Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I. Inventarios permanentes
Una empresa adquirió durante el pasado ejercicio económico 11.000 unidades de materias
primas a un coste unitario de 100. Las existencias iniciales valoradas al mismo precio eran
de 1.000 unidades y las devoluciones de compras fueron 750 unidades. Los costes de aprovi-
sionamiento se calcularon en 500.000 y las existencias finales eran 900 unidades.
Determinar el coste de las materias primas consumidas de acuerdo con el siguiente cuadro:
2
Aplicaciones del Big Data Analytics a la Gestión de Costes
3
Aplicaciones del Big Data Analytics a la Gestión de Costes
4
Aplicaciones del Big Data Analytics a la Gestión de Costes
• Precio estandar
Se fija un precio que se mantiene durante todo el ejercicio (salvo modificaciones signifi-
cativas) y al final del mismo se ajustan las diferencias.
Hay una diferencia de 25 que representan una pérdida en relación con lo presupuestado.
1 En el Plan General de Contabilidad vigente (aprobado por el Real Decreto 1514/2007, de 16 de noviembre) no se contemplan
cuentas referidas a la Contabilidad Análitica.
5
Aplicaciones del Big Data Analytics a la Gestión de Costes
1. Aprovisionamiento
6
Aplicaciones del Big Data Analytics a la Gestión de Costes
Esta función comienza con la compra de las materias primas. Para ello
puede disponer de una oficina de compras encargada de pedir presu-
puestos a los proveedores y seleccionar las ofertas más ventajosas.
- Seguros y tributos.
2. Transformación
7
Aplicaciones del Big Data Analytics a la Gestión de Costes
- Mantenimiento de maquinaria.
- Seguros.
- Costes generales.
- Estudios de mercado.
- Tributos, etc.
8
Aplicaciones del Big Data Analytics a la Gestión de Costes
Los costes del período reflejan los gastos de explotación más los cos-
tes-oportunidad. En el proceso de cálculo hay que:
- Proceder a la clasificación de los costes.
- Localizarlos en los Centros de Coste.
- Contabilizar las relaciones entre centros.
- Imputar las cargas a los portadores de coste.
- Calcular los márgenes y los resultados.
9
Aplicaciones del Big Data Analytics a la Gestión de Costes
Los costes del período son independientes de las fechas de pago o cobro.
La localización de los costes requiere su periodificación y asignación a los
centros de costes de acuerdo con criterios de imputación racionales:
- Localización de los costes directos en los Centros de coste no suele plantear
especiales problemas.
- Los costes indirectos exigen un estudio más detallado. Deben analizarse para
desglosar las partidas.
Los conceptos no susceptibles de asignación directa a un centro de costes
se imputarán:
- En función de la superficie ocupada por el centro de costes (limpieza, alquiler de
oficinas, tributos, pintura, etc.).
- Volumen de las instalaciones: calefacción, alumbrado.
- Activos fijos asignados: mantenimiento, seguros, reparaciones.
- Número de trabajadores: atenciones sociales, servicio de comedor, seguridad e
higiene, etc.
- Potencia instalada si no hubiere contadores.
- Criterios mixtos: número de auriculares (teléfono), puntos de luz, metros
cuadrados, etc., a los que se aplica un coeficiente corrector, o bien mediante una
proporcionalidad mixta obtenida a partir de dos o más variables.
10
Aplicaciones del Big Data Analytics a la Gestión de Costes
1. Full Costing
No resulta fácil adoptar una política de precios correcta debido a que puede
cambiar la estructura de la empresa y al aumentar los costes fijos aumenta el
precio de coste de los productos.
11
Aplicaciones del Big Data Analytics a la Gestión de Costes
2. Direct Costing
12
Aplicaciones del Big Data Analytics a la Gestión de Costes
3. Umbral de rentabilidad
13
Aplicaciones del Big Data Analytics a la Gestión de Costes
14
Aplicaciones del Big Data Analytics a la Gestión de Costes
15
Aplicaciones del Big Data Analytics a la Gestión de Costes
Las acciones directas para la reducción y mejora de costes en los que Big
data puede contribuir son:
- Identificación de los productos y servicios que pueden reducirse o eliminarse sin
afectar a la rentabilidad de la empresa.
- Desarrollo de un plan de reducción gradual de costes a nivel general y de área fun-
cional sin afectar a la organización.
- Establecimiento de métodos de seguimiento (Business Intelligence o aplicaciones
ad-hoc de visualización y reporting de datos masivos) y control del cumplimiento
del plan de ahorro de costes.
- Evaluación de impacto y detección de posibles acciones de mejora.
- Análisis de aspectos críticos donde debe centrarse la estrategia para conseguir una
reducción más efectiva sin afectar a la calidad.
- Establecimiento de los riesgos a considerar en la aplicación del plan de reducción y
adecuación de costes a la realidad de la empresa.
- Utilización de aplicaciones online y herramientas en la nube (cloud) o SaaS para re-
ducir gastos directos e indirectos en la gestión del negocio e incluso en el servicio
que se presta a los clientes.
- Aprovechamiento al máximo de las ventajas fiscales y las ayudas económicas y fi-
nancieras que reduzcan los costes y gastos operativos.
- Aseguramiento de que las condiciones de los proveedores cumplen todos los re-
quisitos y con los niveles de certificación adecuados (costes de imagen).
- Implementación de un sistema de control periódico de las acciones encaminadas a
reducir todos los costes, vigilar los objetivos de cumplimiento y en caso de desvíos
no previstos aplicar las medidas correctoras específicas.
16
Aplicaciones del Big Data Analytics a la Gestión de Costes
Por su asignación
- Directos. Baja Alta
- Indirectos.
Por su nivel de actividad
- Fijos.
Alta Alta
- Variables.
- Mixtos (1).
Por su implantación en la cadena de valor
- Aprovisionamiento.
- Fabricación o transformación. Media Muy alta
- Comerciales.
- Administrativos.
Por su inserción en el tiempo
- Históricos.
- Estimados. Alta Muy alta
- Prefijados.
- Estándar.
Por su valor de producción
- Producto o servicio. Alta Muy alta
- Periodo.
(1)
Tienen las características de fijos y variables
(2)
Permanecen inalterables
17
Aplicaciones del Big Data Analytics a la Gestión de Costes
Los sectores que más se están beneficiando del big data son los de
tecnologías de la información, financiero, seguros, aerolíneas, operadores
móviles, telecomunicaciones y Administración Pública.
18
Aplicaciones del Big Data Analytics a la Gestión de Costes
19
Aplicaciones del Big Data Analytics a la Gestión de Costes
2. Transporte aéreo
20
Aplicaciones del Big Data Analytics a la Gestión de Costes
- Rutas y precios inteligentes. El Big Data también puede ayudar a las compañías
aéreas a aumentar su número de trayectos o a reforzar aquellos que les
reporten más beneficios gracias al volumen de información que se genera en
los buscadores de vuelos (Momondo, Skyscanner, Booking) además de la que
las propias aerolíneas gestionan en sus propias bases de datos.
Big data también puede ayudar a combatir uno de los peligros más frecuentes
que acechan a los aviones: las condiciones climatológicas adversas. El mal
tiempo muchas veces provoca la cancelación de vuelos con su consiguiente
coste. Para evitar que el mayor número posible de pasajeros se quede en tierra
se han empezado a incluir en las naves sensores que analizan las meteorología
de las zonas que sobrevuelan. El coste por cancelación sigue estando en las
posiciones de cabeza por el fuerte impacto en resultados.
21
Aplicaciones del Big Data Analytics a la Gestión de Costes
3. Empresas de seguros
Las compañías aseguradoras que cuentan con big data juegan con una
importante ventaja que les permitirá:
- Contar con la base de conocimiento necesaria para garantizar una óptima toma
de decisiones en los diferentes departamentos de la compañía.
- Disponer de técnicas que vayan más allá del análisis descriptivo y permitan
alcanzar una visión 360º de clientes, sistemas y eventos
22
Aplicaciones del Big Data Analytics a la Gestión de Costes
4. Empresas de telecomunicaciones
Las empresas del sector utilizan la tecnología big data y data analys-
tics para incrementar el conocimiento de sus negocios, competidores
y clientes. Pueden utilizar modelos de análisis predictivo para redu-
cir riesgos, tomar mejores decisiones y proporcionar experiencias de
cliente más personalizadas y mejorar los costes.
Los datos son tanto estructurados (perfil del cliente, peticiones de ser-
vicios, tarifas, incidencias técnicas, etc.), no estructurados (documentos,
vídeos, imágenes, contenido Web, localización, presencia, DPI, logs, gra-
baciones del contact center, etc.) y parcialmente estructurados o perfil
del cliente con CDRs (call data records) e información externa como
blogs, foros, redes sociales, etc.
23
Aplicaciones del Big Data Analytics a la Gestión de Costes
24