Met een kritische maar vooral open blik onderzoekt CFO Magazine de toekomstige uitdagingen van de finance functie. Staaldraadgigant Bekaert verwerkt vanuit vier business units staalproducten voor talloze applicaties en toepassingen over de hele wereld, gaande van serieproducten tot project business. Eén van die business units is Steel Wire Solutions, waar binnen de finance functie wordt overgegaan op predictive forecasting. “We werken nu met voorspellende modellen om trends op te vangen die vaak pas veel later door de business worden gezien”, zegt VP Finance Steel Wire Solutions Frederic Peeters.
Omzet: 5,7 miljard euro (2022) + 1,1 miljard euro (via joint ventures, 2021); aantal medewerkers: 27.000 (geconsolideerd + joint ventures)
De ondernemende geest bij Bekaert heeft ervoor gezorgd dat het bedrijf in tal van uiteenlopende applicaties en toepassingen zijn gading vindt. “Er is een grote ondernemingsdrang in de verschillende regio’s van het bedrijf, en eerlijk? Dat is verademend.” Aan het woord is Frederic Peeters. Ruim vier jaar geleden ging hij aan de slag bij Bekaert. Achtereenvolgens was hij Head of Business Performance, VP Strategy Steel Wire Solutions en finaal VP Finance bij dezelfde business unit sinds maart 2019. “De slogan van Bekaert is: better together. Het vat goed samen waar Bekaert voor staat, we zijn namelijk een warme organisatie waar mensen graag samenkomen om ideeën uit te wisselen en te leren. Het bedrijf is zeer menselijk gefocust.”
Advanced Reporting Center
Als VP Finance Steel Wire Solutions rapporteert Peeters zowel aan de Global CFO als aan de business unit CEO. “De business unit zelf is regionaal georganiseerd. Er zijn activiteiten en bijgevolg financiële verantwoordelijken in Noord-Amerika/Latijns-Amerika, EMEA, China, Zuid-Oost-Azië en India. Aangezien we met onze finance-organisatie zo goed mogelijk de business stakeholders willen ondersteunen, hebben we een finance-structuur ontworpen die deze regionale set-up volgt. De regionale SVP’s worden ondersteund door finance directors, met de India finance director die ook de verantwoordelijkheid van Global FP&A-director op zich neemt. Drie jaar geleden zijn we er eveneens met een Advanced Reporting Center gestart. Dit center huisvest analisten die ons ondersteunen in zowel transactionele, dagelijkse finance reporting alsook ad hoc analyses: van ondersteuning bij salesrapportering, cashflowrapportering en langetermijnmodellering, consolidatie van regio’s, risico’s en opportuniteiten, en scenario planning. Deze matrix-samenwerkingsvorm werkt zeer goed en en momenteel breiden we deze uit naar andere business units en zelfs diensten buiten finance. Op die manier creëren we een hub van rapporteringsapplicaties en -analyses. Momenteel ondersteunt het team ons eveneens bij de ontwikkeling van de predictive forecasting applicaties door het verder op punt stellen van de data-accuraatheid en reviewen van varianties.”
Predictive forecasting
Het is in de Steel Wire Solutions-afdeling van Bekaert dat finance begon te experimenteren met predictive forecasting. “Doordat onze business unit vrij cyclisch is, is het voor ons moeilijk om onze financiële resultaten goed in te schatten”, duidt Peeters. “Deze stappen zijn er niet alleen gekomen om betere richting te kunnen geven aan investeerders. Wel, en vooral, om te weten welke acties we vandaag moeten nemen om betere resultaten te hebben in de toekomst. Bij een traditioneel proces dat bedrijven doorlopen om hun maturiteit in forecasting te verbeteren, beginnen bedrijven meestal met driver-based planning, waarna er met rolling forecasts wordt gewerkt en er pas nadien Artificial Intelligence (AI) toepassingen worden ontwikkeld. Het voordeel is dat je zo de hele organisatie over meerdere jaren kan laten wennen aan de nieuwe manieren van werken, maar de keerzijde is de lange doorlooptijd van het proces en de aanzienlijke middelen en kosten die eraan verbonden zijn. Aangezien het uiteindelijke doel AI is, hebben we binnen Steel Wire Solutions een grote sprong voorwaarts genomen door onmiddellijk te experimenteren met AI. Gesteund door een data scientist, die al vele AI-applicaties had ontwikkeld op onze industriële machines en een operationele achtergrond heeft omtrent supply chain, zijn we met een AI-pilot gestart. Het voordeel is dat finance over behoorlijk veel data beschikt en de goede datasets heeft om een data scientist te laten experimenteren.”
Continu leren
De finance-afdeling lanceerde bijgevolg een eerste AI-model eind 2019, gebaseerd op Facebook’s Python Prophet wrapper package (Open Source Software) en gebaseerd op time series. “Dit was zeer interessant stap om een eerste ervaring op te doen”, zegt Peeters. “Een van de belangrijkste lessen die we hier hebben geleerd, was de impact van master data van onze historical datasets. Initieel hadden we 95 procent van de data van 2017 tot en met 2019 in kaart gebracht, en dachten we dat dit voldoende zou zijn. Ons model om volumes te voorspellen bleek echter slechts 55 procent accuraat te zijn. Van zodra de historische data waren opgefrist vanaf 2013, kon het model beter leren, waardoor de accuraatheid steeg naar 87 à 93 procent.”
“Aangezien het uiteindelijke doel AI is, hebben we binnen Steel Wire Solutions een grote sprong voorwaarts genomen door onmiddellijk te experimenteren met AI.”
Een tweede belangrijke les was de COVID-19-uitbraak. “COVID-19 had een drastische impact op ons model waardoor er plots zeer grote variaties ontstonden”, duidt Peeters. “Het heeft ons gedwongen om ons model te herbekijken. Zo zijn we finaal gekomen tot een ensemble, waarbij verschillende modellen in competitie gaan met elkaar. Uit het ensemble worden de beste forecasts genomen, en dat bestaat uit verschillende Prophet-modellen, GluonTS (neural network van Amazon), en verschillende meer traditionele statistische modellen. De drie beste forecasts worden geselecteerd en als basis gebruikt van onze predictive forecasting, waarbij we zeer goede baseline datasets bekomen die ons ondersteunen bij de (scenario)planning.”
Verdere stappen
De voorspellende modellen worden momenteel versterkt met leading indicators. “We willen de accuraatheid van de modellen op basis van interne datasets verder verhogen om nog beter trends te detecteren”, stelt Peeters. “Ook hier hebben we ondertussen zeer nuttige kennis vergaard. Initieel, hadden we een Application Programing Inteface (API) ontwikkeld met een externe data provider waarbij we meer dan 3.000 externe KPI’s in onze predictive forecasting hadden geïntroduceerd om deze te verbeteren, maar stelden vast dat de accuraatheid niet was toegenomen. Door uitwisselingen met andere internationale bedrijven die gelijkaardige projecten hadden gelanceerd, werken we nu vanuit de hypothese dat de zeer grote hoeveelheid aan KPI’s een neutraliserende impact had op het uiteindelijk resultaat en zijn we overgeschakeld op een selectie van KPI’s. Hier zien we wel beduidende verbeteringen. 2 procent op de globale volumes en 4 procent op de omzet en gross profit.”
Organisatie
Toen Peeters begon bij Bekaert waren er al gesprekken om een finance-transformatie aan te vatten. “Het waren toen voornamelijk ideeën in plaats van een echte implementatie”, zegt hij. “De finance-transformatie was een onderdeel van het bredere transformatieprogramma binnen Bekaert ‘Fit for Growth’. Het heeft ongeveer twee jaar geduurd vooraleer een echte visie was ontwikkeld om naar een shared service-verhaal over te stappen. In België zelf heeft dit niet echt een zeer grote impact gekend. De financiële diensten die voornamelijk in België zitten: creditmanagement, treasury, taks, en group reporting waren al Centers of Excellences (COEs).”
“Een van de belangrijkste lessen die we hier hebben geleerd, was de impact van master data van onze historical datasets.”
“Het bovenvermelde Advanced Reporting Center (ARC) maakt deel uit van de GBS set-up en is bewust opgezet in India. En dit vanuit vier overwegingen: de talentenvijver is er groot, door het ARC te centraliseren kan je meer carrièrevooruitzichten bieden, er is het kostenaspect, en er is business continuïteit. Zo kan je een betere kennisoverdracht verzekeren en turnover opvangen. Als we kijken naar de resultaten en de kwaliteit van onze informatie dan kunnen we alleen maar vaststellen dat het op deze manier goed werkt. Ook tijdzones zijn eigenlijk geen probleem aangezien onze analisten de Belgische werkuren volgen.”
Expertise in België
Voor velen lijkt AI zeer duur en complex. “Complex is het zeker maar duur allerminst”, aldus Peeters. “De expertise hebben we volledig in België opgebouwd, met ondersteuning van de data scientist binnen de Bekaert Research & Innovation (R&I) afdeling, en verder gefaciliteerd door externe expertise en IT. De AI-modellen hebben ons weinig gekost in vergelijking met andere projecten als we kijken naar de waarde en bijdrage die de projecties bieden binnen de discussies met de business stakeholders. Extern was ML6 (Gents AI&ML-onderneming, red.) cruciaal om de eerste stappen te zetten. Daarnaast hadden we ook de juiste mix van interne en externe expertise waardoor we relatief eenvoudig de vertaalslag konden maken tussen de data en interpretatie ervan, alsook tussen de business- en finance-vereisten. Ook waren we vrij lean en hebben we deze processen opgezet zonder te veel captains. Dat zorgde ervoor dat we snel beslissingen konden nemen en makkelijker experimenteren. We zijn klein begonnen en hebben stapsgewijs uitgebreid.”
“We hebben onze modellen ook gebenchmarkt met derde partijen en duurdere oplossingen, en onze conclusie is dat het loont om als bedrijf zelf te investeren in AI.”
Cruciale, laatste vraag: had Peeters de goede resultaten van de predictive modellen verwacht? “Ja, want anders had ik er zeker niet zelf achter gestaan (lacht). Ik ben vooral blij als ik zie hoe eenvoudig we tot deze modellen zijn gekomen, met beschikbare off-the-shelf technologie. De parameters moet je altijd verder finetunen, maar dankzij de grote techspelers wordt er al zeer veel ter beschikking gesteld. We hebben onze modellen ook gebenchmarkt met derde partijen en duurdere oplossingen, en onze conclusie is dat het loont om als bedrijf zelf te investeren in AI. Betere AI-predicties zullen finaal een competitief voordeel opleveren, waarbij je beter dan de concurrentie de evolutie van de markten kan inschatten, volumes kan bepalen, prijzen kan aanpassen, bestellingen kan plaatsen, kostenstructuren kan verbeteren, en investeringsbeslissingen kan maken.”
Over Bekaert Steel Wire Solutions
Bekaert heeft vier business units: Rubber Reinforcement, Steel Wire Solutions, Specialty Businesses (vezeltechnologieën, bouwproducten, hose reinforcement, verbrandingstechnologieën) en Bridon-Bekaert Ropes Group. Steel Wire Solutions is een historische tak binnen Bekaert en is over tijd voortdurend geëvolueerd. Momenteel is de business unit actief binnen 10 verschillende segmenten, waar onder meer de activiteit voor energievoorzieningen zeer sterk groeit. Bekendst in het dagdagelijkse is wellicht de staaldraad voor champagnekurken, wat slechts een klein deeltje uitmaakt van de volledige scope, maar ook de wapening bij bouwwerken. “Het gamma is zeer breed in allerhande applicaties waar getrokken staaldraad wordt verwerkt.”
Bekaert (bekaert.com) is een wereldmarkt- en technologisch leider in staaldraadtransformatie en deklagen. Bekaert (Euronext Brussels: BEKB) is een globale onderneming met hoofdzetel in België, stelt meer dan 27 000 medewerkers tewerk, en realiseerde een gezamenlijke jaaromzet van € 5,9 miljard in 2021.
Biografie
Frederic Peeters is huidig VP Finance Steel Wire Solutions bij Bekaert. Hij vervoegde in september 2018 de rangen bij de organisatie als Head of Business Performance, waarna hij VP Finance Steel Wire Solutions werd Eerder was Peeters aan de slag bij GE (General Electric) waarbij hij verschillende finance posities bekleed heeft en gewerkt heeft in 10 landen, alsook 3 jaar bij EY als Senior Manager en Executive Director.