Estas tecnologías están facilitando información acerca del comportamiento de los clientes, potenciando la creación de nuevos modelos de negocio y revolucionando los procesos clave para optimizar la gestión del rendimiento de las compañías. Esto exige que los controllers focalicen buena parte de su tiempo en la definición de analíticas avanzadas predictivas que faciliten la comprensión sobre cómo estos cambios van a afectar a sus negocios; anticipando planes de acción para dar respuesta a los impactos identificados, y estableciendo marcos de actuación para analizar la efectividad de la inversión realizada en la creación de estos modelos. No cabe duda de que en ocasiones dicha inversión no será 100% efectiva, pero el efecto positivo de anticipar cambios en el entorno y poder aprovecharlos, puede llegar a justificar la inversión en modelos que no siempre tengan éxito.
Las empresas están dispuestas a ampliar los modelos de datos tradicionales, añadiendo información capturada de las redes sociales, logs de navegación, análisis de textos y datos de sensores para obtener una imagen completa de su cliente. En su momento tuvo bastante repercusión la noticia de que la cadena de distribución Target fue capaz de detectar cuándo sus clientes esperaban un bebé. Las empresas de telecomunicaciones, gracias al big data, pueden predecir mejor el churn de clientes. Los hipermercados pueden predecir mejor qué productos se venderán mejor, y las aseguradoras de coches pueden comprender mejor cómo conducen sus clientes. Y el número de casos de uso se incrementa cada día…
En el sector de retail los negocios están optimizando su stock basándose en estimaciones generadas gracias a datos de redes sociales, tendencias de búsquedas en la web y predicciones meteorológicas. Un proceso que se está transformando particularmente gracias al big data es el de la cadena de suministro y la optimización de rutas de reparto. Gracias al posicionamiento geográfico y sensores de identificación por radiofrecuencia se puede realizar un seguimiento de las mercancías y vehículos de reparto, optimizando las rutas e integrando datos de tráfico en tiempo real. Los procesos de recursos humanos también están siendo mejorados gracias a este tipo de análisis, desde la detección y adquisición de talento, como en la película Moneyball, hasta la medición de la cultura empresarial y la involucración de la plantilla gracias a herramientas de big data.
Llegados a este punto, debemos hacer una pausa y aclarar el punto de partida. Que es el análisis predictivo avanzado o predictive analytics? Predictive Analytics es el área que trata los diversos aspectos de las técnicas estadísticas, incluidos el modelado predictivo, la extracción de datos (data mining), el aprendizaje automático (machine learning), y el análisis de datos actuales e históricos para hacer predicciones de futuro. Las organizaciones empresariales hoy trabajan en un entorno de constantes amenazas que llegan desde cualquier lugar, competidores, condiciones de mercado inciertas, etc. Ante estas situaciones las empresas pueden confiar en modelos predictivos para explotar los patrones en datos transaccionales e históricos, con el fin de pronosticar el futuro con un cierto grado de precisión. Desarrollar un modelo de predictive analytics ayuda a evaluar los riesgos usando un determinado conjunto de condiciones y permite a las organizaciones moverse en un terreno desconocido para tomar las decisiones correctas.
A medida que el ritmo del negocio aumenta, la velocidad del cambio se acelera y los equipos se enfrentan a una creciente presión para aportar mayor valor al negocio. La pregunta que debería hacerse el controller es cómo la Función de Controlling debería involucrarse y relacionarse con estas tecnologías para trabajar con business partners y monitorizar el rendimiento empresarial. KPMG y Harvard Business School han publicado recientemente un estudio, basado en una serie de entrevistas con expertos en análisis y distintos ejecutivos de Finanzas, según el cual los recientes desarrollos en data analytics deben definir la agenda analítica de la Función de Finanzas. Esta conclusión está motivada por la posición única que ocupan estos profesionales en las compañías, y que les convierte en una pieza clave para su desarollo: los equipos de Finanzas poseen un amplio alcance organizativo, tienen una gran afinidad por la toma de decisiones basadas en hechos, son objetivas y creíbles, históricamente han administrado la información y sirven como vértice en el cual se focaliza la gestión del rendimiento.
Aunque predictive analytics lleva bastante tiempo siendo utilizado, ha sido recientemente cuando está teniendo una influencia mucho más notable gracias a la disponibilidad de sistemas de información más rápidos y baratos, a la vez que fácilmente desplegables con el objetivo de incrementar la ventaja competitiva.
Debido a los desarrollos que estamos viendo, está claro que predictive analytics no forma parte del área exclusivo de los matemáticos y estadísticos, se trata de una tecnología que se ha difundido llegando a influenciar prácticamente todas las áreas de las empresas. Hoy los analistas de negocio y los responsables en la toma de decisiones están explorando este campo para obtener más información sobre cómo piensa el cliente. Estos modelos se han ido desarrollado lentamente en los últimos 50 años pero es ahora cuando estamos asistiendo a un gran salto en el número de empresas que lo utilizan. Debido al crecimiento incesante de big data, la presión de la competencia y la necesidad de tomar decisiones basadas en datos, es imperativo que las organizaciones utilicen modelos para anticipar el comportamiento de los clientes.
Dicho lo anterior, ¿cómo puede el controller participar en el desarrollo de este tipo de modelos? Aunque cada empresa debe definir su propia agenda teniendo en cuenta las particularidades de cada negocio, el estudio de KPMG y Harward Business School antes referido, muestra que los responsables de Finanzas se deben centrar en 5 áreas en las que el enfoque definido y el liderazgo pueden marcar la diferencia:
-Definir los datos estratégicos de la empresa.
-Apoyar la inversión tecnológica para mejorar la calidad del dato y el análisis.
-Desarrollar nuevas habilidades y talento.
-Identificando business partners adecuados y modelos prestación de servicios orientados al cambio analítico.
-Gestionar el proceso cambio.
Adicionalmente el estudio también conduce a un marco de liderazgo con tres niveles potenciales de compromiso de los perfiles financieros con data analytics. Estos tres niveles abarcan las perspectivas de la empresa y de la función financiera:
-Líder empresarial: Lidera el esfuerzo para crear, comunicar y ejecutar la estrategia empresarial que debe reflejarse en la analítica avanzada.
-Consejero principal: Sirve como asesor clave y es experto en el dominio de iniciativas analíticas.
-Consejero secundario: Bajo demanda, proporciona consejos ad hoc a otras áreas comerciales y funcionales.
-Innovador: Implementa modelos analíticos, no sólo para informar, sino también para innovar en el modelo operativo básico de Finanzas y en la gestión del rendimiento de procesos.
–Power User: integra la analítica de los datos con los procesos clave.
-Evaluador: supervisa la adopción de nuevas herramientas y sistemas de data analytics.
Al adoptar estos cambios, las áreas que tomen el liderazgo, se convertirán en responsables de la toma de decisiones empresariales. Esto incluye aspectos que van desde la estrategia empresarial a previsiones de ingresos, pasando por la asignación táctica de recursos.
Los controllers deben subirse a esta nueva ola, y adquirir el conocimiento en este nuevo conjunto de metodologías y tecnologías para convertir su posición en un recurso crítico en medio de la nueva disrupción analítica.
Benigno Prieto - Director de Función Financiera en el área de Management Consulting de KPMG en España
La certificación tipo es un procedimiento reconoc...
La gestión de riesgos es hoy crítica para la fij...
Si piensas en productos de consumo, es probable qu...
