Wdrożenie systemu prognozowania AI w firmie - od analizy potrzeb do pierwszych wyników
Wdrożenia systemów AI w finansach często kończą się na pilotażu, który nigdy nie trafia do produkcji. Przyczyny są zwykle organizacyjne, nie techniczne: brak właściciela projektu, dane w złym stanie, niejasne kryteria sukcesu.
Co realnie zajmuje czas przy wdrożeniu
Webinar opiera się na analizie kilkunastu wdrożeń w firmach z sektora produkcyjnego, handlowego i usługowego. Pokazujemy, gdzie projekty utykają i jak tego unikać - od audytu danych po szkolenie zespołu finansowego z nowego narzędzia.
Omówimy różnicę między kupnem gotowego rozwiązania SaaS a budową własnego modelu, wskazując kryteria, które powinny decydować o wyborze w zależności od wielkości firmy i jakości danych.
Harmonogram typowego wdrożenia
Realistyczny projekt trwa od 3 do 8 miesięcy, zależnie od stanu danych i złożoności procesów. Pokazujemy, jak podzielić go na etapy z weryfikowalnymi kamieniami milowymi.
Menedżer projektu Bartłomiej Ostrowski: zaczęliśmy od audytu danych i okazało się, że mamy trzy różne definicje przychodu w trzech systemach. To był kluczowy problem, nie algorytm.
Program webinaru
Plan spotkania
-
Diagnoza gotowości organizacji do wdrożenia AI
Ocena jakości danych, kompetencji zespołu i dojrzałości procesów FP&A jako warunek wstępny projektu.
-
SaaS kontra model własny - kryteria wyboru
- Gotowe rozwiązania SaaS
- Kiedy warto wybrać i na co zwrócić uwagę przy ocenie dostawcy.
- Własny model ML
- Wymagania kadrowe, infrastrukturalne i czasowe.
-
Etapy wdrożenia z kamieniami milowymi
- Audyt i czyszczenie danych
- Pilotaż na jednym obszarze budżetowym
- Walidacja wyników z zespołem finansowym
- Wdrożenie produkcyjne i monitoring
-
Zarządzanie zmianą w zespole finansowym
Jak przygotować analityków do pracy z modelem, który czasem się myli.
-
Sesja pytań i dyskusja o konkretnych przypadkach uczestników
- Dostęp online bez wychodzenia z domu
- Materiały do pobrania po sesji
- Indywidualne podejście do uczestnika
- Poufność danych i analiz