Il collo di bottiglia dei team di Financial Planning and Analysis raramente è la capacità analitica: è la compilazione dei dati. Estrarre numeri da più sistemi, riconciliare le fonti, costruire grafici e scrivere commenti prima ancora di iniziare l’analisi vera. In AWS Finance, i team dedicavano centinaia di ore al mese proprio a questo. Il post racconta come hanno usato i chat agent e i Flows di Amazon Quick, l’assistente di AI generativa che interroga i dati aziendali in linguaggio naturale, per ridisegnare due workflow.
Scenario modeling e risk analysis
Il primo caso riguarda la definizione dei target per i clienti strategici, che richiede di riconciliare forecast bottom-up dei team di business con proiezioni top-down della leadership. Il team ha costruito un chat agent Quick collegato direttamente alle fonti dati aziendali, capace di interrogare milioni di righe su tabelle Amazon Redshift. Prima, gli analisti riuscivano ad approfondire circa un terzo dei clienti strategici nel tempo disponibile, con una singola analisi che consumava fino a 6 ore di lavoro manuale. Dopo, l’agent valuta forecast statistici, esegue regression analysis, simulazioni Monte Carlo e scenario modeling in circa 10 minuti per cliente, coprendo l’intero portafoglio con maggiore profondità e facendo emergere rischi e opportunità che l’analisi manuale mancava (ad esempio analisi bull vs bear sui rinnovi contrattuali e la forza della pipeline).
Business review settimanali
Il secondo caso è la review settimanale del business, che ogni lunedì occupava un’intera mattinata di compilazione manuale. Il team ha distribuito chat agent Quick specifici per ciascuna area geografica, collegati tramite Flows per automatizzare i workflow a cadenza fissa senza intervento manuale. Ora Quick esegue il Flow automaticamente ogni lunedì mattina: gli agent region-specific analizzano la performance dei ricavi per charge type, segmento cliente e contributo alla crescita, esaminando i clienti su oltre una dozzina di dimensioni e preparando talk track pronti per la leadership prima dell’inizio della giornata. Quick collega dati strutturati dei sistemi finanziari con insight non strutturati dai field report per arrivare al “perché” dietro i trend.
Per chi lavora con data stack, il pattern è chiaro: il valore non è nell’efficienza incrementale ma nello spostamento del tempo dalla compilazione dei dati all’analisi strategica. Poiché non c’è barriera di coding, i professionisti finance configurano da sé gli agent e i workflow, li personalizzano per regione o business unit e li estendono man mano che i risultati si consolidano.
- Il target setting è passato da circa 6 ore a circa 10 minuti per deep dive cliente, con copertura dall’intero portafoglio invece che da un terzo.
- La preparazione delle business review settimanali è stata automatizzata via Flows, con insight pronti prima dell’inizio della giornata.
- Il valore sta nello spostare il tempo del team dalla compilazione dei dati all’analisi strategica, senza barriere di coding.
Fonte: How AWS Finance teams reclaimed hundreds of hours with Amazon Quick — https://aws.amazon.com/blogs/machine-learning/how-aws-finance-teams-reclaimed-hundreds-of-hours-with-amazon-quick/
Hai qualcosa da aggiungere? Unisciti alla discussione.