Data Analytics para el Contador

Resumen preparado por: Yvonne L. Huertas, CPA, CMA, JD, LLM

Expositores:

Carlos Estronza

Carlos Ojeda

Edwin Galarza

El 8 de diciembre, 2020, tuvimos el privilegio de escuchar a jóvenes talentosos, miembros de PwC de Puerto Rico, quienes representan el nuevo perfil del contador con robusto dominio de las tecnologías. Su presentación giró alrededor del tema de análisis de datos. A continuación resumiré los puntos más sobresalientes de la presentación.

La transformación que se espera de los contadores responde a nuevas expectativas de los clientes y requerimientos de los mercados. Hace tiempo los vientos de cambio anunciaban que las tecnologías estaban cambiando las reglas de hacer negocio. Para poder sobrevivir en esta nueva realidad es necesario hacer una transformación centrada en las tecnologías. Las expectativas son altas de que el personal que labora en el campo de la contabilidad tenga las nuevas herramientas necesarias para poder cumplir con las altas expectativas que tienen los clientes y mercados. Es imperativo hacer importantes inversiones en tecnología para capacitar al contador a montarse en la ola de cambios provocadas las tres V – Velocidad, Variedad, Volumen – de la información.

De pronto nos vemos inmersos una variedad de información, tanto cuantitativa como cualitativa, que, de analizarse adecuadamente y oportunamente, propiciará que las empresas estén en mejor posición de tomar decisiones que optimicen sus recursos. Hay un mandato que proviene de los mercados y de los clientes de que quieren información instantánea, al momento de pedirla y con los ajustes necesarios de los eventos que hayan ocurrido más recientemente. Debido a la evolución cuántica que evidencian las tecnologías, la labor tradicional del contador de las auditorías, de la preparación de informes de taxes, ahora se puede completar en menos tiempo, con menos esfuerzo, y con resultados más confiables y puntuales. Los clientes y el mercado ya no se conforman con informes estáticos que solo demuestran un escenario. Exigen dinamismo en los formatos de publicación de informes, tienen expectativas de que llegarán cambios en los canales de colaboración. Nuestro norte como contadores profesionales que evolucionemos y que nos adaptemos a esta nueva realidad, que se agudiza con la nueva normalidad que vivimos en tiempos de Pandemia COVID-19.

El acceso a tanta información requiere cambios también en los acuerdos que se tienen con los clientes. Será necesario ajustar las cartas de compromisos para usar datos de los clientes, para que estos den su consentimiento, entre otros, a que la información se suba a la nube, y a que se haga minería de datos para fines de poder aportar nuevos ángulos de oportunidades de negocio, de reducción de costos, o de nuevas eficiencias que se puedan lograr. Tal como lo hemos venido anticipando en el pasado, el rol del contador se extiende al rol de un consejero profesional.

Si fueramos a intentar definir el concepto de análisis de datos tendríamos que examinar las etapas por las que atraviesa el mismo:

1. Iniciamos el proceso con la recopilación, consolidación y “limpieza” de datos. Al hablar de “limpieza” nos referimos a ir filtrando y depurando la información, dejando solo los elementos relevantes.
2. Una vez completados los pasos anteriores, entonces estamos en posición de realizar el análisis, aplicando técnicas “inteligentes” para descubrir información a partir de datos relevantes.
3. ¿Y ahora qué? Tenemos mucha información, la hemos depurado, la hemos filtrado. ¿Qué hacemos? ¿Someter largas listas de datos en una hoja de EXCEL? ¿Quién tiene la capacidad de mirar esas largas listas y extraer información o interpretaciones valiosas?

Aquí es donde entra el análisis de datos. Creamos visualizaciones que convierten los datos en un formato más comprensible y fácil de usar. Aquí es donde entra la automatización de datos con las palabras claves de:

1. Extraer: se trata de conectar y agregar datos de una variedad de fuentes de plataformas. Se elimina un número significativo de trabajo manual, tiempo que ahora se puede dedicar a actividades de real valor agregado en el proceso de toma de decisiones
2. Transformar: podemos capturar información que nos permite escribir y transcribir fácilmente fórmulas y consultas complejas. De pronto somos capaces de crear análisis repetitivo de manera automatizada.
3. Cargar: Como resultado de todo este procesamiento de información, se obtienen datos que se pueden cargar en diferentes bases de datos ampliando el análisis, accediendo soluciones insospechadas que representan valiosa información inteligente de negocio lista para formar parte de los fundamentos de los procesos de toma de decisiones. Los “huecos” en los procesos de toma de decisiones que existían por ausencia de información relevante los llenan el proceso de análisis de datos. Sin duda alguna, también gozamos de una reducción significativa en errores causados por el humano, ya sea por cansancio, por descuido, por información incompleta u otra causa.

Un aspecto importante que se enfatizó en la charla fue el poder de la visualización de datos. Las palabras claves consignadas con este poder de visualización fueron:

1. Conectar: La visualización de datos permite la conexión real y fácil a cualquier fuente de datos. Lo que antes no estaba al alcance del ser humano por las limitaciones de tiempo, espacio y capacidad, ahora la visualización lo hace viable y práctico.
2. Mostrar: Como decía Confucio, “Una imagen habla más que 1,000 palabras”. Ver es entender. Ya podemos analizar de forma rápida y sencilla lo que antes era imposible para nosotros “meros mortales”.
3. Comunicar: Los visuales que resultan del análisis de datos tienen impacto inmediato visible – claro, coherente,conciso – en el cliente. Comunican la realidad de manera sencilla, lo que debe permitir conocer y comprender mejor la esencia del problema o de la situación, y , sobre todo, conducir a la acción más apropiada y conveniente para el cliente. Usted quiere sorprender al cliente: el análisis de datos es el camino directo para hacerlo.

La charla nos dio un avance sobre algunos temas que el contador deberá explorar, entre ellos la Automatización Inteligente. Se trata de una solución integrada para la transformación digital. Permite enlazar a usuarios, tareas, sistemas y “bots”, además de inteligencia artificial en su componente de “machine learning” para facilitar la automatización de procesos de manera inteligente.

Si usted tiene en su lista de deseos de Navidad:

1. Ofrecerle a su cliente una experiencia diferenciada
2. Darle la sorpresa de información adicional a partir de los datos, que representan valor agregado al cliente
3. Darle al cliente una muestra de cómo la innovación puede ayudarlo a tener un desempeño superior
4. Disfrutar de mayor eficiencia, mejores rendimientos de inversión y calidad

Usted, contador profesional que lee este resumen, está obligado a moverse al mundo de las tecnologías para dominarlas e incorporarlas a su quehacer.

Tome nota de estas recomendaciones que le guiarán a una implantación de procesos automatizados cuya inversión estén justificados.¿Cuándo debe automatizar?:

1. Alto volumen y bajo nivel de complejidad del proceso
2. Problema y solución basados en reglas
3. Alto nivel de estandardización
4. Alto nivel de calidad de datos
5. Utilización de múltiples aplicaciones
6. Ambiente estable
7. Excepciones limitadas

Hay una regla que se conoce como la “regla de los 5”: aplíquela siempre. Esta regla dice:

1. El proceso objeto de automatización requiere 5 decisiones o menos
2. Se usan 5 aplicaciones o menos
3. Se ejecutan 500 “clicks” o menos

La charla de Análisis de Datos y su Impacto en los Negocios finalizó compartiendo una introducción al tema de aprendizaje automático, mejor conocido como “machine learning”. Debido a los avances en las nuevas tecnologías con las 3 V que mencionamos anteriormente – Velocidad, Variedad, Volumen, el “machine learning” nació del reconocimiento de patrones y de la teoría que dice que las computadoras pueden aprender sin ser programadas para realizar tareas específicas. Las computadoras aprenden de los datos que se le alimentan y es precisamente el elemento de iteraciones que cobra importancia. A medida que alimentamos más datos a los modelos, éstos pueden adaptarse de forma independiente, aprendiendo de cálculos previos para producir decisiones y resultados confiables y repetibles

Dentro del tema de Machine Learning, existen los términos de aprendizaje supervisado y no supervisado. Estos describen dos formas en que las máquinas puedan entender un conjunto de datos y se espera que aprendan algo útil de ellas. El aprendizaje supervisado es el que es más fácil de entender. Requiere el desarrollo de algoritmos. Se dice que es aprendizaje supervisado porque sobre lo aprendido se desarrollarán una guías para que la computadora emule el mismo proceso humano de aprendizaje. Requiere conocer los resultados del algoritmo y que los datos utilizados para dearrollar el algoritmo ya tengan respuestas correctas conocidas.

El aprendizaje no supervisado, por otro lado, es el que más vinculamos con la inteligencia artificial. El concepto que rige aquí es que la computadora pueda aprender a identificar procesos y patrones complejos sin la necesidad de un humano que esté supervisando y guiando el proceso.