The post has been translated automatically. Original language: Russian
How long does it take you to prepare management reports — days or weeks? Uploading from 1C, merging into Excel, reconciliation of formulas, elimination of discrepancies, reconciliation, edits, another version... It's a familiar story for most financial services.
At ADE Professional Solutions, we have been engaged in financial consulting and reporting automation for over 20 years. In this article , we describe how, in practice, we have built the process of preparing management reports on the CasPlan platform, and where artificial intelligence really saves time.
A typical process looks like this: accounting closes the period, uploads the data, financiers combine them in Excel, check, make adjustments, and send them for approval. At each stage, there is a risk of error associated with a large amount of manual work.
The main difficulties are:
· New operations every month. When a new subaccount, counterparty, or other analytics appears, transactions are no longer automatically picked up by mapping tables configured in the previous period.
· The human factor. The accountant chose the wrong analytics, and the data flew into the wrong article. This can only be detected by manual verification.
· Scale. If there are many companies in the group, then maintaining mapping becomes a separate project.
CasPlan is a CPM class platform with in-memory OLAP architecture. The system resembles Excel, which is suitable for large amounts of data: any entered value automatically starts recalculation for all formulas and reports.
Data is collected from 1C automatically using the OData protocol. The necessary registers and reference books are published in 1C via a web service, and CasPlan accesses them via HTTP. No manual uploads — the system itself collects raw data on a schedule or on command.
Backup options in case OData is unavailable: uploading files via FTP from a network folder or a simple drag-and-drop file to the system interface.
After downloading the raw data, the system automatically distributes it to management reporting items based on pre-configured rules. One combination of analysts from 1C is one article in the report.
But in reality, it is impossible to set up mapping "once and for all" . New combinations appear every month: new nomenclature, new subconto, non-standard wiring. Everything that the system has not learned falls into the "offset" — a special category for unlabeled data. And this is where the analyst's work begins.
It is at the offset analysis stage that we use an AI agent based on a local LLM deployed on the customer's server. The data does not leave the company's outline.
The AI agent analyzes known incoming analytics (account, subconto, counterparty, description, and other features) and suggests which management reporting item to include the unlabeled transaction in. There are fewer options for aggregated data (account turnover) — only 8 standard analytics from 1C. But if we work with transactions and documents, a lot more context appears: the purpose of the payment, the nomenclature, the division, the contract. And here the agent copes much better.
The AI only offers mapping, and the controller checks and approves. For convenience, we separate the data by a filter: deterministic mapping separately, mapping from AI separately.
· Interpretation of technical loading errors. When the integration script crashes with an error, the agent analyzes the log and suggests the reason and solution, instead of waiting for the developer.
· Analyst enrichment. If there are only 8 analytical sections in an ERP system, and 30 are needed for management reporting, the agent can pull up the missing systems from the front office.
· Parsing of unstructured data. For example, if the project team has sent the budget by e-mail, the agent will extract the figures from the letter and arrange them according to the necessary items.
On an average project (one company, one economist on mapping control), we got a reduction in reporting time by several hours per month. This is the time that used to be spent on manually parsing unlabeled transactions and searching for errors.
For a group of companies, the effect is many times greater: instead of having a separate specialist for mapping each "daughter", you can do with one controller who checks the AI's proposals.
We see several areas of development:
· The forecast version of the financial statements. The AI generates preliminary data based on statistics from previous periods, even before the accounting department closes. This allows you to see deviations earlier and prepare for approval.
· Automation of approval. The system sends out notifications, and the AI parses the responses — "agreed" or "for revision" — and starts the next step of the process.
· Consolidation of the group. For holdings with subsidiaries, automatic collection and consolidation of data from different 1C into a single report of the parent company.
On April 21, at 11:00 a.m., we will hold a practical webinar " Next-level management reporting: Process automation and the use of AI." Let's talk about our approaches, analyze real cases and answer questions.
Registration: https://us02web.zoom.us/webinar/register/3017740069721/WN_ZbNvEcqrTKCqTiIk0Q6N5A
*ADE Professional Solutions has been a partner of Optimacros since 2019. More than 20 years in financial consulting and accounting automation.*
Сколько времени у вас уходит на подготовку управленческой отчётности — дни или недели? Выгрузка из 1С, сведение в Excel, сверка формул, устранение расхождений, согласование, правки, ещё одна версия... Знакомая история для большинства финансовых служб.
Мы в ADE Professional Solutions более 20 лет занимаемся финансовым консалтингом и автоматизацией отчётности. В этой статье рассказываем, как на практике выстроили процесс подготовки управленческой отчётности на платформе CasPlan, и где искусственный интеллект реально экономит время.
Типичный процесс выглядит так: бухгалтерия закрывает период, выгружает данные, финансисты сводят их в Excel, проверяют, вносят корректировки, отправляют на согласование. На каждом этапе возникает риск ошибки, связанный с большим объемом ручной работы.
Главные сложности:
· Новые операции каждый месяц. При появлении нового субсчёта, контрагент или иной аналитики, транзакции перестают автоматически подхватываться таблицами мэппинга, настроенными в прошлом периоде.
· Человеческий фактор. Бухгалтер выбрал не ту аналитику, и данные улетели не в ту статью. Обнаружить это можно только при ручной сверке.
· Масштаб. Если в группе много компаний, то поддержание мэппинга становится отдельным проектом.
CasPlan — это платформа класса CPM с in-memory OLAP-архитектурой. Система напоминает Excel, пригодный для больших объёмов данных: любое введенное значение автоматически запускает пересчёт по всем формулам и отчётам.
Данные забираются из 1С автоматически по протоколу OData. В 1С публикуются нужные регистры и справочники через веб-сервис, а CasPlan обращается к ним по HTTP. Никаких ручных выгрузок — система сама забирает сырые данные по расписанию или по команде.
Запасные варианты на случай недоступности OData: загрузка файлов по FTP из сетевой папки или простой drag-and-drop файла в интерфейс системы.
После загрузки сырых данных система автоматически разносит их по статьям управленческой отчётности на основе заранее настроенных правил. Одно сочетание аналитик из 1С — одна статья в отчёте.
Но в реальности настроить мэппинг «один раз и навсегда» невозможно. Каждый месяц появляются новые комбинации: новая номенклатура, новый субконто, нестандартная проводка. Всё, что система не узнала, попадает в «офсет» — специальную категорию для неразмеченных данных. И вот здесь начинается работа аналитика.
Именно на этапе разбора «офсета» мы применяем ИИ-агента на основе локальной LLM, развёрнутой на сервере заказчика. Данные не покидают контур компании.
ИИ-агент анализирует известные входящие аналитики (счёт, субконто, контрагент, описание и другие признаки) и предлагает, к какой статье управленческой отчётности отнести неразмеченную транзакцию. Для агрегированных данных (обороты по счетам) вариантов меньше — всего 8 стандартных аналитик из 1С. Но если мы работаем с проводками и документами, появляется гораздо больше контекста: назначение платежа, номенклатура, подразделение, договор. И здесь агент справляется значительно лучше.
ИИ только предлагает мэппинг, а контролёр проверяет и утверждает. Для удобства мы разделяем данные фильтром: детерминированный мэппинг отдельно, мэппинг от ИИ отдельно.
· Интерпретация технических ошибок загрузки. Когда интеграционный скрипт падает с ошибкой, агент анализирует лог и подсказывает причину и решение — вместо того чтобы ждать разработчика.
· Обогащение аналитик. Если в ERP-системе всего 8 аналитических разрезов, а для управленческой отчётности нужно 30, агент может подтянуть недостающие из фронт-офис систем.
· Парсинг неструктурированных данных. Например, если проектная команда прислала бюджет по электронной почте, агент извлечёт цифры из письма и разложит их по нужным статьям.
На среднем проекте (одна компания, один экономист на контроле мэппинга) мы получили сокращение времени на подготовку отчётности на несколько часов в месяц. Это время, которое раньше уходило на ручной разбор неразмеченных транзакций и поиск ошибок.
Для группы компаний эффект кратно больше: вместо того чтобы держать отдельного специалиста на мэппинг каждой «дочки», можно обойтись одним контролёром, который проверяет предложения ИИ.
Мы видим несколько направлений развития:
· Прогнозная версия отчётности. ИИ генерирует предварительные данные на основе статистики прошлых периодов — ещё до закрытия бухгалтерии. Это позволяет раньше увидеть отклонения и подготовиться к согласованию.
· Автоматизация согласования. Система рассылает уведомления, а ИИ парсит ответы — «согласовано» или «на доработку» — и запускает следующий шаг процесса.
· Консолидация группы. Для холдингов с дочерними компаниями — автоматический сбор и консолидация данных из разных 1С в единую отчётность головной компании.
21 апреля в 11:00 мы проводим практический вебинар «Управленческая отчётность нового уровня: автоматизация процессов и применение ИИ». Расскажем о наших подходах, разберём реальные кейсы и ответим на вопросы.
Регистрация: https://us02web.zoom.us/webinar/register/3017740069721/WN_ZbNvEcqrTKCqTiIk0Q6N5A
*ADE Professional Solutions — партнёр Optimacros с 2019 года. Более 20 лет в финансовом консалтинге и автоматизации отчётности.*
Share
