Las empresas de todo el mundo se vieron empujadas repentinamente a un modo de respuesta rápida con el advenimiento del COVID-19. Garantizar la seguridad de sus trabajadores y sostener la continuidad del negocio pasaron a ser las prioridades – movilizar los equipos para trabajar remotamente, sostener las operaciones en la mayor medida posible, gestionar a clientes y socios, y recomponer cadenas de abastecimiento fuertemente impactadas –, todo ello al tiempo que se adaptaban a cambios drásticos en la demanda.
Pero para tomar las decisiones correctas, las empresas necesitaban información confiable y oportuna. ¿Cuántas de ellas la tenían en realidad?
En el marco de una situación imprevista, particularmente en el territorio inexplorado de una pandemia, decir que la toma de decisiones constituye un desafío sería subestimar la situación. Los KPIs tradicionales, como los indicadores retrospectivos, carecen de utilidad. Las cifras de ventas del trimestre anterior tampoco son de gran ayuda para predecir la demanda cuando un canal de ventas desaparece repentinamente, las necesidades de los clientes dan un giro de 180 grados u otras premisas establecidas se vuelven cuestionables de un día para el otro. Las compañías necesitan indicadores micro- y macro-económicos confiables para percibir nuevas tendencias, comportamientos y correlaciones. Los insights derivados de estos indicadores pueden dotar a las empresas de la capacidad para ser proactivas, lo que puede significar la diferencia entre capturar ventajas competitivas o experimentar problemas de desempeño prolongados. En términos más crudos, también puede representar la diferencia entre un negocio sostenible y la caída en desgracia.
Estos conocimientos están de hecho al alcance de la mano. Los servicios empresariales globales (GBS por su sigla en inglés), la organización central para las funciones generales y administrativas como finanzas, RRHH, TI, compras y legales, siempre han desempeñado un rol clave como primera opción cuando se necesitan datos confiables con rapidez. En su carácter de depósito central de datos de procesos financieros, de compras, RRHH y otras tareas clave que impactan en todos los aspectos de las operaciones de una compañía, GBS puede ser una mina de oro de información.
Si cuentan con las capacidades analíticas adecuadas, las organizaciones de GBS están bien posicionadas para ayudar a la empresa a cosechar rápidamente conceptos útiles de entre todo el volumen de datos que manejan – procesados y actualizados regularmente, muchas veces en tiempo real. Los algoritmos de analítica avanzada (AA) cuidadosamente diseñados, aplicados a los datos de GBS para analizar un business case específico, pueden reducir sensiblemente la subjetividad y los sesgos y apoyar decisiones basadas en una perspectiva clara. Adicionalmente, el trabajo analítico continuo de las organizaciones de GBS dota a sus miembros de las capacidades y las mentalidades necesarias para extraer conceptos útiles de esos datos.
Mientras las compañías transitan la recuperación del COVID-19, un programa de AA puede ayudar a GBS a funcionar como intermediario de información más efectivo y equipar a los líderes con la información requerida para tomar decisiones proactivas con rapidez. GBS está diseñado para beneficiarse de las economías de escala, por lo que desempeñar este rol de proveedor de información constituye una evolución natural. Una configuración de este tipo también ayuda a GBS a trabajar de manera más eficiente, liberándolo de los informes manuales que en ocasiones debe elaborar y de ese modo servir a la empresa de forma más estratégica.
Del análisis retrospectivo a los insights prospectivos
La pandemia – y las respuestas institucionales a ella – dispararon todo tipo de desafíos operacionales para las empresas: disrupciones de la cadena de suministro, derrumbes (o picos) de la demanda, faltantes de trabajadores, paralizaciones de duración indeterminada e interrupciones de los flujos de efectivo. Estos desafíos se vieron agravados por un abanico de políticas diferentes en cada región.
En tiempos de disrupción, las capacidades de AA lideradas por GBS pueden ayudar a las empresas a responder una serie de interrogantes referidos a las palancas estratégicas a accionar:
- ¿Qué sucedería si, al evaluar el tiempo de ciclo del pedido al cobro, las empresas pudieran conocer en todo momento las cifras de pedidos, renovaciones y ganancias, reemplazando los indicadores utilizados hasta ahora, como facturas por empleado a tiempo completo (FTE)?
- ¿Qué pasaría si, en vez de pagos procesados por FTE, las compañías tuvieran acceso a tendencias de pagos parciales y totales – es decir, si fueran capaces de visualizar la dirección y la velocidad de esas tendencias en cualquier punto en el tiempo?
- Al momento de analizar el ciclo del abastecimiento al pago, las compañías normalmente deben esperar a que ingrese el dinero para medir los pagos realizados en término. ¿Qué ocurriría si pudieran comparar el valor de extender los plazos de pago con el de ofrecer descuentos por pago anticipado – o mejor aún, analizar los efectos de esos cambios en forma dinámica?
- ¿Qué tal si, en lugar de esperar por KPIs mensuales sobre antigüedad de inventarios, o de mantenimiento, reparaciones y operaciones, las compañías pudieran predecir estos indicadores con mayor precisión?
El impacto en las decisiones de gasto, manejo de efectivo y asignación de recursos podría ser dramático, lo que en épocas de crisis o volatilidad puede tener fuertes repercusiones para el negocio.
¿Qué está deteniendo a las compañías?
Ciertamente, las organizaciones actuales comprenden el valor de los datos y la analítica. Pero al mismo tiempo se enfrentan a una variedad de obstáculos comunes a la hora de adoptar un programa analítico. Con frecuencia omiten un activo clave: nuestro análisis reveló que menos del 20 por ciento cuentan con todos los “bloques de construcción” requeridos. Algunas tienen los datos pero no una plataforma adecuada para el análisis; otras poseen la plataforma pero carecen de la información correcta, o no pueden acceder a ella de una forma práctica. Otras organizaciones no cuentan con los talentos digitales y analíticos necesarios.
Capturar el valor de un programa de analítica avanzada basado en GBS puede ser complicado por una variedad de motivos.
Datos en silos asociados a equipos en silos.
Buena parte de la información reside en una unidad de negocios, región geográfica o sistema de gestión de servicios particular. Tomemos los datos de ventas: generalmente pertenecientes y administrados por la función de ventas, con frecuencia están fuera del alcance de la función de GBS y no siempre su calidad es consistente. En muchas organizaciones, los equipos de finanzas y de ventas interactúan mínimamente, lo que genera pocas oportunidades para colaborar en el análisis de información, la búsqueda de mejoras o el intercambio de ideas.
Falta de estándares de datos.
Si se carece de definiciones específicas de los tipos de datos, puede ser complicado comparar información de procesos. Por ejemplo, los códigos del libro mayor podrían carecer de consistencia o detalle suficiente para todas las cuentas de la empresa. No es poco habitual que los equipos de ventas de una misma compañía apliquen estándares diferentes. Por ese motivo, analizar tendencias de datos requiere un esfuerzo manual significativo.
Enorme volumen de datos.
La creciente digitalización de los procesos de negocios y de clientes, sumada a la proliferación de dispositivos, como equipos móviles y sensores de IIoT incorporados a los equipos de fabricación y de servicios, ha provocado un aumento exponencial en la cantidad de información que se produce. Para administrar todos estos datos y garantizar su calidad se necesitan capacidades más sofisticadas en toda la organización.
Pocos estándares (o ninguno) sobre cómo utilizar datos externos.
La mayoría de las empresas no disponen de protocolos para obtener y usar datos de fuentes externas, ya sea para extraerlos, validarlos o transformarlos (por ejemplo, depurar datos sin procesar para un uso específico), o inclusive para cargarlos en sus propias bases de datos. Esto se debe a que el uso depende de acuerdos específicos, que solo pueden formalizarse caso por caso. Esta falta de estándares puede resultar en largos tiempos de entrega y retrasar el uso, lo que representa otro obstáculo para la toma de decisiones.
Ausencia de un plan de carrera formal en ciencia o ingeniería de datos.
Al no considerar al expertise en ciencia e ingeniería de datos un elemento vital para la organización, las compañías perjudican sus iniciativas en esta área de dos maneras: tienen menos chances de atraer el talento necesario, y corren el riesgo de perder su capital humano debido a la falta de opciones de desarrollo profesional.
Falta de fe en el modelo.
Antes de aplicar una nueva tecnología o método a un proceso crítico, los stakeholders internos deben estar convencidos de que funcionan y son suficientemente robustos, y de que los riesgos están controlados. Luego, la compañía necesitará desarrollar una metodología cuidadosamente diseñada y confiable que permita a los equipos definir y testear algoritmos. Una vez que el nuevo abordaje supera esa prueba, se requiere un programa de gestión de cambios para promover la adopción. La ausencia de una cultura de datos sólida en la organización de GBS, sumada a gerentes funcionales habituados a confiar en su instinto, puede aumentar la resistencia.
Analítica rápida en el mundo real
Muchos equipos internos y proveedores externos de GBS están implementando analítica avanzada en sus operaciones y capturando impacto en los resultados.
Las proyecciones de flujo de caja acortan los plazos y reducen el costo del capital.
Una empresa multinacional que enfrentaba nuevas exigencias de capital reconoció que necesitaba una perspectiva más exacta y ágil sobre sus cuentas a pagar para aumentar la flexibilidad en el manejo del capital de trabajo. Durante cerca de dos meses, la compañía diseñó y lanzó un piloto de un modelo para predecir las cuentas a pagar al cierre de cada mes, no solo a nivel de la empresa sino por localización y tipo de gasto. Al desarrollar el piloto para dos unidades de negocios con dinámicas diferentes, la organización logró crear un modelo de predicción que brindó una perspectiva anticipada de 90 días con una tasa de error de apenas el tres por ciento. El modelo también proveyó a los gerentes de finanzas una visión clara de los patrones de pago de la compañía, y reveló oportunidades para extender los plazos con mínimas consecuencias. En última instancia, este abordaje mejoró la precisión de las proyecciones, recortó los costos de capital de la empresa y redujo la carga de trabajo de los auditores, permitiéndoles concentrarse en cuestiones estratégicas.
Centro de planeación de cadena de abastecimiento.
Una empresa líder del sector de bienes de consumo está utilizando a su grupo de planeación de cadena de suministro (CS) en GBS para organizar la distribución de productos y la entrega directa en tiendas desde sus plantas regionales. Gracias a que el grupo está co-localizado con los equipos de compras y de gestión de pedidos y ventas de la compañía, puede ayudar a solucionar disrupciones en el abastecimiento o problemas con la recepción de los productos. Al contar con una visión a nivel de toda la red de las limitaciones de abastecimiento y logística (como bloqueos de transporte), la organización de GBS está en condiciones de optimizar la distribución de productos en un contexto local muy cambiante.
Una entidad externa ayuda a los líderes de gobierno a identificar sus propias tendencias de demanda de servicios.
Un importante proveedor de servicios de TI implementó nuevos centros de respuesta al COVID-19 con capacidades analíticas para sus clientes gubernamentales. Cada centro recopila datos de las comunidades locales en tiempo real y los transforma en visualizaciones que ayudan a guiar la planeación y la toma de decisiones referidas a la respuesta a la pandemia. Esta información está ayudando a las autoridades locales a calibrar sus políticas y a administrar el transporte de insumos esenciales a las zonas más necesitadas.
Tecnologías como procesamiento de lenguaje natural (NLP) y aprendizaje automático (ML) permiten al proveedor de servicios de TI monitorear y responder a las necesidades de sus clientes en tiempo real. Específicamente, estas tecnologías ayudan al proveedor a ejecutar modelos de análisis temático en tiempo real, utilizando miles de publicaciones de agencias de salud internacionales y medios informativos, y automatizando la extracción de tendencias cuantificables junto con información relevante para el rol y las responsabilidades de los gerentes. La empresa desarrolló además herramientas que monitorean y predicen (en forma direccional) en qué momento las regiones críticas para el proveedor de servicios y sus clientes alcanzarán el pico de contagios, y a la inversa, cuándo ocurrirá el punto de inflexión y las tasas de recuperación comenzarán a subir. Las tecnologías también ayudaron a la compañía a elaborar un modelo de simulación multi-dimensional como proxy para la pandemia y así elaborar escenarios de demanda de servicios.
Ocho semanas hasta la captura de valor
Tal como ilustran los ejemplos siguientes, las organizaciones pueden implementar un abordaje de analítica avanzada en apenas ocho semanas (Gráfico 1). El modelo de trabajo combina equipos de todas las funciones: Personal de TI, ingenieros y científicos de datos, expertos y más. Las primeras dos semanas ponen el acento en la priorización de casos de uso, un proceso que involucra un volumen considerable de deliberación (incluida la definición de criterios) y que puede insumir varias rondas de iteraciones (Gráfico 2). El siguiente paso es formar equipos analíticos con los conocimientos y los datos necesarios. Luego es momento de reunir la información y definir la metodología analítica.
Al principio, es importante establecer un modelo de gobierno que estimule la toma de decisiones ágiles y los avances. La adopción de una mentalidad de inversor ayuda a los equipos a encontrar maneras de resolver cuellos de botella de recursos o talentos. Durante las aproximadamente cinco semanas siguientes, la compañía puede construir un producto viable mínimo (MVP) para tres o cuatro casos de uso prioritarios. En paralelo, se evalúan las capacidades analíticas disponibles para determinar qué se necesita para escalar los esfuerzos en toda la organización. Por último, en la última semana, la empresa lanza los MVPs, sintetiza las conclusiones, elabora una hoja de ruta a nivel alto para casos de uso adicionales y finaliza sus planes de capacitación.
Demostrar una prueba de concepto, sin embargo, no es suficiente. En este punto, resulta clave entrenar a los usuarios de los datos, que quizás deban ser persuadidos de abandonar el análisis manual, confiar más en los algoritmos y adaptarse a una nueva manera de trabajar. El éxito puede entonces medirse en gran parte por la velocidad con que es posible escalar los casos de uso, lo que a su vez depende de la obtención de respaldo suficiente de los usuarios.
Luego de que una implementación rápida demuestre el valor de un programa analítico GBS completo, la compañía puede crear en un plazo relativamente corto un centro de excelencia (CdE) para supervisar el programa. El CdE deberá tener recursos dedicados y comités organizativos y de inversión formales para brindar servicio a las funciones y unidades de negocios.
En este punto, GBS puede proceder con la capacitación, lo que implica adquirir nuevos talentos y capacitar al personal existente en los roles analíticos y de datos, así como en el uso de las nuevas herramientas. GBS probablemente refine además el modelo operativo, mejorando la infraestructura de datos y estableciendo las herramientas y los procesos adecuados. Con el tiempo, la toma de decisiones basadas en datos pasará a ser la regla para GBS en sus interacciones con clientes y otros stakeholders. A través de los conceptos de datos generados, la organización de GBS podría cambiar su orientación hacia la optimización de procesos en base a resultados.
La pandemia de COVID-19 puso a prueba la planeación y la resiliencia de las compañías como nunca. Los próximos tres a seis meses representan un período clave para la reconstrucción. Tener una perspectiva clara de la oferta, la demanda y otras tendencias operacionales clave puede ofrecer un impulso significativo.
Más allá de su rol de custodio del registro transaccional, GBS posee la llave de conocimientos estratégicos particularmente difíciles de obtener en épocas de crisis y cambios rápidos. Para aplicarlos, es menester que la organización abandone su mentalidad pasiva y orientada a los procesos. La analítica rápida demanda un abordaje novedoso que reúna equipos multifuncionales con miembros de TI, los negocios y las áreas de ciencia e ingeniería de datos para trabajar juntos bajo metodologías ágiles.
En lugar de continuar desempeñando el rol de guardia de seguridad de la mina de oro de información, GBS puede reivindicar su posición de dueño y administrador del principal activo de la organización: los datos acumulados. Pero mientras la automatización y la analítica avanzan, la ventana de oportunidad podría estar cerrándose. Es momento de reconocer el valor que GBS puede crear, y liberar todo su poder para guiar a la empresa hacia la recuperación, la resiliencia y la obtención de ventajas competitivas.
