Se generan grandes cantidades de datos todos los días. Este Big Data tiene su origen en múltiples fuentes: desde redes sociales y mensajes de texto, hasta actividades de gestión de la cadena de suministro corporativa, y transacciones financieras. Las organizaciones pueden beneficiarse de una toma de decisiones dinámica a través de la visualización de datos.

Las empresas pueden obtener información valiosa a través del análisis de todos los datos que pueden recopilar. Sin embargo, aún muy pocas compañías poseen dentro de su organización las habilidades necesarias para aprovechar las oportunidades que presentan los datos. Veamos cómo los departamentos de finanzas y contabilidad de las compañías pueden aprovechar el poder del análisis de datos, y de la visualización de datos para mejorar la toma de decisiones.

Un factor importante para obtener una ventaja competitiva en el entorno empresarial globalizado actual, es la calidad de la toma de decisiones de una empresa. Imagina las decisiones estratégicas que un CFO podría tomar con la capacidad de predecir el precio óptimo que se debería cobrar a un cliente en un día en particular. Supongamos que el controller pudiese predecir con precisión la capacidad de cobro de una cuenta por cobrar, en función de la calificación de crédito de un cliente. O piensa en el nivel de seguridad que un auditor podría obtener al analizar conjuntos de datos completos, en lugar de solo muestras.

Todos estos escenarios mencionados son posibles, hoy en día, gracias al análisis de datos o analítica de datos (Data Analytics) y a la visualización de datos (Data Visualization). Y no es necesario tener formación como científico de datos (Data Scientist) para aprovechar estas oportunidades.

Data Analytics – Análisis de datos – Analítica de datos

Data Analytics es el proceso de examinar Big Data con el fin de obtener información. Existen cuatro características clave de Big Data, a menudo descritas como las cuatro V:

  • Volumen – Es el número de registros en el conjunto de datos.
  • Variedad – Se refiere a los tipos de datos, y el conjunto de datos debe contener más de un tipo de archivo para ser considerado Big Data.
  • Velocidad – Describe la velocidad con la que se generan los datos. Cabe destacar que, una característica clave de Big Data, es que crece constantemente, a menudo a un ritmo acelerado.
  • Veracidad – Se refiere a la certeza de los datos. Los grandes volúmenes de datos pueden no ser útiles para la toma de decisiones, a menos que los datos sean limpios y precisos.

En los últimos años, el análisis de datos ha ganado una inmensa popularidad. Los avances tecnológicos, el decreciente coste del almacenamiento de datos, y la innovación en el mercado, le han valido, a la práctica, el amplio reconocimiento de las empresas.

Visión integral de las operaciones empresariales

El análisis de datos proporciona a los directivos una mayor comprensión de las operaciones empresariales, creando un ciclo de refuerzo positivo. A medida que se obtienen conocimiento cada vez más significativos, las empresas comienzan a rastrear y capturar nuevos datos adicionales para analizar. Los resultados son conjuntos de datos y conocimientos más sólidos, que conducen a preguntas y teorías adicionales, que requieren que se capture y que se analice más información para responderlas.

El análisis de datos se puede aplicar en muchas disciplinas como marketing, seguimiento de transacciones comerciales o incluso, identificación de posibles fraudes y corrupción. Abre nuevas ventanas de oportunidad para generar inteligencia empresarial (Business Intelligence), y ayudar a las empresas a operar de manera más eficiente y efectiva.

Mediante el uso de Data Analytics, las empresas pueden reducir considerablemente el tiempo, el esfuerzo, los costes y, lo más importante, pueden reducir la probabilidad de errores asociados con la revisión manual. Además, se puede realizar el análisis de datos en tiempo real en una población completa, en lugar de depender de una muestra, lo que proporciona información valiosa para ayudar a las empresas a detectar posibles actividades nefastas.

Por ejemplo, compañías como VISA pueden revisar cada transacción de tarjeta de crédito en tiempo real, y usar sistemas de supervisión basados en reglas, para marcar transacciones sospechosas. Y los bancos pueden aprovechar los sistemas de supervisión de transacciones en tiempo real, para identificar posibles lavados de dinero o financiación del terrorismo.

Data Analytics en auditoría

Data Analytics no solo agiliza las operaciones, sino que también es más útil y eficiente para detectar fraudes, en comparación con los métodos manuales tradicionales. En lugar de perder tiempo realizando pruebas transaccionales detalladas, el análisis de datos permite a los auditores centrarse en realizar análisis de riesgos de alto nivel. Además, el análisis de datos permite a los auditores revisar todo el universo de transacciones, y obtener una mayor confianza acerca de si existen o no declaraciones incorrectas importantes en los estados financieros.

Data Analytics puede ayudar dar a los auditores acceso a información en tiempo real, lo que les permite presentarse proactivamente frente a los problemas, e idear rápidamente estrategias de remediación. Por ejemplo, durante una auditoría interna, la ejecución de análisis de datos sobre reembolsos, actividad de ventas, devoluciones de productos, y datos de informes de gastos, puede revelar información y patrones sospechosos, que son indicativos de actividades y comportamientos potencialmente fraudulentos. El análisis de tendencias de los datos de pago, puede ayudar a los auditores a identificar, inmediatamente, los picos y valles que indican pagos anormales, así como cualquier otra anomalía en los datos que justifiquen una investigación adicional.

Trazabilidad

Una de las características más críticas del análisis de datos, es la trazabilidad y la repetición. Proporciona una pista de auditoría, documentada paso a paso de análisis ejecutados, para demostrar cómo se formuló la conclusión. Esto puede ser un beneficio valioso para las partes independientes, como los reguladores, al revisar el trabajo de los auditores. Si es necesario, una parte independiente puede repetir los análisis y reproducir los mismos resultados.

Para los auditores que también proporcionan servicios de consultoría, el análisis de datos se puede utilizar como un ejercicio específico para ejecutar análisis de alto impacto, y así identificar las áreas con mayor riesgo. Esto permite a los equipos de proyecto reducir el enfoque de investigación, y ahorrar tiempo significativamente. Esto se conoce como enfoque top-down, en el que el análisis de datos se aplica al universo de datos, para reducirlo a una población objetivo.

El análisis de datos también puede ofrecer un análisis holístico, o visualizar un problema en un contexto más amplio, cuando la información se vincula y se consolida desde sistemas y fuentes de datos dispares. A través de la agregación de datos y las técnicas de análisis, la información ya no está aislada, lo que permite que las relaciones y correlaciones de datos sean más fáciles de identificar.

Visualización de datos

Los insights procedentes del análisis de datos no siempre son fáciles de obtener, y pueden ser igualmente difíciles de compartir. Pero Data Analytics se puede mejorar aplicando Data Visualization, o visualización de datos. “Una imagen vale más que mil palabras”, es una expresión común que subraya la importante conexión entre las imágenes visuales y la cognición.

Los humanos podemos dar sentido a una imagen mucho más rápido y, a menudo, de manera más efectiva, que al texto. De hecho, el cerebro humano es capaz de procesar imágenes en tan solo 13 milisegundos. Un estudio descubrió que las presentaciones que utilizan ayudas visuales son un 43 por ciento más persuasivas que las presentaciones sin soporte visual. La visualización de datos es, simplemente, la representación de datos en forma de una imagen o gráfico.

Experto contable

Durante décadas, el experto contable ha creado presentaciones visuales en forma de gráficos de barras y gráficos circulares para comunicar los resultados financieros. Hoy, la visualización de datos contables (Accounting Data Visualization) y la visualización de datos financieros (Financial Data Visualization), aprovecha la intersección de las imágenes visuales, Big Data y los avances tecnológicos. El experto contable debería aprovechar la visualización de datos, dado su importante papel en la comunicación y el uso de datos para la toma de decisiones.

La visualización de datos contables y financieros, facilita la comunicación y la comprensión de relaciones complejas, y puede ayudar a los directivos a identificar patrones. Darles sentido a los conjuntos de datos complejos para la toma de decisiones, es uno de los desafíos a los que se enfrentan los ejecutivos de las empresas hoy en día. Los expertos contables que pueden comunicar, de manera efectiva, los conocimientos obtenidos a través de los datos mediante el uso de la visualización de datos, están preparados para obtener una ventaja competitiva.

La tecnología asequible hace que, hoy, la visualización de datos sea accesible para cualquier profesional con un ordenador y una conexión a Internet. Scott Berinato, de la Harvard Business School, describe cuatro tipos de comunicación visual:

#1 Ilustración de ideas

Su objetivo es comunicar claramente información compleja basándose en metáforas visuales o formas geométricas básicas. Por ejemplo, los consultores a menudo utilizan un árbol metafórico para diagramar las decisiones que se pueden tomar. Otro ejemplo: los organigramas y diagramas de flujo a menudo usan formas geométricas y jerarquías para comunicar las relaciones de las responsabilidades de reporting y el flujo de procesos.

#2 Generación de ideas

El segundo tipo de comunicación visual es la generación de ideas, o el pensamiento creativo, para resolver problemas y aprovechar oportunidades empresariales. La generación de ideas es útil para varios profesionales de empresa, desde gerentes de finanzas que buscan tomar decisiones estratégicas de reducción de costes, hasta auditores independientes que realizan reuniones de braimstorming para discutir el riesgo de fraude. Incorporar la visualización de datos financieros como parte del proceso de generación de ideas, puede conducir a una concepción de ideas de mayor calidad.

#3 Descubrimiento visual

El descubrimiento visual, el tercer tipo de comunicación visual, se puede dividir en dos categorías: prueba de hipótesis y exploración abierta. En el test de hipótesis, las visualizaciones de datos pueden servir como confirmación de que existe una relación sospechosa entre las variables. Por ejemplo, un auditor que sospeche un reconocimiento fraudulento de ingresos, podría usar la visualización de datos para comparar una población de facturas de ventas con documentos de envío, para confirmar si las ventas registradas están respaldadas por evidencia de envío. La segunda categoría de descubrimiento visual, la exploración abierta, es útil para detectar tendencias, dar sentido a datos complejos y realizar análisis profundos (deep analysis).

#4 “Dataviz” cada día

La visualización diaria de datos puede describirse como simples gráficos de líneas, gráficos ciruclares y gráficos de barras, que se pueden generar en hojas de cálculo (como Microsoft Excel o Google Sheets). Los datos, para este tipo de visualización de datos, son simples y de bajo volumen. El objetivo suele ser comunicar un mensaje simple para presentaciones formales. Algunos ejemplos incluyen rentabilidad trimestral, ingresos versus gastos, y gastos por porcentajes. A pesar de la simplicidad, es importante que le experto contable sea competente en la creación y comunicación a través de la visualización diaria de datos, porque los gráficos mal diseñados pueden dar lugar a preguntas innecesarias y a la falta de comunicación.

Herramientas de análisis de datos

La ejecución de análisis de datos requiere ciertas habilidades. Muchos expertos contables y financieros necesitan aumentar su comprensión de las tecnologías digitales y del análisis de datos como una prioridad estratégica.

Existe una gran cantidad de recursos para usar, como SQL (Structured Query Language) y Python, para ejecutar análisis de datos y para llevar a cabo diversas formas de análisis forense. SQL y Python son leguajes de programación, utilizados para acceder, manipular y analizar datos contenidos en bases de datos.

La mayoría de expertos contables y financieros están bien versados en Excel, pero, al comparar las capacidades técnicas de SQL y Python con Excel, este último es menos eficiente, e incapaz de manejar análisis de datos de alto volumen.

Tableau es una herramienta popular y valorada, porque ofrece robustez en visualización gráfica y reporting. Otras herramientas son, por ejemplo, Microsoft Power BI, Domo o Zoho Reports. Es importante tener en cuenta que la herramienta es tan buena como la persona que la utiliza, y que no puede reemplazar el juicio humano.

El experto contable y financiero puede usar el análisis y la visualización de datos como un enfoque exitoso para la reducción de problemas y para la toma de decisiones estratégicas.

Formación en análisis de datos y visualización de datos

El dominio de la visualización de datos y del análisis de datos, requiere una inversión en formación y capacitación.

La complejidad y el volumen de datos va a crecer en el futuro. Los directivos de las empresas resaltan la importancia de poder obtener información a partir de dichos datos. Al aplicar el análisis de datos, el experto contable y financiero puede dar sentido a grandes conjuntos de datos, de una manera que no era posible hasta ahora.

El experto contable y financiero puede agregar valor a sus organizaciones, al aprovechar el poder del análisis de datos y la visualización de datos, para reconocer tendencias, predecir resultados y probar hipótesis. El experto contable y financiero que aplique estas habilidades, mejorará la toma de decisiones, y le proporcionará una ventaja competitiva en el mercado.