Una estructura de datos inteligente es esencial para la toma de decisiones

Supongamos que usted es el CFO de una aseguradora y está intentando entender claramente de dónde proceden sus ganancias. ¿Qué políticas, productos o canales de venta generan ganancias o pérdidas? ¿De dónde proceden la mayoría de las reclamaciones y qué repercusiones tienen en las ganancias? ¿Cómo puede acceder a los datos de finanzas y operaciones subyacentes que revelan cuáles son los verdaderos impulsores del negocio?

Si tiene las respuestas a esas preguntas, podrá tomar decisiones justificadas sobre dónde invertir en tecnología y personal a fin de adaptarse mejor a condiciones del mercado cambiantes. Se trata de algo esencial para que su empresa esté preparada para la toma de decisiones. Si no tiene respuestas, siga leyendo. 

Competir en un mundo saturado de datos

Es muy importante saber utilizar los datos para una pronta toma de decisiones. Pero esta tarea puede ser difícil de por sí. Para empezar, el ritmo de crecimiento de los datos es abrumador. Entre 2010 y 2020, la cantidad de datos creados, capturados y copiados aumentó un 5000 %. Y no parece que el ritmo vaya a ralentizarse. Se calcula que para 2025 la población mundial generará unos 483 exabytes de datos diarios. El volumen y la velocidad crecientes dificultan a las empresas la gestión de los datos y la interpretación de los datos que usan para operar como empresa. Y también complican la capacidad para definir la propia ventaja competitiva en un mundo en rápida transformación y saturado de datos. 

Las empresas a las que esa oleada de datos crea dificultades se van hundiendo lentamente. En una encuesta de 2021 en la que participaron 85 empresas Fortune 1000, tan solo un 24 % definió sus prácticas como basadas en datos en ese último año. Y aunque la demanda de cotizados científicos de datos no para de aumentar, la rotación es notoriamente alta. ¿Cuál es el problema principal? Que las empresas no han sentado las bases para el éxito. 

Sentar las bases para ser una empresa centrada en los datos

Lamentablemente, para subsanar esas deficiencias no basta con recurrir a soluciones autónomas y agregarlas a un entorno existente. Lo que los responsables empresariales y financieros que quieren corregir esa trayectoria aprovechando el potencial de los datos deben hacer es empezar desde cero e ir ascendiendo. Para llegar a ser una empresa preparada para tomar decisiones y con perspectivas de futuro hace falta una ubicación en la que recibir, enriquecer y transformar los datos, con una conexión al system of record (SoR). Es decir, se requiere una estructura de datos inteligente.

Un Core de datos unificado y ampliamente accesible es un requisito esencial para el éxito de una empresa que tenga intenciones de modernizar su área de finanzas y el resto del negocio. Deloitte se refiere a la estructura de datos inteligente como el "modelo de información común" (o CIM, siglas de common information model). Desde la perspectiva de Deloitte, la implementación de un modelo CIM eficaz es un requisito para las empresas que desean planificar, registrar, presentar informes y medir el rendimiento de forma coherente en todo su ámbito. "Un CIM bien desarrollado creará una manera coherente de examinar los datos", explica Katie Glynn, Senior Manager of Digital Controllership de Deloitte. "Y cuando los contables consideran datos, pensamos en los datos financieros. Pero también hay que tener en cuenta datos de gestión y de operaciones para delinear una visión futura de las finanzas".

Deloitte identifica una serie de principios que contribuyen a una transformación financiera sostenible. Un modelo CIM eficaz debe ser: 

• Granular. Con datos lo suficientemente detallados para permitir la automatización, limitar la conciliación, derivar insights, ayudar a tomar decisiones y generar informes relevantes.

• Único. Cada dato tiene un propósito singular y exclusivo. Se debe evitar el solapamiento o la multiplicidad de casos de uso para que los datos no se diluyan.

• Flexible. Se debe crear una estructura capaz de adaptarse a cambios futuros, como reorganizaciones, adquisiciones y cambios empresariales. Preste mucha atención a los informes para asegurarse de que son aptos para las exigencias presentes y futuras.

• Integrado. Los requisitos normativos o empresariales deben estar totalmente incorporados en la estructura de datos inteligente o el modelo CIM. También se deben considerar necesidades ajenas al ámbito de FP&A, por ejemplo las finanzas de empresa, los informes externos, la contabilidad local y los impuestos.

• Coherente. Para potenciar la consolidación financiera y los análisis comparativos, consiga uniformidad entre todas las regiones, divisiones y empresas subsidiarias. 

• Gobernado. Defina medidas para garantizar el cumplimiento de políticas y requisitos, y para evitar "desviaciones" a lo largo del tiempo. 

Cuando se haya establecido una estructura de datos inteligente y esta se haya adoptado en todos los departamentos, tanto financieros como no financieros, las empresas podrán servirse de un conjunto de datos más completo que simplifica los workflows de contabilidad y planificación, y en última instancia mantiene a las empresas preparadas para tomar decisiones.

Un sistema de planificación con capacidades modernas 

Por muy esencial que sea, una estructura de datos inteligente no funciona sola. Para usarla, hacen falta diversas capacidades y tecnologías con las que crear (y planificar) de cara al futuro. Entre ellas están las siguientes:

• Arquitectura in memory. Cuando se almacenan en memoria grandes cantidades de datos, se reduce drásticamente el tiempo de procesamiento y deja de ser necesario el procesamiento batch para obtener los informes financieros finales.

• Datos en tiempo real. Un clima empresarial cada vez más cambiante exige datos en tiempo real que permitan evaluar con exactitud las condiciones y restricciones actuales y que sean útiles para tomar decisiones justificadas y corregir el rumbo hábilmente. 

• Modelo de datos orientado a objetos. Para sacar el máximo partido de los insights derivados de los datos, hace falta un modelo de datos orientado a objetos en lugar de una estructura tradicional de libro mayor de plan contable. Con una dimensionalidad nativa, se pueden utilizar analytics más exhaustivos y capacidades de informes más versátiles y granulares.

• Modelo de seguridad conectado. La inferencia de insights y acciones a partir de datos de gestión, operaciones y finanzas depende de la capacidad para tenerlo todo en un mismo sitio y permitir el acceso seguro desde todas las aplicaciones. 

• Inteligencia artificial (IA) y machine learning (ML). Para ayudar a gestionar riesgos, detectar anomalías y agilizar la toma de decisiones acertadas, AI y ML deben ser parte integral de las soluciones de planificación. 

• API e integraciones. Integre sencillamente su ecosistema de fuentes de datos y sistemas empresariales para tener un entorno interconectado que funcione como una sola unidad. 

Entender e incluso predecir su negocio

Cada vez son más los equipos financieros que guían la transformación digital de las operaciones de contabilidad y FP&A. Y los encargados de tomar las decisiones se benefician de la implementación de una estructura de datos inteligente combinada con capacidades modernas como la obtención de valiosos insights de toda la empresa, la planificación centrada en el futuro y la toma de decisiones ágil. Muchos de esos equipos recurren a Workday para lograrlo.

En lugar de tener que pedir a los clientes que creen un entorno completo amalgamando tecnología y middleware de todo tipo (sin mencionar la programación personalizada, que restringe aún más el entorno para el área de finanzas), ahora es posible habilitar un entorno apto para la toma de decisiones a través de un único sistema que recibe, enriquece y transforma datos en contabilidad y luego utiliza esos datos para analytics avanzados y planificación. Y todo eso se consigue sin que la función de finanzas pierda el control de la situación.

Stefan Ball, Senior Solution Marketing Manager de Workday, apunta que los clientes de Workday pueden combinar datos de operaciones de fuerza laboral y finanzas para crear un data hub empresarial que es propiedad del área de finanzas. "Podemos crear contabilidad a partir de esos datos operativos y a la vez mantener la conexión con los detalles de su procedencia", explica Ball. "Y todo eso se conecta y se protege mediante el modelo de seguridad ya existente en Workday".

Al aprovechar este Core de datos unificado, la función de finanzas puede establecer conexiones significativas, colaborar con otros departamentos y unidades de negocio, adaptarse continuamente y reaccionar en tiempo real. Con la adición de grandes volúmenes de datos operativos internos y externos, la planificación, la previsión y los análisis se hacen más granulares y flexibles, con una traza de auditoría completa. Eso permite convertir los datos en útiles métricas e indicadores clave de rendimiento, obtener insights más detallados, realizar análisis comparativos en paralelo e identificar factores impulsores, patrones y correlaciones. 

También ayuda a mirar adelante. "Estamos integrando el machine learning en este entramado para cosas como ayudar a entender asientos anómalos, automatizar procesos como la recepción de facturas o recibos de gastos de los empleados. Al detectar anomalías antes de que los clientes las encuentren en sus análisis, les ayudamos a mantener sus datos en el mejor estado posible", explica Ball.

Con este data hub, la empresa consigue todo tipo de insights de operaciones. Retomando nuestro ejemplo de la compañía aseguradora (recuerde que partimos del supuesto de que ocupa el cargo de CFO): un entorno unificado y apto para la toma de decisiones permitiría que su equipo financiero determine los mayores impulsores de ganancias, pero además podrían combinar datos de finanzas, operaciones y personas para identificar sobre qué empleados recae la máxima responsabilidad de generar ingresos y ganancias. Podría analizar aspectos como datos meteorológicos o geoespaciales, e incluso factores en los que ha influido la pandemia. Desde prácticamente cualquier perspectiva (agente de servicio, división, región, etcétera), puede indagar en su pipeline de oportunidades, examinar su capacidad y la demanda y evaluar los atrasos comparados con las previsiones. 

Una toma de decisiones orientada al futuro

Está claro que los líderes empresariales saben que la solidez y la longevidad de sus negocios dependen de su presteza a la hora de tomar decisiones y, en gran medida, eso implica basarse en datos. Pero muchos no saben cómo conseguirlo.

El camino a seguir está mejor definido y también es más prometedor para quienes entienden la importancia crítica de una estructura de datos inteligente bien diseñada. Como indica Ball, "Una cosa es tener todos los datos juntos en una misma ubicación. Pero el objetivo final es usarlos para impulsar la toma de decisiones".