4 minutos de lectura 6 ago. 2020

Siete sugerencias para un proceso exitoso de análisis de datos

EY Perú
Por EY Perú

Organización multidisciplinaria de servicios profesionales

4 minutos de lectura 6 ago. 2020
Temas relacionados Analítica y big data Análisis forense y de integridad Digital
Votar a favor

¿Cómo aproximarse al análisis de datos dentro de una organización? Conoce los 7 pasos a seguir para un proceso de análisis de datos exitoso.

La nueva normalidad planteó una serie de desafíos para las organizaciones, algunos de ellos fueron la adaptación al trabajo remoto, la repentina reducción de los ingresos, la necesidad de optimizar las operaciones, la apertura de nuevos canales de ventas, entre otros. Asimismo, se esperan que nuevos desafíos sigan apareciendo, lo que requiere que las organizaciones tomen decisiones informadas oportunamente.

No es inusual escuchar que este contexto aceleró el proceso de transformación digital. Definitivamente operar bajo esta nueva normalidad requiere de una organización con una cultura digital, procesos ágiles, y un gobierno de datos robusto con la finalidad de soportar el proceso de toma de decisiones.

¿Cómo contribuye el análisis de datos en este contexto?

Las organizaciones que analizan sus datos y desarrollan una cultura basada en estos, tienen un proceso ágil de toma de decisiones porque logran acceder a su información de manera oportuna y eficiente. Una manera rápida de realizar un diagnóstico de los datos en la organización es plantearse algunas de las siguientes preguntas:

  • ¿Cuánto tiempo y recursos demanda la preparación de reportes financieros y de gestión?
  • ¿Cuánto tiempo y recursos demanda responder las preguntas que surgen de los análisis de dichos reportes?
  • ¿Cuál es el alcance y tiempo de duración de las auditorías o revisiones internas?
  • ¿Cuánto tiempo y recursos demanda simular una nueva estrategia o acción comercial para incrementar las ventas?
  • ¿Cuántos reportes operativos se preparan solo eventualmente, debido al costo (tiempo o recursos) requerido para su elaboración?
  • ¿Cuántas preguntas de la operación del negocio no tienen una respuesta clara u oportuna?

Si las respuestas a las preguntas planteadas son poco alentadoras, es probable que la organización tenga un “problema de datos”. La capacidad de profundizar con un “doble clic” sobre la información, en el momento oportuno y de forma eficiente, es un atributo muy valorado por las organizaciones y mucho más en este contexto dónde se compite en un entorno digital.

Asimismo, una organización basada en datos tiene la ventaja de tener visibilidad sobre sus operaciones, lo que le permite identificar constantemente oportunidades para optimizar sus procesos. El artículo “Your Business is too complex to be digital”, publicado en la revista “MIT Sloan Management Review” en mayo del 2020, señala lo siguiente: “(…) para la mayoría de las empresas, es más probable que las deficiencias operativas, en lugar de la falta de pensamiento estratégico, obstaculicen su capacidad de competir digitalmente (…)". En este sentido, el desarrollo de una cultura basada en datos facilita los procesos de transformación digital y adopción de nuevas tecnologías, los mismos que son necesarios en este contexto.

¿Cómo aproximarse al análisis de datos dentro de una organización?

Es posible que todos hayamos escuchado de los beneficios de aplicar “Data Analytics”, sin embargo, es probable que existan dudas sobre cómo implementarlo o por dónde empezar. A continuación, se presenta un enfoque para aproximarnos al análisis de datos, tomando en cuenta que cada organización tiene un contexto particular. Para iniciar, es importante seleccionar el proceso y objetivo del análisis, en este contexto se recomienda iniciar por las áreas de mayor riesgo o los procesos que la organización considera estratégicos para luego considerar los siguientes pasos:

  • 1. Realizar un diagnóstico de los datos

    Este paso tiene como objetivo entender el proceso desde la perspectiva de los datos. No se trata de un entendimiento tradicional del proceso, sino de identificar las fuentes de información disponibles, las mismas que pueden estar en los sistemas de información de la Compañía o fuera de los mismos, y entender cómo interactúan entre sí. En esta etapa se busca responder, entre otras, las siguientes preguntas sobre el proceso a ser analizado:

    • ¿Qué datos tengo disponibles?
    • ¿Dónde se encuentran y qué tan accesibles son?
    • ¿Cuál es el nivel de calidad de los datos identificados?
    • ¿Qué preguntas sobre el proceso puedo responder con los datos encontrados?
    • ¿Qué tipo de riesgos puedo monitorear con los datos disponibles?

  • 2. Diseñar pruebas analíticas

    Las pruebas analíticas permiten direccionar el análisis hacia el objetivo planteado. En este proceso, se debe evaluar si la pregunta planteada se responde con las fuentes de información internas, o si se requiere adicionalmente de datos externos (información pública, datos geo-referenciados u otros). Los objetivos de las pruebas pueden ser agrupados en categorías, por ejemplo:

    • Business Insights, para identificar oportunidades de reducción de costos, optimización de recursos e incremente de ingresos.
    • Ambiente de control, para identificar vulneraciones a las políticas y/o procedimientos de la Compañía.
    • Riesgos de integridad, para identificar potenciales conflictos de interés, mal uso de recursos o autonomías y/o situaciones inusuales con la finalidad de prevenir pérdidas económicas.

  • 3. Transformar los datos en información

    Esta etapa requiere de profesionales con conocimientos especializados en la extracción, transformación y carga de datos. Mientras más eficiente sea el proceso y mejor estructurada sea la base de datos resultante, más fácil será responder las preguntas que surjan del análisis. Los principales desafíos, entre otros, son:

    • Crear una estrategia de captura de datos internos y externos de la organización.
    • Establecer un esquema eficiente de extracción de datos con la finalidad de no impactar en los sistemas y procesos regulares de la Compañía.
    • Establecer, en caso la calidad de los datos no sea suficiente, una estrategia de remediación que aumente incrementalmente la calidad de estos.
    • Utilizar las herramientas tecnológicas adecuadas para el procesamiento de la información, considerando su volumen, calidad, entre otros.

  • 4. Analizar la información utilizando herramientas de visualización

    El análisis de información utilizando tableros de control o dashboard que permitan visualizar la información de manera gráfica y dinámica, facilitan el proceso de identificación de asuntos que son relevantes para el análisis. Algunas recomendaciones para esta etapa, entre otras, son:

    • Mantener el enfoque en la experiencia del usuario e identificar sus necesidades para el diseño del tablero de control.
    • Planificar el diseño y elaborar borradores sobre los gráficos que serán utilizados para visualizar los resultados.
    • Establecer canales para compartir el reporte de forma segura.

  • 5. Automatizar el proceso de transformación y análisis

    Luego de efectuar por primera vez el análisis, es probable que sea necesario replicarlo de forma recurrente. Por tal motivo, el proceso de transformación, ejecución de pruebas analíticas y visualización se debe realizar automáticamente para buscar eficiencias y reducir  el trabajo operativo. Para lograrlo, se recomienda:

    • Analizar los recursos y capacidades disponibles para la automatización (tecnológicos, humanos, financieros, entre otros) para  evaluar si el proceso se desarrollará total o parcialmente dentro de la organización.
    • De implementarse en la organización, en primer lugar, se deben definir las etapas del proceso que serán automatizadas. En segundo lugar, se debe coordinar con el equipo de TI (Tecnologías de la Información), la creación de un flujo automatizado para la extracción y carga de datos. Por último, se debe definir la ubicación para el almacenamiento de información procesada.
    • Por otro lado, de requerir el apoyo de un tercero, el mismo puede ser incluido en cualquiera de las etapas mencionadas anteriormente. Este mecanismo de trabajo brinda a las organizaciones la ventaja de destinar sus recursos y personal en las actividades donde agregan mayor valor, las cuales normalmente están relacionadas con el análisis e interpretación de los resultados y, de esta manera, no distraer, sobrecargar o requerir de mayores esfuerzos.

  • 6. Gestionar las alertas y casos identificados

    Una vez que se tiene uno o más procesos de análisis automatizados, es probable que se eleve la cantidad de alertas que surjan a partir de la ejecución automática de pruebas analíticas; por tal motivo, definir una forma de trabajo para gestionarlas se vuelve relevante. Este es el primer paso para tomar decisiones adecuadas que conlleven a actos concretos de mejora. En particular, la gestión de casos debe considerar mecanismos que permitan:

    • Detectar situaciones y alertar a los usuarios responsables del proceso específico.
    • Establecer planes de acción sobre las situaciones identificadas.
    • Asignar casos a usuarios o grupos de usuarios para su investigación, gestión y remediación.
    • Mantener un registro de las incidencias observadas y su desenlace.

  • 7. Evaluar la aplicación de técnicas analíticas avanzadas

    La aplicación de técnicas analíticas avanzadas, como por ejemplo el análisis predictivo, suelen ser los siguientes pasos para organizaciones con procesos de análisis con mayor madurez. Por ejemplo, imaginemos que buscamos desarrollar un modelo de predicción de fraude, con la finalidad de entrenar el modelo será necesario crear un modelo de datos con las variables necesarias para lograr el objetivo de predicción, asimismo se debe establecer un mecanismo eficiente de retroalimentación de la información para que el modelo se calibre constantemente y mejore su capacidad y precisión de predicción, sin incurrir en elevados costos de mantenimiento. En otras palabras, es muy probable que se demande de un mayor nivel de calidad y disponibilidad de datos y de un nivel mayor de automatización, los mismos que se van logrando cuando se hacen procesos analíticos recurrentes.

Reflexiones finales

Si bien la implementación de procesos de análisis de datos dentro de una organización suele presentar una serie de desafíos, normalmente los beneficios que se obtienen superan los costos incurridos. El proceso analítico es iterativo y cíclico en el que cada fase se relaciona y retroalimenta sobre la base de los hallazgos que se van obteniendo, pues cada análisis de información conlleva a mejores preguntas, las mismas que podrían estar relacionadas con situaciones del futuro, por ejemplo: ¿qué estrategia comercial ejecutar?, ¿qué procedimientos no se cumplirán? o ¿cuál será el siguiente fraude que ocurrirá? Las respuestas están en los datos. 

Mostrar recursos

Cómo EY puede ayudar

Analítica de datos forense

Frente a situaciones de fraude ocupacional, investigaciones complejas, reclamos por incumplimiento normativo, de acuerdos contractuales o litigios; las organizaciones confían en nuestro equipo de análisis de datos para obtener asistencia.

Leer más

Líder del Servicio

Rafael Huamán
Rafael Huamán

Forensic & Integrity Services Leader, EY Latin America Region

Resumen

Las organizaciones que desarrollan una cultura basada en el análisis de datos, realizan un proceso ágil en la toma de decisiones porque logran acceder a su información de manera oportuna y eficiente. En este artículo encontrarás una manera rápida de realizar un diagnóstico del manejo de datos en tu organización, así como los 7 pasos a seguir para realizar un análisis de datos exitoso.

Acerca de este artículo

EY Perú
Por EY Perú

Organización multidisciplinaria de servicios profesionales

Related topics Analítica y big data Análisis forense y de integridad Digital
Votar a favor