:22:11,970 --> 00:22:15.260

Evan Ryan: Entonces, ese es básicamente el punto de partida.

‍

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

Evan Ryan: Para la demo, ahora me centraré en el propio Smart Ledger.

‍

00:22:21.110 --> 00:22:26129

Evan Ryan: Así que puedo pasar a la demo de Smart Ledger o Smart Ledger.

‍

00:22:26360 --> 00:22:27.230

Evan Ryan: en sí mismo.

‍

00:22:27.990 --> 00:22:30950

Evan Ryan: Así que, aquí, dentro del Smart Ledger.

‍

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

Evan Ryan: Aquí es donde residen los datos del ERP.

‍

00:22:35,090 --> 00:22:39,539

Evan Ryan: Hay varios conjuntos de datos diferentes que obtenemos de su ERP.

‍

00:22:39690 --> 00:22:44310

Evan Ryan: Los informes abiertos, es decir, su informe actual sobre el envejecimiento de AR y AP.

‍

00:22:44.500 --> 00:22:46269

Evan Ryan: Todos los pagos.

‍

00:22:46380 --> 00:22:47,680

Evan Ryan: Y también...

‍

00:22:48.070 --> 00:22:56,680

Evan Ryan: cualquier dato cerrado. Por lo tanto, los datos cerrados son las facturas que se han pagado. En este caso, en la última semana, podría ser en el último mes.

‍

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

Evan Ryan: Puedo ver que tengo varios artículos diferentes aquí. Puedo ver a nivel de factura, ya sabes, lo que realmente está sucediendo a nivel de factura.

‍

00:23:09.240 --> 00:23:15,999

Evan Ryan: Soy... puedo ver todas mis facturas pendientes, así que este es el período de caducidad actual.

‍

00:23:16,260 --> 00:23:21,020

Evan Ryan: Tengo menos en menos de 30 días. Estoy...

‍

00:23:21.220 --> 00:23:24,049

Evan Ryan: Se proyecta o se prevé que recaude 15...

‍

00:23:24,400 --> 00:23:27,600

Evan Ryan: Millones de euros, 31 a 60.

‍

00:23:27.960 --> 00:23:30569

Evan Ryan: 7 millones de euros, y así sucesivamente.

‍

00:23:30,740 --> 00:23:33.949

Evan Ryan: También puedo ver lo que está atrasado.

‍

00:23:34.230 --> 00:23:38,420

Evan Ryan: Además, un desglose de divisas, etc. Así que por el momento, solo tengo euros en esto.

‍

00:23:38540 --> 00:23:43130

Evan Ryan: Ledger, pero también podemos gestionar varias monedas.

‍

00:23:44,840 --> 00:23:52670

Evan Ryan: Además, puedo ver mis facturas pagadas, es decir, todos los pagos o todas las facturas que se han pagado en el último período.

‍

00:23:54620 --> 00:23:55.900

Evan Ryan: Todos los pagos...

‍

00:23:57,100 --> 00:24:04,690

Evan Ryan: Pero en lo que quiero centrarme aquí son los perfiles de los clientes. Así que si me meto en T-Mobile aquí...

‍

00:24:04.920 --> 00:24:10,220

Evan Ryan: Puedo ver un desglose del comportamiento de mis clientes.

‍

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

Evan Ryan: Todas estas son facturas que se han cobrado durante el último, ya sabes, digamos año en este caso.

‍

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

Evan Ryan: T-Mobile.

‍

00:24:19.200 --> 00:24:26229

Evan Ryan: he pagado. Además, tengo una visión de la distribución de los pagos y las pérdidas, así que puedo ver, ya sabes.

‍

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

Evan Ryan: La mayoría de los pagos que se realizan tienen entre 60 y 7 días.

‍

00:24:32,290 --> 00:24:42,250

Evan Ryan: Pero quizás, ya sabes, podamos echarle un vistazo al naranja. Orange parecía comportarse un poco mejor, digamos, en lo que respecta a la distribución de pagos.

‍

00:24:43,070 --> 00:24:45.680

Evan Ryan: Si vuelvo aquí a T-Mobile.

‍

00:24:45.830 --> 00:24:57189

Evan Ryan: En lo que quiero centrarme es en esta cifra, es decir, el promedio de días de pago. Y ese promedio de días de pago es lo que se usa para calcular la nueva fecha de vencimiento.

‍

00:24:57,320 --> 00:25:02.459

Evan Ryan: para... cualquier factura asociada a T-Mobile.

‍

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

Evan Ryan: Así que cuando recibes una factura, se envía una nueva factura a T-Mobile.

‍

00:25:08.310 --> 00:25:16,939

Evan Ryan: Sabes, y como dije, cuando estaba revisando las diapositivas, tal vez las, ya sabes, condiciones de pago eran de 30 o 45 días.

‍

00:25:17,080 --> 00:25:23.630

Evan Ryan: Históricamente, lo que se ha calculado aquí usando IA, y ese modelo estadístico es...

‍

00:25:23920 --> 00:25:30,220

Evan Ryan: Para calcular los términos promedio históricos para cada cliente individual.

‍

00:25:30,960 --> 00:25:43,340

Evan Ryan: Entonces, si vuelvo a mi informe abierto, puedo ver que tengo T-Mobile. Si lo abro, vale, puedo ver mi promedio histórico de días para pagar T-Mobile a nivel de cliente individual.

‍

00:25:44,170 --> 00:25:46,209

Evan Ryan: Y si recuerdas eso

‍

00:25:46,480 --> 00:25:56,150

Evan Ryan: primera o segunda diapositiva de la presentación. Una de las piezas clave fue entonces cómo esto influye en tu pronóstico.

‍

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

Evan Ryan: Entonces, si echo un vistazo a mis... reglas aquí

‍

00:26:01.850 --> 00:26:06,720

Evan Ryan: Básicamente, puedo ver que aquí tengo una regla de comportamiento de pago de los clientes.

‍

00:26:07,580 --> 00:26:10,059

Evan Ryan: Y lo que puedo hacer es configurar

‍

00:26:11,550 --> 00:26:18,640

Evan Ryan: Todos los clientes, o todos los clientes, de este libro mayor, utilizarán ese promedio histórico de días para pagar.

‍

00:26:18,970 --> 00:26:20689

Evan Ryan: Y puedo verlos aquí.

‍

00:26:21.360 --> 00:26:26399

Evan Ryan: Pero... Por lo general, lo que hacen muchos de nuestros clientes es hacerlo

‍

00:26:26,950 --> 00:26:41,600

Evan Ryan: Establezca una especie de regla general y utilice el promedio histórico de días para pagar a todos los clientes o todos los proveedores, pero luego puede empezar a modificar y personalizar esa regla a nivel de cliente.

‍

00:26:41.900 --> 00:26:51,630

Evan Ryan: Así que no es un caso en el que, ya sabes, tengas que entrar y es solo, ya sabes, una regla general. Realmente puedes ir a nivel de cliente y, ya sabes,...

‍

00:26:52160 --> 00:26:53230

Evan Ryan: actualizaciones.

‍

00:26:53,350 --> 00:26:55,709

Evan Ryan: Y personaliza.

‍

00:26:55.820 --> 00:27:05,900

Evan Ryan: cuándo ese cliente te va a pagar. En este caso, tengo una media histórica de fechas de pago, pero puedo añadir fechas a mi fecha de vencimiento y también puedo hacerlo a nivel de cliente individual.

‍

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

Evan Ryan: Así que una vez que haya establecido mis clientes...

‍

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

Evan Ryan: el comportamiento de pago de mis clientes. Entonces, básicamente, puedo hacer un mapa

‍

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

Evan Ryan: Todas estas facturas corresponden a una partida específica dentro de mi previsión.

‍

00:27:21.880 --> 00:27:27,029

Evan Ryan: Así que ese era el artículo de la línea AR Collections que viste hace un par de momentos.

‍

00:27:29370 --> 00:27:46,550

Evan Ryan: no es el caso de que necesites asignarlo todo a una línea de pedido. Puedes... puedes mapear facturas o clientes específicos basándose en, ya sabes, palabras clave, descripciones, en realidad para obtener un nivel más detallado.

‍

00:27:48.420 --> 00:27:57,120

Evan Ryan: Bueno... la última parte de la demo, solo quiero pasar a los paneles reales aquí.

‍

00:27:57370 --> 00:28:05,800

Evan Ryan: Así que si tan solo cambiara mi... mi cita aquí... Veamos...

‍

00:28:12,290 --> 00:28:13,710

Evan Ryan: En segundo lugar...

‍

00:28:18,680 --> 00:28:19,580

Evan Ryan: Perfecto.

‍

00:28:20,130 --> 00:28:26,610

Evan Ryan: Lo que puedo ver aquí es mi... actual...

‍

00:28:27.310 --> 00:28:30529

Evan Ryan: Equilibrio de AR a un nivel consolidado.

‍

00:28:30,690 --> 00:28:42809

Evan Ryan: De nuevo, si tiene varias entidades, varios centros de costos, varias unidades de negocios dentro de su organización, esto realmente le brinda una visión de 10,000 pies de, ya sabe, lo que está sucediendo.

‍

00:28:42,920 --> 00:28:55,049

Evan Ryan: Aquí puedo ver que tengo 226 millones de euros, pero puedo cambiar fácilmente la unidad de negocio que quiero filtrar aquí, ya sabes, las monedas que quiero ver.

‍

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

Evan Ryan: Y además, puedo hacer retroceder el tiempo.

‍

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

Evan Ryan: Y mire también los equilibrios históricos.

‍

00:29:03.650 --> 00:29:11,720

Evan Ryan: Así que me gusta dividir esta pantalla en dos mitades. En la parte superior tengo el análisis de las colecciones de AR de mis clientes.

‍

00:29:12,100 --> 00:29:13.690

Evan Ryan: Puedo hacer clic en mi...

‍

00:29:13,880 --> 00:29:19,930

Evan Ryan: Facturas pendientes actuales, a nivel de cliente y, a continuación, desglosadas.

‍

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

Evan Ryan: pero también...

‍

00:29:23.300 --> 00:29:32,629

Evan Ryan: En la mitad inferior de la pantalla puedo ver qué clientes están atrasados. En este caso, puedo ver que tengo 78 millones atrasados.

‍

00:29:33.310 --> 00:29:40,730

Evan Ryan: Y también, una vez más, como en la pantalla superior, puedo ver un análisis de clientes atrasados,

‍

00:29:42,440 --> 00:29:48150

Evan Ryan: A nivel de cliente, pero también está desglosado por grupo.

‍

00:29:48.510 --> 00:30:03419

Evan Ryan: y, ya sabes, al igual que en la parte superior, en la parte superior de la pantalla, puedo profundizar en el nivel de la factura, así que puedes pasar de esa, ya sabes, vista consolidada muy alta a vista de pájaro, a ese nivel de factura muy, muy rápido.

‍

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

Evan Ryan:... Así que, ya sabes, la conclusión clave aquí es...

‍

00:30:09.850 --> 00:30:15,599

Evan Ryan: Los datos se llevan de su ERP a ese módulo de GSmart Ledger que le acabo de mostrar.

‍

00:30:16,170 --> 00:30:21.349

Evan Ryan: Se calcula el promedio histórico de días de pago y se incluye en tu pronóstico.

‍

00:30:21.500 --> 00:30:33,560

Evan Ryan: Esa previsión, entonces, es más precisa debido a esos... ese promedio histórico de días de pago. Además, esos datos se están incorporando a sus paneles de capital circulante.

‍

00:30:34.580 --> 00:30:38,79

Evan Ryan: Bueno, haré una pausa ahí.

‍

00:30:38,690 --> 00:30:42,380

Evan Ryan: Y bienvenidos... ¿Alguna pregunta que la gente pueda tener?

‍

00:30:59.450 --> 00:31:02,050

Evan Ryan: Voy a ver un par de preguntas.

‍

00:31:03.640 --> 00:31:10,010

Evan Ryan: Llegando aquí... entonces, primero, ¿cómo hace las previsiones de Smart Ledger?

‍

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

Evan Ryan: Prevea el cobro de las facturaciones de períodos futuros.

‍

00:31:15.990 --> 00:31:22,839

Evan Ryan: Aún no se han facturado. Sí, así que hay, un número diferente,

‍

00:31:23,040 --> 00:31:28,840

Evan Ryan: formas en las que podemos asimilar esos datos. Pero, por lo general, ¿qué clientes

‍

00:31:29310 --> 00:31:33820

Evan Ryan: Ya sabes, lo que podría hacer es...

‍

00:31:35.270 --> 00:31:38,949

Evan Ryan: Así que, cosas como las órdenes de compra, ya sabes, pueden ser...

‍

00:31:39,120 --> 00:31:45.389

Evan Ryan: cargados en el sistema, y pueden ser... pueden luego introducirse en tu Smart Ledger.

‍

00:32:34.170 --> 00:32:41,740

Evan Ryan: Solo un par de minutos más, amigos, si alguien tiene alguno... así que este módulo...

‍

00:32:42,420 --> 00:32:53,819

Evan Ryan: Entonces, ¿es un módulo de pago? Por lo que sé, es,... Incluido en el,...

‍

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

Evan Ryan: Y el precio total.

‍

00:33:01.420 --> 00:33:10,440

gTreasury Marketing: Tenemos otra pregunta, que dice: ¿qué tipo de datos históricos necesita para empezar y cómo gestiona los problemas de calidad de los datos?

‍

00:33:11.440 --> 00:33:15,960

Evan Ryan: Sí, entonces... su... Desde una perspectiva histórica.

‍

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

Evan Ryan: los datos se recopilan, a través de, ya sabes, una API, o subimos un archivo y, por lo general, capturamos un

‍

00:33:27.280 --> 00:33:29,920

Evan Ryan: Años de datos históricos.

‍

00:33:30130 --> 00:33:35.500

Evan Ryan: Y el equipo de implementación luego trabaja con el cliente,

‍

00:33:35.780 --> 00:33:39,070

Evan Ryan: Básicamente, para limpiar esos datos,...

‍

00:33:39,510 --> 00:33:43,909

Evan Ryan: Y, en última instancia, poner los datos en el formato correcto.

‍

00:33:45.050 --> 00:33:46,560

Evan Ryan: Así que...

‍

00:33:47,010 --> 00:33:59,880

Evan Ryan: Solo para responder a esa pregunta, sí, yo diría que un año de datos históricos para reducir ese tipo de estacionalidad y comportamiento, y luego los clientes, ya sabes, el equipo de éxito del cliente, el equipo de implementación.

‍

00:34:00,090 --> 00:34:04.429

Evan Ryan: Trabaje con el cliente para obtener esos datos en el formato correcto.

‍

00:34:23,580 --> 00:34:29140

Evan Ryan: Así que basta con ver uno aquí sobre el factoraje de cuentas por cobrar.

‍

00:34:29,830 --> 00:34:34.090

Evan Ryan: Sí, tenemos varias formas diferentes de modelar eso.

‍

00:34:34.350 --> 00:34:40,660

Evan Ryan: O sea, tenemos una partida especial que se encuentra fuera del Smart Ledger.

‍

00:34:40,810 --> 00:34:50,019

Evan Ryan: También tenemos una herramienta de previsión presupuestaria, en la que podemos modelar el desglose, ya sabes, de un importe presupuestario en semanas específicas.

‍

00:34:54,330 --> 00:35:04,519

Evan Ryan: Acabo de enviarle un mensaje rápido a uno de los vendedores sobre ese precio, así que me confirmó que es un modelo adicional que sería,...

‍

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

Evan Ryan: Un modelo o módulo adicional de pago.

‍

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

Evan Ryan: Sí, otra pregunta: ¿se puede mostrar el pronóstico por día o por semana?

‍

00:35:22,320 --> 00:35:33559

Evan Ryan: Así que, sí, tenemos un modelo de visualización diaria, un modelo de visualización semanal, vistas mensuales, y esas, ya sabes, pueden acumularse en.

‍

00:35:33,670 --> 00:35:39,960

Evan Ryan: Así que puedes tener un modelo diario que se convierta en el modelo semanal y un modelo semanal que se convierta en

‍

00:35:40,210 --> 00:35:41,889

Evan Ryan: El modelo diario también.

‍

00:35:42260 --> 00:35:52,610

Evan Ryan: la cantidad de sistemas a los que se pueda conectar, GSmart Ledger, realmente depende de cuántos, ya sabes, ERP tengas como cliente.

‍

00:35:52,770 --> 00:35:55259

Evan Ryan: Ya sabes, lo hemos afirmado.

‍

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

Evan Ryan: opere con uno o dos ERP y, ya sabe, podemos conectarnos a varios ERP.

‍

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

Evan Ryan: De acuerdo, amigos, creo que podemos,...

‍

00:36:09.190 --> 00:36:13,970

Evan Ryan: Déjalo ahí. Si alguien tiene alguna otra pregunta, por favor,

‍

00:36:14.250 --> 00:36:17,879

Evan Ryan: Ponte en contacto con nosotros, estaremos encantados de responderte sin conexión a Internet.

‍

00:36:19,550 --> 00:36:32,430

Marketing de tesorería: Gracias, Evan. Como recordatorio, la grabación de este seminario web se enviará en unos días y, una vez más, gracias por acompañarnos y, si tiene alguna pregunta, póngase en contacto con nosotros. Que todos pasen un buen día.

‍

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

Evan Ryan: Adiós, amigos.

‍