array(5) { [1]=> int(1063) [2]=> int(1095) [3]=> int(683) [4]=> int(1048) [5]=> int(1073) }
22/06/2017

¿Por qué los controlers de negocio se están convirtiendo en científicos de datos?

¿Por qué los controlers de negocio se están convirtiendo en científicos de datos?
Vía : Robert Ruf

La economía digital que se está desarrollando no solo influye en el modo en que las empresas interactúan con sus clientes, sino también en cómo se gestionan de forma interna.

La función de control de negocio debe seguir el ritmo y muchos controlers empresariales con los que me reúno piensan que ahora existe una demanda de Controlador 2.0. ¿Qué significa esto exactamente?

Para algunos, los términos “contable” y “partner de negocio” son prácticamente sinónimos. Sin embargo, para otros, existen diferencias. En gran parte, depende del enfoque del control conceptual que se considere “correcto”. Tanto en la teoría como en la práctica, cada entidad tiene diferencias en el ámbito de sus sistemas de control. También he notado un aumento de la importancia de la capacidad analítica a la hora de definir el cometido del controlador actual.  Sin embargo, la ejecución de la analítica puede variar; las principales incógnitas siguen siendo cuáles son las opciones y qué hay que comprender para decidir de un modo óptimo.

 

Aumento de la importancia de Analytics

El procesamiento, el análisis y la interpretación de los datos constituyen un elemento primordial para el control y requieren conocimientos técnicos, analíticos y profesionales sobre diversos aspectos interdisciplinares. Sin embargo, es evidente que existe cierto solapamiento entre una definición de “control” y una definición arbitraria de científico de datos. ¿Significa esto que los controladores deben ser científicos de datos?

La respuesta es “no”, pero la digitalización de muchos departamentos de control hace necesaria la implementación de algunos cambios. No basta con realizar unas evaluaciones más bonitas y con más colores. De lo que se trata es de desarrollar y emplear métodos nuevos de análisis de datos, como la analítica, para obtener datos nuevos y valiosos y, de ese modo, obtener una ventaja competitiva clave.

Acceso más rápido a información de mayor calidad

¿Cómo puede usar un controlador senior la analítica sin requerir la asistencia de un científico de datos? ¿Excel? ¿R? ¿Algo de la nube? Si buscas en Google Control + Analítica, obtendrás más de 14 millones de resultados. Parece que las posibilidades son infinitas, pero eso plantea la duda de por dónde y cómo empezar. La exploración de datos visual es una opción de fácil acceso y muy intuitiva Una visualización inteligente puede extraer de los datos una información novedosa y valiosa. Esto se puede lograr mediante cuatro pasos que variarán en función de la base de datos, los conocimientos analíticos y el nivel de madurez.

  • Paso 1: Aspectos técnicos

Antes de realizar un análisis, siempre conviene preguntarse el porqué e identificar qué datos se deben analizar y con qué objetivo. Por ejemplo, ¿hay alguna hipótesis que quieras comprobar? ¿Qué te ayudaría a decidir si dicha hipótesis es correcta o no?

  • Paso 2: Exploración de los datos

Basándote en las preguntas, puedes comenzar a explorar los datos existentes. En primer lugar, hay que comprobar los datos. ¿La calidad es aceptable (por ejemplo, faltan valores o hay expresiones de categoría uniformes)? ¿Las variables de análisis adecuadas tienen el formato (por ejemplo, datos de hora y ubicación geográfica) y la estructura (por ejemplo, jerarquías claras) correctos? ¿Se pueden calcular las métricas necesarias a partir de las existentes? ¿Qué patrones se pueden reconocer?

  • Paso 3: Modelos analíticos

La analítica es especialmente útil para la creación de modelos. ¿Puedes diseñar un modelo que describa, por ejemplo, el comportamiento de los clientes o la calidad de la producción? Se puede hacer un análisis de elementos que actúan como drivers para averiguar qué factores influyen en determinadas variables objetivo, como ventas o costes. Mediante el análisis de grupos, por ejemplo, se pueden identificar segmentos de clientes homogéneos y, a continuación, analizarse de forma individual. Las herramientas de Business Analytics más innovadoras permiten al usuario crear un modelo sencillo desde el punto de vista visual a partir de un análisis exploratorio. Resulta útil poseer conocimientos básicos de estadística, pero no hay que ser un experto en métodos o algoritmos.

  • Paso 4: Analítica avanzada (Data Science)

En función de tu grado de madurez analítica, puedes desarrollar aún más tus análisis. Se pueden emplear procedimientos más complejos y configuraciones más detalladas. Es necesario poseer un mayor conocimiento de los procedimientos estadísticos, pero no hace falta que sepas picar un modelo por ti mismo. Existen herramientas gráficas que permiten un uso sencillo de la analítica avanzada. Es, incluso, posible industrializar la analítica para que los análisis individuales se conviertan en procesos repetitivos.

Los pasos 1 y 2 son actividades de control tradicionales. A través de métodos de visualización adecuados, el controlador puede descubrir información sobre los datos de un modo rápido y sencillo. Los pasos 3 y 4 han surgido como requisitos de control en los negocios digitalizados.

 

Adopción de nuevas habilidades: el controlador como citizen data scientist

Aquí no termina todo. Los procedimientos analíticos para modelos ya se emplean en departamentos de control. Las posibilidades estadísticas de las herramientas rara vez se aprovechan al máximo, pero esta tendencia está mejorando. En el futuro, el partner de negocio y el controlador tendrán que trabajar de un modo mucho más analítico. Asimismo, el número de aspectos analíticos está creciendo de un modo mucho más rápido que el número de científicos de datos. Por lo tanto, no resulta sorprendente que muchos controladores decidan consultar a expertos en Business Analytics y realizar sus propios análisis.
Conoce más sobre analítica visual para tomar decisiones más inteligentes de un modo más ágil

CompárteloShare on FacebookTweet about this on TwitterShare on LinkedInShare on Google+Email this to someone

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *