5 temas principales de considerar a la hora de implementar el Data Analytics

Procesos , Data Analytics y Retorno de la Inversión

La importancia de la toma de decisiones y de analizar los procesos es relevante. En un estudio de Mckinsey (Lovallo and Sibony 2010) se detectó que el ROI (return on investments, retorno de la inversión en español) por mejora de los procesos aumento en un 6.9% cuando se hizo el análisis de procesos bottom-up (de abajo hacia arriba en la organización).

Para mejorar la toma de decisiones en la organización, los Directores de Finanzas necesitan propagar el uso de Data Analytics en toda la empresa.

Cinco temas principales a considerar para implementar Data Analytics

Temas recomendados por la  Association of Chartered Certified Accountants de Australia y Nueva Zelanda en su estudio de “Analytics for Finance and Accountancy 2020”

1. Governance and Data Management (Gobierno y administración de Datos )

1.La información tiene un dueño en la organización, Tecnologías de Información (TI) no lo es.

2.La recopilación de datos de las diversas aplicaciones internas (ERP, Legacy, CRM, etc) y las fuentes externas (redes sociales, paginas web, etc) tiene que ser con un propósito de negocio y alineado a la estrategia de la organización.

3.Adecuada seguridad de la información (sensitiva, confidencial, información de clientes, proveedores y colaboradores)

4.Asegurar que la calidad de la información (limpieza y clasificación) no elimine información que pueda identificar excepciones.

5.Que el liderazgo del Data Analytics sea transversal (con otras Direcciones de la Organización).

6. Estandarizar el Master Data (la información compartida de mas valor dentro de la organización).

2. Big Data is a reality (El Análisis de Big Data es una realidad)

1.Las herramientas de Data Analytics de datos estructurados y no estructurados están a la mano en costos en México de pequeñas y medianas empresas: Excel, IDEA, ACL, Tableau, Power BI.

2.Identificar un inventario certificado integral de la organización de fuentes de información interna y externa y mantenerlo actual.

3.Ayudar al resto de la organización a implementar actividades de Data Analytics.

3. Hybridisation of Talent (Talento híbrido)

1.Capacitar al personal interno interesado de todas las áreas de la organización y atraer talento externo que reduzca la curva de aprendizaje.

2.Mostrar internamente los progresos de los quick wins iniciales para permear las ventajas al resto de la organización.

3.Establecer plataformas de gestión del conocimiento (champions, blogs, manuales, capacitaciones, etc).

4.Promover Data Analytics transversales que crucen varias funciones de la organización (Producción, Ventas, Finanzas, Mercadotecnia, etc.).

4. Decision Making Enablement (Hacer posible la toma de decisiones)

1.La pregunta clave es ¿Cómo uso el Data Analytics para tomar mejores y más rápidas decisiones?

2. Apoyar al equipo de Finanzas a desarrollar un modelo de decisión usando Data Analytics para ayudar a toda la organización a tomar mejores y más rápidas decisiones.

Categorizar la toma de decisiones con Data Analytics de acuerdo al nivel de la organización en la que ocurra:

a) Estratégico: C Level

b) Gerencial: Funcional

c) Operacional: Procesos de Negocio

d) Desarrollo: Nuevos productos ó servicios

e) Diferenciación: Clientes Externos

3.Desarrollo de plantillas en Excel y Mapas Mentales que ayuden a operacionalizar el pensamiento para toma de decisiones con o sin big data.

4. Pilotear los proyectos de Big Data/Data Analytics dentro de la organización y apoyar la colaboración entre usuarios de negocio y expertos.

5. El análisis prescriptivo es el tipo de analytics más común para apoyarse en tomar decisiones. Comenzar a identificar valores atípicos en la información como posibles alarmas de oportunidades o problemas emergentes.

5. Predictive and Prescriptive Analytics (Analíticos predictivos y prescriptivos)

1.El Análisis Predictivo ayuda a encontrar posibles potenciales resultados.

2.El Análisis Prescriptivo ve los resultados y encuentran patrones u otras opciones a considerar.

Ambos pilares fundamentales para generar valor con Data Anlytics dentro de la empresa.