Análisis Financiero y Business Intelligence: En búsqueda de un mejor análisis

Compartir el post

El análisis financiero está madurando a un ritmo muy acelerado, pero los estándares, las herramientas y el talento todavía tienen mucho camino por recorrer.

El COVID-19 nos ha ubicado en un escenario empresarial de los más extraño, y hoy más que nunca los líderes necesitan datos para determinar cómo sobrevivir a ellos. Así, el virus ha llevado a los profesionales de las finanzas hacia el protagonismo, sobre todo a los relacionados a la analítica financiera. Se les pide que creen previsiones y modelos para situaciones en la que jamás se vieron envuelto y por las que nunca se han anticipado. Entonces, ¿está el área financiera lista para desempeñar un papel protagonista durante una crisis una vez más?

La reconocida consultora APQC llevó a cabo investigaciones sobre el estado actual y los impulsores del éxito del análisis financiero justo antes de que se hiciera evidente el verdadero impacto de la pandemia. El estudio mostró que para algunas empresas el análisis financiero puede desempeñar un papel fundamental en la duración de la recesión, sin embargo para otras, será su talón de Aquiles.

El análisis financiero es el proceso de búsqueda y recopilación de información significativa a partir de datos financieros, a menudo en combinación con otros datos empresariales, para reportar a quienes se encargan de la toma de decisiones.

Sabemos que un análisis financiero sólido puede tener un impacto positivo en una serie de resultados empresariales: mitigación de riesgos, satisfacción del cliente y resultados finales entre ellos. Además, el análisis es la palanca mediante la cual las finanzas pueden distinguirse como un socio comercial valioso para la organización. Cuando los departamentos financieros tienen preparada información basada en datos, los líderes vienen enseguida por ella.

En general, la investigación de APQC reveló que el análisis financiero está madurando a un ritmo muy acelerado. En este punto, aquellas organizaciones nuevas en el juego están en desventaja: la mitad de los 200 ejecutivos de finanzas encuestados han estado realizando análisis en finanzas durante más de 10 años, y el 68% han estado haciendo análisis al menos desde 2014. La mayoría de las organizaciones también han aumentado la inversión en análisis financiero en los últimos tres años.

Aun así, quedan preguntas. ¿Los programas de análisis financiero han madurado lo suficientemente rápido como para estar a la altura de las circunstancias? ¿Los datos de las organizaciones son precisos y fácilmente accesibles para aquellos que los necesitan? ¿Tienen las organizaciones talento capaz de realizar análisis de primer nivel? ¿Las organizaciones financieras, han pasado de las hojas de cálculo a adoptar herramientas de vanguardia? APQC indagó en estas preguntas mientras examinamos el estado actual y los impulsores del éxito del análisis financiero.

                                                                                                                              Estado actual

Estructura. La mayoría de los análisis financieros se entregan en un modelo centralizado o híbrido. El modelo híbrido aprovecha un equipo centralizado o un centro de excelencia (CDE) combinado con equipos descentralizados integrados en las unidades de negocio. Sólo el 18% de las organizaciones tienen una estructura totalmente descentralizada (y unas pocas solitarias, 4%, no tienen ninguna estructura formal). Esto refleja la creciente madurez de los análisis financieros.

La centralización proporciona alineación estratégica, rendición de cuentas y planificación coherente de la comunicación y la implementación en toda la empresa. Podemos poner como ejemplo a Cliente de CLIMBEA, del Sector Primario, con varias delegaciones, y una gestión totalmente descentralizada, pero con un modelo de datos común, que le ha permitido estandarizar los procesos de análisis financiero.. Esta configuración le permitió moverse más rápido en la integración de tecnologías y enfoques de vanguardia, como análisis predictivos de P&L y servicios cognitivos (un conjunto de algoritmos de aprendizaje automático desarrollados para resolver problemas en el campo de la inteligencia artificial).

Prácticas. Como dijo Scott Wallace de eCapital Advisors a APQC, «En un mundo ideal, el análisis financiero debe reducir todas las funciones del negocio porque las finanzas se encuentran en el centro de los datos y el negocio». La buena noticia es que estamos llegando allí. APQC encontró que una gran mayoría (97%) de los programas de análisis financieros incorporan datos no financieros en sus análisis, más comúnmente datos de operaciones, ventas y cadenas de suministro. Aproximadamente un tercio también aprovecha los datos externos sobre la industria, los competidores, las tendencias del mercado y los puntos de referencia. Es aquí donde un buen modelo de datos que dependa exclusivamente de lo que queremos controlar y no de lo que podemos (información en ERP) juega un papel fundamental.

Sin embargo, los programas de análisis financiero tienen algo de espacio para crecer cuando se trata de cómo analizan todos estos datos. Sólo alrededor de un tercio de los encuestados dijeron que utilizan la forma más avanzada de análisis, análisis prescriptivo, para la mayoría de los principales procesos financieros. La aplicación más destacada de análisis avanzado se produce en el área de los controles internos. Un poco más del 40% de los encuestados utilizan el análisis prescriptivo para identificar valores atípicos y prevenir el fraude. La previsión es otra área adecuada para formas avanzadas de análisis. APQC encontró que el 73% de los ejecutivos de finanzas dijeron que sus programas de análisis aplicaban análisis predictivos.

El análisis prescriptivo ofrece grandes beneficios que muchas organizaciones se están perdiendo. Por ejemplo, en una empresa tecnológica global (que participó en un caso práctico con APQC y la Asociación de Profesionales Financieros), el aprendizaje automático desempeña un papel central en la previsión. Los profesionales de FP&A crean algoritmos directamente en un motor de aprendizaje automático que se puede entrenar para una variedad de propósitos. Puede realizar análisis de regresión para las necesidades de previsión, presupuestación y fuerza de trabajo. Esta misma herramienta también puede utilizar la clasificación para buscar patrones. Por ejemplo, ayuda a la organización a encontrar nuevos clientes para un producto en función de sus perfiles existentes. También puede realizar la gestión de riesgos mediante la gestión de las características de las transacciones fraudulentas.

Herramientas. Cuando se trata de tecnología, Excel sigue siendo muy frecuente: el 97% de los encuestados dijo que es una de sus principales herramientas para el análisis financiero. La mayoría (73%) también aprovecha los módulos de finanzas y contabilidad de sus sistemas de planificación de recursos empresariales. Un número considerable (48%) ha desarrollado sus propias herramientas para el análisis financiero, mientras que el 39% utiliza software de análisis ya fuera de mercado. Más allá de esto, la imagen comienza a ser más compleja. Además de paquetes estadísticos como SAS y SPSS, utilizados por el 21% de los encuestados, hay una amplia variedad de herramientas de visualización, herramientas de inteligencia empresarial, complementos de Excel, herramientas de integración y lenguajes de programación que se están implementando. Todo Esto ocurre por el desconocimiento de las tecnologías de autoservicio de Microsoft de PowerPlatform, que simplificarían el trabajo y cuya curva de aprendizaje no es más elevada que empezar a aprender EXCEL

La buena noticia es que para aquellos que buscan ir más allá de Excel, hay muchas nuevas herramientas y tecnologías que son más accesibles y asequibles que nunca. Los proveedores están integrando cada vez más sofisticadas capacidades de análisis en sus productos más populares. Además en los procesos de Business Intelligence se produce un hecho muy relevante, se depura el dato y se depura el análisis.

De bueno a grande

La investigación mostró que los programas de análisis financiero son cada vez más fuertes, pero muchos están luchando para dar el salto de «bueno» a «grande». En general, el 70% de los ejecutivos de finanzas encuestados calificó su enfoque de análisis financiero como «efectivo» o «promedio», pero solo el 24% lo calificó como «muy efectivo». APQC identificó prácticas clave en tres áreas —entorno a los datos, el talento y la tecnología— que los participantes de la encuesta indicaron que impulsan el éxito de programas de análisis financieros muy eficaces. Si su organización aún no tiene estas prácticas en su lugar, considere la posibilidad de agregarlas para colocar su organización en el camino hacia lo grande.

Datos. Asegúrese de que sus datos estén limpios y sean claros. Los datos sucios son peores que los inútiles, es decir, son peligrosos. IBM estimó que los datos de mala calidad le cuestan anualmente a la economía estadounidense 3,1 billones de dólares. Los malos datos también ralentizan la productividad de los empleados y alientan a los ejecutivos a confiar en la intuición y el instinto.

La investigación de APQC mostró que los equipos financieros muy eficaces están altamente enfocados en la estandarización de datos, la calidad y la accesibilidad.

La estandarización es una de las claves para el análisis exitoso, sin ella, una organización nunca sabrá realmente si está comparando peras con peras. Considere esta anécdota compartida por el director general de Armeta Analytics: Jim Rushton, el propietario de varias estaciones de servicio quería ver las ventas por surtidor en diferentes ubicaciones. Pero, ¿qué, exactamente, en que consiste una bomba de surtidor? ¿Cada una de las boquillas de combustible era una bomba de surtidor? ¿Cada estación de combustible era una bomba de surtidor? ¿Cada lado de una estación de combustible era una bomba de surtidor? Si una organización no aclara los términos, no puede recopilar y comparar datos correctamente.

Limpiar los datos de una organización también significa ordenar y mantener la integridad de las herramientas clave, como el plan de cuentas (PGC). Los PGC desordenados causan todo tipo de problemas, desde el aumento de los costes del proceso hasta la causa de dificultades en las conciliaciones y la presentación de informes. Pueden ser un obstáculo importante en la adopción de nuevos sistemas y herramientas tecnológicas complementarios.

Talento. Invierta en su gente. La investigación de APQC demostró que invertir en experiencia en análisis técnicos vale la pena. Identificamos una relación muy significativa entre las habilidades estadísticas y el conocimiento del paquete de software estadístico y la eficacia en general.

Sin embargo, reclutar talento no es solo encontrar personas con los CV más impresionantes. Hacer crecer a tu gente también es importante. Los especialistas en análisis deben tener oportunidades para perfeccionar y ampliar continuamente sus conocimientos.

«A menudo hay una brecha entre tener un título en ciencias de datos y saber cómo aplicarlo en el mundo real», dijo Beth Lahaie, directora del programa de Divergence Academy, una universidad profesional centrada en la ciencia de datos. Por ello en Climbea solo creemos en el mundo de los datos pensado para su aplicación al entorno empresarial. http://school.powerplatform.university

Tecnología. Explora nuevas herramientas. Excel es genial, y los asistentes de hojas de cálculo saben cómo llevarlo a sus límites, pero hay una gran cantidad de tecnología emergente por ahí que algunos equipos de análisis están usando para tirar por delante del paquete. Como dijo Jay Giannantonio, director asesor de ERM y director sénior de proyectos de Column5 Consulting, «Seamos sinceros: Excel es la herramienta de finanzas y contabilidad. Ninguna herramienta es más ampliamente utilizada … pero se necesitan herramientas más allá de Excel para entrar en sus sistemas ERP y combinar esos datos con lo que está en la gestión de relaciones con los clientes de su organización y la planificación de requisitos de fabricación [sistemas] y vincularlos todo».

En particular, APQC encontró que el RPA y las herramientas interactivas de informes de autoservicio están asociados con una eficacia superior. El RPA y el Business Intenlligence son un factor enorme en todas las finanzas. La mayoría de las funciones financieras ya lo utilizan para agilizar los procesos transaccionales, como la auditoría de informes de gastos y el procesamiento de pagos de proveedores. Puede ayudar a los equipos de análisis financieros a integrar grandes conjuntos de datos de otras funciones (por ejemplo, operaciones, ventas, cadena de suministro) y de fuentes externas en la planificación financiera, la presupuestación y la previsión.

Las capacidades interactivas de autoservicio y consulta permiten a los usuarios de toda la organización acceder a los datos cuando y donde los necesiten para la toma de decisiones. Los líderes pueden explorar los resultados financieros, visualizar los datos en formatos que se sienten cómodos, aplicar restricciones relevantes para sus objetivos y profundizar en los impulsores de los resultados y las variaciones. Las herramientas de autoservicio también garantizan que todos vean la misma fuente única de verdad. Por lo tanto, la experiencia del usuario y la gobernanza deben tenerse en cuenta al adoptar estas herramientas.

Mientras que las finanzas pueden haber llegado tarde al juego en el aprovechamiento y la toma de posesión de los análisis, cada vez más organizaciones están progresando. Están agregando el talento y las herramientas necesarias para generar conocimientos analíticos que impulsen la toma de decisiones dentro y fuera de la función.

Artículos relacionados