Por Brian Peccarelli Presidente Global de los negocios de Tax & Accounting de Thomson Reuters.
Brian Peccarelli.
Por ahora, todos estamos familiarizados con la promesa del Big Data. En teoría, la capacidad de recopilar, procesar y analizar grandes cantidades de datos discretos pero interrelacionados sobre todo, desde los patrones de compra de los clientes hasta la logística de la cadena de suministro, puede dar a las empresas las ideas necesarias para aumentar la eficiencia, garantizar el cumplimiento y reducir el fraude.
Sin embargo, para muchos de nosotros en las C-suites de las grandes corporaciones, también estamos familiarizados con los obstáculos muy reales que existen entre el estado actual de muchas operaciones de negocios y la promesa del nirvana del Big Data. Obtener diferentes tecnologías de recolección y análisis de datos de diferentes proveedores para hablar el mismo idioma; hacer que los científicos de los datos y los gerentes de primera línea hablen el mismo idioma; y encontrar la trayectoria directa de datos crudos hacia insights concretos, no son logros pequeños. Requiere una gran cantidad de previsión y una estrategia altamente coreografiada para ejecutar.
Ciencia versus la realidad del negocio
Afortunadamente, varios negocios pioneros ya han pasado por los dolores de crecimiento involucrados con este proceso, para comenzar a traer iniciativas de Big Data viables a la corriente principal. Aunque todos han adoptado enfoques ligeramente diferentes, el lazo común que vincula a los que funcionan mejor es una clara línea de comunicación entre los ejecutivos de negocios -que son en última instancia responsables de crecimiento de la línea de fondo- y los científicos frente a los datos, cuyo trabajo es diseñar análisis que colaboran con el crecimiento. Sin embargo, ese no siempre es el proceso más intuitivo. La ciencia de los datos es después de todo una ciencia. Liderar un negocio no siempre es tan científico.
Esta dicotomía ofrece una oportunidad para que los líderes seniors cultiven un traductor de datos que sirva como un intermediario entre los «quants» del núcleo duro y el equipo directivo superior. Esta persona puede ser el rol de un Chief Data Officer que tiene la doble responsabilidad de análisis de datos y el crecimiento del negocio, o un líder de tecnología de alto nivel que ve el panorama completo del negocio. Sea cual sea el título, la clave es desarrollar un rol que tenga igual facilidad a la hora de hablar y entender las necesidades empresariales de los clientes.
Datos en el mundo tributario
Un ejemplo de mi mundo de software y servicios de impuestos, en los que ese equilibrio entre la necesidad de negocios del mundo real y la ciencia de la ciencia de datos se unen muy bien, es el proceso de auditoría de impuestos. La auditoría, por su propia naturaleza, es un proceso extremadamente laborioso y que requiere gran cantidad de información. Agregue la complejidad creada por la letanía de las reformas tributarias mundiales derivadas de la iniciativa BEPS y el “factor temor” que rodea el cumplimiento de los requisitos Know Your Customer (KYC), diseñados para prevenir el lavado de dinero, el financiamiento del terrorismo y otros delitos financieros, y la perspectiva de una auditoría precisa de las finanzas de una corporación multinacional, se han vuelto casi insuperables.
En el pasado, este proceso involucraría a una firma de auditoría -normalmente una gran firma de contabilidad- trabajando a través de sus clientes para obtener acceso a información financiera y operacional detallada. Ellos seleccionarían poblaciones de muestra, probarían las excepciones y extrapolarían resultados basados en un subconjunto representativo de datos.
Si bien ese proceso fue eficaz en la mayoría de los escenarios, todavía dejó la puerta abierta para los llamados eventos del cinco por ciento, o anomalías que no se contabilizaron en los resultados modelados, pero existieron profundamente en los datos subyacentes.
Con las nuevas capacidades de análisis de datos, los auditores pueden acceder directamente a los datos detallados del cliente hasta el nivel de transacción individual y aplicar análisis a millones de puntos de contacto distintos para identificar el riesgo, comparar las métricas empresariales con otras empresas similares, e incluso sacarlos a la luz para reducir las ineficiencias operacionales.
Objetivo: soluciones prácticas
Al concentrar el desarrollo del Big Data en iniciativas como esta, que presentan tanto un claro mandato comercial como un enorme desafío científico de datos, hemos descubierto que es más fácil alinear equipos de negocios y datos con un conjunto común de objetivos. También hemos aprendido que concentrando todo el esfuerzo en producir resultados financieros mensurables, hemos sido capaces de impedir desviarnos demasiado hacia el terreno de lo puramente especulativo.
Cada vez más, lo que estamos descubriendo a medida que nos adentramos más profundamente en el mundo de los nuevos procesos de negocios asistidos por la tecnología y los análisis artificialmente inteligentes, es que el proceso de gestionar esos esfuerzos para crear soluciones prácticas y reales se está convirtiendo en algo tan importante como la innovación que entra en ellos.