สัมภาษณ์
Chris Bishop, CEO ของ BillingPlatform – ซีรีส์สัมภาษณ์
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Chris Bishop, CEO ของ BillingPlatform, เป็นผู้บริหารซอฟต์แวร์องค์กรที่มีประสบการณ์มากกว่าสองทศวรรษครอบคลุม SaaS, การดำเนินงานด้านรายได้, ความสำเร็จของลูกค้า, บริการมืออาชีพ, และการนำตลาดไปสู่ลูกค้า ก่อนเข้าร่วม BillingPlatform ในตำแหน่ง CEO ในปี 2026, Bishop ใช้เวลาประมาณเจ็ดปีที่ Conga, โดยดำรงตำแหน่งระดับสูงรวมถึงหัวหน้าฝ่ายลูกค้า (Chief Customer Officer), หัวหน้าฝ่ายรายได้ (Chief Revenue Officer) และหัวหน้าฝ่ายการตลาด (Chief Marketing Officer), ช่วยนำบริษัทผ่านช่วงการเปลี่ยนแปลงและการบูรณาการ ก่อนหน้านั้น, เขาเคยดำรงตำแหน่งรองประธานกลุ่มฝ่ายบริการระดับโลกที่ Plex Systems และก่อตั้ง MIPRO Consulting, บริษัทที่ปรึกษาด้านแอปพลิเคชันองค์กรที่เชี่ยวชาญในเทคโนโลยี PeopleSoft และ Oracle. เส้นทางอาชีพของเขายังรวมถึงบทบาทผู้นำระดับสูงที่ PeopleSoft และ Oracle, ที่ซึ่งเขาเป็นหัวหน้าฝ่ายการจัดการห่วงโซ่อุปทานในอเมริกาเหนือที่มีที่ปรึกษากว่า 230 คน, รวมถึงงานปรับกระบวนการที่ Ford Motor Company ก่อนหน้านั้นด้วย.
BillingPlatform เป็นบริษัทซอฟต์แวร์การจัดการวงจรชีวิตรายได้และการทำเงินสำหรับองค์กรที่ออกแบบมาเพื่อช่วยธุรกิจจัดการโมเดลการกำหนดราคาและการเรียกเก็บเงินที่ซับซ้อนมากขึ้นเรื่อย ๆ ก่อตั้งในปี 2012, บริษัทให้บริการแพลตฟอร์มบนคลาวด์ที่ครอบคลุมการจับคำสั่งซื้อ, การสมัครสมาชิกและการเรียกเก็บเงินตามการใช้, การออกใบแจ้งหนี้, การชำระเงิน, ระบบอัตโนมัติการรับเงิน, การรับรู้รายได้, และการจัดการการเงิน เทคโนโลยีของบริษัทรองรับโมเดลการกำหนดราคาที่เกิดซ้ำ, ตามการใช้, แบบผสม, และโมเดลที่กำหนดค่าได้อื่น ๆ, ในขณะที่ความสามารถด้านการประมวลผลการวัดการใช้สามารถรับข้อมูลเช่นการเรียก API, ธุรกรรม, ที่นั่ง, แบนด์วิดท์ หรือเหตุการณ์การใช้บริการอื่น ๆ แล้วแปลงเป็นบันทึกที่สามารถเรียกเก็บเงินได้ BillingPlatform ระบุว่าระบบของบริษัทประมวลผลใบแจ้งหนี้มากกว่า 50,000 ใบต่อวันและบิลเดือนมากกว่า $4 พันล้าน, ทำให้แพลตฟอร์มเป็นโครงสร้างพื้นฐานทางการเงินสำหรับองค์กรที่ก้าวข้ามโมเดลราคาแบบคงที่และการสมัครสมาชิกแบบดั้งเดิม
เส้นทางอาชีพของคุณได้เริ่มจากการปรับกระบวนการที่ Ford และแอปพลิเคชันองค์กรที่ PeopleSoft และ Oracle ไปจนถึงการก่อตั้ง MIPRO Consulting และการนำหน้าหน้าที่ลูกค้า, รายได้และการตลาดที่ Plex Systems และ Conga. ประสบการณ์เหล่านี้ได้รูปแบบความสำคัญของคุณในฐานะ CEO ของ BillingPlatform อย่างไร, โดยเฉพาะอย่างยิ่งเมื่อได้นำ AI เข้ามาในกระบวนการทางการเงินที่มีความสำคัญต่อภารกิจ?
ผมถือว่าทุกขั้นตอนในอาชีพของผมเป็นประสบการณ์ที่มีความสำคัญต่อภารกิจ กระบวนการผลิตที่ Ford, ระบบการเงินและการจัดการห่วงโซ่อุปทานที่ PeopleSoft และ Oracle, ปีที่ทำงานให้คำปรึกษาระหว่างทาง, ERP ที่ Plex, และการจัดการวงจรชีวิตรายได้ที่ Conga. เมื่อระบบเหล่านี้เจอข้อผิดพลาดหรือสายการผลิตหยุด, มีคนไม่ได้รับเงิน, หรือดีลไม่สำเร็จ นั่นแสดงถึงระดับความทนต่อข้อผิดพลาดที่ต่ำกว่าที่ซอฟต์แวร์ส่วนใหญ่ยอมรับ
อีกเส้นด้ายหนึ่งคือมูลค่าถูกกำหนดโดยผลลัพธ์ที่คุณเปิดเผย ไม่ใช่โดยสิ่งที่คุณทำการตลาด การเป็นเจ้าของหน้าที่ลูกค้าและรายได้ที่ Plex และ Conga ทำให้สิ่งนี้ชัดเจนต่อผม เพราะอยู่ในช่องว่างระหว่างสิ่งที่ขายไปและสิ่งที่ลูกค้าได้รับ
ทั้งสองเส้นด้ายมาบรรจบกันในจุดเดียวสำหรับ AI ในการดำเนินงานทางการเงิน การที่ทำได้ถูกต้อง 99.5% ของเวลาอาจดูดีในสาธิต, แต่ก็ยังถือเป็นความล้มเหลว เราดำเนินการเรียกเก็บเงินสำหรับบริษัทที่มีผู้สมัครสมาชิกหลายล้านคน ที่ระดับนี้อัตราข้อผิดพลาดครึ่งเปอร์เซ็นต์หมายถึงใบแจ้งหนี้ที่ผิดพลาดหลายหมื่นใบในหนึ่งเดือน, การสนทนากับลูกค้าหลายหมื่นครั้งที่ไม่มีการวางแผนไว้, และกระบวนการเครดิตที่ทำให้ทีมต้องรับภาระ ลูกค้าคาดหวังให้ทั้งหมดถูกต้อง, ดังนั้น 99.5% จึงไม่สามารถส่งมอบผลลัพธ์ที่พวกเขาซื้อได้
ด้วยเหตุนี้เราจึงระมัดระวังในการให้ AI เข้าถึงด้านการเงินและก้าวร้าวเมื่อ AI เข้าถึงงาน AI ทำการกำหนดค่า, การวิเคราะห์, และการสืบสวน การคำนวณยังคงเป็นแบบกำหนดผลลัพธ์ได้อย่างแน่นอน การทดสอบที่ผมใช้กับทุกฟีเจอร์ของ AI คือว่าผู้ควบคุมสามารถอธิบายผลลัพธ์ต่อผู้ตรวจสอบได้หรือไม่โดยไม่ต้องบอกว่าโมเดลได้ตัดสินใจแทนเขาหรือเธอ
ผู้จำหน่ายซอฟต์แวร์องค์กรหลายรายกำลังเพิ่มผู้ช่วย AI เข้าไปในผลิตภัณฑ์ที่มีอยู่. BillingPlatform อธิบาย AI ของตนว่าเป็นส่วนที่เป็นพื้นฐานของวงจรชีวิตรายได้และสร้างบนโมเดลเมตาดาทาที่เป็นเอกภาพและอธิบายตัวเองได้. สถาปัตยกรรมนี้สามารถทำอะไรได้บ้างที่ชั้น AI แบบดั้งเดิมที่เพิ่มเข้าไปในซอฟต์แวร์การเรียกเก็บเงินแบบเก่าไม่สามารถทำได้?
แพลตฟอร์มของเรากล่าวถึงตัวเองว่า เอนทิตี้, ฟิลด์, กฎการกำหนดราคา, เวิร์กโฟลว์และการอนุมัติทั้งหมดเป็นเมตาดาทาที่ระบบสามารถอ่านได้ในขณะทำงาน ซึ่งหมายความว่า AI ของเรากำลังอ่านการกำหนดค่าจริงของคุณ, ไม่ใช่สคีมาผลิตภัณฑ์ทั่วไป, และมันสามารถเสนอการเปลี่ยนแปลงในการกำหนดค่านั้นได้เนื่องจากการกำหนดค่าเป็นข้อมูลไม่ใช่โค้ด
ผู้ช่วยที่ต่อเข้ากับซอฟต์แวร์การเรียกเก็บเงินแบบเก่ามีปัญหาแตกต่างกัน ตรรกะที่เฉพาะเจาะจงต่อผู้ใช้ในระบบเหล่านั้นอยู่ในโค้ดที่กำหนดเอง, ขั้นตอนการจัดเก็บและมิดเดิลแวร์การเชื่อมต่อ ผู้ช่วยสามารถตอบคำถามเกี่ยวกับเอกสารได้ ทุกอย่างที่เฉพาะเจาะจงต่อการทำงานของอินสแตนซ์ของคุณต้องอ่านจากโค้ดนั้น, และการเปลี่ยนแปลงหมายถึงรอบการพัฒนามากกว่าการสนทนา
ประเด็นที่สองคือการวัดการใช้, การเรียกเก็บเงินและการรับรู้รายได้มักอยู่ในระบบแยกต่างหากพร้อมฐานข้อมูลแยกกัน AI ใด ๆ ที่ทำงานบนฟังก์ชันเหล่านี้จะต้องทำการสรุปผลข้ามการกระทบยอด, ดังนั้นคำตอบของมันจึงดีเท่ากับงานแบตช์ของคืนก่อน เราดำเนินการทั้งสามพื้นที่บนโมเดลเดียว, ดังนั้นจึงมีห่วงโซ่เดียวจากเหตุการณ์การใช้ไปยังรายการบันทึกบัญชี AI ให้คำตอบจากบันทึกเดียวกันที่ใช้สร้างใบแจ้งหนี้ ซึ่งมีความสำคัญอย่างยิ่ง
เมื่อบริษัทต่าง ๆ นำโมเดลธุรกิจแบบใช้ตามการใช้งาน, แบบผลลัพธ์และแบบผสมมาใช้, AI กำลังเปลี่ยนวิธีการบรรจุ, ตั้งราคาและทำเงินจากผลิตภัณฑ์และบริการอย่างไร?
มีสองสิ่งกำลังเปลี่ยนแปลง สิ่งแรกคือหน่วยคุณค่ากำลังย้ายจากจำนวนที่นั่งไปสู่งานที่ทำสำเร็จ ทำให้บริษัทตั้งราคาตามการแก้ปัญหา, เอกสารที่ประมวลผล, งานที่เสร็จหรือผลลัพธ์ที่ส่งมอบ สิ่งที่สองคือการตั้งราคาเริ่มกลายเป็นสิ่งที่ต้องทบทวนทุกไตรมาสแทนที่จะเป็นรายปี เพราะเส้นโค้งต้นทุนของผลิตภัณฑ์ AI เคลื่อนที่เร็วขนาดนั้น
ตามประสบการณ์ของเรา AI ช่วยในด้านการวิเคราะห์มากกว่าด้านความคิดสร้างสรรค์ หากประวัติการทำธุรกรรมของคุณอยู่ในที่เดียว คุณสามารถจำลองการเปลี่ยนแปลงราคาที่เสนอเทียบกับพฤติกรรมลูกค้าจริงก่อนที่จะเปิดใช้ภายในไม่กี่นาที และคาดการณ์ว่ามันอาจส่งผลต่ออัตรากำไรหรือการสูญเสียลูกค้าอย่างไร ตัวอย่างเช่น สิ่งนี้เคยเป็นงานการเงินที่ใช้หลายสัปดาห์
ฉันอยากเพิ่มคำเตือนอีกข้อหนึ่ง บริษัทส่วนใหญ่ที่เปลี่ยนไปใช้การตั้งราคาแบบการใช้หรือผลลัพธ์ยังไม่สามารถตอบได้ว่าหน่วยเดียวมีต้นทุนการให้บริการเท่าไร หากไม่มีตัวเลขนั้น บริษัทจะต้องคาดเดาระดับขั้นต่ำและอำนาจการให้ส่วนลด นั่นคือเหตุผลที่องค์กรส่วนใหญ่เลือกใช้แนวทางแบบผสมผสาน คือค่าธรรมเนียมแพลตฟอร์มที่คงที่เพื่อความคาดการณ์ได้, การใช้ตามการใช้งานเพื่อความสอดคล้อง, และส่วนผลลัพธ์ที่ค่ามีการวัดได้จริง
ผลิตภัณฑ์ AI สามารถสร้างต้นทุนที่แปรผันสูงตามจำนวนโทเคน, โมเดล, โครงสร้างพื้นฐานและความซับซ้อนของแต่ละคำขอ ความสามารถในการวัดและเรียกเก็บเงินใหม่ใดที่บริษัทต้องการเพื่อทำเงินจากบริการ AI อย่างแม่นยำโดยไม่เสี่ยงต่ออัตรากำไรที่ไม่คาดคิด?
ฉันขอแนะนำให้เริ่มต้นด้วยการวัดที่ระดับละเอียดของตัวขับต้นทุนและเก็บเหตุการณ์ไว้ หากคุณรวมข้อมูลล่วงหน้าเป็นยอดรวมรายวันต่อผู้ใช้ คุณจะสูญเสียความสามารถในการเห็นว่ากระบวนการทำงานหนึ่งกำลังใช้โมเดลที่มีค่าใช้จ่ายสูง
จากนั้น ความสามารถสี่ประการจะทำงานจริง:
- แนบต้นทุนสินค้ากับเหตุการณ์เดียวกับที่บันทึกรายได้ เพื่อให้มาร์จิ้นตามลูกค้า, ฟีเจอร์และโมเดลมองเห็นได้ตลอดช่วงเวลา ไม่ใช่เพียงเมื่อปิดบัญชี
- สนับสนุนโครงสร้างอัตราที่สามารถเปลี่ยนแปลงระหว่างช่วงเวลา เนื่องจากการเปลี่ยนโมเดลและการลดราคาจากผู้จำหน่ายจะไม่รอจนกว่าปฏิทินการต่อสัญญาของบริษัท
- ให้ลูกค้ามีการผูกมัด, ยอดเงินล่วงหน้า, ขีดจำกัดและการดึงเงิน เนื่องจากความคาดการณ์ได้เป็นคุณลักษณะของผลิตภัณฑ์และยังปกป้องบริษัทจากใบแจ้งหนี้ที่ไม่คาดคิด
- และสุดท้าย ต้องสามารถปรับอัตราประวัติย้อนหลังเมื่อราคามีการเปลี่ยนแปลงหรือการไกล่เกลี่ยผิดพลาดโดยไม่ต้องใช้กระบวนการเครดิตแบบแมนนวล
การปกป้องมาร์จิ้นบนผลิตภัณฑ์ AI เป็นปัญหาการออกแบบการวัดและการตั้งราคา หากคุณมองว่าเป็นปัญหาการรายงานการเงิน คุณจะทราบปัญหาเหล่านี้ช้ากว่า 40 วัน
BillingPlatform ให้ทีมสามารถกำหนดผลิตภัณฑ์, กฎการตั้งราคาและกระบวนการเรียกเก็บเงินแบบสนทนาได้ การตัดสินใจใดที่สามารถมอบหมายให้ AI ทำได้อย่างปลอดภัย และจุดใดที่การตรวจสอบและการอนุมัติของมนุษย์ยังคงต้องเป็นข้อบังคับ?
ฉันจะบอกว่าให้มอบหมายงานแต่ให้มนุษย์เป็นผู้ตัดสินใจ
AI สามารถอ่านและอธิบายการกำหนดค่าที่มีอยู่ได้อย่างปลอดภัย, ร่างการกำหนดค่าใหม่ในสภาพแวดล้อมแซนด์บ็อกซ์, สร้างข้อมูลทดสอบและกรณีทดสอบ, ตรวจจับความผิดปกติในการใช้งานหรือการเรียกเก็บเงิน, สืบสวนข้อโต้แย้งการเรตติ้งกลับไปยังเหตุการณ์ต้นทาง, และสร้างการแมปขั้นแรกสำหรับการย้ายข้อมูล สิ่งเหล่านี้เป็นส่วนใหญ่ของชั่วโมงทำงานในสัปดาห์ของทีมเรียกเก็บเงินและมีความเสี่ยงน้อยมาก
การอนุมัติของมนุษย์เป็นข้อบังคับสำหรับทุกสิ่งที่เปลี่ยนแปลงการเรียกเก็บเงินของลูกค้าหรือการรับรู้รายได้ในระบบการผลิต สิ่งเหล่านี้รวมถึงการเปลี่ยนแปลงราคาและอัตรา, เงื่อนไขสัญญา, เครดิตและการปรับปรุง, นโยบายการรับรู้รายได้และการตัดสินราคาขายแยก, การแมปบัญชีแยกประเภท, สถานะภาษี, และการปิดงวด นอกจากนี้มนุษย์ต้องมีส่วนร่วมในทุกอย่างที่มองเห็นได้โดยลูกค้าเป็นครั้งแรก
กฎการดำเนินการคือ AI เสนอ, ผู้ที่มีอำนาจจริงทำการอนุมัติ, และการอนุมัติจะถูกบันทึกกับการเปลี่ยนแปลงนั้น การอนุมัติและสิทธิ์ตามบทบาทได้ถูกจัดเตรียมไว้ในแพลตฟอร์มแล้ว ดังนั้นเอเจนต์จึงสืบทอดสิทธิ์เหล่านั้นแทนที่จะหลีกเลี่ยง
ระบบการเงินให้พื้นที่น้อยสำหรับการคาดเดาหรือการตัดสินใจที่ไม่มีเหตุผล BillingPlatform จะผสานการให้เหตุผลของ AI กับการดำเนินการเชิงกำหนดเพื่อให้ใบแจ้งหนี้, การคำนวณรายได้และการกระทำทางบัญชียังคงแม่นยำและทำซ้ำได้อย่างไร?
เราแยกการตีความออกจากการดำเนินการ โมเดลตีความเจตนาและสร้างการกำหนดค่า, คำถามหรือการเปลี่ยนแปลงที่เสนอ เครื่องยนต์การเรตติ้งและบัญชีจึงทำการดำเนินการ เครื่องยนต์นี้ใช้เส้นทางโค้ดเดียวกันไม่ว่าผู้ใช้จะกำหนดค่าใน UI หรือเอเจนต์จะกำหนดค่าผ่าน AI ของเรา ดังนั้นอินพุตเดียวกันจะให้ใบแจ้งเงินเดียวกันทุกครั้ง และคุณสามารถรันช่วงเวลาที่ปิดแล้วใหม่และได้คำตอบที่เหมือนเดิม
ไม่มีตัวเลขใดบนใบแจ้งหนี้ที่สร้างโดยโมเดลภาษาในเวลาสร้างใบแจ้งหนี้ สิ่งที่ AI ผลิตคือการเปลี่ยนแปลงการกำหนดค่า และการเปลี่ยนแปลงนั้นมีเวอร์ชัน, ผู้เขียนและเวลาประทับเหมือนการเปลี่ยนแปลงอื่น ๆ ในระบบ หากผู้ตรวจสอบถามว่าทำไมค่าธรรมเนียมถึงเป็นเช่นนั้น คำตอบจะย้อนกลับผ่านบันทึกการตั้งราคาไปยังเหตุการณ์การใช้งาน ไม่ใช่ไปยังคำสั่ง
ส่วนสุดท้ายคือข้อเสนอสามารถตรวจสอบได้ก่อนนำไปใช้ คุณจะเห็นการกำหนดค่าที่ AI ต้องการสร้างอย่างชัดเจนและสามารถอนุมัติหรือปฏิเสธได้
BillingPlatform รองรับ Model Context Protocol, โปรโตคอล Agent-to-Agent และการเชื่อมต่อกับเครื่องมือ AI ขององค์กรภายนอก. บริษัทจะมอบสิทธิ์ให้เอเจนต์อิสระเข้าถึงการดำเนินงานด้านการเรียกเก็บเงินได้อย่างไรในขณะที่ป้องกันการกระทำที่ไม่ได้รับอนุญาต, การเปิดเผยข้อมูล หรือการเปลี่ยนแปลงที่ไม่สามารถตรวจสอบได้?
MCP และ A2A เป็นการส่งผ่าน, และทำให้เอเจนต์มาถึงประตู. ชั้นควบคุมคือโมเดลสิทธิ์ของคุณ, และนั่นคือที่งานจริงดำเนินการ.
ในกรณีของเรา, เอเจนต์ทำการยืนยันตัวตนเป็นผู้ใช้และสืบทอดบทบาท, สิทธิ์ระดับฟิลด์และระดับบันทึกเดียวกับที่พนักงานใด ๆ จะได้รับ. ไม่มีการข้ามเอเจนต์. นอกจากนี้ยังมีแนวปฏิบัติบางอย่างที่ควรทำ. ให้แต่ละเอเจนต์มีบัญชีบริการที่กำหนดขอบเขตของตนเองด้วยสิทธิ์ขั้นต่ำ, อ่านอย่างเดียวจนกว่าจะพิสูจน์ว่าเป็นอย่างอื่น, เพื่อให้บันทึกตรวจสอบบอกคุณว่าเอเจนต์ทำอะไร. ควบคุมการเขียนผ่านกระบวนการอนุมัติที่มีเกณฑ์ค่าเงินและปริมาณ. คุณควรจำกัดอัตราการทำงานของพวกมันด้วย, เพราะเอเจนต์ที่วนลูปเป็นความล้มเหลวที่แตกต่างจากคนที่ทำผิดพลาด. อีกทั้งสำคัญที่จะบันทึกทุกการเรียก, ไม่ใช่แค่การที่มีการเปลี่ยนแปลง. และคืนค่าเฉพาะฟิลด์ที่งานต้องการ, เนื่องจากวิธีที่เร็วที่สุดในการรั่วไหลข้อมูลลูกค้าคือการอ่านที่กว้างเกินไป.
ความผิดพลาดที่ฉันคาดว่าจะเห็นทั่วตลาดในปีนี้คือบริษัทมอบข้อมูลประจำตัวผู้ดูแลระบบมนุษย์ให้กับเอเจนต์ เพราะง่ายกว่าการกำหนดขอบเขตอย่างเหมาะสม.
BillingPlatform กล่าวว่า AI สามารถลดระยะเวลาการนำไปใช้จากหลายไตรมาสเป็นสัปดาห์. ส่วนใดของการรวบรวมความต้องการ, การกำหนดค่า, การทดสอบและการย้ายข้อมูลที่ AI สามารถทำอัตโนมัติได้ในวันนี้, และส่วนใดยังต้องการผู้เชี่ยวชาญด้านการเรียกเก็บเงินและการเงินที่มีประสบการณ์?
AI มีความสามารถจริง ๆ ในการแปลงราคาที่ได้บันทึกเป็นการกำหนดค่า, การทำการวิเคราะห์ช่องว่างโดยอิงจากคลังรูปแบบที่รู้จัก, การสร้างกรณีทดสอบและดำเนินการรีเกรสชัน, การทำแผนที่และทำความสะอาดข้อมูลเก่าสำหรับการย้าย, และการผลิตเอกสาร. เหล่านี้คือพื้นที่ที่งานลดลงจากหลายไตรมาสเป็นสัปดาห์.
อย่างไรก็ตาม การตัดสินใจยังคงต้องอาศัยผู้เชี่ยวชาญด้านการเรียกเก็บเงินและการเงินที่มีประสบการณ์. ตัวอย่างบางอย่างที่ยังต้องการคนที่มีประสบการณ์ ได้แก่ การทำให้ลูกค้าเห็นด้วยกับกฎการกำหนดราคาและนโยบายรายได้ของตนเอง, การสร้างเงื่อนไขจากสัญญาใหม่, การเชื่อมต่อกับระบบที่มีพฤติกรรมที่ไม่ได้บันทึก, และการตัดสินการจัดการรายได้ในโครงสร้างหลายองค์ประกอบ. สรุปคือ การจัดการการเปลี่ยนแปลงไม่ตอบสนองต่อซอฟต์แวร์.
โมเดลรวมที่ครอบคลุมการวัดปริมาณ, การเรียกเก็บเงินและการรับรู้รายได้จะช่วยปรับปรุงการปฏิบัติตาม, ความสามารถในการตรวจสอบและการรายงานทางการเงินได้อย่างไร, โดยเฉพาะสำหรับองค์กร ที่ดำเนินการภายใต้ข้อกำหนดการรับรู้รายได้ที่ซับซ้อน?
ผู้ตรวจสอบมักสอบถามสองเรื่องเสมอ: แสดงให้ฉันเห็นว่าคุณได้มาถึงตัวเลขนี้อย่างไรและแสดงให้ฉันเห็นว่าคุณได้ใช้การจัดการเดียวกันอย่างสม่ำเสมอ. หากระบบการวัดปริมาณ, การเรียกเก็บเงินและการรับรู้รายได้ของคุณทำงานแยกกัน, การตอบคำถามนั้นหมายถึงการขุดข้อมูลผ่านฐานข้อมูลสามแห่งบวกกับสเปรดชีตที่มนุษย์สร้างขึ้นเพื่อทำการกระทบยอดทั้งหมด.
เมื่อทั้งหมดเป็นโมเดลเดียว, งานทั้งหมดนั้นจะหายไป. เหตุการณ์การใช้งาน, ค่าธรรมเนียม, รายการใบแจ้งหนี้, และรายการบันทึกบัญชีทั้งหมดเป็นบันทึกเดียวกัน, เพียงแค่ดำเนินต่อไปยังขั้นตอนถัดไป. คุณสามารถติดตามไปข้างหน้า หรือถอยหลังได้โดยไม่ต้องมีขั้นตอนการกระทบยอดระหว่างทาง เพราะไม่มีสิ่งใดต้องกระทบยอด. เมื่อสัญญามีการเปลี่ยนแปลง, คุณกำลังประเมินข้อมูลธุรกรรมเดียวกันที่สร้างใบแจ้งหนี้ตั้งแต่แรก. ราคาขายและการจัดสรรแบบแยกของคุณจะมาจากสิ่งที่เกิดขึ้น.
เรื่องนี้สำคัญที่สุดสำหรับบริษัทที่จัดการกับการพิจารณาที่เปลี่ยนแปลงได้ตาม ASC 606 หรือ IFRS 15, ที่ซึ่งคุณต้องแสดงกระบวนการของคุณและสามารถแสดงมันอีกครั้งได้หลังจากหนึ่งปี.
BillingPlatform เพิ่งประกาศเพิ่ม Chief Financial Officer, Chief Product Officer และ Chief Customer Officer ใหม่ขณะขยายกลยุทธ์ AI-native ของบริษัท. ผู้นำเหล่านี้จะทำงานร่วมกันอย่างไรเพื่อแปลนวัตกรรมทางเทคนิคให้เป็นการเติบโตที่ยั่งยืนทางการเงินและผลลัพธ์ที่วัดได้สำหรับลูกค้าองค์กร?
ในฐานะ Chief Product Officer, Rob Zwiebach รับประกันว่าผลิตภัณฑ์ของเรามีความแตกต่างและพร้อมจัดจำหน่าย. เขาเคยดูแผนที่ผลิตภัณฑ์สำหรับการเงินที่ Workday และทำงานที่ Oracle เป็นเวลา 17 ปี, ดังนั้นเขาจึงรู้ระบบที่ลูกค้าของเรากำลังใช้และสิ่งที่ต้องทำเพื่อแข่งขันกับพวกเขา. ในฐานะ Chief Customer Officer, Chris King ดูแลว่าลูกค้าจะได้รับคุณค่า หรือกล่าวคือ เวลาในการเห็นผล, ความสม่ำเสมอของการส่งมอบ, การรักษาลูกค้าและการขยายตัว. เขาเคยเป็นหัวหน้าบริการและความสำเร็จที่ Medidata และ Salesforce และเริ่มต้นในอุตสาหกรรมนี้ที่ Zuora, ทำให้เขาได้เห็นการส่งมอบระดับองค์กรที่ดีและไม่ดีในระดับใหญ่. Steven Springsteel, Chief Financial Officer ของเรา, ดูแลงบประมาณและเขามาจากตำแหน่ง CFO ที่ Recurly, ดังนั้นเขามีประสบการณ์โดยตรงในการดำเนินฟังก์ชันการเงินของบริษัทที่ทำการเรียกเก็บเงิน.
จุดที่พวกเขาต้องทำงานร่วมกันเป็นกลุ่มเดียวกันจริง ๆ คือ ตัวเลขที่ฉันให้ความสำคัญที่สุด นั่นคือค่าใช้จ่ายและระยะเวลาที่ใช้ในการทำให้ลูกค้าองค์กรใช้งานได้จริงและมีประสิทธิภาพ, รวมถึงอัตรากำไรจากงานนั้น. นั่นคือการตัดสินใจด้านผลิตภัณฑ์, การส่งมอบ, และการวัดผล, และโดยประวัติศาสตร์เป็นจุดที่โครงการเรียกเก็บเงินระดับองค์กรมักผิดพลาด. การบอกว่าคุณเป็น AI-native คือการอ้างอิงถึงสถาปัตยกรรมของคุณ. มันจะกลายเป็นธุรกิจเมื่อปรากฏในค่าใช้จ่ายการดำเนินการ, อัตราการขยาย, และอัตรากำไรขั้นต้น. เหล่านั้นคือตัวเลขสามตัวที่ Rob, Chris, และ Steven แต่ละคนรับผิดชอบส่วนหนึ่ง.
ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม BillingPlatform
