Aplicaciones Del Big Data Analytics A La Gestion de Costes

Aplicaciones del Big Data Analytics a la Gestión de
Costes
Aplicaciones del Big Data Analytics a la Gestión de Costes | 1

TABLA DE CONTENIDO
INVENTARIOS PERMANENTES ........................................................................................................ 3
CRITERIOS DE VALORACIÓN DE LAS EXISTENCIAS ........................................................................ 5
CENTROS DE COSTES .................................................................................................................... 7

Aprovisionamiento .................................................................................................................. 9
Transformación ..................................................................................................................... 10
Centro de costes comerciales .............................................................................................. 10
Centro de costes de administración ..................................................................................... 11
CRITERIOS DE IMPUTACIÓN DE COSTES ...................................................................................... 12
COSTE DEL PRODUCTO Y UMBRAL DE RENTABILIDAD ................................................................ 13

Full Costing ........................................................................................................................... 14
Direct Costing ....................................................................................................................... 15
Umbral de rentabilidad ......................................................................................................... 16
BIG DATA ANALYTICS ................................................................................................................... 16
PROCESOS Y ÁREAS DE REDUCCIÓN DE COSTES ........................................................................ 18
APLICACIONES PARA LA REDUCCIÓN DE COSTES ....................................................................... 20
INCIDENCIA DEL BIG DATA EN LOS COSTES ................................................................................ 21
TRIÁNGULO CALIDAD, COSTE Y BIG DATA ................................................................................... 23
APLICACIONES SECTORIALES DEL BIG DATA ............................................................................... 24

Sistema sanitario y de salud ................................................................................................. 24
Transporte aéreo .................................................................................................................. 25
Centro de costes comerciales .............................................................................................. 27
Empresas de telecomunicaciones ........................................................................................ 28
BIBLIOGRAFÍA ............................................................................................................................... 30

Inventarios permanentes
Los inventarios contienen la relación de las existencias vinculadas a la explotación de

la empresa. Registran las entradas y salidas de materiales. Se pueden valorar a precios de
coste o a precios de venta.
Los programas de inventarios suelen recoger el código de los artículos, su descripción, stock
inicial, entradas, salidas, precios medios, última compra, niveles recomendables (mínimos y
máximos) de existencias, valoración por elementos y total.
Las empresas industriales suelen distinguir al menos tres clases de existencias: materias
primas, productos y trabajos en curso y productos terminados.
Ejemplo:
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 aprovisionamiento 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:
Consumo de Materias Primas

Los costes sufridos por mermas, deterioro u obsolescencia suelen afectar a las
materias primas, productos en curso y productos terminados. Pueden calcularse con
carácter estándar (mediante estudios estadísticos) o con carácter histórico (real).

Criterios de valoración de las Existencias
Durante el transcurso del ejercicio se realizan diversas compras de materiales a precios

diferentes. Los costes de aprovisionamiento pueden variar durante el período considerado
(variación del personal de la oficina de compras, ampliación o reducción de las
instalaciones, etc.).

Las existencias iniciales pueden figurar contabilizadas por un precio diferente de las
compras. La valoración de las salidas de almacén pueden realizarse con distintos criterios.
Los más habituales son: Precio Medio Ponderado, FIFO (primera entrada, primera salida) y
Precio Estándar.
Precio Medio Ponderado (P.M.P. = Valor existencias iniciales + Coste compras)
F.I.F.O. (Primera entrada, primera salida)
Precio estandar

Se fija un precio que se mantiene durante todo el ejercicio (salvo modificaciones significativas) y
al final del mismo se ajustan las diferencias.
Existencias final estándar = 150 x 12,5 = 1.875
Valoración existencias finales = 150 x 12,6 = 1.900
Saldo = 1.900 – 1.875 = 25
Hay una diferencia de 25 que representan una pérdida en relación con lo presupuestado.
Centros de costes
La Contabilidad Analítica no sólo persigue calcular los costes de los productos, sino también
conocer la eficacia de los centros y secciones de coste, el grado de cumplimiento de sus
objetivos y la eficiencia de su funcionamiento.
El grupo 9 del Plan General de Contabilidad de 19731 preveía, a estos efectos, la existencia de

los siguientes centros de costes:
Aprovisionamiento (940) (Ap)
Transformación (941) (T)
Comercial (943) (C)
Administración (944) (A)
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 Analítica.
Los costes imputables a un nivel de ocupación o actividad inferior a la potencial se pueden

registrar en el Centro de Costes de subactividad.
Los suplementos de costes-oportunidad representan la imputación a los centros de actividad

y subactividad de los costes de los recursos financieros derivados de la utilización de capitales
propios y del sueldo del empresario (cuando no está contratado).
Después de clasificar los costes externos aportados por la contabilidad financiera y los
calculados por la contabilidad analítica (amortizaciones y diferencias de inventario) el proceso
de costes exige su localización en los centros de costes.
Dependiendo de la estructura de cada empresa y del sistema de costes implantado (Direct

Costing, Full Costing ) se establece una división en centros de costes que podrán subdividirse en

departamentos, secciones, talleres, etc.
Los costes directos se imputan al centro correspondiente. Posteriormente se atribuyen a cada

centro o sección los costes indirectos (en función de criterios racionales de reparto) y
finalmente se contabilizan las relaciones entre los distintos centros y secciones.
El siguiente paso es la asignación de los costes de los centros a los productos para determinar
los márgenes y resultados (globales, por centros, departamentos, secciones, líneas de
producción y productos).
Aprovisionamiento
El centro de aprovisionamiento cumple con la función de suministrar al centro de

transformación las materias primas necesarias para la fabricación de los productos.
Esta función comienza con la compra de las materias primas. Para ello puede disponer de una
oficina de compras encargada de pedir presupuestos a los proveedores y seleccionar las ofertas
más ventajosas.
Requiere instalaciones y personal adecuado para el control y almacenamiento de los

suministros, operarios especializados en gestión de stocks y suministro de acopios a la fábrica o
talleres.
El coste neto de los materiales adquiridos, los costes del personal adscrito al almacén de
materias primas y de la oficina de compras constituyen un coste directo del centro de
aprovisionamiento.
En muchas empresas pequeñas y medianas la función de compras es compartida por personal

asignado a otros departamentos (Comercial, Administración, etc.) en cuyo caso será preciso
adoptar un criterio de valoración racional para asignar los costes incurridos a cada centro de
costes.
Entre los costes indirectos imputables al centro de aprovisionamiento están:
Amortización o alquiler de oficinas, mobiliario, equipos informáticos, etc.

Calefacción, energía eléctrica, comunicaciones, etc.
Un porcentaje de los gastos de material de oficina.
Seguros y tributos.
Servicios generales (limpieza), etc.
Transformación
El centro de costes de transformación recibe las materias primas del centro de

aprovisionamiento y las transforma en productos terminados, que pasan al almacén de
existencias comerciales.
Si el proceso de transformación es complejo y susceptible de diferenciarse por fases

homogéneas, suele ser conveniente definir secciones de coste en las que se refleje el valor
añadido al producto en cada una de sus etapas de fabricación. Son costes imputables al centro
de transformación:
Alquiler y/o amortización de naves industriales, maquinaria y patentes.
Mano de obra directa.
Costes de personal indirectos.
Mantenimiento de maquinaria.
Seguros.
Costes financieros imputables a la fabricación.
Costes generales.
Centro de costes comerciales
Recoge los costes derivados de la función de distribución o ventas de la empresa. Suele

dividirse en secciones:

Principales: Ventas mercado interno, exportación.
Auxiliares: Estudios de mercados, publicidad, servicio post-venta, etc.
Puede plantear problemas de imputación en relación con el centro de costes de Administración

(contabilización de clientes, facturación, etc.). El criterio dependerá del modelo de costes
adoptado. Entre los costes imputables podemos destacar:
Costes fijos de personal y comisiones a agentes de ventas.
Coste de almacenamiento de productos terminados y mercancías.
Ferias, publicidad, catálogos, etc.
Estudios de mercado.
Amortización o alquiler de oficinas de venta.
Tributos, etc.
Centro de costes de administración
Recoge los costes derivados de las funciones de Administración y Dirección.
Dependiendo del modelo de costes aplicado a la empresa se pueden seguir cuatro opciones:
Imputar la totalidad de los costes a los centros de aprovisionamiento,

transformación y comercial.
Asignar la totalidad de los costes al departamento comercial para obtener el coste

completo.
Solución ecléctica: Las cargas semidirectas se imputan a los otros centros de costes y
las generales se restan directamente de los resultados analíticos o se suman al coste
comercial para obtener el coste completo.
1. La administración derivada de las compras (contabilidad de proveedores, servicio

informático auxiliar, etc.) se imputará al centro de aprovisionamiento.

2. La administración de la producción (parte proporcional de contabilización de nóminas,
control horario, informatización del movimiento de almacenes, etc.) se incluirá en el
centro de transformación.
3. La administración de las ventas (contabilidad de clientes, servicio informático, %
nóminas, presupuestos, etc.) se cargará en el Centro de costes comercial. El resto de
cargas (auditoría, servicios jurídicos, dirección, secretaría, etc.) pueden imputarse a un
Centro de costes de Administración o sumarse al coste comercial.
Criterios de imputación de costes
Los costes del período reflejan los gastos de explotación más los costes-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.
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.
Coste del producto y umbral de

rentabilidad
Para determinar el precio de venta de un producto se debe tener en cuenta que cubra sus
costes y que sea el precio que el mercado esté dispuesto a aceptar.
Es necesario establecer el modelo adecuado para determinar el precio de venta del

producto. Las empresas que trabajan con muchos productos necesitan conocer en qué medida
los costes se reparten entre ellos. Para determinar el nivel de producción se debe tener en
cuenta la demanda del producto y la distribución entre costes fijos y variables:
Costes fijos (de estructura). El importe imputable a cada producto variará

dependiendo del volumen de actividad de la empresa. A mayor producción el coste
unitario de estructura será menor y viceversa.
Costes variables. Su cuantía aumenta o disminuye en función de la actividad realizada.

Cuando el número de unidades producidas es igual al número de unidades vendidas ambos
modelos ofrecerán el mismo resultado aunque la presentación de la cuenta de resultados sea
distinta.
Cuando la producción es mayor que la venta el beneficio contable según el Full Costing es
superior al de Direct Costing debido a que las existencias de productos finales incluyen todos los
costes.
Full Costing
El sistema de costes completos (Full Costing) se caracteriza porque se imputan todos los
costes de producción, tanto los directos como indirectos sean fijos o variables.
Se calcula el beneficio neto por cada producto o línea de productos lo que permite distinguir la
rentabilidad de cada uno y adoptar medidas correctoras.
El proceso de producción puede dar lugar a la fabricación simultánea de más de un producto.

Siempre que los costes de fabricación de cada tipo de producto no sean identificables por
separado es necesario distribuir el coste total entre todos los productos. Las principales ventajas
y desventajas de este modelo son:
Ventajas. Permite la distribución del resultado de la empresa entre todos los productos
para analizar en qué medida cada uno de ellos ha colaborado a su obtención.
Es el mejor método para la fijación de precios en empresas que trabajan por pedido. Se puede
determinar un precio de venta que cubra todos los costes asignados al pedido y calcular un
beneficio.
Desventajas. La información que se obtiene no es suficiente para adoptar decisiones

sobre la conveniencia de fabricar o dejar de fabricar ya que engloba todos los costes. No
permite realizar la distribución entre costes fijos y variables.
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.

Direct Costing
El modelo de Direct Costing (Coste Parcial) se caracteriza porque solo se imputan al producto
los costes variables de fabricación.
Una vez realizada la distribución entre costes de fabricación, de administración, venta y

financieros se clasifican los costes de fabricación entre fijos y variables. Sólo los costes variables
formarán parte del coste del producto.
Los costes fijos de producción no incrementan el coste del producto debiendo ser absorbidos
directamente en la cuenta de resultados por el margen bruto industrial. Las principales ventajas
y desventajas de este modelo son:
Ventajas
Elimina la complejidad y arbitrariedad en el cálculo y reparto de costes fijos al no

tener que distribuirlos entre los productos.
La información sobre rendimientos por líneas de productos es de gran utilidad para

la toma de decisiones. Se puede conocer la incorporación de cada producto al
margen de la empresa y analizar su rentabilidad de la fabricación.
Posibilita el cálculo del umbral de rentabilidad de cada producto al realizar la

distribución de los costes entre fijos y variables y la toma de decisiones sobre si
seguir fabricando o no un producto determinado.
Facilita la adopción de políticas de precios de ventas puesto que el margen del

producto no está distorsionado con la inclusión de costes fijos.
Desventajas
Las existencias aparecen infravaloradas puesto que no incorporan todos los costes.
La subdivisión en fijos y variables presenta un grado de subjetividad.

Umbral de rentabilidad
Se llama Umbral de Rentabilidad o Punto Crítico (punto muerto) al volumen mínimo de

ventas que la empresa debe alcanzar para empezar a obtener rentabilidad.
Se alcanza el Umbral de Rentabilidad cuando el volumen de ventas permite obtener un

MARGEN sobre sus costes variables que cubra todos los costes fijos de la empresa.
A llegar a ese volumen de ventas la empresa no obtiene beneficio ni pérdida y, en adelante, la

diferencia entre ventas y sus costes variables será beneficio.
P. M. = Volumen de ventas que hace que el margen sobre sus costes variables sea
igual a los costes fijos totales.
Big Data Analytics
El Big data analytics es la generación de técnicas de analítica avanzada para

grandes conjuntos de información. Es una herramienta para generar oportunidades y
posibilidades de negocio en tiempo real, moviendo la información y los datos, minimizando
riesgos y controlando costes. Es análisis predictivo, minería de datos, analítica de textos,
análisis estadístico y visualización de datos.
Las aplicaciones que analizan los datos requieren que la velocidad de respuesta sea lo más
rápida posible para obtener información correcta en el momento preciso.
El avance de la tecnología ha generado un nuevo enfoque de la toma de decisiones basado en

el gran volumen de información y la gran variedad de datos. Los datos pueden ser
representados mediante dispositivos móviles, audio, vídeo, sistemas GPS, sensores digitales en
equipos industriales, automóviles, medidores eléctricos, etc. para medir y comunicar el
posicionamiento, movimiento, vibración, temperatura, humedad, etc.

Estas características del Big Data unidas a la necesidad de verificar la información para obtener
valor conforman las 5 V’s de Big Data.
Las aplicaciones directas de las nuevas herramientas y sistemas de manejo y control de la

información con incidencia en la gestión de la analítica de costes son:
Redes sociales y web: incluye contenido web e información, que se genera y obtiene de
las redes sociales como Facebook, Twitter, LinkedIn, blogs, etc.
Machine-to-Machine (M2M): tecnologías que permiten conectarse a otros dispositivos.

M2M utiliza dispositivos como sensores o medidores que capturan algún evento y
transmiten (a través de redes alámbricas, inalámbricas o híbridas) a otras aplicaciones
que los traducen en información significativa que utiliza el ecosistema de big data para
generar información útil.
Analítica de procesos: incluye todo tipo de registros que necesitan un posterior

tratamiento y enfoque hacia la estrategia de la organización. Estos datos (que tienen un
carácter transaccional y multicanalidad) están disponibles en formatos semiestructurados
y estructurados.
Biometría: información de carácter humana o biométrica en la que se incluyen huellas

digitales, escaneo de la retina, reconocimiento facial, genética, etc. En el área de

seguridad e inteligencia los datos biométricos son una información importante para
muchos modelos de seguridad, control o investigación.
Internet de las cosas: Revoluciona todo el sistema de mecanismos, aparatos y sistemas

domóticos para ofrecer una revolución inteligente en las cosas cotidianas (TV’s, neveras,
vehículos, etc).
Sistemas empresariales: Identifica de qué forma afecta a la gestión integral de los

costes.
Personal data: las personas y las empresas generan ingentes y diversas cantidades de
datos: información del call center al establecer una llamada, notas de voz, mails,
expedientes electrónicos, estudios médicos, etc.
Procesos y Áreas de reducción de costes
La identificación de los procesos y áreas que contribuyen a un alto coste operacional es

imprescindible para que implantar con éxito un sistema de Big Data. Con las herramientas
correctas (adaptadas al modelo de empresa) y el conocimiento de las mejores prácticas de
mercado es posible reducir las principales fuentes de costes de la empresa (de
departamentos a procesos y viceversa) para diseñar una estrategia de aumento de la
competitividad, rentabilidad y valor del negocio.
La inestabilidad del escenario económico impulsa la evaluación continua de los costes para
poder reducirlos. Para que la reducción se refleje en un resultado efectivo y duradero es
necesaria una estrategia y una planificación adecuada.
Para la planificación de la política de costes hay que conocer el coste de cada uno de los
procesos. Al establecer la estrategia es imprescindible focalizarla en procesos, personas y
tecnología. Los elementos que deben ser analizados son:
Diagnóstico de Eficiencia en Costes: identificación de oportunidades de reducción de

costes de los procesos administrativos, financieros, operacionales y de Tecnologías de la

Información (TIC) es un factor clave del big data que simplifica y mejora los procesos en
tiempo de ejecución y en visualización de los datos.
Fuentes estratégicas de entrada de datos: Evaluación y control de las fuentes de

información y su incorporación y alineamiento a los sistemas de información desde todas
las posibles fuentes de entrada (formularios, web, blogs, correos electrónicos, etc).
Optimización del stockage: la reducción de los costes por stock, el MRO

(Mantenimiento, Reparación y Operaciones), WIP (Work in Process) y producto o servicio
finalizado con determinados análisis estadísticos (basados en niveles de servicio y
criticidad del producto) son tratados directamente por la aplicación de big data.
Reducción de costes por operaciones logísticas: se necesitará una revisión del

modelo de planificación, ejecución, control y contratación de las operaciones. Big data
aporta transparencia, rigurosidad y trazabilidad para reducir los costes implantando un
sistema de control de stocks innovador que permite reducir el tiempo entre el click y la
entrega.

Aplicaciones para la reducción de costes
La utilización de las herramientas de big data permite las siguientes aplicaciones:
Reducción de carga administrativa.
Eliminación de duplicidades, redundancias e inconsistencias.
Mejora en la cadena de valor del negocio.
Aportación directa en la toma de decisiones sobre acciones estratégicas.
Aprovechamiento de las sinergias que se producen.
Optimización de los activos y recursos productivos.
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

funcional 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
reducir 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

financieras que reduzcan los costes y gastos operativos.
Aseguramiento de que las condiciones de los proveedores cumplen todos los requisitos 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.
Incidencia del Big Data en los costes

(1) Tienen las características de fijos y variables
(2) Permanecen inalterables
Triángulo calidad, coste y big data
Este triángulo se ha convertido en un elemento diferenciador y potenciador de la

rentabilidad y el crecimiento empresarial:
Una política de optimización de los costes operativos con la aplicación de técnicas que
minimicen los fallos y errores incrementa la calidad en los procesos y la toma de decisiones y
redunda en un incremento significativo de la rentabilidad.

Aplicaciones sectoriales del Big Data
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.
Las grandes empresas y organizaciones (Amazon, Google, Facebook, Linkedin o Twitter) han
sido las primeras en aprovechar big data para reducir costes, mejorar su productividad,
optimizar su servicio de atención al cliente, desarrollar nuevos productos y servicios, etc.
Sistema sanitario y de salud
El sistema hospitalario y de salud es un sector de gran uso de big data para reducir costes
implícitos de los clientes. Siguiendo sistemas de algoritmos en los que basan las herramientas
de big data para la reducción de costes se pueden citar seis categorías:
Pacientes de alto coste. En algunos hospitales y sistemas de salud sólo el 5% de los

pacientes representa casi la mitad de todo el gasto en salud. La información actual
permite predecir qué pacientes tienen riesgo elevado de ser de alto coste.
Probabilidad de reingresos (re-hospitalizaciones). Hasta una tercera parte de los

reingresos son prevenibles. Con el uso de algoritmos desde la aplicación de big data se
puede controlar cada paciente y predecir el que tiene mayor probabilidad de ser
readmitido, seleccionar la intervención más adecuada y asegurarse de que la reciba.
Sistema de clasificación por prioridades (Triage). Es muy importante para gestionar

los recursos técnicos y humanos, asegurando que el paciente sea enviado rápidamente a
la unidad correcta para su atención. El sistema estaría monitorizado por la herramienta
big data para agilizar y mejorar la calidad de la atención.
Descompensación. A medida que la condición del paciente hospitalizado empeora

ciertos órganos pueden no compensar. Los datos fisiológicos (signos vitales, resultados de
laboratorio, etc) se pueden utilizar para determinar si el paciente está en riesgo de

descompensación. Se gestiona por los sistemas analíticos de big data puesto que se
necesitan utilizar muchos flujos de datos para detectarla.
Eventos adversos. Son muy costosos y pueden dar lugar a altas tasas de mortalidad.
Son prevenibles con la utilización de sistemas basados en data analysts. Los eventos más
frecuentes son la insuficiencia renal, infecciones y reacciones adversas a medicamentos.
Optimización del Tratamiento. En el caso de enfermedades crónicas que afectan a

muchos órganos y sistemas una gestión clínica adecuada es esencial para mantener los
costes bajos. La falta de acceso a las historias clínicas ha sido un gran freno para el uso de
grandes volúmenes de datos para el tratamiento.
Transporte aéreo
Manejar de manera inteligente la enorme cantidad de información a la que las compañías

aéreas tienen acceso puede ayudar a recortar drásticamente sus costes y mejorar su
eficiencia. El mes de abril de 2016 la Eurocámara aprobó el “Registro Europeo de pasajeros”
en los que las aerolíneas deberán informar de 19 datos de cada cliente por billete. Por ejemplo,
Amadeus (con más de 393 aerolíneas usuarias) deberá de trabajar con casi 20 petabytes de
información.
Gracias a los avances tecnológicos y al uso online de información que rodea a las aerolíneas el
Big Data se ha convertido en una parte fundamental de la vigilancia del sector. Su uso
continuado permite obtener sinergias que generan reducciones de costes muy significativas.
Gran parte de esa información proviene de las propias señales que mandan los componentes
del avión que se vuelven inteligentes. Las piezas que más suelen pasarse al lado inteligente son
los motores en los que podría haber hasta 5.000 elementos monitorizados que vigilaran la más
mínima variación de la temperatura o de la presión para comunicárselo al piloto o la torre de
control.
El seguimiento pormenorizado de la flota proporciona a las aerolíneas una enorme cantidad de

datos que les permitirán prevenir ciertos contratiempos y les ayudarán a ahorrar millones de
euros además de los costes que supondrían accidentes desde el punto de vista de coste
humano y material. Los aspectos principales a considerar son:

Mantenimiento eficiente y prevención de riesgos. Una de las principales ventajas
que proporciona el seguimiento por un modelo de big data o data analytics es la
posibilidad de conocer en cada momento el estado de todos los componentes de los
aviones a través de un ckeckin automático. Esto permite a las compañías empezar a
personalizar el mantenimiento de su flota en función de cómo se encuentre
verdaderamente, reduciendo costes de personal, material y de recursos.
Si hay partes afectadas se podrán reemplazar cuando se necesite. Además de evitar posibles
accidentes ahorra a las aerolíneas las reparaciones o reemplazos más costosos. Un ejemplo
sería la tecnología que aplica General Electric Aviation en sus motores que hace que detecten
cualquier pequeño fallo antes de que cause problemas.
Ahorro de combustible. Los motores inteligentes calculan in situ la velocidad adecuada

para no consumir combustible de más y avisan cuando se emplea demasiada cantidad
para cubrir el trayecto. Si se hiciera caso a sus indicaciones sin variar las características
de la nave las compañías podrían reducir en mayor o menor medida su gasto en
combustibles por cada trayecto y aparato.
Por ejemplo AirAsia consiguió ahorrar en 2014 entre 30 y 50 millones de dólares usando
sensores inteligentes de General Electric controlados por una aplicación de data analytics. Esto
redunda positivamente en la estrategia ya que la aerolínea pudo ampliar sus rutas comerciales.
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.
Compilando, comparando y analizando lo que se sabe sobre las rutas más demandadas (las que
los usuarios necesitan pero no tienen o el grado de ocupación de ciertos vuelos) las aerolíneas
pueden trazar una hoja de ruta con la que potenciar o minimizar lo que pueda ocasionarles
pérdidas. Se controlan los costes de marketing al focalizarse sobre destinos más valorados y
reducir o eliminar la publicidad en otros o simplemente cerrando rutas no rentables o que no
vayan a ser rentables según el propio modelo que big data proyecte.
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.
En 2014 su uso hizo que la aerolínea estadounidense Southwest Airlines desafiara las
predicciones que auguraban una tormenta de nieve y se aventurara a cumplir con la
planificación de vuelos establecida. Según los datos de su datamart la tormenta no iba a afectar
a sus rutas. Y acertó. Se ahorraron más de 8 millones de dólares por los costes de cancelaciones
de vuelos que sí que tuvieron que asumir otras compañías competidoras.
Centro de costes comerciales
Empresas de seguros
Son muchos los factores que generan impacto desde el punto de vista de los costes en este
sector, en los que big data es una clara apuesta de éxito: problemas de integración,
dificultades para la detección del fraude, falta de optimización de los procesos. Las
aseguradoras van más allá del business intelligence con big data. Los objetivos son:
Conseguir los clientes y no sólo los que son capaces de captar.
Retener a los mejores.
Poder expandirse a otros mercados cuando se considere oportuno y en condiciones de

riesgo mínimo.
Big data gestionará ingentes volúmenes de datos para identificar patrones, crear modelos,
probar hipótesis e integrar el modelo con la organización. De esta forma se accede al análisis
predictivo ayudando a anticipar situaciones futuras con clientes.
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.
Encontrar medios más fáciles de integrar los diferentes sistemas transaccionales, data
warehouse, data marts, datos sociales o datos telemáticos, para garantizar condiciones
óptimas de análisis.
Disponer de técnicas que vayan más allá del análisis descriptivo y permitan alcanzar una
visión 360º de clientes, sistemas y eventos
Reducir costes de riesgos y abandono.
Escoger y retener a los mejores clientes, en función de sus perfiles.
Detectar el fraude de forma prematura.
Aumentar su capacidad de innovación para la creación de nuevos productos y

servicios, que desde la transparencia, garanticen la satisfacción del cliente.
Empresas de telecomunicaciones
Big Data y el mercado de las telecomunicaciones presentan alianzas estratégicas que son
vitales para el futuro de unos de los sectores con más demandas de los clientes y con la
necesidad de contar con elementos que permitan competir.
En los operadores de telefonía móvil la reducción de costes (cuando no se puede ingresar más)
es la vía más rápida para obtener resultados.
Las empresas del sector utilizan la tecnología big data y data analytics para incrementar el
conocimiento de sus negocios, competidores y clientes. Pueden utilizar modelos de análisis
predictivo para reducir riesgos, tomar mejores decisiones y proporcionar experiencias de cliente
más personalizadas y mejorar los costes.
Para las operadoras de telecomunicaciones big data está suponiendo nuevas inversiones ya que
aumenta el tráfico de las redes y la demanda de los sistemas cloud o en la nube. También son
necesarios nuevos conocimientos, plataformas hardware, herramientas software y procesos

operativos y comerciales. Además big data es una poderosa tecnología que pueden explotar
para ganar cuota de mercado, mejorar la percepción del cliente, crecer en ingresos, en
rentabilidad y optimizar operaciones.
Los operadores obtienen información muy valiosa sobre sus clientes pero por diversos
motivos no han podido extraer aún todo el valor estratégico de dichos datos.
Los datos son tanto estructurados (perfil del cliente, peticiones de servicios, tarifas,
incidencias técnicas, etc.), no estructurados (documentos, vídeos, imágenes, contenido Web,
localización, presencia, DPI, logs, grabaciones 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.
Mediante DPI (Deep Packet Inspection) pueden saber cuánto ancho de banda utiliza el usuario,
cuándo se conecta, qué sitios Web visita, qué aplicaciones utiliza, etc. Esta información es muy
valiosa porque se puede atacar por el lado de los costes y de los ingresos.
También obtienen información adicional en tiempo real sobre los gustos e intereses del cliente
(limitados por cuestiones legislativas sobre privacidad y confidencialidad). Esta información
adquirida de diversas fuentes tiene que ser organizada, estructurada y analizada para dar
soporte a la toma de decisiones. Big data es el elemento diferenciador.

Bibliografía
https://www.mintransporte.gov.co/descargar.php?idFile=4250
https://es.wikipedia.org/wiki/Contabilidad_de_costo
http://www.abc.es/internacional/abci-parlamento-europeo-visto-bueno-registropasajerosae
reos-201604141314_noticia.html
http://news.sap.com/latinamerica/2016/02/26/sap-presenta-solucion-big-datamarginassura
nce-para-ayudar-a-empresas-de-telecomunicaciones-a-elevar-susutilidades/
https://tdwi.org/research/2014/04/big-data-management-infographic.aspx

Aplicaciones Del Big Data Analytics A La Gestion de Costes

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Aplicaciones Del Big Data Analytics A La Gestion de Costes

Cargado por

Copyright:

Formatos disponibles

Aplicaciones del Big Data Analytics a la Gestión de

Aplicaciones del Big Data Analytics a la Gestión de Costes | 1

INVENTARIOS PERMANENTES ........................................................................................................ 3

CRITERIOS DE VALORACIÓN DE LAS EXISTENCIAS ........................................................................ 5

CENTROS DE COSTES .................................................................................................................... 7

CRITERIOS DE IMPUTACIÓN DE COSTES ...................................................................................... 12

COSTE DEL PRODUCTO Y UMBRAL DE RENTABILIDAD ................................................................ 13

BIG DATA ANALYTICS ................................................................................................................... 16

PROCESOS Y ÁREAS DE REDUCCIÓN DE COSTES ........................................................................ 18

APLICACIONES PARA LA REDUCCIÓN DE COSTES ....................................................................... 20

INCIDENCIA DEL BIG DATA EN LOS COSTES ................................................................................ 21

TRIÁNGULO CALIDAD, COSTE Y BIG DATA ................................................................................... 23

APLICACIONES SECTORIALES DEL BIG DATA ............................................................................... 24

Aplicaciones del Big Data Analytics a la Gestión de Costes | 2

Los inventarios contienen la relación de las existencias vinculadas a la explotación de

Una empresa adquirió durante el pasado ejercicio económico 11.000 unidades de

Determinar el coste de las materias primas consumidas de acuerdo con el siguiente

Consumo de Materias Primas

Aplicaciones del Big Data Analytics a la Gestión de Costes | 3

Aplicaciones del Big Data Analytics a la Gestión de Costes | 4

Durante el transcurso del ejercicio se realizan diversas compras de materiales a precios

Aplicaciones del Big Data Analytics a la Gestión de Costes | 5

Precio Medio Ponderado (P.M.P. = Valor existencias iniciales + Coste compras)

F.I.F.O. (Primera entrada, primera salida)

Aplicaciones del Big Data Analytics a la Gestión de Costes | 6

Existencias ﬁnal estándar = 150 x 12,5 = 1.875

Valoración existencias ﬁnales = 150 x 12,6 = 1.900

Saldo = 1.900 – 1.875 = 25

Aplicaciones del Big Data Analytics a la Gestión de Costes | 7

Aprovisionamiento (940) (Ap)

Transformación (941) (T)

Comercial (943) (C)

Administración (944) (A)

Los costes imputables a un nivel de ocupación o actividad inferior a la potencial se pueden

Los suplementos de costes-oportunidad representan la imputación a los centros de actividad

Dependiendo de la estructura de cada empresa y del sistema de costes implantado (Direct

Aplicaciones del Big Data Analytics a la Gestión de Costes | 8

Los costes directos se imputan al centro correspondiente. Posteriormente se atribuyen a cada

El centro de aprovisionamiento cumple con la función de suministrar al centro de

Requiere instalaciones y personal adecuado para el control y almacenamiento de los

En muchas empresas pequeñas y medianas la función de compras es compartida por personal

Entre los costes indirectos imputables al centro de aprovisionamiento están:

Amortización o alquiler de oﬁcinas, mobiliario, equipos informáticos, etc.

Aplicaciones del Big Data Analytics a la Gestión de Costes | 9

Un porcentaje de los gastos de material de oﬁcina.

Servicios generales (limpieza), etc.

El centro de costes de transformación recibe las materias primas del centro de

Si el proceso de transformación es complejo y susceptible de diferenciarse por fases

Alquiler y/o amortización de naves industriales, maquinaria y patentes.

Mano de obra directa.

Costes de personal indirectos.

Costes ﬁnancieros imputables a la fabricación.

Centro de costes comerciales

Recoge los costes derivados de la función de distribución o ventas de la empresa. Suele

Aplicaciones del Big Data Analytics a la Gestión de Costes | 10

Auxiliares: Estudios de mercados, publicidad, servicio post-venta, etc.

Puede plantear problemas de imputación en relación con el centro de costes de Administración

Costes ﬁjos de personal y comisiones a agentes de ventas.

Coste de almacenamiento de productos terminados y mercancías.

Ferias, publicidad, catálogos, etc.

Amortización o alquiler de oﬁcinas de venta.

Centro de costes de administración

Recoge los costes derivados de las funciones de Administración y Dirección.