José Luis Franco
En la actualidad nos encontramos en el comienzo de implantación empresarial de una imparable transformación digital que conllevará una serie de cambios en los procesos, tecnología y organización actuales que impactan de forma relevante en la función de control de gestión. Entre los cambios, destacan el uso de analíticas avanzadas basadas en el aprendizaje automatizado o machine learning y la inteligencia artificial en los departamentos de control de gestión.
Es necesario destacar la necesidad de que el controller cada vez esté más cerca de la operativa y prioridades del negocio, con un rol multidisciplinar en el que sea asesor interno y partícipe de cualquier proceso de transformación que se aborde en la compañía. Sin embargo, distintos estudios recientes realizados sobre el control de gestión en España en la actualidad remarcan el desequilibrio existente entre el alto grado de uso de las herramientas de reporting y el bajo conocimiento de funcionamiento de los ERP y de las herramientas avanzadas de business intelligence. Asimismo se recoge entre las principales prioridades de los CEOs para el futuro inmediato la aplicación de utilidades basadas en big data y en data analytics para facilitar el crecimiento del negocio en base a la identificación de oportunidades de negocio y al incremento de la competitividad de las líneas de negocio ya existentes.
Para lograr estos objetivos es necesario que los controllers tengan una idea clara de lo que es el análisis predictivo avanzado (predictive analytics). Este análisis supone una modelización estadística destinada a predecir, en base a la extracción de datos actuales e históricos y al aprendizaje automático, el comportamiento futuro de un negocio con un determinado grado de precisión, disminuyendo la incertidumbre asociada a las amenazas externas (competidores, condiciones de mercado inciertas, etc.). En este tipo de modelización se añaden datos procedentes de redes sociales, sensores, análisis de textos y datos de navegación en red junto con datos tradicionales con el objetivo principal de comprender mejor el comportamiento y necesidades de actuales y potenciales clientes. Aunque este tipo de modelización no es nueva, el abaratamiento y mayor rapidez de los sistemas de información, unido a la mayor disponibilidad de datos y a la necesidad de fundamentar la toma de decisiones en datos les ha convertido en una tecnología capaz de influir en todas las áreas de la actividad empresarial.
En este contexto, uno de los principales retos que debe afrontar el controller es el grado de utilización y relación que debe tener con estas tecnologías para optimizar la monitorización del rendimiento empresarial y los procesos clave de la compañía, ya que desde su posición tienen un amplio alcance organizativo, elevada afinidad con la toma de decisiones soportadas en hechos y han sido históricamente los administradores de la información clave empresarial, todo ello en un entorno caracterizado por la creciente presión en la orientación a resultados.
Por tanto, es necesario focalizar buena parte de los esfuerzos de la función de control de gestión en la definición de analíticas avanzadas de predicción que permitan establecer planes de acción que respondan a los impactos identificados. Aunque probablemente la inversión que se realice en las mismas no sea totalmente efectiva, el poder anticipar y aprovechar los cambios en el entorno empresarial será motivo suficiente para justificar la inversión realizada en este tipo de modelos.
