挑战
一个高效能的财务团队需要专注于为整个组织提供支持——需要去了解各个部门在实现关键目标方面的表现情况,确定哪些方面做得好,哪些方面做得差,并在必要时予以纠正。这就说明,财务部门成功与否,取决于能否将准确、有洞察力的数据汇集到一个中心位置,并利用这些信息来改进每个部门的决策。
Figma 的财务和业务运营总监 Praveer Melwani 说:“没有一致、清晰的数据,您就会错过机会。如果您的转化率滞后,而且您对销售和渠道数据没有清晰的了解,那么就看不到早期预警指标,更不知道如何应对。确保 [Salesforce、Marketo、Board Decks] 所有记录系统的一致性,那么在我们与内、外利益相关方合作时,便能够快速做出决策。”
为确保 Figma 能够在保持数据高质量和声誉的情况下扩大其精益团队,Praveer 需要自动化其财务流程,并选择一个支付解决方案,该解决方案要能够:
- 针对自助服务客户和企业分别接受订阅付款并提供账单;
- 提供近乎实时的付款数据报告;并且
- 提供灵活的报告,报告中要有用来存储额外的结构化信息所需的元数据参数,确保所有记录系统数据的一致性。
解决方案
最初,Figma 着眼于对接具有收款、订阅和账单开具功能的传统独立解决方案,但考虑到集成工作所需人力以及为确保高质量的实时数据而对多个系统的持续性维护,他们开始感到不安。
Figma 选择 Stripe 是因为其完整的支付平台,支持用银行卡、ACH 或电汇方式来支付订阅费用,并且能够定制账单。使用 Stripe 管理平台,Praveer 的团队用元数据参数标记付款数据,并通过 Segment 每小时向 Snowflake 发送一次数据。在 Snowflake 中,标记数据被进行了格式化处理,这样其他所有业务应用程序和内部模型都可以与之兼容。重新格式化后,付款数据通过 Census 发送到以下业务应用,以提供更多参考:
- Salesforce:有了 Stripe 之后,Figma 用付款和活动信息丰富了 Salesforce 的账户并带来了额外机会,可用于计算佣金和寻找潜在客户等等。
- Marketo、Facebook 受众和 Google Ads:Figma 将 Stripe 数据附加到用户、团队和组织,针对不同受众定制营销信息。
- 董事会报告:Figma 使用 Stripe 的报告和分析功能,在一个账期结束后可立即快速准确地为董事会提供报告,为投资者提供按交易类型划分的地域分割、净留存和年度经常性收入瀑布式详细报告。
- 公司指标与预测:Figma 利用 Stripe 的支付和账单数据创建实时的终身价值管理平台、客户留存与流失分析,并用以说明扩张模式。
- 月末关账流程:Figma 通过 SuiteSync 将 Stripe 的付款和账单数据用于其收入确认模型、税务及递延收入余额。
Praveer 补充说:“我们的小团队能够利用 Stripe 的强大功能来自动化收款和开账单等工作,这样便可将时间花在更高价值的事务上。”“我们还在使用来自 Stripe 的数据为其他业务应用提供支持,因此我们能够快速迭代地添加新产品、角色和方案类型,并看到我们的产品不断演变。”
结果
通过将合适的支付平台集成到其技术堆栈,Praveer 能够确保客户交易数据能够以近乎实时、准确且可靠的方式支持公司的所有业务应用。反过来,由于自动化系统和生成的清晰数据可以指导整个公司有价值的决策,Praveer 便通过一个精干的财务团队帮助 Figma 实现了 100 亿美元的估值。
Praveer 说,“Stripe 的简单性和产品深度,是我们得以用同一支精简团队进行业务拓展的基石。如果没有整合 Stripe,我相信至少需要五名额外的员工来处理各种手动流程,比如管理结算流程、跨系统对账、记录应收账款余额以及排查不正确的数据集问题。”
借助 Stripe,Praveer 的团队能够:
- 可靠地预测业务指标:“您需要一个灵活的解决方案,让您能够以不同的方式快速切割数据。我们已经将 Stripe 数据作为事实来源,在我们的系统中构建了业务逻辑。结果我们便掌握了人们如何做出购买决策,以及随时间如何变动的实时数据,”Praveer 说。
- 用可靠的数据在组织内建立信任:“我能够在公司更大范围及我们的股东那里建立信任和声誉,他们都相信我们的底层数据集和系统又干净又准确,”Praveer 说。
- 让财务专注于价值更高的工作:“在付款、计费、对账等方面花的时间其实是浪费,我们真正的价值在于:立足于前进,帮助团队武装起战略性思维和行动,”Praveer 说。
Stripe 的简单性和产品深度,是我们得以用同一支精简团队进行业务拓展的基石。如果没有整合 Stripe,我相信至少需要五名额外的员工来处理各种手动流程,比如管理结算流程、跨系统对账、记录应收账款余额以及排查不正确的数据集问题。