Dossier Control de Gestión

Analytics, mejorando
la toma de decisiones
26
l Estrategia Financiera Nº 298 • Octubre 2012
 [ www.estrategiafinanciera.es ]

Las empresas demandan cada vez más información de valor y los departamentos de Gestión
de Control utilizan Analytics para tomar decisiones con mayor seguridad. Ser mejor en el
análisis de datos proporciona ventajas competitivas y capacidad predictiva. Los datos hacen
la diferencia y aportan, tal y como vemos en ejemplos reales, valor y retorno de la inversión
para organizaciones de todos los tamaños, mercados y localizaciones

Benigno Prieto Valero

Senior Manager Solucion EPM PwC

C
uando hablamos de tomar decisiones,
no se trata únicamente de confiar en el
instinto, eso es seguro: de hecho, todo lo
contrario. En el año 2010 Rollin Ford, CIO de Wal-
Mart, dijo: “Cada día me despierto y me pregunto...
¿Cómo puedo mejorar el flujo de datos, así como su
gestión y análisis? Walmart procesa más de un mi-
llón de transacciones de clientes por hora y gestiona
bases de datos de volumen superiores a 170 veces
el tamaño de toda la Biblioteca del Congreso de los
EE.UU. (la biblioteca más grande del mundo). Y Wal-
mart no es el único que se plantea nuevas formas
de explotar esta materia prima cada vez mayor y en
gran parte infrautilizada en el proceso de toma de
decisiones.
Hoy en día, los departamentos de Control de
Gestión utilizan Analytics para moverse con mayor
confianza en nuevas direcciones. Con datos fide-
dignos y técnicas analíticas, los analistas pueden de
tomar decisiones de una forma nueva y creativa, uti-
lizando para ello nuevos tipos de fuentes de datos,
tanto dentro como fuera de la organización, pero el
esfuerzo vale la pena. Ser mejor en el análisis de los
datos les da una ventaja. El presente artículo esboza
cómo algunas organizaciones han hecho rentable su
inversión en Analytics, así como algunas de las cosas
que las organizaciones tienen que cambiar para tener
éxito en la implantación de esta tipología de modelos
de información.
¿CÓMO TOMAMOS DECISIONES
DIFERENTES UTILIZANDO ANALYTICS?
Tal vez la mejor manera de entender qué pue-
de aportar Analytics es partiendo de algún ejemplo
sencillo. Sabemos que la búsqueda de la eficiencia
ha llevado a muchas organizaciones a crear mode-
los de operaciones muy estandarizados. Implantar
un cambio en el negocio, por ejemplo para instaurar
políticas de ahorro de costes, puede desembocar en
repercusiones negativas no deseadas en otras partes
de la organización. Con esta motivación, una empre-
sa de bienes de consumo internacional analizó sus
datos de gestión para encontrar formas creativas pe-
ro sostenibles de reducir los costes.
Esta empresa centró su análisis en la cadena
de suministro ya que su principal driver de gasto
era la compra de millones de botellas de vidrio ca-
da año. Estos costes se consideran fijos, al tratarse
de acuerdos establecidos en contratos a largo plazo,
con precios diferenciados para sus suministradores
subcontratados. La compañía también sabía que po-
ner demasiada presión sobre sus proveedores intro-
duciría el riesgo de perderlos, posiblemente incluso
expulsarlos fuera del negocio. Sin embargo, los mo-
delos analíticos, basados en datos externos de la in-
dustria y estadísticas de costes variables de produc-
ción de vidrio, demostraron que los costes deberían
haber estado cayendo.
Se utilizó Analytics para cuestionar los supues-
tos existentes acerca de los costes, pero esto era sólo
parte de la historia. La empresa compartió las evi-
dencias obtenidas con su principal socio productor
de vidrio. Su objetivo no era solicitar una bajada de
precios, sino identificar formas de flexibilizar los cos-
tes de energía y los precios de las materias primas
para reducir efectivamente los gastos de producción
del socio. De esta manera, consiguieron alcanzar un
menor coste por botella y por consiguiente, un ma-
yor margen de producto sin ningún efecto punitivo
en su mejor proveedor. El resultado suponía menores
riesgos en múltiples perspectivas del negocio.
Este ejemplo muestra cómo Analytics funciona
siendo sensible a algo más que los propios números.
Siguiendo este enfoque, los analistas de Control de
Gestión son capaces de identificar las interdepen-
dencias, en ocasiones muy complejas, dentro de los
negocios globales y formular recomendaciones mini-
mizando el riesgo asociado a las mismas y aseguran-
do la sostenibilidad futura del negocio.
CÓMO LOS DATOS HACEN LA DIFERENCIA
Analytics no sólo ayuda a las organizaciones a
encontrar esa nueva gran idea o a llevar a cabo cam-
bios relevantes en los negocios. Se utiliza también
para resolver aspectos relacionados con la fijación
de objetivos estratégicos. Tomemos, por ejemplo, el
desafío que supone la captación y aprovechamiento
de las oportunidades del mercado. Podemos ver có-
mo lo puso en práctica en EE.UU. un proveedor de
sintonizadores digitales.
Con el objetivo de mostrar a los anunciantes el
valor que podía aportar utilizar su red, esta compañía

Nº 298 • Octubre 2012 Estrategia Financiera

l 27
Dossier Control de Gestión
Analytics, mejorando la toma de decisiones

Tabla 1. Cómo cubrir necesidades utilizando Analytics

Necesidad del cliente Definición Ejemplos

Identificará a quién vender y cómo hacer el • Personalizar el diseño de marketing
Capturar oportunidades
marketing adecuado • Optimización del mix de canales de
de mercado
marketing

Entender mejor a los clientes para incre- • Análisi de ventas multicanal

Maximizar el valor
mentar la fidelidad y los ingresos • Identificar oportunidades de venta
del cliente
cruzada

Maximizar ventas Desarrollo de productos y precios más • Precio basado en riesgo

de producto e ingresos efectivo • Rentabilidad de producto

Mejorar productividad Identificar y mejorar los procesos y recursos • Mejora de la rentabilidad de la red
y rendimiento ineficientes • Incentivos a la fuerza de venta

Optimizar cadena Minimizar los costes de suministro asegu- • Mejorar la planificación logística
de suministro y compras rando disponibilidad • Racionalización de proveedores

Optimizar utilización Distribuir los recursos actuales y hacer • Optimización de los espacios de venta
y distribución inversiones efectivas • Planificación de capacidad de produción

Medir y controlar los riesgos financieros y • Seguridad de información

Gestionar el riesgo operativos y evitar fraude • Modelización de reclamaciones y
prevención del fraude

Tabla 2. Casos de éxito en la aplicación de modelos analíticos

Compañías maduras Start-ups

Virgin Virgin utiliza tecnología para cus-
tomizar anuncios de acuerdo a los
“Ola Digital” intereses del usuario, capturando
información de nueva acbvidad y
motivación
Jawbone El brazalete de Jawone monitoriza el
movimiento, patrones de descanso y
nutrición del paciente para fijar guías
de estilo de vida

TomTom TomTom utiliza los movimientos de shopkick Shopkick permite a los minoristas
Nueva información 80 millones de teléfonos móviles acceder a datos de patrones de compra
creada por sensores para crear un dibujo del tráfico en en tiempo real desde los teléfonos
inteligentes bempo real móviles de los usuarios

Vodafone Vodafone ha creado una vista de
Los datos están enri- las operaciones de red que permite
quecidos y disponibles conocer la utilización de la red,
más rápido identificar picos de demanda y
cuellos de botella, etcétera.
Placecast Placecast, una compañía de markebng,
asegura que el 65% de los usuarios
realizan compras como resultado de
una anuncio (Starbucks, North Face )

realizó un análisis en el que se combinó información
externa sobre la compra de coches (series históricas)
con otros datos sobre las preferencias visuales de los
conductores, con el objetivo de ayudar a los anun-
ciantes que se focalizan en el sector automovilístico.
Este es un ejemplo de cómo el análisis predictivo
puede ser utilizado para crear programas de marke-
ting personalizados que ofrecen un mayor retorno y
se focalizan en los recursos más valiosos. Pero esto
es sólo un ejemplo. La Tabla 1 muestra cómo cubrir
diferentes necesidades utilizando Analytics.
El análisis predictivo proporciona valor y retor-
no de la inversión para organizaciones de todos los
tamaños, mercados y localizaciones. Tanto las start-
ups como las compañías maduras, están definiendo
formas innovadoras de obtener resultados aprove-
chándose de la proliferación de datos y de la disponi-
bilidad de mayores capacidades proporcionadas por
el software predictivo. En la Tabla 2 se muestra una
selección de casos de éxito de empresas universales,
que muestra la utilidad de modelos analíticos con di-
ferentes perspectivas y objetivos.

28
l Estrategia Financiera Nº 298 • Octubre 2012
 Dossier Control de Gestión
Analytics, mejorando la toma de decisiones

Gráfico 1. Curva de madurez de la información

alto

INFORMACIÓN
COMO
INFORMACIÓN DIFRENCIA
PARA COMPETITIVA
FACILITAR LA
INFORMACIÓN INNOVACIÓN
COMO UN
ACTIVO
ESTRATÉGICO Las compañías hoy utilizan los datos para dirigir
o gestionar los negocios principalmente
INFORMACIÓN
PARA
DATOS PARA GESTIONAR EL Desafío: ¿Cómo pueden las compañías incrementar su
DIRIGIR EL NEGOCIO nivel de madurez y conseguir que la información sea un
NEGOCIO diferenciador competitivo?
Bajo
Información de gestión Business Intelligence Analytics

DÓNDE ESTAMOS HOY Y HACIA DÓNDE dar a entender su variedad y

VAMOS complejidad.
Analytics no considera
Desde siempre, algunas organizaciones han con- sólo los datos que encaja-
siderado la información como un activo estratégico, rían perfectamente en una
mientras que otras han llegado a esta conclusión estructura de filas y colum-
más recientemente. nas tradicionales, que es el
Esto se ha debido tanto a la creciente competi- formato más habitual de la
tividad como a las presiones macroeconómicas y las información financiera. A modo
tensiones de la demanda que vivimos en la actuali- de ejemplo, hoy día, los sensores
dad. Dondequiera que se encuentre una empresa en inteligentes pueden registrar cada
su camino hacia la mejora de su capacidad analíti- vez que un cliente se enchufa a una
ca, las organizaciones que aspiren a estar entre las toma de corriente, la información de
mejores, deben reconocer que lo que están haciendo una localización se puede extraer de
hoy, podría necesitar una nueva vuelta de tuerca. los teléfonos móviles, y los sentimientos
Si no lo han hecho ya, es casi seguro que será de las personas individuales pueden ser
necesario romper los silos de información que co- capturados en las redes sociales. Tanto si
múnmente se han desarrollado dentro de las organi-
zaciones, como por ejemplo la falta de homogenei-
dad entre la información financiera, de producto y
de clientes. Los equipos de Control de Gestión deben
centrarse en por qué algunas cosas están sucedien-
do para motivar la necesidad de plantearse formas
diferentes de hacer las cosas. Responder estas pre-
guntas, sin duda, dará lugar a un análisis detallado
de las fuentes de datos, buscando nuevas perspecti-
vas (insights) de la información, que probablemente
arrojarán resultados diferentes a los previamente
obtenidos (Gráfico 1).

APROVECHAR LOS BIG DATA PARA TOMAR

BIG DECISSIONS
A pesar de que parece que el volumen de datos
debe tener un límite, su proliferación no muestra
signos de desaceleración. La tecnología ha acu-
ñado el término Big Data para describir la magni-
tud de nuestros activos de datos y también para

Nº 298 • Octubre 2012 Estrategia Financiera

l 29
Dossier Control de Gestión
Analytics, mejorando la toma de decisiones

Incluso si una organización no tiene ninguno de

Las organizaciones que aspiren
a estar entre las mejores, deben
reconocer que lo que están
haciendo hoy, podría necesitar una
nueva vuelta de tuerca
la información está estructurada, semi-estructurada
o no estructurada, a través de una mínima “organi-
zación de análisis” se puede facilitar la toma de deci-
siones, analizar el resultado de aplicar las diferentes
hipótesis y en definitiva, crear valor.
A pesar de que los proyectos de Analytics no
son proyectos de IT, el papel que desempeña la tec-
nología no puede ser ignorado. Muchas empresas
ya han invertido en el desarrollo de infraestructu-
ras analíticas tradicionales, por ejemplo el clásico
Data Warehouse para almacenar la información
de los distintos negocios en un formato único y
coherente. También es ya muy habitual utilizar al
menos una solución de gestión del rendimiento
(consolidación, presupuestación,...), así como una
herramienta de Business Intelligence para presen-
tar el reporting.
De esta forma se habrá desarrollado más o me-
nos la función y el análisis de la información de
consolidación y presupuestación, pero la necesidad
de ser flexibles a la hora de definir nuevos análisis,
adaptados a un entorno cambiante, va más allá de las
herramientas en sí mismas.
estos elementos, hay otras formas de construir un
sistema de información más cercano a lo que esta-
mos aquí refiriéndonos, para lo que no es necesario
realizar una importante inversión en tecnología.
Cualquiera que sea la tecnología que se utilice,
muchas organizaciones carecen de una comprensión
más profunda de sus datos, de dónde están y quién
es el propietario. La calidad de los datos también
puede ser un problema, pero no es necesariamente
un problema enorme. Una organización no necesi-
ta realizar grandes esfuerzos en mejorar la calidad
de los datos, ya que estos programas se centran a
menudo en datos muy concretos de determinados
mercados o segmentos de clientes. Así, en lugar de
invertir en costosos procesos de limpieza de datos,
es más importante centrarse en cuál es la que es la
información correcta a analizar y el por qué.
Parece lógico pensar que si esta información es
una pieza clave para facilitar la toma de decisiones,
debe ser algo más que una página estática en un in-
forme de seguimiento del Comité de Dirección. En un
momento que se venden más smartphones que PCs,
los directivos esperan que la información se presente
de forma gráfica, intuitiva, dinámica y lo más impor-
tante, móvil. Las organizaciones que están invirtien-
do en tecnología que facilita Analytics tienen una
creciente gama de aplicaciones y dispositivos para
hacer que las cifras más relevantes estén disponibles
para un número amplio de usuarios de negocio, ha-
ciendo que los datos tomen vida mediante técnicas
innovadoras de visualización tales como mapas y có-
digos de colores.
Las organizaciones que se embarcan en estos
programas deben pensar en cómo van a satisfacer la
demanda interna de más proyectos de análisis y qué
capacidades necesitarán para satisfacer internamen-

Tabla 3. Etapas clave para implementar Analytics

Identificando las áreas críticas para competir ublizando una estrategia de

Priorización información analítica, sin olvidar la componente de coste correspondiente

Alineando los procesos, herramientas, y tecnologías ublizadas para transfor-

alineamiento mar los datos en información útil

Estableciendo los procesos y procedimientos para recoger y mantener

Calidad de los datos información competa, consistente y en bempo real, que de soporte a la toma
de decisiones

Construyendo las capacidades para manejar de forma precisa el nuevo

Organización sistema de información

Estableciendo una guía de prioridades de inversión basadas en el valor obte-

Inversión nido y explotando la tecnología para mejorar el coste de recoger, almacenar,
gesbonar y analizar los datos

30
l Estrategia Financiera Nº 298 • Octubre 2012

te las mismas. Algunas compañías están consideran-
do cómo organizarse para asegurar que no sólo hacen
las preguntas correctas, sino que también utilizan los
datos correctos y poseen las capacidades necesarias
para interpretar los resultados correctamente.
Para llevar a cabo una iniciativa de puesta en
marcha de un modelo analítico se deben seguir los
cinco pasos (Tabla 3) que, con más o menos diferen-
cias en múltiples compañías ya se han experimenta-
do con éxito. Estas iniciativas inicialmente cuentan
con un patrocinador ejecutivo que entiende el reto
empresarial que la organización está tratando de
resolver, pero una vez que se obtienen los primeros
resultados, Analytics puede ser aprovechado por mu-
chos departamentos y sponsors diferentes.
EL LOGRO DE LAS METAS CON ENTERPRISE
PERFORMANCE MANAGEMENT
Muchas empresas están focalizadas en la mejora
de sus procesos de planificación, en especial, defi-
niendo un sistema integrado de planificación. Otros
están gestionando desafíos como la creciente com-
petencia y regulación, la presión sobre la rentabilidad
y la tensión de márgenes. Sin embargo, todos ellos
tienen algo en común, todos quieren que las deci-
Nº 298 • Octubre 2012
Dossier Control de Gestión
Analytics, mejorando la toma de decisiones
La tecnología ha acuñado el
término Big Data para describir la
magnitud de nuestros activos de
datos y también para entender su
variedad y complejidad
siones de gestión que toman, ya sean estratégicas,
financieras u operacionales, estén basadas en un
perfecto conocimiento de su rendimiento pasado,
su estado actual y cada vez más, en sus resultados
futuros.
Para conseguir la información precisa para faci-
litar su toma de decisiones, es necesario un conjunto
integrado de datos y métricas, procesos y sistemas,
así como una organización adecuada en la manera
en que sus equipos trabajan. Una forma de hacer-
lo es concentrarse en Analytics, pero sin olvidar el
establecimiento de objetivos, la planificación inte-
grada y el reporting de seguimiento, que constitu-
yen las piezas clave del EPM (Enterprise Performance
Management).
No hay una definición mágica de modelo de in-
formación para todas las organizaciones. Es nece-
sario comenzar por la estrategia, convertirla en mé-
tricas tangibles, identificando aquello que se puede
medir y mostrar exactamente lo que está pasando
en el negocio. A partir de ahí, se puede establecer el
mecanismo de captura de la información, la mejor
forma de analizarla y de establecer previsiones, sin
olvidar la necesidad de fijar objetivos para los equi-
pos y las personas de la organización que den sopor-
te a dicha estrategia.
Cada vez más, se produce una mayor demanda
de información de mayor valor de negocio, pero tiene
que justificarse el retorno de la inversión. Hay que te-
ner claro que todo esto no es únicamente la implan-
tación de una herramienta de software, y que al con-
trario es un compendio de habilidades, que abarcan
desde la tecnología, a la función financiera y la ges-
tión del cambio, que unidas aseguran que este nuevo
enfoque pueda tener sentido y aportar valor.
acceda a:
http://estrategiafinanciera.
Artículo Automatización de la Última Milla
del Reporting
Todo lo publicado sobre #Analytics
además le recomendamos:
La lectura de ¿Y si le damos la vuelta? 12
sóLO EN
casos de innovación made in Spain. Autor:
wke.es
Juan Fernández Pérez. Ed: Wolters Kluwer
España
Estrategia Financiera
l 31