Login

INICIO

BÁSICAS

INTERMEDIAS

AVANZADAS

ESTRATÉGICAS

PALABRAS LIMINARES

CONTACTO

1. La revolución digital y las finanzas I

Capítulo 1

LA REVOLUCIÓN DIGITAL Y LAS FINANZAS I

 

por José Saúl Velásquez Restrepo


La Revolución Digital, una excelente oportunidad para quienes tengan las habilidades suficientes para aprovecharla; nos enfrenta a un cambio muy complejo obligando a las empresas tradicionales a reinventarse para adaptarse a lo nuevo o desaparecer.

El paso más trascendental concierne al recurso humano orientado a enseñarle capacidad de adaptación, para enfrentar los cambios disruptivos, gracias a la posibilidad de explotar grandes volúmenes de información con alta velocidad, capacidad que se ha desarrollado aceleradamente en los últimos años, en términos de aprendizaje, toma de decisiones y herramientas de ejecución. Las organizaciones deben hacer una planificación integral que cubra todas las áreas a desarrollar de forma coordinada: identificación y acceso a las fuentes de información, metodologías, sistematización y control de los riesgos correlativos.

La disrupción digital produce una reordenación del mundo y ayuda a redistribuir la riqueza, muy especialmente, en lo tocante a la inclusión social, la mejora en la salud, el conocimiento al alcance de todos; aprovecha las fuentes limpias para abaratar la energía, respetando la Sostenibilidad, atacando la dicotomía socialismo y, o capitalismo, impulsando mutaciones trascendentales en lo político y lo económico; además, facilita la movilidad social, mejora la calidad de vida y facilita el incremento de la productividad que el mundo pide a gritos para enfrentar la inflación generada por causa del Covid-19. Se requiere integrar la tecnología digital en todas las áreas de una empresa, cambiando la forma como se opera agregando valor  y complementando con un cambio cultural para interactuar mejor.

Implica conocerse a sí mismo para potenciar el lado creativo, porque la capacidad de generar experiencias, aportar nuevos puntos de vista; buscar diferentes formas de expresión y todo lo que no sea susceptible de ser automatizado para ejecutarlo con un robot, es y seguirá siendo muy apreciado. Cultivar la empatía, pensar en aportar a la calidad de vida, no hacer acumulaciones tentadoras, buscar la sabiduría y vivir con espíritu colaborativo, trabajando en Holocracia (una organización en la que la categoría y la toma de decisiones son distribuidas horizontalmente, sin que haya una jerarquía de gerencia. También se le conoce como holacracia).

EL SECTOR FINANCIERO se ha transformado mucho en los últimos años y con perspectivas de seguir avanzando como lo exige la Revolución Digital. Lo más destacado, El Nubank es un apreciable ejemplo para aprender del colombiano David Vélez, el banquero que no tiene letra pequeña en los contratos; presenta de frente las condiciones con un criterio cien por ciento humano, digital y sin cuota de manejo. Dice que sus usuarios no compran productos sino su cultura y que el valor de la compañía es consecuencia de buscar la solución a un problema de gran escala porque no tiene clientes sino usuarios a quienes escuchan atentamente por ser depositantes de dinero, como base para crear productos que respondan a sus necesidades. Busca democratizar las finanzas colocando al usuario de sus servicios en el centro de la importancia, proponiendo distribución de la riqueza y los servicios haciendo más sencillos los trámites bancarios para las clases populares y entregando créditos a quienes no son propietarios.

La tendencia clara es la banca digital, utilizando todos los desarrollos tecnológicos como: pagos habilitados por voz, uso de plataformas de desintermediación, Inteligencia Artificial y Big Data en aumento, el acercamiento al 5G, incrementando la velocidad de transmisión de datos y el Blockchain, tecnología basada en una cadena de bloques con una base de datos pública para registrar de forma segura las transacciones que se van realizando en la red.

La inflación, en mayor o menor grado, es un fenómeno mundial acrecentado como consecuencia del Covid-19, por lo que se impone la necesidad de que los hombres de negocios aprendan a convivir con ella, de la misma manera que los cafeteros de algunos pueblos aprendieron a producir en medio de la roya. Debido al incremento de precios, el manejo del efectivo se volvió tópico de especial importancia en nuestra época. Es una acción caracterizada por la búsqueda de mecanismos que permitan incrementar la velocidad de circulación del dinero; tenemos que pensar igual que la gente de los países con inflación galopante: el billete quema las manos, daña las cajas fuertes y pudre los colchones.

Mientras más rápido circula la moneda, en menor proporción pierde su capacidad adquisitiva. La banca, que tradicionalmente ha sacado partido del descuido de las personas en este aspecto, ha entrado con vigor en ese mercado respetando el derecho de su cliente a aumentar el kilometraje del efectivo. La banca electrónica representa un excelente avance, que ya está al alcance de cualquier persona del común.

Ahora con la Revolución Digital, utilizando La Inteligencia Artificial (IA) que está diseñada para identificar contextos y escenarios, trabajar con algunos modelos predictivos y tomar decisiones autónomas y El Big Data con capacidad de procesar grandísimo volúmenes de información, se facilita enormemente el diseño de modelos para definir cupos de crédito en forma objetiva siguiendo los delineamientos hasta ahora desarrollados.

En circunstancias especiales, como la que se presenta para planificar la recuperación de la economía mundial de la crisis del año 2020, en la medida de lo posible, buscar alternativas exponenciales (capaces de generar resultados desproporcionadamente superiores a los tradicionales, teniendo a la tecnología como aliada en la estructura y desarrollo del negocio) para aumentar la productividad, la herramienta más poderosa para contrarrestar la inflación global como se ha visto con el surgimiento de empresas con resultados bastante notorios a nivel global.

Según cifras de prensa, la hotelera más grande del mundo, Airbnb, ofrece más de 7 millones de opciones de alojamiento en más de 100.000 ciudades de 210 países, sin poseer un solo hotel y con poco menos de 6.000 empleados. La transportadora más grande del mundo, Uber, gestiona más de 3,5 millones de conductores en 10.000 ciudades de 71 países, sin tener un solo coche. Nubank, una de las instituciones financieras más valiosas de Latinoamérica, cuenta con más de 48 millones de clientes sin tener una sola sucursal bancaria ni caja fuerte con dinero físico. Tesla, con apenas 20 años fundada, es hoy la automotriz más valiosa del mundo, con un valor de mercado de casi $1 billón de dólares, más que las siguientes nueve empresas automotrices juntas, muchas de ellas con marcas como Mercedes Benz, Ford o Toyota con décadas de existencia.

El análisis de equilibrio es compatible con el costeo directo. Su gran ventaja además de la sencillez, estriba en la representación gráfica y lo práctico que se calcula utilizando el Excel; además, facilita los cálculos matemáticos para elaborar el Plan de Generación de Valor, a distintos niveles de producción y ventas.

Cuando las empresas tienen demasiadas cargas fijas, pueden introducir programas especiales para obtención de ingresos cubriendo los costos variables más una contribución a los costos fijos y a la utilidad. Es el caso de las aerolíneas, los teatros, los hoteles y los centros de espectáculos; muy recomendable para las instituciones deportivas profesionales en la fijación del valor del precio de boletería para ingresar a los escenarios.

Con la Revolución Digital, el Análisis Predictivo busca resultados futuros utilizando datos del pasado; los modelos manejan diferentes metodologías  con un objetivo general muy similar; algunas técnicas son de clasificación( los resultados del modelo son binarios; un sí o un no, en forma de 0 y 1) y otras de regresión que permiten predecir un valor. Además puede aplicarse a cualquier tipo de evento desconocido del pasado, del presente o del futuro. La Revolución Digital aporta el Big  Data con abundancia de variables estructuradas, como tablas de datos, y no estructuradas, como textos, imágenes o vídeos que ofrecen nuevas posibilidades para la predicción. Ahora se construyen reglas de predicciones flexibles y heterogéneas con capacidad demostrada para prever resultados lógicos, combinando distintos modelos, procedimientos y tipos de datos. Árboles de Decisión, Redes Neuronales, Máquinas de Vectores de Soporte, Análisis Bayesiano, Regresión Logística, Regresión Lineal, Series Temporales y Data Mining, K-Vecinos más Cercanos, Ensemble Models, Potenciación del Gradiente, Modelos de Respuesta Incremental, reemplazan, introduciendo múltiples parámetros extraídos de Big Data, con muchas ventajas los modelos tradicionalmente utilizados por la estadística.
Big Data Analytics es la tecnología utilizada para analizar una enorme cantidad de datos  que son reunidos, organizados e interpretados por un software, transformándolos en información útil para la toma de decisiones y para generar ideas sobre tendencias de mercado. Además, contribuye a la generación de ideas de nuevos productos y servicios, atracción de clientes, comprensión de la audiencia, seguridad y más beneficios para tomar decisiones estratégicas.

Para Preparar un Plan de Generación de Valor resulta práctico utilizar el modelo Holístico de análisis financiero para hacer una primera estimación a los estados financieros proyectados, especialmente el flujo de fondos. Es algo así como hablar de un análisis de prefactibilidad para ver si se esperan resultados positivos para empezar en forma un proceso que requiere la participación de equipos interdisciplinarios debidamente entrenados para un ejercicio de tanto alcance.

Los modelos predictivos son herramientas estadísticas que utilizan aprendizajes automáticos apoyados por la extracción de Big Data para predecir y pronosticar resultados probables con la ayuda de datos históricos, introduciendo múltiples parámetros estadísticos que facilitan la obtención de información nueva o histórica útil para predecir patrones de comportamiento.Mediante técnicas como exploración, descripción, comparación y análisis se puede anticipar las posibilidades de éxito para una organización previendo las contingencias y retos a partir de ciertas circunstancias.

Big Data Analytics es la tecnología utilizada para analizar una enorme cantidad de datos estructurados y no estructurados que son colectados, organizados e interpretados por un software, transformándolos en información útil para la toma de decisiones y para generar ideas sobre tendencias de mercado y comportamiento; Big Data Analytics impacta positivamente los negocios de cualquier sector porque contribuye a la generación de nuevos productos y servicios, atracción de clientes, comprensión de la audiencia, seguridad y más beneficios; es un enfoque que implica el análisis de datos para sacar conclusiones. Al usarlo, las empresas estan mejor equipadas para tomar decisiones estratégicas y aumentar su volumen de negocios, en la medida que sepan aprovechar la información.

Una DMP (Data Management Platform) es una plataforma dedicada a tratar datos que puedan ser organizados en perfiles para la toma de decisiones. Analiza cómo una variable determinada se comporta digitalmente, mientras que una CDP crea perfiles de clientes basados en identificadores personales. Mediante técnicas o herramientas como exploración, descripción, comparación y análisis se puede anticipar las posibilidades de éxito futuro para una organización; prever las contingencias y retos a partir de ciertas circunstancias.

Las técnicas de análisis predictivo más  desarrolladas, hasta ahora son:

1. Árboles de Decisión, son algoritmos estadísticos o técnicas de Machine Learning que nos permiten la construcción de modelos predictivos de analítica de datos para el Big Data basados en una clasificación según ciertas características o propiedades, o en la regresión mediante la relación entre distintas variables para predecir el valor de otra.

2. Redes Neuronales, La Inteligencia Artificial y el Deep Learning, técnica de reconocimiento de patrones que imitan las neuronas del cerebro humano, capaz de modelar relaciones extremadamente complejas y utilizarlas cuando no se conoce la naturaleza exacta de la relación entre los valores de entrada y los de salida. El aprendizaje profundo procesa datos para detectar objetos, reconocer conversaciones, traducir idiomas y tomar decisiones.

3. Máquinas de Vectores de Soporte (SVM), son algoritmos de aprendizaje automático supervisado de cara a reconocer patrones, estado relacionado con problemas de clasificación o regresión. 

Análisis Bayesiano, una inferencia estadística en la que las evidencias u observaciones se utilizan para actualizar o inferir la probabilidad de que una hipótesis pueda ser cierta.

 Regresión Logística, utilizadas para predecir el resultado de una variable categórica (una variable que puede adoptar un número limitado de categorías) en función de las variables independientes o predictivas. Es útil para modelar la probabilidad de que ocurra un evento como función de otros factores. Por ejemplo, puede usarse para predecir el riesgo crediticio.

6. Regresión Lineal, consiste en una línea recta que muestra el “mejor encaje” de todos los puntos de los valores numéricos. También se llama el método de los mínimos cuadrados porque calcula la suma de las distancias al cuadrado entre los puntos que representan los datos y los puntos de la línea que genera el modelo. Así, la mejor estimación será la que minimice estas distancias.

7. Series Temporales y Data Mining, consiste en utilizar grandes bases de datos para obtener perspectivas sobre comportamientos que se repiten de manera consistente. Esto se logra mediante la elaboración de algoritmos que consiguen identificar patrones en medio de datos y establecer correlaciones entre ellos.

8. K-Vecinos más Cercanos, es un algoritmo de agrupamiento o clustering. Consiste en reconocer patrones para calcular la probabilidad de que un elemento pertenezca a una clase según su cercanía, en el espacio, a los elementos de esa clasificación. Es un método para clasificar casos basándose en su parecido a otros; se desarrolló como una forma de reconocer patrones de datos sin la necesidad de una coincidencia exacta con patrones o casos almacenados.

9. Ensemble Models, es famoso por su precisión debido a la disponibilidad de algoritmos de boosting y bagging que son procedimientos generales para la reducción de la varianza de un método estadístico de aprendizaje. La idea básica consiste en combinar métodos de predicción sencillos (débiles), para obtener un método de predicción muy potente (robusto). Crea un nuevo modelo entrenando varios modelos similares y combinando los resultados para mejorar la precisión, reducir la varianza y los sesgos e identificar el mejor modelo para usar con nuevos datos.

10. Potenciación del Gradiente, lleva a cabo un resampling (método de remuestreo) de un conjunto de datos para generar unos resultados que formen una media ponderada del conjunto de datos. También se puede utilizar para construir pruebas de hipótesis.

11. Modelos de Respuesta Incremental, utilizados para reducir el Churn o comprobar la eficacia de diferentes acciones de Marketing. Se modela el cambio de probabilidad causado por una acción.

Copyright © 2020
Josavere