Автоматизация бухгалтерской/финансовой отчетности в стартапах

Работа бухгалтера и составление отчетности всегда представлялась как что-то очень скучное, монотонное и трудное, где можно с большой вероятностью наделать ошибок и подвести компанию. Несмотря на то, что долгое время бухгалтер был вторым человеком после директора в компании и знал о ней даже иногда чуть больше, современные системы позволяют избежать этой иерархии, а также наличия позиции бухгалтера в компании вообще? Как? Давайте попробуем разобраться.

Для начала хочу отметить и попробовать объяснить, почему, несмотря на то, что мы живем уже в третьем десятилетии двадцатого века, а в космосе снимают кино, в большинстве компаний все еще слишком много ручной работы. Начнем с того, что фичи и новые продукты важнее бэк офиса. Не всегда получается, да и хватает времени подстроить всю аналитику под быстро развивающийся бизнес. Разработка просто-напросто не успевает за новыми продуктам, которые придумываются, да и продаются очень быстро. Кроме того, час работы аналитика и разработчика дороже операционных сотрудников. Однако, несмотря на все эти доводы, новые фичи и продукты должны поддерживаться бухгалтерией и операционкой для того, чтобы анализировать и делать соответствующие выводы: зашел продукт или нет?

Кто же этим должен заниматься? Современная молодежь уверена, что никто никому ничего не должен, поэтому давайте изменим формулировку, спросив: “в чьи обязанности входит автоматизация потоков информации?” Конечно, в первую очередь, это входит в обязанности разработчиков в общей “админке”, куда все данные изначально поступают, однако как поняли ранее - это не всегда возможно. Также это может входить в обязанности аналитиков и дата инженеров. Они могут костыльно подготавливать автоматизации в аналитической базе, параллельно занимаясь работой проджектов и написанием ТЗ в разработку. Наверное, кажется, что многовато параллельной работы, однако многозадачность сейчас в моде, так что советую начинать тренироваться.

Итак, с чего стоит начать процессы автоматизации? Почти все компании приходят к тому моменту “последней капли”, когда информации становится так много, что даже богиня Шива не смогла бы с ней справиться. Либо триггером становится увольнение сотрудника, который содержал всю информацию и анализировал ее в только ему известной технике. В общем то, разницы нет, кто начал - важно, как это решить.

Необходимо придумать процесс. Информации много, люди привыкли все обрабатывать руками, а сроки жмут, как руки начальника вашу шею. Не стоит паниковать. Начнем с того, что следует поговорить со всеми, кто занимался аналитикой до этого. Скорее всего, они делали все вручную, что уже привело к большому количеству ошибок, а также к массе разных источников. Первое, что вы должно сделать - запретить всем создавать самостоятельные отчеты. Это как с ситуацией, когда у вас прорвало трубу: первое, что мы делаем - это перекрываем кран, чтобы вода больше не поступала, а потом уже убираемся и пытаемся починить поломку.

Итак, мы перекрыли кран. Что же делать со всем остальным? Отчетность связывает между собой все основные сущности базы. Здесь необходимо поработать журналистом, поговорить с каждым, кто отвечает за заполнение и поддержание данных из каждой сущности: для каждого блока данных должно быть описание и понимание процесса (как и куда данные попадают, с какой периодичностью, тесты на чистоту и консистентность данных). Далее необходимо собрать все предыдущие отчеты и придумать процесс сверки: все файлы должны быть залиты в базу и сверены с актуальной базой. Работа, конечно, не из простых и не быстрых, однако, она несомненно, того стоит. Чтобы не быть гологласной, ниже я привела пример автоматизации, созданной с нуля в нашей компании.

Итак, наша общая аналитическая база данных состоит из нескольких слоев: основная база (админка) + данные с гугл диска + данные из других сервисов (например, AmoCRM). Обработка этой базы данных автоматизирована: Airflow по расписанию обрабатывает данные аналитической базы, собирает нужные датасеты, генерирует файлы отчетов (при этом вставляет в отдельные таблицы данные, которые точно совпадают с отправленными файлами, так как данные в основной базе могут меняться). Результатом этой обработки являются дашборды в Tableau, а также отправленные файлы на почту заказчику. Это достаточно общее описание автоматизации аналитики баз данных. Возможно, она пригодится вам в качестве опоры или примера для того, чтобы убедить своих коллег о необходимости промышленного переворота: перехода от ручного труда к машинному.