Success Story
Bearing Point
About
A BearingPoint é uma consultoria independente de gestão e tecnologia sediada na Europa, que apoia empresas e organizações líderes mundiais em mais de 75 países. Com esse alcance global, a empresa precisa ter visibilidade em tempo real do caixa no negócio. Após lidar com um processo de previsão manual e capacidades limitadas de relatórios, a BearingPoint agora usa a Ripple Treasury para operar um processo de previsão de fluxo de caixa orientado por dados — gerando valor muito além da função de tesouraria, em toda a empresa.
Solutions leveraged:
Challenges
Para a BearingPoint, os objetivos eram mais automação, maior precisão nas previsões e melhores insights sobre o fluxo de caixa. Como empresa global, a BearingPoint enfrentava um grande desafio: melhorar a precisão e a transparência de seu modelo de previsão de caixa em toda a empresa.
Antes de adotar a Ripple Treasury, a BearingPoint seguia um processo descentralizado, de baixo para cima, de relatórios e previsão de fluxo de caixa, tanto centralmente quanto localmente. A equipe da empresa criava manualmente relatórios para cobrir os fluxos de caixa reais e as previsões de toda a organização com uma ferramenta de previsão baseada em Excel/SharePoint. A natureza manual desse processo dificultava que as entidades e a sede da BearingPoint obtivessem insights tangíveis sobre o fluxo de caixa a partir de seus dados e previsões, portanto, não conseguiam determinar com precisão as necessidades futuras ideais de liquidez da empresa.
“Tínhamos uma abordagem não harmonizada de obtenção de dados, muito trabalho manual, pouco alinhamento das entidades em relação ao comércio e às contas a receber intercompanhias”, disse Fynn Krüger, Consultor de Negócios Sênior na BearingPoint.
A equipe da BearingPoint sabia que precisava de uma maneira mais sofisticada de recuperar e reconciliar dados das equipes locais para obter uma visão clara não apenas do futuro, mas também do saldo de caixa atual disponível por entidade, bem como dos dados financeiros históricos de cada uma delas.
Requisitos principais
- Automatizar a coleta e o processamento de informações de várias fontes de dados
- Harmonizar modelos de previsão de fluxo de caixa em toda a empresa
- Implementar uma estrutura para testes retrospectivos de modelos de previsão
- Garantir a correspondência automatizada dos fluxos de caixa reais anteriores nas categorias corretas
- Obter capacidades de análise detalhada nos níveis de entidade dos dados previstos para melhor contexto
- Fornecer justificativas para desvios entre os valores reais e as previsões
- Usar o caixa como fonte de crescimento estratégico
Solution
A BearingPoint adotou a Ripple Treasury para automatizar o processo de previsão de caixa e conectar os dados entre suas unidades de negócio. “Era fundamental analisar qual etapa cada entidade individual precisa seguir e pensar em como podemos harmonizar todas as entidades, como os dados são extraídos das respectivas fontes e adicionados à previsão”, disse Fynn.
Coleta automática de dados para previsão
Com a Ripple Treasury, a BearingPoint agora tem um modelo de previsão controlado centralmente que coleta automaticamente dados de sistemas essenciais. “Sinto-me muito mais leve. Há um sistema em funcionamento que faz coisas por mim que eu gosto de usar”, disse Eveline Stam. “É também o início de uma colaboração diferente com nossos controladores em toda a empresa.”
Previsão inteligente de cobrança de pagamentos
Antes de usar nossa plataforma, a equipe da BearingPoint tinha dificuldades para prever com precisão as cobranças de pagamentos. A empresa agora usa o recurso de aprendizado de máquina GSmart Ledger da Ripple Treasury para criar previsões de cobrança de pagamentos orientadas por dados, com uma análise detalhada do comportamento do cliente.
Em vez de prever usando datas de vencimento de pagamento ou calculando manualmente a média de dias para pagamento, o recurso GSmart Ledger usa dados históricos dos clientes para entender seu comportamento de pagamento. Essa avaliação baseada no usuário contribui muito para melhorar a precisão das previsões.
Classificação instantânea de transações
Com a plataforma de pagamentos corporativos da BearingPoint conectada à Ripple Treasury, isso permitiu que a empresa classificasse automaticamente os valores reais dentro do modelo de previsão.
Visibilidade clara do caixa
Com a conta da plataforma de tesouraria corporativa conectada à Ripple Treasury, a BearingPoint tem uma visão consolidada de todos os seus saldos de caixa. A empresa pode aprofundar-se até o nível de conta de transação e visualizar os fluxos de caixa em vários locais — filtrando por região ou unidade de negócio — para identificar entidades-chave que influenciam a entrada e a saída de caixa dentro do negócio.
Com um simples toque no botão de consolidação e relatórios da Ripple Treasury, por exemplo, a equipe da BearingPoint pode visualizar previsões por nível de entidade. A equipe da empresa pode então identificar facilmente qual caixa está disponível em várias partes do negócio.
Reconciliação de registros em tempo real
Como um negócio que opera em 40 locais diferentes, era essencial para a equipe da sede da BearingPoint que os fluxos intercompanhias fossem reconciliados automaticamente dentro do modelo de previsão. Com a Ripple Treasury, cada entidade pode agora criar lançamentos e preencher instantaneamente a planilha de entrada de sua contraparte com transações intercompanhias para reconciliação imediata.
Otimização da previsão de fluxo de caixa
Com a Ripple Treasury, a BearingPoint está economizando enormes quantidades de tempo. Agora, eles se concentram em realizar análises comparativas e de variação — como Previsão vs. Real — e em elaborar relatórios para compartilhar com a gestão, investidores e o Conselho da BearingPoint.
A Ripple Treasury também permite que a equipe de tesouraria visualize os fluxos de caixa reais e previstos durante um período de 12 meses em toda a empresa.
“It’s been smarter. I can go in there (into Ripple Treasury) and see the clients that are paying, and that’s really nice to have in one place. We should have done this earlier.”