Udfordringen med regneark

Teamet bag Alunta kender faktisk selv til brugen af regneark. Regneark oprettet online gennem Google har været en del af vores dagligdag meget længe. I flere eksempler er det stadig tilfældet. Jeg har også flere kolleger i branchen, der har vist mig deres massive regneark med flotte farvekoder og rullemenuer. De forstår deres regneark, men jeg ville aldrig kunne arbejde i det. Det samme ville gælde ved omvendt fortegn. 

 

Jeg forstår derfor hvorfor regneark er en populær og ofte foretrukken måde at arbejde med data. De er super nemme at oprette og med lidt flair for tastaturgenveje kan man hurtigt navigere rundt i et regneark og få beregnet og vist de data man vil have frem.

 

Men det var bare ikke holdbart.

 

Hurtigt blev regnearket stort. Og det skulle vedligeholdes manuelt. Oveni det så havde vi i Alunta flere adgange til regnearket hvor flere kunne lave rettelser i dataen. Det blev hurtigt en daglig rutine for mig at logge ind i regnearket blot for at tjekke der ikke var fejl i det. 

 

Snak om tidsspild…

 

Regnearket med alle kundeoplysninger, betalingsdatoer, fornyelser og aftaler var alt sammen samlet i kolonner og rækker. Derudover kunne medarbejdere tilføje kommentarer alle steder i regnearket med information der skulle opdateres i andre systemer som fx e-conomic. Der blev hurtigt skabt en flow hvor kommentarer blev tilføjet til celler i regnearket og derfra manuelt samlet op og ændret i e-conomic.

 

Vi havde mange fejl og jeg tror de der kender til at rette fejl i e-conomic resulterede i at vi spildte en masse tid på at rette de fejl.

Så selvom jeg elsker regneark, så måtte jeg erkende at der simpelthen var for stor risiko for fejl. Og når fejlene der kan opstå berører fakturering og omsætning, så valgte vi at finde på en ny måde at systematisere de her data og arbejdsprocesser.

For selvom regneark tilbyder fleksibilitet, er de ikke designet til skalerbarhed eller komplekse data håndteringsopgaver som fakturering. Jeg har set store IT-virksomheder, der typisk bruger flere regneark til at holde styr på projekter, kunder og fakturaer. Flotte regneark, der er fyldt med formler og farvekoder. 

Men selv det mest gennemarbejdede regneark er ikke immune over for fejl.

Når medarbejdere manuelt indtaster eller opdaterer data, er der risiko for at forveksle numre, glemme at kopiere celler korrekt eller miste overblikket over vigtig information som indtjening. En fejl i en enkelt celle kan medføre fejlagtige fakturaer eller forkerte rapporter til virksomheden internt. Det var fejl, jeg oplevede i vores regneark. Og især økonomiske data kan have ret store konsekvenser for de beslutninger, der ellers tages andre steder i virksomheden.

Ja, så vi måtte erstatte vores regneark med et system. Et system der blev til Alunta.

To personer skriver på fælles papir

Vi sagde farvel til vores regneark og begyndte at bygge Alunta. Vi sigtede efter at automatisere så mange af vores processer som muligt. Så ikke kun en pænere frontend at skrive data ind i, men et system der tillod at det krævede mindre manuel behandling at drive en abonnementsforretning. 

 

Før skulle opdateringer ske på baggrund af kommentarer i et Google sheet. Nu sker rettelser direkte i Alunta. 

 

Direkte fra Alunta har vi sat en forbindelse op til e-conomic, så de faktura vi opretter i Alunta har den samme information begge steder. Det var det første sted vi så et drastisk fald i de fejl, vi havde i bogføringen.

 

Det er en cliché at skrive, men jeg oplevede virkelig, hvordan en mere nøjagtig bogføring og fakturering gav mere tid til andre opgaver. Eller bare tid til ikke at lave nogle opgaver uden at falde bagud.

Da Alunta startede var det kun e-conomic vi havde brug for integration til. Simpelthen for at automatisere bogføringen af omsætningen. Men vi erfarede hurtigt fra kunder og kolleger i branchen, at der var brug for flere integrationer.

 

Derfor satte vi en integration op til Zapier, hvor muligheden for datakommunikation kom op på en helt anden skala. Herfra kan Pipedrive opdateres med nye kunder eller du kan automatisere tilføjelsen af nye modtagere af dit nyhedsbrev med for eksempel ActiveCampaign.

 

Selv blev vi mere interesserede i essentielle økonomiske data. Vi byggede derfor en integration med ChartMogul. ChartMogul er et system som tilbyder analyser af abonnements data. Vi kunne simpelthen fodre ChartMogul med vores økonomiske data og så kunne vi se vigtige datapunkter i ChartMogul. Datapunkter som livstidsværdi for kunderne, churn, konverteringsrate.

Der er masser af muligheder med integrationen til ChartMogul.

To mænd taler og kigger på en computer

Ved at udskifte regneark og implementere mere automatisk data håndtering åbnede dørene sig for mere detaljeret analyse af forretningen. Vi oplevede vi kunne skalere vores databehandling på en helt anden måde. Uden at det tog en masse af vores tid.

 

Ja, faktisk gik det bare endnu hurtigere.

 

Det giver sig selv at en virksomhed i vækst havde det her behov. Der var flere kunder og projekter hver måned at skulle holde styr på. En stor udfordring er så bare at lave skiftet i tide, så monstret er så småt som muligt at tæmme, så at sige.

 

På rejsen lærte vi en masse fra vores kunder. Og vi blev gjort opmærksom på, hvordan behovet varierer på tværs af alle kunderne. Det banede vejen for at oprette et åbent API, som virkelig gav kontrol og præferencer fuld fart. 

 

Der er altså ingen grænser for skalerbarheden.

 

Vi og mange der bruger Alunta gik fra store regneark og fejl i bogføringen til nu at have et system der håndterer det for os. I stedet for at logge ind og sikre at der ikke var fejl i regnearket, logger jeg nu ind i Alunta. Her præsenteres jeg med en række kunder, der er klar til at blive faktureret. Jeg opretter fakturaerne med et par klik og så sender Alunta fakturaerne til kunderne og fakturaerne bliver bogført i e-conomic.

 

Alt sammen med få klik og uden fejl.

Bo Møller, Co-Founder

mand som taler i telefon med valuar