CROP accountants & adviseurs gaat een langdurige samenwerking aan met GeONE, specialist in het optimaliseren van document- en informatiemanagement. GeONE gaat CROP begeleiden bij de realisatie van een centrale plek voor dossierbeheer op basis van het M-Files informatieplatform in de cloud.
Inhoud
Partnership op basis van bewezen sector- en productervaring
Het accountants- en advieskantoor heeft sterke ambities voor het verder optimaliseren van zijn informatievoorziening. CROP vond in GeONE een partner met bewezen sectorkennis. Sigurd Felix, IT-manager bij CROP, vertelt over de match: “Voor ons was het van groot belang dat we gaan samenwerken met een partner die niet alleen de professional services sector goed kent, maar ook aantoonbare ervaring heeft met de implementatie van M-Files bij grote accountancyorganisaties.” Voor een product met een Finse en Amerikaanse grondslag, dat wereldwijd wordt gebruikt, is het niet gemakkelijk een implementatiepartner te vinden die dicht bij de klant staat en tegelijkertijd het product van A tot Z beheerst: “GeONE heeft een bewezen trackrecord in onze sector en helpt proactief bij onze uitdagingen. Bovendien beschikt hun team over alle benodigde disciplines, van strategisch advies tot de daadwerkelijke technische ontwikkeling van M-Files. In plaats van dat we slechts een product afnemen, vormen we een hands-on partnership en kunnen we direct en snel schakelen. Dat het Nederlandse GeONE in 2020 tot Global M-Files partner of the year is uitgeroepen, is voor ons een bevestiging van de goede keuze.” aldus Felix.
Proof of Concept opgevolgd met unieke implementatiemethode
Voorafgaand aan de implementatie van M-Files heeft GeONE eerst een uitgebreide Proof of Concept (PoC) opgezet, waarin de contouren van de uiteindelijke inrichting zijn geschetst. Aan de hand van de PoC werd duidelijk dat M-Files voldeed aan de ambities van CROP om eenvoudig en intuïtief te kunnen samenwerken aan opdrachten voor klanten en werd besloten over te gaan tot implementatie. Voor de implementatie van M-Files maakt CROP gebruik van de door GeONE ontwikkelde en inmiddels bewezen Build & Play implementatiemethode. Met deze unieke projectaanpak ligt de focus op maximaal resultaat, vertelt Felix: “De implementatie van een content platform als M-Files is als een open hart operatie. Terwijl de implementatie plaatsvindt, gaan de werkzaamheden gewoon door. De Build & Play implementatiemethode knipt het project op in kleine stukjes, waarbij elk onderdeel als prototype getest wordt binnen onze organisatie en uitgerold voor productie. Zo vermijden we risico’s, verzekeren we ons van naadloze aansluiting op onze processen en werkwijzen en worden onze gebruikers nauw betrokken, met 100 procent gebruikersadoptie als resultaat.”
Het M-Files platform brengt de correspondentie, documenten en informatie vanuit verschillende locaties en applicaties samen voor een volledig klantbeeld
Sigurd Felix, CROP
Toekomstbestendig informatieplatform in de cloud
De dienstverlening van CROP is veel breder dan alleen audit en belastingadvies. Met het M-Files platform wil CROP de correspondentie, documenten en informatie vanuit verschillende locaties en applicaties samenbrengen voor een volledig klantbeeld. Zo kunnen medewerkers efficiënt, proactief hun klanten adviseren en houden ze meer tijd over voor direct klantcontact. Door de uitstekende beveiliging van het cloud platform en de fijnmazige autorisatie kunnen klanten vertrouwen op de bescherming van hun gevoelige gegevens. Speerpunten van de implementatie van het M-Files platform zijn het voorkomen van gedupliceerde documenten, het stroomlijnen van workflows, geavanceerd permissiemanagement en het Google-achtig vinden van informatie. CROP gebruikt straks een toekomstbestendig platform in de cloud, omdat M-Files zich kenmerkt door grote flexibiliteit en eenvoudig aanpasbaar is aan veranderende omstandigheden en behoeften. Bovendien maakt CROP straks gebruik van de nieuwste technieken, waaronder API-integraties met bestaande systemen en intelligente informatieanalyses dankzij Artificial Intelligence en Machine Learning.