La mayoría de los equipos de Finanzas y Control de Gestión reconocen la necesidad de tener un rol de liderazgo en el análisis y comprensión de los datos financieros y operativos, ya que las distintas áreas de negocio recurren a Finanzas para obtener respuestas a preguntas críticas. ¿Qué clientes, productos, y canales son más rentables? ¿Cómo podemos predecir con certeza las previsiones de demanda, las ventas, y la rentabilidad? ¿A qué nuevos mercados debemos dirigirnos?
No es de extrañar que, según estudios globales de KPMG, el 90% de las organizaciones de Finanzas consideren la analítica avanzada de los datos (D&A) como una prioridad de inversión alta o moderada, y el 85% de los CEOs crean que la mayor oportunidad para incrementar el posicionamiento estratégico de los CFOs consiste en la utilización de Data Analytics para identificar medidas que faciliten el crecimiento rentable.
Sin embargo, a pesar del gran apetito que existe por el Data Analytics, la mayoría de las organizaciones financieras están luchando por obtener el valor que desean, y muchos CEOs están preocupados por la integridad de los datos que impulsan las decisiones empresariales.
Uno de los obstáculos más comunes para las organizaciones financieras consiste en la necesidad de justificar el business case que una inversión de este tipo puede representar. En general es difícil que las organizaciones vean un claro retorno de la inversión (ROI) más allá de la reducción de costes como principal driver, lo que indica que en estos casos, no se han provisto de las capacidades necesarias para impulsar su estrategia mediante soluciones de Data Analytics avanzadas.
Avanzar en este sentido no es tan simple como adoptar las nuevas tecnologías y reducir el número de personas de los equipos de Finanzas. En lugar de eso, para obtener el mayor beneficio de las capacidades de Data Analytics, desde Finanzas debe mirarse más allá del ahorro de costes y aceptar que todo el retorno de la inversión puede no ser visible desde un inicio. Las organizaciones que tienen éxito confían en Data Analytics para identificar mejoras en sus procesos de negocio en el medio y largo plazo.
Para seguir siendo relevantes, los equipos de Finanzas deben ir más allá de su rol como elaboradores de reporting y convertirse en business advisors que brinden información financiera, operativa y estratégica de calidad al resto de áreas de la compañía. A medida que aumenta la velocidad de la disrupción, Finanzas también debe adaptarse rápidamente. No obstante, con demasiada frecuencia las organizaciones comienzan por evaluar los requisitos y funcionalidades de una nueva tecnología para dar cobertura a un proceso, y en gran parte de los casos pasan meses o años tratando de armonizar los sistemas y perfeccionando sus datos antes de construir la solución adecuada.
Un enfoque mejor y más rápido consiste en comenzar por el objetivo final, – las preguntas que la compañía se esfuerza por responder – y luego volver hacia atrás para determinar qué datos son necesarios, dónde obtenerlos, qué tecnología se requiere para responder a las preguntas, y qué tipo de habilidades son necesarias para analizar los resultados e identificar las acciones a poner en marcha.
Con este tipo de ingeniería inversa, las empresas pueden crear analíticas con relativa rapidez para un área específica con impacto en la estrategia. Usando esta metodología, las compañías implementan nuevos modelos basados en drivers para la planificación y la previsión, ofreciendo resultados rápidos y tangibles al tiempo que crean una cultura analítica en la organización.
Si bien las organizaciones están preocupadas por la fiabilidad de sus análisis, no necesitan que todos sus datos sean perfectos antes de empezar. Las principales organizaciones de Finanzas están adoptando un enfoque basado en dos puntos de vista temporales sobre su estrategia de análisis e información:
Las compañías más avanzadas están compaginando el corto y el largo plazo de forma consistente, invirtiendo en el desarrollo de modelos cada vez más predictivos, sin perder el foco en el establecimiento de un modelo de governance robusto.
Deja un comentario