Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aplicaciones Del Big Data Analytics A La Gestion de Costes
Aplicaciones Del Big Data Analytics A La Gestion de Costes
Costes
BIBLIOGRAFÍA ............................................................................................................................... 30
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:
Precio estandar
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
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.
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.
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
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.
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.
Seguros y tributos.
Transformación
Mantenimiento de maquinaria.
Seguros.
Costes generales.
Estudios de mercado.
Tributos, etc.
Dependiendo del modelo de costes aplicado a la empresa se pueden seguir cuatro opciones:
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.
Los costes del período reflejan los gastos de explotación más los costes-oportunidad. En
el proceso de cálculo hay que:
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:
Los costes indirectos exigen un estudio más detallado. Deben analizarse para
desglosar las partidas.
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.
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.
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.
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.
El modelo de Direct Costing (Coste Parcial) se caracteriza porque solo se imputan al producto
los costes variables de fabricación.
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
Desventajas
Las existencias aparecen infravaloradas puesto que no incorporan todos los costes.
P. M. = Volumen de ventas que hace que el margen sobre sus costes variables sea
igual a los costes fijos totales.
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.
Redes sociales y web: incluye contenido web e información, que se genera y obtiene de
las redes sociales como Facebook, Twitter, LinkedIn, blogs, etc.
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.
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:
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.
Análisis de aspectos críticos donde debe centrarse la estrategia para conseguir una
reducción más efectiva sin afectar a la calidad.
Aseguramiento de que las condiciones de los proveedores cumplen todos los requisitos y
con los niveles de certificación adecuados (costes de imagen).
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.
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.
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:
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.
Transporte aéreo
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.
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.
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
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.
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:
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
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
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
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.
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