Comment Microsoft a rationalisé la visibilité sur les flux de trésorerie

Lorsque l’équipe de direction de Microsoft prend des décisions commerciales stratégiques, elle souhaite obtenir des informations sur les flux de trésorerie d’exploitation. “Il y a beaucoup d’examen minutieux autour des flux de trésorerie provenant des opérations et de la génération de flux de trésorerie disponibles pour une entreprise comme Microsoft, donc la visibilité sur les moteurs des flux de trésorerie est cruciale”, déclare Shreyas Kulkarni, qui, jusqu’à une récente promotion, était le directeur du groupe. pour les rapports et les informations commerciales sur l’équipe Global Treasury & Financial Services (GTFS) de Microsoft. Mais historiquement, les informations sur la liquidité étaient un peu opaques.

Comme beaucoup de ses pairs, Microsoft a utilisé la méthode indirecte pour les analyses des flux de trésorerie. La société a également suivi la méthode indirecte, comme le permettent les principes comptables généralement reconnus (PCGR), pour déterminer les flux de trésorerie d’exploitation. “La méthode traditionnelle d’analyse des flux de trésorerie est basée sur les variations des soldes des comptes sur différents moteurs, qui sont utilisées pour préparer des analyses autour des flux de trésorerie d’exploitation”, explique Kulkarni.

“Mais les changements dans A / R [accounts receivable] et le vieillissement ne reflètent pas clairement la façon dont les facturations se convertissent en espèces », poursuit Kulkarni. « L’examen de l’activité des comptes bancaires pour déterminer les entrées et les sorties de fonds d’une entreprise présente des limites. En raison de la taille et de l’échelle des opérations de Microsoft, nous avons de nombreux comptes, et l’obtention d’informations sur les soldes nécessite la collaboration de nombreuses équipes différentes. La collecte des données a pris du temps, tout comme la vérification que les données de chaque équipe utilisaient des hypothèses cohérentes et étaient prêtes à être insérées dans le cadre des flux de trésorerie de l’entreprise.

En raison de ces défis, “il était difficile de fournir des informations exploitables à la direction de Microsoft pour comprendre ce qui stimulait réellement les flux de trésorerie”, déclare Kulkarni. “Nous pouvions voir ce que nous collections dans nos comptes et nous pouvions voir nos facturations, mais nous ne pouvions pas vraiment dire pourquoi nous collections plus ou moins sur une période donnée.”

Les équipes GTFS et Central Financial Planning & Analysis (CFP&A) de Microsft ont examiné leurs options pour passer à une méthode plus directe de mesure des flux de trésorerie afin de mieux soutenir les décisions de gestion internes. Ils voulaient rationaliser les processus de collecte de données sur les recouvrements des clients, les paiements des fournisseurs et les taxes. Ils se sont concentrés sur la gestion du principal moteur de flux de trésorerie en premier : les recouvrements des clients. “Nous voulions voir un flux clair de revenus via nos sous-livres A/R et se terminer en espèces”, déclare Kulkarni. « Obtenir ces informations en temps réel était l’un de nos objectifs. Un autre objectif était de fournir une meilleure intelligence que la direction pourrait utiliser, comme la compréhension de l’impact sur le flux de trésorerie de Microsoft des décisions commerciales telles que le calendrier de facturation, les changements dans le mouvement des ventes ou les processus opérationnels, et les acquisitions.

De plus, dit-il, « nous voulions obtenir ces informations de manière systémique, avec une seule source d’informations, éliminant ainsi la nécessité pour différentes équipes et zones géographiques de proposer ces analyses. En même temps, nous ne voulions pas nous cataloguer. Nous voulions construire un cadre qui serait dynamique pour mesurer et expliquer l’histoire de la croissance de Microsoft d’une année sur l’autre.

L’équipe a reconnu que la meilleure source de toutes ces informations serait le système de planification des ressources d’entreprise (ERP) SAP de Microsoft. “SAP contient tous nos grands livres généraux A/R [G/Ls] et sous-livres », explique Kulkarni. «Pourtant, obtenir ces informations sur les flux de trésorerie n’allait pas être simple. Microsoft compte des centaines de milliers de clients et des milliards de transactions dans deux instances SAP différentes : l’une gère nos contrats à long terme et de plus grande valeur, tandis que l’autre détient des transactions de faible valeur et à volume élevé. Nous avions besoin d’une solution créative pour obtenir les données cruciales sur les flux de trésorerie en un seul endroit. Et nous ne voulions pas investir des millions et des millions de dollars là-dedans ; nous voulions utiliser la technologie que nous avions déjà.

Une petite équipe de projet agile a été constituée avec des représentants des groupes GTFS, CFP&A et Finance Engineering de Microsoft pour créer ce que l’entreprise appelle désormais « le modèle de flux ». L’équipe a décidé de tirer parti de la comptabilité en partie double pour catégoriser les transactions d’un compte sujet ou d’un groupe de comptes sujets à l’aide des écritures de compensation.

“Essentiellement, nous prenons A/R comme compte sujet, et tout ce qui touche un sous-livre A/R est considéré comme le compte de compensation, nous examinons donc les deux côtés de la transaction”, explique Kulkarni. Chaque écriture sur un compte client est classée en espèces, revenus, créances irrécouvrables, comptes fournisseurs, actifs à long terme, etc. Le modèle de flux détermine la classification en fonction du sous-livre du système ERP auquel les revenus sont touchés.

“Nous avons travaillé avec la comptabilité d’entreprise pour identifier tous les comptes généraux et livres auxiliaires qui composent notre solde de comptes clients sur notre bilan”, explique Kulkarni. « Nous avons également proposé un ensemble d’hypothèses, dès le début du projet, pour identifier tous les modèles qui finissent par convertir la facturation en espèces. Grâce à ce travail de base que nous avons posé, nous avons résolu 90 à 95 % de ces complexités avant même que l’outil ne soit construit.

Ensuite, l’équipe d’ingénierie financière s’est mise au travail. « Le volume considérable de données était un énorme défi », explique Shyamala Kuppusamy, directeur principal de l’ingénierie pour le projet. Microsoft reçoit environ 150 millions de paiements de grande valeur par trimestre et dispose d’environ 1,5 milliard d’articles de sous-livre pour les transactions de moindre valeur chaque trimestre. « Déplacer toutes ces données de nos instances SAP vers un lac de données pour le traitement était un problème. Nous devions non seulement agréger les informations, mais aussi les présenter de manière significative pour que les utilisateurs puissent les consommer afin qu’ils puissent approfondir les transactions chaque fois qu’il y a un problème. Il y avait beaucoup de complexités impliquées pour s’assurer que l’argent collecté est représenté avec précision dans ces données.

L’équipe a tiré parti d’Apache Spark comme cadre pour résoudre ce défi du Big Data et a utilisé Azure Databricks pour le traitement des calculs. Chaque jour, les données de flux de trésorerie sont transformées, agrégées et stockées dans un lac de données Azure, puis acheminées via Azure Analysis Services afin que les utilisateurs puissent effectuer des analyses interactives en libre-service à l’aide de PowerBI.

« Nous n’aurions pas pu faire cela il y a cinq ans », déclare Scott Masters, directeur principal du programme de l’initiative. “L’architecture cloud et le lac de données, qui nous permettent d’ajouter plus de machines virtuelles chaque fois que nous avons besoin de plus de puissance, ont fait une énorme différence.”

Les développeurs ont ajouté une sécurité au niveau des lignes dans Azure Analysis Services pour restreindre l’accès des utilisateurs aux données. Et ils ont développé des contrôles de rapprochement qui aident à maintenir l’intégrité et la qualité des données, garantissant que les mesures financières dans le modèle de flux sont liées aux livres d’enregistrement. « Nous récupérons les balances générales de nos systèmes sources pour nous assurer que toutes ces transactions sont exactes en termes de données que nous publions », explique Kuppusamy. Le rapprochement avec les registres augmente la confiance de l’équipe GTFS dans l’exactitude des données.

“Il est important de noter que ce processus se produit tous les jours”, souligne Masters. “Cela prend environ quatre heures de traitement à quelqu’un, mais ensuite l’entreprise peut entrer et voir les chiffres de la veille, ce qui est très important.

« Microsoft est extrêmement diversifié en termes d’offres », ajoute-t-il. “L’activité cloud a un profil de flux de trésorerie très différent de celui de l’activité appareils, qui est très différente de l’activité Windows. Le modèle de flux mesure avec précision les flux de trésorerie, puis nous donne la possibilité de découper ces données par unité commerciale ou produit Microsoft. »

En améliorant considérablement la visibilité de Kulkarni et de l’équipe GTFS, The Flow Model les prépare à mettre à jour le leadership de Microsoft sur les moteurs de la liquidité de l’entreprise. Cela leur permet également de mettre en place des indicateurs de performance clés (KPI) cohérents et mesurables. “Lorsque les transactions touchent les sous-livres et modifient les soldes des comptes clients, le modèle de flux nous montre toutes les choses qui ont réellement un impact sur nos flux de trésorerie”, déclare Kulkarni.

“Il agrège les données, puis nous permet d’explorer pour expliquer pourquoi les encaissements ont augmenté à un certain rythme par rapport aux facturations”, poursuit-il. “Cela nous aide également à comprendre le mouvement entre A/R et tous les autres éléments de ligne dans les groupes de décalage. Par exemple, nous pouvons regarder quand au cours du trimestre les facturations ont été publiées, quand les paiements étaient dus et quel pourcentage de cela était le revenu par rapport aux taxes. Ensuite, nous pouvons faire une analyse intelligente. Nous pouvons comparer sur plusieurs périodes : si les facturations ont augmenté de X milliards de dollars d’une année sur l’autre, les encaissements ont-ils augmenté au même rythme ? »

Les analystes de Microsoft GTFS examinent officiellement les flux de trésorerie de cette manière trois fois par trimestre. De plus, Kulkarni examine les données sur une base hebdomadaire, en restant au courant de la façon dont les chiffres réels suivent les prévisions. Lorsque l’un d’entre eux voit une tendance, il peut approfondir ses connaissances pour comprendre ce qui se passe sous les chiffres, par exemple pour déterminer pourquoi les flux de trésorerie sont à la traîne dans certains domaines.

“Ensuite, nous pouvons revenir aux équipes opérationnelles et commerciales et leur donner un aperçu de l’impact de leurs décisions sur les flux de trésorerie”, explique Kulkarni. « Si une mesure comme l’ACV, ou la vitesse moyenne des recouvrements, se détériore, nous pouvons nous adresser à l’équipe des opérations de recouvrement et découvrir pourquoi cela se produit pour une unité commerciale ou une région particulière. Leurs différends s’aggravent-ils ? Que pouvons-nous faire?”

Dans certains cas, dit-il, ces conversations conduisent à des paiements plus rapides et à un cycle de conversion de trésorerie plus court pour Microsoft. “Avec des informations enrichies, les équipes opérationnelles peuvent se concentrer sur les moteurs susceptibles d’avoir un impact sur les flux de trésorerie, comme le détournement de ressources intra-trimestre pour se concentrer sur les entreprises ou les zones géographiques qui sont en retard sur certains des KPI”, déclare Kulkarni. “C’est une façon dont nous utilisons ces données pour débloquer des flux de trésorerie. Un autre exemple serait d’utiliser ces informations pour conduire des conversations avec les équipes commerciales afin de normaliser les conditions de paiement proposées aux clients, ou pour évaluer l’impact sur les flux de trésorerie en raison de changements dans le mouvement des ventes avant le lancement d’un programme. Cela fournit aux équipes financières un certain confort et une orientation sur la façon dont ces changements auront un impact sur les mesures financières et réduit les surprises et le taux de désabonnement pendant les cycles critiques de fin de trimestre.

L’équipe gère maintenant la prochaine phase du projet, qui consiste à pousser l’accès aux données de trésorerie aux responsables des opérations. “Nous terminerons cela dans les six prochains mois”, déclare Masters. L’équipe travaille également à appliquer le concept de modèle de flux aux paiements des fournisseurs, puis aux impôts, aux paiements des employés, aux paiements d’intérêts, etc., dans le but de compiler un état des flux de trésorerie en méthode directe avec des informations enrichies.

“Avant ce projet, nous devions nous coordonner avec de nombreuses équipes et passer de nombreuses heures à préparer des analyses pour les revues de direction, non seulement pour compiler les données tout en garantissant leur exactitude, mais également pour identifier les domaines dans lesquels les flux de trésorerie pourraient être à la traîne”, conclut Kulkarni. « Après la clôture, il nous faudrait 7 à 10 jours pour fournir une analyse des flux de trésorerie. Aujourd’hui, dès que le dernier G/L est clôturé, nous pouvons immédiatement nous plonger dans le modèle et commencer à travailler directement sur l’analyse au lieu de nous soucier de l’origine des données. La rapidité de l’analyse des données est le plus grand avantage de ce projet.