Big Data: Deberían utilizarlo realmente los tesoreros

Ofelia Martínez–Tecnología Financiera–

¿Que es el análisis del BIG DATA?

Tiempo de Lectura: 2’30”.

El análisis de datos es un proceso que consiste en inspeccionar, limpiar y transformar datos con el objetivo de resaltar información útil, permitiendo a las organizaciones y compañías en tomar mejores decisiones financieras y de negocio. El análisis de datos tiene múltiples facetas y enfoques que abarca diversas técnicas en una variedad de nombres, en diferentes negocios, la ciencia, y los dominios de las ciencias sociales. Los datos se coleccionan y se analizan para cuestionar, probar conjeturas o probar la invalidez de teorías.

Te gustaría conocer más sobre: ¿Cómo seleccionar bancos para propósitos de tesorería?

¿Cuál es el principal problema del negocio?

Este suele ser el paso más difícil debido a que el tesorero debe ser lo más preciso posible para identificar los datos y capacidades del procesamiento que necesitan. Aún en los ejemplos más simples, como el pronóstico del flujo de efectivo, hay que dedicar tiempo (Por ejemplo: administrar la liquidez a corto plazo vs. administración de deuda a largo plazo) y cada uno tendrá una perspectiva ligeramente diferente sobre:

  • Perspectiva temporal

  • El presupuesto en el tiempo

  • La frecuencia requerida para actualizarse

  • El nivel de detalle en los temas y subtemas que requieren más variantes de explicación

  • Los diferentes niveles de indicadores que se necesitan, las claves de las jerarquías que deben incluir en los datos establecidos

  • El nivel suficiente de certeza

Fuentes de datos
Si bien habrá un conjunto de datos ideales para cumplir con los requisitos, es poco probable que la mayoría de las multinacionales con sus operaciones complejas cuenten con un único data warehouse. Se habrán utilizado múltiples fuentes y se crearán proxies cuando los datos principales no estén disponibles en formatos listo para su uso o consumo.
Exploración de datos
Agruparlos, limpiarlos y enriquecerlos. Junto con los dos pasos anteriores, esta es frecuentemente la labor más intensiva del proyecto. Sin embargo, una vez que se ha diseñado la metodología, es posible implementar algoritmos para automatizar el proceso (necesario cuando se pronóstica con una alta frecuencia).
Análisis de datos
Las herramientas solo entran realmente en juego en esta etapa. Se debe identificar la forma más adecuada de análisis de datos para resolver sus problemas y lograr el impacto requerido, por ejemplo:

  • Si solo quieres ver lo que sucedió, ej. una posición de efectivo, no se requiere un análisis de correlación muy sofisticado y es más acerca de la presentación.
  • Si deseas entender por qué sucedió algo, se requiere un análisis de correlación más sofisticado.
  • Para un pronóstico de flujo de efectivo valido, se necesita ser capaz de predecir el futuro con cierto grado de precisión. Aquí es donde las herramientas de machine learning actualizan constantemente las reglas de correlación anteriores con tendencias recientemente observables, que son útiles para mejorar continuamente su predicción de lo que es más probable que suceda.
  • Muchos tesoros se encuentran ahora en esta etapa, utilizando una simple consolidación de plantillas ascendentes de cada contralor o tesorero, pero en paralelo usan sus propios algoritmos para facilitar que la limpieza de datos depurados este facilmente disponible, obtener datos en tiempo real y extrapolar para obtener un resultado más preciso.

 

Visualización de datos - Una imagen dice más que mil palabras
Donde la robótica no está disponible y los seres humanos deben digerir grandes cantidades de datos, las herramientas de análisis y presentación de datos (BI Tools), pueden aprovecharse fácilmente para explotar la mayoría de los datos de los Sistemas de Administración de Tesorería (TMS) para obtener resultados rápidos e impresionantes. Muchos proveedores de TMS, después de años de desarrollar sus propias plataformas de reportes, han llegado a la conclusión de que ofrecer interfaces API’s para estas herramientas es la mejor opción para sus clientes.

Sistema de Gestión de Tesorería (TMS) no importa el tamaño de la empresa

Análisis del Big Data

Quizá te puede interesar: Desafíos estratégicos de tesorería en las organizaciones

 

El poder de la Automatización

Como vimos anteriormente, el uso del análisis de los datos tiene el poder, no solo de hacer la vida del tesorero más informada, si no también, menos repetitiva. Al utilizar Inteligencia Artificial basada en análisis de datos, los tesoreros están comenzando a desarrollar automatizaciones para asistirlos con, por ejemplo:

  • Automatización de coberturas de FX (algoritmo de trading para las masas) – Los algoritmos que solían ser reservados para los traders, ahora están siendo empleados, de una u otra forma, por algunos tesoreros que usan esta herramienta para no solo predecir sus exposiciones de FX, sino para posteriormente cubrirlas y contabilizarlas de acuerdo a políticas específicas, todo esto automatizado. Esto permite lograr niveles de micro-coberturas/hedging y conciliaciones automáticas sin esfuerzo humano.
  • Automatización de inversiones de liquidez diaria – En una forma más simplificada, las mismas técnicas pueden ser usadas para invertir los excedentes en inversiones de corto plazo. Esto ya es ofrecido por algunos bancos aún cuando las capacidades internas de la empresa no existen. Al utilizar el análisis de datos e Inteligencia Artificial en esta forma, los tesoreros no solo se están quitando esas actividades diarias y tediosas, sino que están permitiendo más monitoreo en tiempo real de las políticas, incluso fuera de horas de oficina, con la capacidad de automatizar las reacciones a distintos eventos. Algunos estudios predicen que hasta un tercio de los empleos no van a existir de hoy a diez años debido a la automatización, esto significa que los tesoreros tienen que comenzar a prepararse y preparar a su área para este nuevo fenómeno. ¿Qué partes del back, middle y front office pueden ser automatizadas usando análisis de datos e IA?

Ver más: La tecnología una de las mayores preocupaciones de los tesoreros

 

Con el BIG DATA vienen grandes responsabilidades

Aunque las herramientas de análisis de data vistas arriba están liberando al tesorero para hacerlo más proactivo que reactivo, hay alguna consideraciones a tener en cuenta durante el diseño y mantenimiento de la estructura del análisis de datos del tesorero.

En conclusión, una de las preocupaciones que más está creciendo, y la cual está todavía evolucionando, es la privacidad de la información. Los tesoreros tienen que estar conscientes de qué tipo de datos están guardando, y como y donde los guardan. Las regulaciones crecen rápidamente, especialmente en temas de información personal identificada (PII). La GDPR (General Data Protection Regulation) Europea, y cada una de sus equivalentes regionales, podría impactar los datos guardados en un payment factory por ejemplo – incluyendo los nombres de las autoridades firmantes, pasaportes u otros documentos de KYC (Know Your Customer). La configuración del diseño, limpieza, almacenamiento y seguridad de los datos tienen que ser construidas dentro de estrategias de análisis de datos.

 

Administración de tesorería

Fuente: Journeys to Treasury 2017, Magazine.