合成データがB2B CFOの秘密兵器になる方法

従来の予測モデルと予測分析は、関税、地政学的ショック、またはその場合、前例のない変動の重みの下で壊れています。 マクロダイナミズム。 古いデータに継続的な負担は、先進的な最高財務責任者が新しいツール、つまりまだ存在しないデータに頼ることを強制しています。

合成データ、または実際の情報の統計的特性を模倣する人為的に生成されたデータは、B2B組織の予測分析チームの間で好意を得ています。 アカデミックな人工知能研究のニッチツールと スピア先端 自動運転の自動車シミュレーションのような領域、合成データは金融に渡り、そこでエリアの再構築に役立ちます のように 財務戦略、流動性計画、サプライチェーンの回復力。

ゴツゴツした収益パターン、季節的な運転資本サイクル、および新しい市場での歴史的認知度が限られているB2B企業は、このシフトに特に熟しています。行動データの膨大な湖を利用できる消費者向け企業とは異なり、B2Bファイナンスチームは、回復力のある予測モデルを構築するために必要な量と粒度が不足していることがよくあります。

たとえば、財務チームはできます に頼ります 市場をシミュレートするための合成データパイプライン スイング、サプライヤーのデフォルトシナリオを予測し、キャッシュフローのリスクを実現する前に視覚化します。 これらのシナリオ計画機能は、一般的に再現可能でスケーラブルです。

また読む： 支払いデータは、バックオフィスオートメーションのHidden Gold Mineです

合成データはシリコンバレーからCFOスイートに移動します

合成データは当初、AIラボとハイテク企業によって普及していました 使用 コンピュータービジョンシステムと自然言語モデルをトレーニングすることです。 しかし、不確実な運用環境が従来の予測方法に新たな圧力をかけるにつれて、代替データソースの需要が企業の金融に流れ込んでいます。

それぞれが実際の統計的特性と整合している数千のもっともらしいが非同一のデータセットをプログラム的に生成することにより、企業は、ストレスの多い条件下でビジネスのパフォーマンスをシミュレートできます。これらには、外国為替ショック、サプライヤーのシャットダウン、港の輻輳、サイバー攻撃が含まれます。

「[Accounts receivable (AR)] もはや過去を解決することではありません。現金の未来を予測することです」 パメルノヴァラリー、製品管理の責任者 fis、火曜日（8月5日）に公開されたインタビューでPymntsに語った。 「それは、積極的な見解に応じて動いています。」

「AIは、過去を見て、現在の状態の効率と有効性に焦点を当てることである、過去10年間で見たものではなく、ARソリューションの中核になることを予測可能性の機能にすることができます」と彼女は付け加えました。

数十億ドルの現金を管理する財務チームの場合、データの可視性の小さな盲点でさえも持つことができます 大きい 結果。 これ 合成データが可能な場合があります 証明することになります 変換。

「これ以上重要なことはありません 会計 彼らの現金がどこにあるかを保存して理解するよりも、」 トム・ダーキン、グローバル製品ヘッド CashPro Global Payments Solutionsで バンクオブアメリカPymntsに、月曜日（8月4日）に公開されたインタビューで語り、人々は伝統的にスプレッドシートを使用して予測を行い、完了するまでに最大1週間かかる可能性があると付け加えました。

その時には それは完了です、データは古くなっています。

PYMNTSインテリジェンスレポート「なぜ財務担当者の影響が重要なのか」影響力の高い財務家は、企業が予測可能なキャッシュフローを持っていることを報告し、収益が増加すると予想し、市場の変化に対応する際に機敏であることを発見しました。

参照： 貿易戦争が戻ってきて、CFOと製品チーフスがリセットされ、再起動します

リアクティブから予測金融へのシフトを加速します

合成データの波及効果も、CFOが運用および調達リーダーと協力する方法を再構築する態勢を整えています。 サプライチェーンの脆弱性の高まりの中で、金融チーム 任命されています と ない ただ 追跡コスト – しかし ネットワークアーキテクチャを積極的に形作ります。

たとえば、合成データにより、企業は、Divergent Futuresにわたるジャストインタイムおよびジャストケースの在庫モデルの回復力をテストすることもできます。これは、定義できない歴史的データです。

規制されたセクターでは、合成データはデータプライバシーのリスクを回避するのにも役立ちます。データは実際の個人や企業にマッピングされないため、 使用されます GDPR、HIPAA、またはその他のデータ保護法に違反することなくAIモデルを訓練するために、金融サービスやヘルスケア企業にとって特に魅力的です。

しかし 合成データが約束されています 素晴らしい それも利です もっている 課題。 主な関心事は忠実です。生成モデルの訓練が不十分な場合、非現実的または誤解を招く出力を生成できます。

すべてのPYMNTS B2Bカバレッジについて、毎日を購読してください B2Bニュースレター。