01. Herramientas del Big Data para el Análisis Financiero PDF

Preview

Summary

Big Data es el conjunto de tecnologías diseñadas para conseguir un
mejor rendimiento de grandes volúmenes de datos(1) que no pueden
ser procesados por métodos tradicionales.
El enorme volumen de datos procedentes de páginas web, redes sociales,
aplicaciones de imagen y vídeo,...

Description

03 Herramientas del Big Data para el Análisis Financiero Concepto de Big Data 02 Business Intelligence y Big Data Analytics 04 Soluciones Big Data 06 Fuentes del Big Data 07 Aportaciones a la Dirección Financiera 08 Data Cash Management 11 Principios del Data Cash Management 12 Posibilidades para la Dirección Financiera 13 Soluciones a la Gestión Financiera 14 Aplicación a un caso real de Big Data 16

Módulo Finanzas

Casos prácticos

Herramientas del Big Data para el Análisis Financiero

I. Concepto de Big Data Big Data es el conjunto de tecnologías diseñadas para conseguir un mejor rendimiento de grandes volúmenes de datos(1) que no pueden ser procesados por métodos tradicionales. El enorme volumen de datos procedentes de páginas web, redes sociales, aplicaciones de imagen y vídeo, dispositivos móviles, apps o sensores necesita sistemas potentes que permitan su gestión. El Big Data analiza cómo están extraídos, de dónde provienen y si son fiables y relevantes.

Las ideas más avanzadas sobre Big Data surgen en 1999 con: - El primer uso del término Big Data en un trabajo académico: “Visually Exploring Gigabyte Datasets in Realtime (ACM). - El primer uso del concepto “Internet of Things” (Internet de las Cosas) en una presentación de negocios de Kevin Ashton para Procter and Gamble.

Desde dicha fecha el crecimiento del concepto de “data” es imparable: - 2001. Las tres “V” definida por Doug Laney para Big Data: “Volumen, Velocity, Variety” (Volumen, Velocidad, Variedad). - 2005. La Web 2.0 aumenta el volumen de datos - 2007. Emerge el uso actual del término “Big Data”. - 2008. Globalmente, 9,57 zetabytes (9.570.000.000.000 gigabytes) de información se procesa por las CPUs del mundo. Se estima que 14,7 exabytes de información nueva se produciría este año. - 2009. Una compañía promedio estadounidense con más de 1.000 empleados, almacena más de 200 terabytes de datos de acuerdo al informe sobre Big Data: “ The Next Frontier for Innovation, Competition and

(1)

Gigabyte = 109 = 1,000,000,000 Terabyte = 1012 = 1,000,000,000,000 Petabyte = 1015 = 1,000,000,000,000,000 Exabyte = 1018 = 1,000,000,000,000,000,000

2

Herramientas del Big Data para el Análisis Financiero

Productivity”(La próxima frontera para la innovación, la competencia y la productividad) realizado por McKinsey Global Institute. - 2010. Eric Schmidt, presidente ejecutivo de Google, dice en una conferencia que la cantidad de datos que ahora se están creando cada dos días, es mayor que la creada desde el comienzo de la civilización humana hasta el año 2003. - 2011. El informe McKinsey señala que en 2018 los EE.UU. se enfrentará a un déficit de entre 140.000 y 190.000 científicos profesionales de datos, y advierte que cuestiones como la privacidad, la seguridad y la propiedad intelectual tendrán que ser resueltas antes de que se den cuenta de todo el valor de Big Data. - 2015. El uso de Internet móvil supera a las computadoras de escritorio por primera vez. El 88% de los ejecutivos que respondieron a una encuesta internacional realizada GE dice que el análisis de grandes volúmenes de datos es una prioridad

Las principales ventajas del Big Data son: - Los volúmenes de información son mucho más grandes y amplios de lo que las empresas suelen procesar. - La información es obtenida de fuentes externas a la empresa (redes sociales, terceras personas, datos públicos...) - Se integran para su análisis conjuntos de información distintos. - Análisis en tiempo real e instantáneo de la información.

3

Herramientas del Big Data para el Análisis Financiero

Los datos de Big Data pueden ser de 3 tipos: - Estructurados. Son los que tienen bien definido su longitud y formato y están almacenadas en tablas: fechas, números, cadenas de caracteres... - No estructurados. No tienen formato específico y pueden ser generados por máquinas y computadoras y personas mediante un ordenador. - Semiestructurados. Son una mezcla de los estructurados y no estructurados.

II. Business Intelligence y Big Data Analytics Business Intelligence (BI) Es el conjunto de metodologías, aplicaciones y tecnologías cuyo objetivo es obtener y tratar datos y convertirlos en conocimiento útil para la empresa con el fin de obtener una ventaja competitiva.

La metodología tradicional de BI se basa en el principio de agrupar todos los datos empresariales en un servidor central. Estos datos se analizan en modo off-line tras almacenar dicha información en un entorno denominado Data Warehouse. Los datos se estructuran en una base de datos relacional convencional con un conjunto adicional de índices y formas de acceso a las tablas (cubos multidimensionales). Desde finales del siglo pasado se habla de “Business Intelligence”, indicando con esta expresión tanto los procesos como las herramientas utilizadas para obtener la información necesaria para que una organización pueda planificar una estrategia capaz de incrementar su ventaja competitiva en el mercado. Cuando la información es fiable, exacta y completa es una fuente de valor. Una información insegura, incompleta, imprecisa o analizada fuera de su contexto puede convertirse en un elemento de inestabilidad ya que puede dar lugar a decisiones basadas en datos incorrectos y generar resultados diferentes de los deseados. 4

Herramientas del Big Data para el Análisis Financiero

Big Data Analytics (Business Analytics - BA) es una herramienta muy útil para analizar grandes bases de datos para obtener correlaciones, predicciones, patrones ocultos... Su objetivo principal es ayudar en la toma de decisiones ya que permite analizar grandes volúmenes de bases de datos, seguimiento de clics en Internet, llamadas de móviles, informes de actividades de medios sociales, información captada por los sensores…

La Advanced Analytics se centra en analizar por qué están pasando las cosas y en predecir qué va a pasar. En la gestión financiera de una empresa el desconocimiento de las previsiones, posibles contingencias, pérdidas de liquidez, impagos, etc puede suponer la diferencia entre crecer, mantenerse o desaparecer. El Advanced Analytics es el nombre de las herramientas como la investigación de operaciones, la estadística paramétrica y no paramétrica, el análisis multivariante y los modelos predictivos basados en algoritmos que son la base de los sistemas basados en grandes datos. Aunque Big Data y Business Intelligence (BI) son dos tecnologías que sirven para analizar datos existen otras diferencias metodológicas. Difieren tanto en el modo en el que lo hacen como en el tipo de datos que analizan.

La evolución natural de la Business Intelligence es el Big Data Analytics: herramientas, procesos y sobre todo la capacidad de analizar, relacionar y contextualizar grandes cantidades de datos heterogéneos. Una vez que se hayan interconectado pueden suministrar una información de inestimable valor. Business Analytics (BA) = Big Data + Business Intelligence (BI) + Herramientas estadísticas

Big Data es todo lo que no puede ser tratado y analizado con los paradigmas tradicionales extraídos de las bases de datos relacionales, debido a que se trata en su mayoría de datos no estructurados.

5

Herramientas del Big Data para el Análisis Financiero

Los límites principales a la gestión y análisis del Big Data no dependen tanto de la tecnología en sí misma como de las altas y multiformes competencias que deben tener.

III. Soluciones Big Data En el entorno de Big Data los datos se almacenan en un sistema de ficheros distribuido en lugar de en un servidor central (Como se hace en el Business Intelligence). Al estar el análisis centrado en torno al dato permite manejar cantidades muy grandes de información de forma ágil y analizar enormes volúmenes de información de forma rápida, que es de suma importancia desde el punto de vista del valor de los datos, de su medición, interpretación y gestión.

La tecnología de Big Data emplea conceptos de Procesamiento Paralelo Masivo (MPP) lo cual mejora la velocidad en el análisis. Con MPP muchas instrucciones se ejecutan de forma simultánea ya que los trabajos se dividen en varias partes de ejecución en paralelo y al final se reunifican y se presentan los resultados globales.

6

Herramientas del Big Data para el Análisis Financiero

Big Data puede analizar datos en diferentes formatos, tanto estructurados como no estructurados. El volumen de datos no estructurados (los no almacenados en una base de datos tradicional) está creciendo a niveles muy superiores que los datos estructurados pero su análisis conlleva distintos retos. Las soluciones de Big Data los solventan permitiendo un análisis global de distintas fuentes de información: formularios de clientes, datos consolidados del ordenador central-host de la compañía, información contable, información bancaria... Los datos procesados por las soluciones de Big Data pueden ser históricos o provenir de fuentes en tiempo real para que las empresas puedan tomar decisiones que afectan a sus negocios de forma ágil y eficaz. Los avances de la tecnología han proporcionado la oportunidad de desbloquear el “tesoro” escondido y enterrado bajo una masa de información desordenada. Hacen falta sofisticados algoritmos capaces de extraer del Big Data las constantes que se repiten, las correlaciones ocultas que a primera vista pueden escapar. Hacen falta profesionales con habilidades matemáticas, análisis de la inteligencia artificial y alto conocimiento del contexto en que se realiza el análisis de datos.

IV. Fuentes del Big Data A pesar de que la explosión de la información digital es reciente al volumen del Big Data contribuyen una variedad de datos e informaciones acumulados en el tiempo. Las fuentes de origen del Big Data son diferentes pero reconducibles a algunas principales macro-categorías:

- Información people to machine: Es la fuente de la mayoría de los datos acumulados, originados incluso mucho antes de la formulación del concepto de Big Data. Se trata principalmente (sobre todo para la información ya acumulada) de datos transaccionales, es decir, de datos asociados con

7

Herramientas del Big Data para el Análisis Financiero

una transacción (por ejemplo, la compra de un bien o servicio) que fueron almacenados originalmente sólo para fines de contabilidad y no para propósitos analíticos. Este tipo y cantidad de información ha llamado la atención de las funciones de marketing de las empresas, que fueron las primeras en empezar a pensar en aprovechar estos datos para realizar el perfil de sus clientes y de su comportamiento con el objetivo de componer una oferta cada vez más alineada a sus necesidades. - Información people to people: Se trata de información que surge de las interacciones humanas, que se producen cada vez más en formato digital a través de las redes sociales. La información que viaja en el medio digital deja una pista, lo que da lugar a las prácticas de “social listening“ (de escucha de las redes sociales). El social listening ha permitido recopilar con mayor fiabilidad un conjunto de información que antes no era posible (o muy difícil) recuperar de forma tradicional, con cuestionarios, entrevistas o focus group. La posibilidad de cruzar e integrar esta información con la acumulada por los sistemas transaccionales permite a las empresas enriquecer más la conciencia del “sentiment” de la audiencia.

V. Aportaciones a la Dirección Financiera Las áreas de la empresa donde el modelo de Big Data está más desarrollado son: ventas, marketing, servicio al cliente e investigación y desarrollo (I+D). No obstante también se está aplicando al área de finanzas, sobre todo en la medición del riesgo y la mejora de presupuestos y previsiones.

El Big Data Analytics aporta a la Dirección financiera: - Reporting financiero: el resumen y consolidación de series de datos históricos. - Análisis de tendencias: descubrimiento de patrones ocultos en las series temporales de datos para toma de decisiones del departamento. - Segmentación: identificación de similitudes dentro de dichas series de datos.

8

Herramientas del Big Data para el Análisis Financiero

- Modelos predictivos: predicción de eventos futuros partiendo de datos históricos: flujos de caja, cash-flow, tesorería, capacidad de crédito, posiciones de riesgo de clientes, etc.

La mejor forma de medir el efecto del Big Data es en el cálculo del ROI, no sólo el utilizado (return on investment) sino también el nuevo ROIn (return on information) que afecta tanto al área financiera como a todas las áreas de la empresa, convirtiéndose en una poderosa herramienta de control y gestión.

Los directores financieros han utilizado su experiencia en control de costes y eficacia operativa para garantizar el desarrollo de las empresas ayudando a mejorar sus funciones pero en el futuro deben encontrar nuevas formas de mantener el rendimiento y hacer crecer el negocio. Las herramientas e infraestructuras que sirvieron a los líderes financieros hasta hace unos años pueden no funcionar actualmente. Los niveles de costes que antes eran eficaces cada vez lo son menos ya que los márgenes se van reduciendo y los gastos operativos aumentan y son difíciles de cubrir. Las tecnologías innovadoras (como Big data) han dado lugar a nuevas formas de competencia que suponen un gran desafío. Un director financiero puede en una conferencia desde su tablet o iphone enviar las nóminas de sus empleados a la entidad financiera, realizar una transferencia internacional para un pago urgente, disponer de una línea de crédito o prever la situación de tesorería para dentro de 6 meses, por ejemplo. Las tecnologías emergentes como Big Data cada vez están más presentes en las nuevas estrategias para resolver los desafíos. El cloud computing, por ejemplo, ofrece oportunidades de obtener ventajas adicionales porque re-

9

Herramientas del Big Data para el Análisis Financiero

duce la necesidad de una inversión inicial en hardware y licencias de software y minimiza la incertidumbre asociada con la inversión en nueva tecnología. Las empresas con un sistema financiero basado en tecnología Big Data son más proclives a tener capacidades avanzadas en las siguientes áreas: - Estrategia y gobierno: desarrollar un modelo operativo y una estructura de gobierno que apoye la estrategia de la organización y la capacidad de generación de informes necesaria para evaluar el rendimiento de la empresa en relación a sus objetivos estratégicos. - Procesos clave y valores: promover un enfoque orientado al valor de los accionistas, garantizar que se emplean en los procesos claves de toma de decisiones. - Tecnologías emergentes: trabajar para desarrollar un caso de negocio y desplegar tecnologías innovadoras como la nube, las redes sociales y la analítica. La habilidad en aplicar las nuevas tecnologías para llegar al nivel siguiente de eficacia y soportar la toma de decisiones empresariales a gran escala se ha convertido en algo fundamental. Todo está conectado. - Planificación estratégica financiera y fijación de objetivos: vincular motores de valor e indicadores clave de rendimiento (kpi) a los objetivos estratégicos, y desarrollar objetivos que sean aplicables en toda la organización. - Previsión, generación de informes y analítica: desarrollo de un enfoque integrado para hacer previsiones y generar informes que proporcionen una visión precisa que permita realizar correcciones de rumbo en tiempo real en toda la organización. La mayoría de empresas se centran en datos históricos, lo que no les permite hacer correcciones en el momento correcto. - Gestión de riesgos financieros: gestionar el riesgo de un modo más proactivo y holístico (algo como un todo) en la empresa. Tradicionalmente, el riesgo operativo y de crédito se han gestionado de forma independiente. Sin embargo, la capacidad de evaluar y generar informes de estos riesgos en la empresa proporciona a la organización la capacidad de supervisar la exposición al riesgo antes de que se conviertan en pérdidas operativas financieras.

Desde la perspectiva del Big Data el Director Financiero debe en el desarrollo de sus funciones para: - Aplicar las tecnologías emergentes como Big Data y Data Analytics para promover la próxima generación de eficiencias en la empresa. - Realizar un examen profundo de la operativa financiera y económica de la organización. - Desarrollar una mejor comprensión de cómo la tecnología puede apoyar al área financiera a implementar políticas de eficacia, eficiencia y optimización de la gestión de los flujos de fondos.

10

Herramientas del Big Data para el Análisis Financiero

VI. Data Cash Management El termino Data Cash Management engloba cualquier operación susceptible de materializarse en dinero relacionada con el tratamiento de la información de flujos de efectivo, históricos, alertas, proyecciones o escenarios predictivos. Cualquier herramienta de Big Data efectiva permitirá no sólo un control total sobre la gestión financiera sino también tomar decisiones con una certeza próxima al 100%.

Big data y Big Data Analyst se convierten en aliados imprescindibles en el día a día de las organizaciones y en su dirección y control financiero, convirtiéndose en una valiosísima herramienta de desarrollo, gestión y valoración de los flujos de fondos, anticipándose a posibles acciones de la competencia y transformando el software en valor. Para la gestión de los recursos de la empresa hay que ir más allá de la simple gestión del efectivo, hay que anticiparse a su necesidad (antes de que se manifieste) mediante presupuestos de tesorería, análisis y actuación sobre las desviaciones del presupuesto. Hay que tener una visión global de todo el circuito que sigue el dinero en la empresa y ser muy ágil en el movimiento de fondos. El Data Cash Management engloba además el conjunto de técnicas utilizadas para gestionar los flujos monetarios y la posición de tesorería así como el conjunto de actividades encaminadas a reducir el capital circulante al mínimo imprescindible con el fin de incrementar el rendimiento de los fondos de la empresa. Sin la participación de un protocolo de Big Data en la gestión del sistema financiero (por parte del Director Financiero Controller o responsable de tesorería) es posible que las decisiones que se puedan tomar sobre su situación real procedan de datos no exactos o erróneos, lo que en la práctica puede provocar situaciones de falta de liquidez, tensiones financieras y posiciones de insolvencia o imposibilidad de mantener las actividades ordinarias de la empresa.

11

Herramientas del Big Data para el Análisis Financiero

1. Principios del Data Cash Management - Los flujos de salida tienen que estar en consonancia con los de entrada. - Los cobros en la empresa tienen que estar controlados y producirse en el menor plazo posible. - Los pagos deben de retrasarse en la medida de lo posible, pero siempre cumpliendo con la legalidad vigente, máximo 60 días según la Ley 15/2010, de 5 de julio por la que se establecen medidas de lucha contra la morosidad en las operaciones comerciales. - La liquidez debe de gestionarse y aplicarse teniendo en cuenta rentabilidad y disponibilidad. - Hay que tener en cuenta el coste alternativo del dinero en el tiempo, pues no es lo mismo cobrar hoy que mañana y en cantidades importantes el coste del retraso puede ser importante. - Es necesario optimizar y gestionar el “float” de las operaciones, ya que desde el momento del vencimiento de las deudas comerciales hasta que el cobro se hace efectivo pueden darse retrasos comerciales y financieros. El primero por demora en el pago por parte del cliente y el “float financiero” por el retraso a consecuencia de la forma de ingreso bancaria, ya que por ejemplo en los cobros por cheques o pagarés se producen retrasos de entre dos o tres días si son de otra entidad y pueden llegar incluso a supera...