Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur.
Bloquear cita
Lista ordenada
Lista desordenada
Texto en negrita
Éntesis
Superíndice
Subíndice
Para muchas empresas, mejorar los procesos de planificación financiera (incluidos la planificación y el análisis financieros, la planificación operativa y de ventas, la planificación empresarial integrada y la previsión) es una de las principales prioridades. La automatización, la mejora de la integración entre los sistemas y el aumento de la eficiencia de los procesos parecen ser un esfuerzo continuo. Hoy en día, la inteligencia artificial y el aprendizaje automático parecen ser prometedores en esta área, pero ¿es esto realmente lo que su empresa debería comprar y/o desarrollar?
En mi carrera, he visto muchos ejemplos del uso incorrecto del término Inteligencia Artificial. Además, una gran cantidad de software se vende con el nombre de IA sin tener ninguna funcionalidad real de inteligencia artificial en su interior. Incluso cuando el software contiene inteligencia artificial, la mayoría de las empresas no pueden empezar a utilizarla directamente en función del estado actual de sus procesos de planificación. Sin embargo, las empresas deben comprender que la implementación y el desarrollo de la tecnología más innovadora se pueden realizar en un plazo y un presupuesto aceptables. Y aquí radica el quid de la cuestión: para implementar y utilizar la IA correctamente, es necesario adoptar un enfoque estructurado. Esto requiere tiempo, una preparación cuidadosa, un desarrollo tecnológico y, en la mayoría de los casos, también un cambio considerable en la forma de trabajar. Es difícil hacer todo esto de una sola vez, por lo que se recomienda un enfoque gradual: el objetivo es lograr un entorno estable y flexible que dé frutos ahora, pero que también pueda adaptarse rápidamente a los cambios en la empresa, el entorno y los procesos de toma de decisiones relacionados.
En este artículo, se abordarán 5 etapas diferentes en los procesos de planificación y previsión. Nos centraremos en los cambios necesarios para avanzar un paso más y alcanzar el objetivo final de crear el máximo valor en estos procesos utilizando todos los recursos disponibles, incluida la inteligencia artificial. Los términos planificación y previsión se utilizarán indistintamente.
Como punto de partida, no existe ningún proceso de planificación. Esto implica que no se ha realizado ninguna inversión en la tecnología adecuada y que cualquier trabajo es manual sin ninguna base subyacente. La lucha contra incendios sin un análisis centralizado es siempre necesaria y la empresa no tiene una visión clara sobre la planificación a corto y largo plazo.
En esta etapa, existe un proceso de planificación, pero no es de gran valor ni está bien pensado. Las actividades de planificación habituales, como la reprevisión, son básicas y relativamente ingenuas (por ejemplo, basta con extrapolar los valores históricos de períodos anteriores), pero se dispone de al menos una base de referencia como punto de partida. Dado que es probable que la precisión de esta previsión sea baja, los planificadores deberán esforzarse mucho para ajustar la «línea de base» para la presentación final. El tiempo dedicado a la extinción de incendios debería ser inferior al de la fase 0. No es necesario invertir en la tecnología adecuada, ya que el proceso seguirá centrándose en gran medida en los resultados y puede estar sesgado en favor de la mentalidad subjetiva de los diferentes planificadores.
Para la mayoría de las empresas, esta es la madurez probable de los procesos de planificación y previsión. En esta etapa, es probable que una empresa tenga sistemas dispares y muchos datos. La causa principal de las ineficiencias es no contar con un proceso bien construido para automatizar e integrar. Sin embargo, la gran ventaja de esta etapa es la disponibilidad de métodos de pronóstico más sofisticados: líneas de base, tendencias, fluctuaciones irregulares, ciclicidad o estacionalidad: los métodos de pronóstico estadístico disponibles podrán detectar los patrones en los datos y podrán ser utilizados por los planificadores. Cuando utilice métodos de previsión estadística menos avanzados (intuitivos), como la media móvil, la media histórica, la regresión o cualquier enfoque basado en factores, puede hacerlo en Excel. Para los métodos de pronóstico más avanzados, como el suavizado exponencial (simple, doble, triple), la tendencia lineal de Holt, la descomposición multiplicativa y el multiplicativo de invierno, se necesita un software más avanzado (software o herramientas de programación de computación estadística). Se recomienda anotar los requisitos y un plan de juego para el flujo de datos, el diseño de integración y el diseño funcional del modelo antes de decidir qué software usar.
En esta etapa, se observa un cambio claro del trabajo. La cantidad de trabajo para los planificadores disminuye tras la reconsolidación de los datos, porque además de reconocer las tendencias de los datos y aplicar el enfoque estadístico correcto, los planificadores solo necesitan modificar la previsión basándose en un conocimiento que no se refleja en ningún sistema. Sin embargo, es necesario invertir más tiempo en el desarrollo a largo plazo del modelo y del proceso de previsión a fin de aumentar la escalabilidad y la eficiencia de todas las funciones de la empresa.
En este artículo, no voy a tratar el contenido exacto de los métodos de pronóstico avanzados. Para cada método, se tienen en cuenta al menos tres de los siguientes componentes: la línea de base, la tendencia, la estacionalidad, la ciclicidad, las fluctuaciones irregulares y el crecimiento.
En esta etapa, está en marcha la integración de los sistemas de registro transaccionales. Esto implica que un única fuente de verdad se ha alcanzado un estado dentro de la empresa, lo que tiene un impacto positivo en el trabajo diario de los planificadores. La solución integrada reduce la cantidad de trabajo de bajo valor para los planificadores (comprobar, conciliar, corregir errores). Gracias a este ahorro de tiempo, los planificadores pueden dedicarse a tareas de gran valor (todo tipo de análisis de datos) en lugar de realizar conciliaciones manuales que se repiten mensualmente.
La tecnología es totalmente compatible con el proceso básico de previsión de principio a fin. A diferencia de la fase 2, habrá más datos disponibles para los diferentes componentes del proceso de previsión, como el análisis exhaustivo de los datos, la planificación de escenarios, el análisis del impacto, etc. Las opciones en términos de previsión ya no son limitadas: la norma será detectar patrones de demanda (jerárquicos, pero también causales) a partir de una base de datos externa con estadísticas. En la etapa 2, la previsión estadística se basaba en los datos reales elegidos, pero en esta etapa se utiliza el análisis predictivo para determinar qué datos (adicionales) tienen el mayor valor predictivo para la previsión en toda la empresa. Se implementarán cada vez más algoritmos basados en datos, lo que implica incluso menos trabajo para los planificadores, ya que con esta tecnología también se crearán informes y análisis de datos extensos y estandarizados. Los planificadores solo tienen que decir qué tipo de análisis habría agregado valor y estos análisis se desarrollarán de manera estandarizada en toda la empresa. Los planificadores tardarán algún tiempo en sentirse cómodos con su «nueva» función.
En esta etapa, la tecnología admite un proceso de pronóstico de extremo a extremo más avanzado e incluye técnicas de pronóstico más innovadoras. Una mejora en comparación con la etapa 3 es la capacidad de utilizar diferentes técnicas para pronosticar a corto plazo (de 0 a 3 meses) y a medio plazo (de 3 a 24 meses). La capacidad de distinguir entre la planificación a corto y medio plazo reduce la probabilidad de disponer de muy pocos datos posteriores y aumenta la precisión de las previsiones a largo plazo. En esta fase se dispone de datos detallados y posteriores para detectar también patrones jerárquicos o relaciones causales.
La naturaleza del trabajo en términos de previsión consistirá cada vez más en la toma de decisiones estratégicas en lugar de centrarse en los datos posteriores. Los planificadores convencionales volverán a capacitarse para agregar valor a los niveles superiores de la cadena de procesos. En esta etapa, los datos dejarán de ser el tema principal de conversación, pero se cuestionarán las suposiciones del modelo y se simularán al planificar escenarios para aumentar la precisión de las previsiones y tener una buena idea de las posibilidades futuras. El modelo proporcionará todos los análisis necesarios para que el proceso de toma de decisiones se desarrolle sin problemas.
Este es el estado final, en el que todo el proceso de pronóstico se realiza automáticamente y es dirigido por un sistema RPA (Robot Process Automation) centralizado. Un sistema RPA centralizado es una máquina de inteligencia artificial que es el núcleo de toda automatización: todo está conectado a este sistema RPA. Esta tecnología de autoaprendizaje es la propietaria del proceso de previsión de principio a fin y puede ejecutar todos los pasos del proceso y tomar decisiones por sí sola. Sin embargo, es necesario capacitarla para mejorar, lo que implica que, en lugar de mejorar un modelo, hay que enviar comentarios al sistema de RPA. La ventaja de esto es que se puede proporcionar a la máquina de inteligencia artificial información detallada sobre las posibles mejoras y el sistema de RPA es capaz de detectar la causa exacta del desajuste y la ajustará en consecuencia. Mientras que en las fases 3 y 4 se pierde la intuición que había detrás de los métodos de previsión, en esta fase ya no existe: se confía plenamente en la capacidad del sistema de RPA y hay que entrenarlo con precisión.
Con el sistema RPA a la cabeza del proceso de previsión, se necesitarán empleados para el desarrollo y la formación de la máquina de inteligencia artificial, pero aún se necesitará casi cero empleados para comprobar las cifras de previsión. El mayor desafío en esta etapa es dejar de lado el control. Y no para otro colega competente, sino para un producto de inteligencia artificial que sea capaz de ver más datos de lo que pueden ver todas las mentes más brillantes de la empresa juntas (con la formación suficiente). Como en la mayoría de las etapas, es posible ejecutar el proceso anterior y el nuevo en paralelo. Tras ejecutar este proceso durante unos meses y comparar las previsiones de los meses anteriores con los datos actuales dentro de un cierto margen de error, las empresas se sienten más cómodas al dejar que el sistema RPA controle el proceso y, a partir de ese momento, solo revise las hipótesis y las cifras de alto nivel. Mientras tanto, cada desviación de bajo nivel y los nuevos datos se incorporarán a la máquina para hacer una previsión aún mayor para el mes siguiente
Un verdadero desafío para esta hoja de ruta es pasar al siguiente paso solo cuando la empresa esté realmente preparada. Si se va demasiado rápido, las ineficiencias se volverán aún más ineficientes y conducirán a un entorno inestable. Realice las pruebas piloto adecuadas y deje que los desarrollos actuales y nuevos funcionen en paralelo para una parte de la empresa. Apoye a la empresa en la transformación porque no será fácil para ella. Guíelos en las cambiantes responsabilidades y en la forma de gestionar las expectativas de los planificadores convencionales. Como empresa, solo puede avanzar tan rápido como la parte más lenta de su negocio.
Vale la pena abordar otro desafío: dejar el control paso a paso. En este proceso, no se puede dejar que un sistema de RPA haga las previsiones si no hay un plan de juego o no se invierte tiempo en configurar la integración, limpiar los datos disponibles, conocer las técnicas de previsión, etc. Los expertos de la empresa deben tener los conocimientos necesarios para poder preparar la máquina de inteligencia artificial a su nivel para añadir más valor a la empresa.
Por último, será absolutamente necesario cambiar la forma de trabajar. Algunas funciones incluso desaparecerán en el proceso y es inevitable volver a capacitar a los empleados. No subestime el impacto de esto y sea honesto acerca del alcance de los cambios en los procedimientos y de lo que se necesita para dar el siguiente paso en la mejora del proceso de previsión.
Nunca es demasiado tarde para empezar e informarse sobre cómo obtener grandes beneficios en el actual proceso de previsión dentro de su empresa. Cree una hoja de ruta a largo plazo con el apoyo de toda la empresa y comience.
Para muchas empresas, mejorar los procesos de planificación financiera (incluidos la planificación y el análisis financieros, la planificación operativa y de ventas, la planificación empresarial integrada y la previsión) es una de las principales prioridades. La automatización, la mejora de la integración entre los sistemas y el aumento de la eficiencia de los procesos parecen ser un esfuerzo continuo. Hoy en día, la inteligencia artificial y el aprendizaje automático parecen ser prometedores en esta área, pero ¿es esto realmente lo que su empresa debería comprar y/o desarrollar?
En mi carrera, he visto muchos ejemplos del uso incorrecto del término Inteligencia Artificial. Además, una gran cantidad de software se vende con el nombre de IA sin tener ninguna funcionalidad real de inteligencia artificial en su interior. Incluso cuando el software contiene inteligencia artificial, la mayoría de las empresas no pueden empezar a utilizarla directamente en función del estado actual de sus procesos de planificación. Sin embargo, las empresas deben comprender que la implementación y el desarrollo de la tecnología más innovadora se pueden realizar en un plazo y un presupuesto aceptables. Y aquí radica el quid de la cuestión: para implementar y utilizar la IA correctamente, es necesario adoptar un enfoque estructurado. Esto requiere tiempo, una preparación cuidadosa, un desarrollo tecnológico y, en la mayoría de los casos, también un cambio considerable en la forma de trabajar. Es difícil hacer todo esto de una sola vez, por lo que se recomienda un enfoque gradual: el objetivo es lograr un entorno estable y flexible que dé frutos ahora, pero que también pueda adaptarse rápidamente a los cambios en la empresa, el entorno y los procesos de toma de decisiones relacionados.
En este artículo, se abordarán 5 etapas diferentes en los procesos de planificación y previsión. Nos centraremos en los cambios necesarios para avanzar un paso más y alcanzar el objetivo final de crear el máximo valor en estos procesos utilizando todos los recursos disponibles, incluida la inteligencia artificial. Los términos planificación y previsión se utilizarán indistintamente.
Como punto de partida, no existe ningún proceso de planificación. Esto implica que no se ha realizado ninguna inversión en la tecnología adecuada y que cualquier trabajo es manual sin ninguna base subyacente. La lucha contra incendios sin un análisis centralizado es siempre necesaria y la empresa no tiene una visión clara sobre la planificación a corto y largo plazo.
En esta etapa, existe un proceso de planificación, pero no es de gran valor ni está bien pensado. Las actividades de planificación habituales, como la reprevisión, son básicas y relativamente ingenuas (por ejemplo, basta con extrapolar los valores históricos de períodos anteriores), pero se dispone de al menos una base de referencia como punto de partida. Dado que es probable que la precisión de esta previsión sea baja, los planificadores deberán esforzarse mucho para ajustar la «línea de base» para la presentación final. El tiempo dedicado a la extinción de incendios debería ser inferior al de la fase 0. No es necesario invertir en la tecnología adecuada, ya que el proceso seguirá centrándose en gran medida en los resultados y puede estar sesgado en favor de la mentalidad subjetiva de los diferentes planificadores.
Para la mayoría de las empresas, esta es la madurez probable de los procesos de planificación y previsión. En esta etapa, es probable que una empresa tenga sistemas dispares y muchos datos. La causa principal de las ineficiencias es no contar con un proceso bien construido para automatizar e integrar. Sin embargo, la gran ventaja de esta etapa es la disponibilidad de métodos de pronóstico más sofisticados: líneas de base, tendencias, fluctuaciones irregulares, ciclicidad o estacionalidad: los métodos de pronóstico estadístico disponibles podrán detectar los patrones en los datos y podrán ser utilizados por los planificadores. Cuando utilice métodos de previsión estadística menos avanzados (intuitivos), como la media móvil, la media histórica, la regresión o cualquier enfoque basado en factores, puede hacerlo en Excel. Para los métodos de pronóstico más avanzados, como el suavizado exponencial (simple, doble, triple), la tendencia lineal de Holt, la descomposición multiplicativa y el multiplicativo de invierno, se necesita un software más avanzado (software o herramientas de programación de computación estadística). Se recomienda anotar los requisitos y un plan de juego para el flujo de datos, el diseño de integración y el diseño funcional del modelo antes de decidir qué software usar.
En esta etapa, se observa un cambio claro del trabajo. La cantidad de trabajo para los planificadores disminuye tras la reconsolidación de los datos, porque además de reconocer las tendencias de los datos y aplicar el enfoque estadístico correcto, los planificadores solo necesitan modificar la previsión basándose en un conocimiento que no se refleja en ningún sistema. Sin embargo, es necesario invertir más tiempo en el desarrollo a largo plazo del modelo y del proceso de previsión a fin de aumentar la escalabilidad y la eficiencia de todas las funciones de la empresa.
En este artículo, no voy a tratar el contenido exacto de los métodos de pronóstico avanzados. Para cada método, se tienen en cuenta al menos tres de los siguientes componentes: la línea de base, la tendencia, la estacionalidad, la ciclicidad, las fluctuaciones irregulares y el crecimiento.
En esta etapa, está en marcha la integración de los sistemas de registro transaccionales. Esto implica que un única fuente de verdad se ha alcanzado un estado dentro de la empresa, lo que tiene un impacto positivo en el trabajo diario de los planificadores. La solución integrada reduce la cantidad de trabajo de bajo valor para los planificadores (comprobar, conciliar, corregir errores). Gracias a este ahorro de tiempo, los planificadores pueden dedicarse a tareas de gran valor (todo tipo de análisis de datos) en lugar de realizar conciliaciones manuales que se repiten mensualmente.
La tecnología es totalmente compatible con el proceso básico de previsión de principio a fin. A diferencia de la fase 2, habrá más datos disponibles para los diferentes componentes del proceso de previsión, como el análisis exhaustivo de los datos, la planificación de escenarios, el análisis del impacto, etc. Las opciones en términos de previsión ya no son limitadas: la norma será detectar patrones de demanda (jerárquicos, pero también causales) a partir de una base de datos externa con estadísticas. En la etapa 2, la previsión estadística se basaba en los datos reales elegidos, pero en esta etapa se utiliza el análisis predictivo para determinar qué datos (adicionales) tienen el mayor valor predictivo para la previsión en toda la empresa. Se implementarán cada vez más algoritmos basados en datos, lo que implica incluso menos trabajo para los planificadores, ya que con esta tecnología también se crearán informes y análisis de datos extensos y estandarizados. Los planificadores solo tienen que decir qué tipo de análisis habría agregado valor y estos análisis se desarrollarán de manera estandarizada en toda la empresa. Los planificadores tardarán algún tiempo en sentirse cómodos con su «nueva» función.
En esta etapa, la tecnología admite un proceso de pronóstico de extremo a extremo más avanzado e incluye técnicas de pronóstico más innovadoras. Una mejora en comparación con la etapa 3 es la capacidad de utilizar diferentes técnicas para pronosticar a corto plazo (de 0 a 3 meses) y a medio plazo (de 3 a 24 meses). La capacidad de distinguir entre la planificación a corto y medio plazo reduce la probabilidad de disponer de muy pocos datos posteriores y aumenta la precisión de las previsiones a largo plazo. En esta fase se dispone de datos detallados y posteriores para detectar también patrones jerárquicos o relaciones causales.
La naturaleza del trabajo en términos de previsión consistirá cada vez más en la toma de decisiones estratégicas en lugar de centrarse en los datos posteriores. Los planificadores convencionales volverán a capacitarse para agregar valor a los niveles superiores de la cadena de procesos. En esta etapa, los datos dejarán de ser el tema principal de conversación, pero se cuestionarán las suposiciones del modelo y se simularán al planificar escenarios para aumentar la precisión de las previsiones y tener una buena idea de las posibilidades futuras. El modelo proporcionará todos los análisis necesarios para que el proceso de toma de decisiones se desarrolle sin problemas.
Este es el estado final, en el que todo el proceso de pronóstico se realiza automáticamente y es dirigido por un sistema RPA (Robot Process Automation) centralizado. Un sistema RPA centralizado es una máquina de inteligencia artificial que es el núcleo de toda automatización: todo está conectado a este sistema RPA. Esta tecnología de autoaprendizaje es la propietaria del proceso de previsión de principio a fin y puede ejecutar todos los pasos del proceso y tomar decisiones por sí sola. Sin embargo, es necesario capacitarla para mejorar, lo que implica que, en lugar de mejorar un modelo, hay que enviar comentarios al sistema de RPA. La ventaja de esto es que se puede proporcionar a la máquina de inteligencia artificial información detallada sobre las posibles mejoras y el sistema de RPA es capaz de detectar la causa exacta del desajuste y la ajustará en consecuencia. Mientras que en las fases 3 y 4 se pierde la intuición que había detrás de los métodos de previsión, en esta fase ya no existe: se confía plenamente en la capacidad del sistema de RPA y hay que entrenarlo con precisión.
Con el sistema RPA a la cabeza del proceso de previsión, se necesitarán empleados para el desarrollo y la formación de la máquina de inteligencia artificial, pero aún se necesitará casi cero empleados para comprobar las cifras de previsión. El mayor desafío en esta etapa es dejar de lado el control. Y no para otro colega competente, sino para un producto de inteligencia artificial que sea capaz de ver más datos de lo que pueden ver todas las mentes más brillantes de la empresa juntas (con la formación suficiente). Como en la mayoría de las etapas, es posible ejecutar el proceso anterior y el nuevo en paralelo. Tras ejecutar este proceso durante unos meses y comparar las previsiones de los meses anteriores con los datos actuales dentro de un cierto margen de error, las empresas se sienten más cómodas al dejar que el sistema RPA controle el proceso y, a partir de ese momento, solo revise las hipótesis y las cifras de alto nivel. Mientras tanto, cada desviación de bajo nivel y los nuevos datos se incorporarán a la máquina para hacer una previsión aún mayor para el mes siguiente
Un verdadero desafío para esta hoja de ruta es pasar al siguiente paso solo cuando la empresa esté realmente preparada. Si se va demasiado rápido, las ineficiencias se volverán aún más ineficientes y conducirán a un entorno inestable. Realice las pruebas piloto adecuadas y deje que los desarrollos actuales y nuevos funcionen en paralelo para una parte de la empresa. Apoye a la empresa en la transformación porque no será fácil para ella. Guíelos en las cambiantes responsabilidades y en la forma de gestionar las expectativas de los planificadores convencionales. Como empresa, solo puede avanzar tan rápido como la parte más lenta de su negocio.
Vale la pena abordar otro desafío: dejar el control paso a paso. En este proceso, no se puede dejar que un sistema de RPA haga las previsiones si no hay un plan de juego o no se invierte tiempo en configurar la integración, limpiar los datos disponibles, conocer las técnicas de previsión, etc. Los expertos de la empresa deben tener los conocimientos necesarios para poder preparar la máquina de inteligencia artificial a su nivel para añadir más valor a la empresa.
Por último, será absolutamente necesario cambiar la forma de trabajar. Algunas funciones incluso desaparecerán en el proceso y es inevitable volver a capacitar a los empleados. No subestime el impacto de esto y sea honesto acerca del alcance de los cambios en los procedimientos y de lo que se necesita para dar el siguiente paso en la mejora del proceso de previsión.
Nunca es demasiado tarde para empezar e informarse sobre cómo obtener grandes beneficios en el actual proceso de previsión dentro de su empresa. Cree una hoja de ruta a largo plazo con el apoyo de toda la empresa y comience.
Para muchas empresas, mejorar los procesos de planificación financiera (incluidos la planificación y el análisis financieros, la planificación operativa y de ventas, la planificación empresarial integrada y la previsión) es una de las principales prioridades. La automatización, la mejora de la integración entre los sistemas y el aumento de la eficiencia de los procesos parecen ser un esfuerzo continuo. Hoy en día, la inteligencia artificial y el aprendizaje automático parecen ser prometedores en esta área, pero ¿es esto realmente lo que su empresa debería comprar y/o desarrollar?
En mi carrera, he visto muchos ejemplos del uso incorrecto del término Inteligencia Artificial. Además, una gran cantidad de software se vende con el nombre de IA sin tener ninguna funcionalidad real de inteligencia artificial en su interior. Incluso cuando el software contiene inteligencia artificial, la mayoría de las empresas no pueden empezar a utilizarla directamente en función del estado actual de sus procesos de planificación. Sin embargo, las empresas deben comprender que la implementación y el desarrollo de la tecnología más innovadora se pueden realizar en un plazo y un presupuesto aceptables. Y aquí radica el quid de la cuestión: para implementar y utilizar la IA correctamente, es necesario adoptar un enfoque estructurado. Esto requiere tiempo, una preparación cuidadosa, un desarrollo tecnológico y, en la mayoría de los casos, también un cambio considerable en la forma de trabajar. Es difícil hacer todo esto de una sola vez, por lo que se recomienda un enfoque gradual: el objetivo es lograr un entorno estable y flexible que dé frutos ahora, pero que también pueda adaptarse rápidamente a los cambios en la empresa, el entorno y los procesos de toma de decisiones relacionados.
En este artículo, se abordarán 5 etapas diferentes en los procesos de planificación y previsión. Nos centraremos en los cambios necesarios para avanzar un paso más y alcanzar el objetivo final de crear el máximo valor en estos procesos utilizando todos los recursos disponibles, incluida la inteligencia artificial. Los términos planificación y previsión se utilizarán indistintamente.
Como punto de partida, no existe ningún proceso de planificación. Esto implica que no se ha realizado ninguna inversión en la tecnología adecuada y que cualquier trabajo es manual sin ninguna base subyacente. La lucha contra incendios sin un análisis centralizado es siempre necesaria y la empresa no tiene una visión clara sobre la planificación a corto y largo plazo.
En esta etapa, existe un proceso de planificación, pero no es de gran valor ni está bien pensado. Las actividades de planificación habituales, como la reprevisión, son básicas y relativamente ingenuas (por ejemplo, basta con extrapolar los valores históricos de períodos anteriores), pero se dispone de al menos una base de referencia como punto de partida. Dado que es probable que la precisión de esta previsión sea baja, los planificadores deberán esforzarse mucho para ajustar la «línea de base» para la presentación final. El tiempo dedicado a la extinción de incendios debería ser inferior al de la fase 0. No es necesario invertir en la tecnología adecuada, ya que el proceso seguirá centrándose en gran medida en los resultados y puede estar sesgado en favor de la mentalidad subjetiva de los diferentes planificadores.
Para la mayoría de las empresas, esta es la madurez probable de los procesos de planificación y previsión. En esta etapa, es probable que una empresa tenga sistemas dispares y muchos datos. La causa principal de las ineficiencias es no contar con un proceso bien construido para automatizar e integrar. Sin embargo, la gran ventaja de esta etapa es la disponibilidad de métodos de pronóstico más sofisticados: líneas de base, tendencias, fluctuaciones irregulares, ciclicidad o estacionalidad: los métodos de pronóstico estadístico disponibles podrán detectar los patrones en los datos y podrán ser utilizados por los planificadores. Cuando utilice métodos de previsión estadística menos avanzados (intuitivos), como la media móvil, la media histórica, la regresión o cualquier enfoque basado en factores, puede hacerlo en Excel. Para los métodos de pronóstico más avanzados, como el suavizado exponencial (simple, doble, triple), la tendencia lineal de Holt, la descomposición multiplicativa y el multiplicativo de invierno, se necesita un software más avanzado (software o herramientas de programación de computación estadística). Se recomienda anotar los requisitos y un plan de juego para el flujo de datos, el diseño de integración y el diseño funcional del modelo antes de decidir qué software usar.
En esta etapa, se observa un cambio claro del trabajo. La cantidad de trabajo para los planificadores disminuye tras la reconsolidación de los datos, porque además de reconocer las tendencias de los datos y aplicar el enfoque estadístico correcto, los planificadores solo necesitan modificar la previsión basándose en un conocimiento que no se refleja en ningún sistema. Sin embargo, es necesario invertir más tiempo en el desarrollo a largo plazo del modelo y del proceso de previsión a fin de aumentar la escalabilidad y la eficiencia de todas las funciones de la empresa.
En este artículo, no voy a tratar el contenido exacto de los métodos de pronóstico avanzados. Para cada método, se tienen en cuenta al menos tres de los siguientes componentes: la línea de base, la tendencia, la estacionalidad, la ciclicidad, las fluctuaciones irregulares y el crecimiento.
En esta etapa, está en marcha la integración de los sistemas de registro transaccionales. Esto implica que un única fuente de verdad se ha alcanzado un estado dentro de la empresa, lo que tiene un impacto positivo en el trabajo diario de los planificadores. La solución integrada reduce la cantidad de trabajo de bajo valor para los planificadores (comprobar, conciliar, corregir errores). Gracias a este ahorro de tiempo, los planificadores pueden dedicarse a tareas de gran valor (todo tipo de análisis de datos) en lugar de realizar conciliaciones manuales que se repiten mensualmente.
La tecnología es totalmente compatible con el proceso básico de previsión de principio a fin. A diferencia de la fase 2, habrá más datos disponibles para los diferentes componentes del proceso de previsión, como el análisis exhaustivo de los datos, la planificación de escenarios, el análisis del impacto, etc. Las opciones en términos de previsión ya no son limitadas: la norma será detectar patrones de demanda (jerárquicos, pero también causales) a partir de una base de datos externa con estadísticas. En la etapa 2, la previsión estadística se basaba en los datos reales elegidos, pero en esta etapa se utiliza el análisis predictivo para determinar qué datos (adicionales) tienen el mayor valor predictivo para la previsión en toda la empresa. Se implementarán cada vez más algoritmos basados en datos, lo que implica incluso menos trabajo para los planificadores, ya que con esta tecnología también se crearán informes y análisis de datos extensos y estandarizados. Los planificadores solo tienen que decir qué tipo de análisis habría agregado valor y estos análisis se desarrollarán de manera estandarizada en toda la empresa. Los planificadores tardarán algún tiempo en sentirse cómodos con su «nueva» función.
En esta etapa, la tecnología admite un proceso de pronóstico de extremo a extremo más avanzado e incluye técnicas de pronóstico más innovadoras. Una mejora en comparación con la etapa 3 es la capacidad de utilizar diferentes técnicas para pronosticar a corto plazo (de 0 a 3 meses) y a medio plazo (de 3 a 24 meses). La capacidad de distinguir entre la planificación a corto y medio plazo reduce la probabilidad de disponer de muy pocos datos posteriores y aumenta la precisión de las previsiones a largo plazo. En esta fase se dispone de datos detallados y posteriores para detectar también patrones jerárquicos o relaciones causales.
La naturaleza del trabajo en términos de previsión consistirá cada vez más en la toma de decisiones estratégicas en lugar de centrarse en los datos posteriores. Los planificadores convencionales volverán a capacitarse para agregar valor a los niveles superiores de la cadena de procesos. En esta etapa, los datos dejarán de ser el tema principal de conversación, pero se cuestionarán las suposiciones del modelo y se simularán al planificar escenarios para aumentar la precisión de las previsiones y tener una buena idea de las posibilidades futuras. El modelo proporcionará todos los análisis necesarios para que el proceso de toma de decisiones se desarrolle sin problemas.
Este es el estado final, en el que todo el proceso de pronóstico se realiza automáticamente y es dirigido por un sistema RPA (Robot Process Automation) centralizado. Un sistema RPA centralizado es una máquina de inteligencia artificial que es el núcleo de toda automatización: todo está conectado a este sistema RPA. Esta tecnología de autoaprendizaje es la propietaria del proceso de previsión de principio a fin y puede ejecutar todos los pasos del proceso y tomar decisiones por sí sola. Sin embargo, es necesario capacitarla para mejorar, lo que implica que, en lugar de mejorar un modelo, hay que enviar comentarios al sistema de RPA. La ventaja de esto es que se puede proporcionar a la máquina de inteligencia artificial información detallada sobre las posibles mejoras y el sistema de RPA es capaz de detectar la causa exacta del desajuste y la ajustará en consecuencia. Mientras que en las fases 3 y 4 se pierde la intuición que había detrás de los métodos de previsión, en esta fase ya no existe: se confía plenamente en la capacidad del sistema de RPA y hay que entrenarlo con precisión.
Con el sistema RPA a la cabeza del proceso de previsión, se necesitarán empleados para el desarrollo y la formación de la máquina de inteligencia artificial, pero aún se necesitará casi cero empleados para comprobar las cifras de previsión. El mayor desafío en esta etapa es dejar de lado el control. Y no para otro colega competente, sino para un producto de inteligencia artificial que sea capaz de ver más datos de lo que pueden ver todas las mentes más brillantes de la empresa juntas (con la formación suficiente). Como en la mayoría de las etapas, es posible ejecutar el proceso anterior y el nuevo en paralelo. Tras ejecutar este proceso durante unos meses y comparar las previsiones de los meses anteriores con los datos actuales dentro de un cierto margen de error, las empresas se sienten más cómodas al dejar que el sistema RPA controle el proceso y, a partir de ese momento, solo revise las hipótesis y las cifras de alto nivel. Mientras tanto, cada desviación de bajo nivel y los nuevos datos se incorporarán a la máquina para hacer una previsión aún mayor para el mes siguiente
Un verdadero desafío para esta hoja de ruta es pasar al siguiente paso solo cuando la empresa esté realmente preparada. Si se va demasiado rápido, las ineficiencias se volverán aún más ineficientes y conducirán a un entorno inestable. Realice las pruebas piloto adecuadas y deje que los desarrollos actuales y nuevos funcionen en paralelo para una parte de la empresa. Apoye a la empresa en la transformación porque no será fácil para ella. Guíelos en las cambiantes responsabilidades y en la forma de gestionar las expectativas de los planificadores convencionales. Como empresa, solo puede avanzar tan rápido como la parte más lenta de su negocio.
Vale la pena abordar otro desafío: dejar el control paso a paso. En este proceso, no se puede dejar que un sistema de RPA haga las previsiones si no hay un plan de juego o no se invierte tiempo en configurar la integración, limpiar los datos disponibles, conocer las técnicas de previsión, etc. Los expertos de la empresa deben tener los conocimientos necesarios para poder preparar la máquina de inteligencia artificial a su nivel para añadir más valor a la empresa.
Por último, será absolutamente necesario cambiar la forma de trabajar. Algunas funciones incluso desaparecerán en el proceso y es inevitable volver a capacitar a los empleados. No subestime el impacto de esto y sea honesto acerca del alcance de los cambios en los procedimientos y de lo que se necesita para dar el siguiente paso en la mejora del proceso de previsión.
Nunca es demasiado tarde para empezar e informarse sobre cómo obtener grandes beneficios en el actual proceso de previsión dentro de su empresa. Cree una hoja de ruta a largo plazo con el apoyo de toda la empresa y comience.
Para muchas empresas, mejorar los procesos de planificación financiera (incluidos la planificación y el análisis financieros, la planificación operativa y de ventas, la planificación empresarial integrada y la previsión) es una de las principales prioridades. La automatización, la mejora de la integración entre los sistemas y el aumento de la eficiencia de los procesos parecen ser un esfuerzo continuo. Hoy en día, la inteligencia artificial y el aprendizaje automático parecen ser prometedores en esta área, pero ¿es esto realmente lo que su empresa debería comprar y/o desarrollar?
En mi carrera, he visto muchos ejemplos del uso incorrecto del término Inteligencia Artificial. Además, una gran cantidad de software se vende con el nombre de IA sin tener ninguna funcionalidad real de inteligencia artificial en su interior. Incluso cuando el software contiene inteligencia artificial, la mayoría de las empresas no pueden empezar a utilizarla directamente en función del estado actual de sus procesos de planificación. Sin embargo, las empresas deben comprender que la implementación y el desarrollo de la tecnología más innovadora se pueden realizar en un plazo y un presupuesto aceptables. Y aquí radica el quid de la cuestión: para implementar y utilizar la IA correctamente, es necesario adoptar un enfoque estructurado. Esto requiere tiempo, una preparación cuidadosa, un desarrollo tecnológico y, en la mayoría de los casos, también un cambio considerable en la forma de trabajar. Es difícil hacer todo esto de una sola vez, por lo que se recomienda un enfoque gradual: el objetivo es lograr un entorno estable y flexible que dé frutos ahora, pero que también pueda adaptarse rápidamente a los cambios en la empresa, el entorno y los procesos de toma de decisiones relacionados.
En este artículo, se abordarán 5 etapas diferentes en los procesos de planificación y previsión. Nos centraremos en los cambios necesarios para avanzar un paso más y alcanzar el objetivo final de crear el máximo valor en estos procesos utilizando todos los recursos disponibles, incluida la inteligencia artificial. Los términos planificación y previsión se utilizarán indistintamente.
Como punto de partida, no existe ningún proceso de planificación. Esto implica que no se ha realizado ninguna inversión en la tecnología adecuada y que cualquier trabajo es manual sin ninguna base subyacente. La lucha contra incendios sin un análisis centralizado es siempre necesaria y la empresa no tiene una visión clara sobre la planificación a corto y largo plazo.
En esta etapa, existe un proceso de planificación, pero no es de gran valor ni está bien pensado. Las actividades de planificación habituales, como la reprevisión, son básicas y relativamente ingenuas (por ejemplo, basta con extrapolar los valores históricos de períodos anteriores), pero se dispone de al menos una base de referencia como punto de partida. Dado que es probable que la precisión de esta previsión sea baja, los planificadores deberán esforzarse mucho para ajustar la «línea de base» para la presentación final. El tiempo dedicado a la extinción de incendios debería ser inferior al de la fase 0. No es necesario invertir en la tecnología adecuada, ya que el proceso seguirá centrándose en gran medida en los resultados y puede estar sesgado en favor de la mentalidad subjetiva de los diferentes planificadores.
Para la mayoría de las empresas, esta es la madurez probable de los procesos de planificación y previsión. En esta etapa, es probable que una empresa tenga sistemas dispares y muchos datos. La causa principal de las ineficiencias es no contar con un proceso bien construido para automatizar e integrar. Sin embargo, la gran ventaja de esta etapa es la disponibilidad de métodos de pronóstico más sofisticados: líneas de base, tendencias, fluctuaciones irregulares, ciclicidad o estacionalidad: los métodos de pronóstico estadístico disponibles podrán detectar los patrones en los datos y podrán ser utilizados por los planificadores. Cuando utilice métodos de previsión estadística menos avanzados (intuitivos), como la media móvil, la media histórica, la regresión o cualquier enfoque basado en factores, puede hacerlo en Excel. Para los métodos de pronóstico más avanzados, como el suavizado exponencial (simple, doble, triple), la tendencia lineal de Holt, la descomposición multiplicativa y el multiplicativo de invierno, se necesita un software más avanzado (software o herramientas de programación de computación estadística). Se recomienda anotar los requisitos y un plan de juego para el flujo de datos, el diseño de integración y el diseño funcional del modelo antes de decidir qué software usar.
En esta etapa, se observa un cambio claro del trabajo. La cantidad de trabajo para los planificadores disminuye tras la reconsolidación de los datos, porque además de reconocer las tendencias de los datos y aplicar el enfoque estadístico correcto, los planificadores solo necesitan modificar la previsión basándose en un conocimiento que no se refleja en ningún sistema. Sin embargo, es necesario invertir más tiempo en el desarrollo a largo plazo del modelo y del proceso de previsión a fin de aumentar la escalabilidad y la eficiencia de todas las funciones de la empresa.
En este artículo, no voy a tratar el contenido exacto de los métodos de pronóstico avanzados. Para cada método, se tienen en cuenta al menos tres de los siguientes componentes: la línea de base, la tendencia, la estacionalidad, la ciclicidad, las fluctuaciones irregulares y el crecimiento.
En esta etapa, está en marcha la integración de los sistemas de registro transaccionales. Esto implica que un única fuente de verdad se ha alcanzado un estado dentro de la empresa, lo que tiene un impacto positivo en el trabajo diario de los planificadores. La solución integrada reduce la cantidad de trabajo de bajo valor para los planificadores (comprobar, conciliar, corregir errores). Gracias a este ahorro de tiempo, los planificadores pueden dedicarse a tareas de gran valor (todo tipo de análisis de datos) en lugar de realizar conciliaciones manuales que se repiten mensualmente.
La tecnología es totalmente compatible con el proceso básico de previsión de principio a fin. A diferencia de la fase 2, habrá más datos disponibles para los diferentes componentes del proceso de previsión, como el análisis exhaustivo de los datos, la planificación de escenarios, el análisis del impacto, etc. Las opciones en términos de previsión ya no son limitadas: la norma será detectar patrones de demanda (jerárquicos, pero también causales) a partir de una base de datos externa con estadísticas. En la etapa 2, la previsión estadística se basaba en los datos reales elegidos, pero en esta etapa se utiliza el análisis predictivo para determinar qué datos (adicionales) tienen el mayor valor predictivo para la previsión en toda la empresa. Se implementarán cada vez más algoritmos basados en datos, lo que implica incluso menos trabajo para los planificadores, ya que con esta tecnología también se crearán informes y análisis de datos extensos y estandarizados. Los planificadores solo tienen que decir qué tipo de análisis habría agregado valor y estos análisis se desarrollarán de manera estandarizada en toda la empresa. Los planificadores tardarán algún tiempo en sentirse cómodos con su «nueva» función.
En esta etapa, la tecnología admite un proceso de pronóstico de extremo a extremo más avanzado e incluye técnicas de pronóstico más innovadoras. Una mejora en comparación con la etapa 3 es la capacidad de utilizar diferentes técnicas para pronosticar a corto plazo (de 0 a 3 meses) y a medio plazo (de 3 a 24 meses). La capacidad de distinguir entre la planificación a corto y medio plazo reduce la probabilidad de disponer de muy pocos datos posteriores y aumenta la precisión de las previsiones a largo plazo. En esta fase se dispone de datos detallados y posteriores para detectar también patrones jerárquicos o relaciones causales.
La naturaleza del trabajo en términos de previsión consistirá cada vez más en la toma de decisiones estratégicas en lugar de centrarse en los datos posteriores. Los planificadores convencionales volverán a capacitarse para agregar valor a los niveles superiores de la cadena de procesos. En esta etapa, los datos dejarán de ser el tema principal de conversación, pero se cuestionarán las suposiciones del modelo y se simularán al planificar escenarios para aumentar la precisión de las previsiones y tener una buena idea de las posibilidades futuras. El modelo proporcionará todos los análisis necesarios para que el proceso de toma de decisiones se desarrolle sin problemas.
Este es el estado final, en el que todo el proceso de pronóstico se realiza automáticamente y es dirigido por un sistema RPA (Robot Process Automation) centralizado. Un sistema RPA centralizado es una máquina de inteligencia artificial que es el núcleo de toda automatización: todo está conectado a este sistema RPA. Esta tecnología de autoaprendizaje es la propietaria del proceso de previsión de principio a fin y puede ejecutar todos los pasos del proceso y tomar decisiones por sí sola. Sin embargo, es necesario capacitarla para mejorar, lo que implica que, en lugar de mejorar un modelo, hay que enviar comentarios al sistema de RPA. La ventaja de esto es que se puede proporcionar a la máquina de inteligencia artificial información detallada sobre las posibles mejoras y el sistema de RPA es capaz de detectar la causa exacta del desajuste y la ajustará en consecuencia. Mientras que en las fases 3 y 4 se pierde la intuición que había detrás de los métodos de previsión, en esta fase ya no existe: se confía plenamente en la capacidad del sistema de RPA y hay que entrenarlo con precisión.
Con el sistema RPA a la cabeza del proceso de previsión, se necesitarán empleados para el desarrollo y la formación de la máquina de inteligencia artificial, pero aún se necesitará casi cero empleados para comprobar las cifras de previsión. El mayor desafío en esta etapa es dejar de lado el control. Y no para otro colega competente, sino para un producto de inteligencia artificial que sea capaz de ver más datos de lo que pueden ver todas las mentes más brillantes de la empresa juntas (con la formación suficiente). Como en la mayoría de las etapas, es posible ejecutar el proceso anterior y el nuevo en paralelo. Tras ejecutar este proceso durante unos meses y comparar las previsiones de los meses anteriores con los datos actuales dentro de un cierto margen de error, las empresas se sienten más cómodas al dejar que el sistema RPA controle el proceso y, a partir de ese momento, solo revise las hipótesis y las cifras de alto nivel. Mientras tanto, cada desviación de bajo nivel y los nuevos datos se incorporarán a la máquina para hacer una previsión aún mayor para el mes siguiente
Un verdadero desafío para esta hoja de ruta es pasar al siguiente paso solo cuando la empresa esté realmente preparada. Si se va demasiado rápido, las ineficiencias se volverán aún más ineficientes y conducirán a un entorno inestable. Realice las pruebas piloto adecuadas y deje que los desarrollos actuales y nuevos funcionen en paralelo para una parte de la empresa. Apoye a la empresa en la transformación porque no será fácil para ella. Guíelos en las cambiantes responsabilidades y en la forma de gestionar las expectativas de los planificadores convencionales. Como empresa, solo puede avanzar tan rápido como la parte más lenta de su negocio.
Vale la pena abordar otro desafío: dejar el control paso a paso. En este proceso, no se puede dejar que un sistema de RPA haga las previsiones si no hay un plan de juego o no se invierte tiempo en configurar la integración, limpiar los datos disponibles, conocer las técnicas de previsión, etc. Los expertos de la empresa deben tener los conocimientos necesarios para poder preparar la máquina de inteligencia artificial a su nivel para añadir más valor a la empresa.
Por último, será absolutamente necesario cambiar la forma de trabajar. Algunas funciones incluso desaparecerán en el proceso y es inevitable volver a capacitar a los empleados. No subestime el impacto de esto y sea honesto acerca del alcance de los cambios en los procedimientos y de lo que se necesita para dar el siguiente paso en la mejora del proceso de previsión.
Nunca es demasiado tarde para empezar e informarse sobre cómo obtener grandes beneficios en el actual proceso de previsión dentro de su empresa. Cree una hoja de ruta a largo plazo con el apoyo de toda la empresa y comience.
Para muchas empresas, mejorar los procesos de planificación financiera (incluidos la planificación y el análisis financieros, la planificación operativa y de ventas, la planificación empresarial integrada y la previsión) es una de las principales prioridades. La automatización, la mejora de la integración entre los sistemas y el aumento de la eficiencia de los procesos parecen ser un esfuerzo continuo. Hoy en día, la inteligencia artificial y el aprendizaje automático parecen ser prometedores en esta área, pero ¿es esto realmente lo que su empresa debería comprar y/o desarrollar?
En mi carrera, he visto muchos ejemplos del uso incorrecto del término Inteligencia Artificial. Además, una gran cantidad de software se vende con el nombre de IA sin tener ninguna funcionalidad real de inteligencia artificial en su interior. Incluso cuando el software contiene inteligencia artificial, la mayoría de las empresas no pueden empezar a utilizarla directamente en función del estado actual de sus procesos de planificación. Sin embargo, las empresas deben comprender que la implementación y el desarrollo de la tecnología más innovadora se pueden realizar en un plazo y un presupuesto aceptables. Y aquí radica el quid de la cuestión: para implementar y utilizar la IA correctamente, es necesario adoptar un enfoque estructurado. Esto requiere tiempo, una preparación cuidadosa, un desarrollo tecnológico y, en la mayoría de los casos, también un cambio considerable en la forma de trabajar. Es difícil hacer todo esto de una sola vez, por lo que se recomienda un enfoque gradual: el objetivo es lograr un entorno estable y flexible que dé frutos ahora, pero que también pueda adaptarse rápidamente a los cambios en la empresa, el entorno y los procesos de toma de decisiones relacionados.
En este artículo, se abordarán 5 etapas diferentes en los procesos de planificación y previsión. Nos centraremos en los cambios necesarios para avanzar un paso más y alcanzar el objetivo final de crear el máximo valor en estos procesos utilizando todos los recursos disponibles, incluida la inteligencia artificial. Los términos planificación y previsión se utilizarán indistintamente.
Como punto de partida, no existe ningún proceso de planificación. Esto implica que no se ha realizado ninguna inversión en la tecnología adecuada y que cualquier trabajo es manual sin ninguna base subyacente. La lucha contra incendios sin un análisis centralizado es siempre necesaria y la empresa no tiene una visión clara sobre la planificación a corto y largo plazo.
En esta etapa, existe un proceso de planificación, pero no es de gran valor ni está bien pensado. Las actividades de planificación habituales, como la reprevisión, son básicas y relativamente ingenuas (por ejemplo, basta con extrapolar los valores históricos de períodos anteriores), pero se dispone de al menos una base de referencia como punto de partida. Dado que es probable que la precisión de esta previsión sea baja, los planificadores deberán esforzarse mucho para ajustar la «línea de base» para la presentación final. El tiempo dedicado a la extinción de incendios debería ser inferior al de la fase 0. No es necesario invertir en la tecnología adecuada, ya que el proceso seguirá centrándose en gran medida en los resultados y puede estar sesgado en favor de la mentalidad subjetiva de los diferentes planificadores.
Para la mayoría de las empresas, esta es la madurez probable de los procesos de planificación y previsión. En esta etapa, es probable que una empresa tenga sistemas dispares y muchos datos. La causa principal de las ineficiencias es no contar con un proceso bien construido para automatizar e integrar. Sin embargo, la gran ventaja de esta etapa es la disponibilidad de métodos de pronóstico más sofisticados: líneas de base, tendencias, fluctuaciones irregulares, ciclicidad o estacionalidad: los métodos de pronóstico estadístico disponibles podrán detectar los patrones en los datos y podrán ser utilizados por los planificadores. Cuando utilice métodos de previsión estadística menos avanzados (intuitivos), como la media móvil, la media histórica, la regresión o cualquier enfoque basado en factores, puede hacerlo en Excel. Para los métodos de pronóstico más avanzados, como el suavizado exponencial (simple, doble, triple), la tendencia lineal de Holt, la descomposición multiplicativa y el multiplicativo de invierno, se necesita un software más avanzado (software o herramientas de programación de computación estadística). Se recomienda anotar los requisitos y un plan de juego para el flujo de datos, el diseño de integración y el diseño funcional del modelo antes de decidir qué software usar.
En esta etapa, se observa un cambio claro del trabajo. La cantidad de trabajo para los planificadores disminuye tras la reconsolidación de los datos, porque además de reconocer las tendencias de los datos y aplicar el enfoque estadístico correcto, los planificadores solo necesitan modificar la previsión basándose en un conocimiento que no se refleja en ningún sistema. Sin embargo, es necesario invertir más tiempo en el desarrollo a largo plazo del modelo y del proceso de previsión a fin de aumentar la escalabilidad y la eficiencia de todas las funciones de la empresa.
En este artículo, no voy a tratar el contenido exacto de los métodos de pronóstico avanzados. Para cada método, se tienen en cuenta al menos tres de los siguientes componentes: la línea de base, la tendencia, la estacionalidad, la ciclicidad, las fluctuaciones irregulares y el crecimiento.
En esta etapa, está en marcha la integración de los sistemas de registro transaccionales. Esto implica que un única fuente de verdad se ha alcanzado un estado dentro de la empresa, lo que tiene un impacto positivo en el trabajo diario de los planificadores. La solución integrada reduce la cantidad de trabajo de bajo valor para los planificadores (comprobar, conciliar, corregir errores). Gracias a este ahorro de tiempo, los planificadores pueden dedicarse a tareas de gran valor (todo tipo de análisis de datos) en lugar de realizar conciliaciones manuales que se repiten mensualmente.
La tecnología es totalmente compatible con el proceso básico de previsión de principio a fin. A diferencia de la fase 2, habrá más datos disponibles para los diferentes componentes del proceso de previsión, como el análisis exhaustivo de los datos, la planificación de escenarios, el análisis del impacto, etc. Las opciones en términos de previsión ya no son limitadas: la norma será detectar patrones de demanda (jerárquicos, pero también causales) a partir de una base de datos externa con estadísticas. En la etapa 2, la previsión estadística se basaba en los datos reales elegidos, pero en esta etapa se utiliza el análisis predictivo para determinar qué datos (adicionales) tienen el mayor valor predictivo para la previsión en toda la empresa. Se implementarán cada vez más algoritmos basados en datos, lo que implica incluso menos trabajo para los planificadores, ya que con esta tecnología también se crearán informes y análisis de datos extensos y estandarizados. Los planificadores solo tienen que decir qué tipo de análisis habría agregado valor y estos análisis se desarrollarán de manera estandarizada en toda la empresa. Los planificadores tardarán algún tiempo en sentirse cómodos con su «nueva» función.
En esta etapa, la tecnología admite un proceso de pronóstico de extremo a extremo más avanzado e incluye técnicas de pronóstico más innovadoras. Una mejora en comparación con la etapa 3 es la capacidad de utilizar diferentes técnicas para pronosticar a corto plazo (de 0 a 3 meses) y a medio plazo (de 3 a 24 meses). La capacidad de distinguir entre la planificación a corto y medio plazo reduce la probabilidad de disponer de muy pocos datos posteriores y aumenta la precisión de las previsiones a largo plazo. En esta fase se dispone de datos detallados y posteriores para detectar también patrones jerárquicos o relaciones causales.
La naturaleza del trabajo en términos de previsión consistirá cada vez más en la toma de decisiones estratégicas en lugar de centrarse en los datos posteriores. Los planificadores convencionales volverán a capacitarse para agregar valor a los niveles superiores de la cadena de procesos. En esta etapa, los datos dejarán de ser el tema principal de conversación, pero se cuestionarán las suposiciones del modelo y se simularán al planificar escenarios para aumentar la precisión de las previsiones y tener una buena idea de las posibilidades futuras. El modelo proporcionará todos los análisis necesarios para que el proceso de toma de decisiones se desarrolle sin problemas.
Este es el estado final, en el que todo el proceso de pronóstico se realiza automáticamente y es dirigido por un sistema RPA (Robot Process Automation) centralizado. Un sistema RPA centralizado es una máquina de inteligencia artificial que es el núcleo de toda automatización: todo está conectado a este sistema RPA. Esta tecnología de autoaprendizaje es la propietaria del proceso de previsión de principio a fin y puede ejecutar todos los pasos del proceso y tomar decisiones por sí sola. Sin embargo, es necesario capacitarla para mejorar, lo que implica que, en lugar de mejorar un modelo, hay que enviar comentarios al sistema de RPA. La ventaja de esto es que se puede proporcionar a la máquina de inteligencia artificial información detallada sobre las posibles mejoras y el sistema de RPA es capaz de detectar la causa exacta del desajuste y la ajustará en consecuencia. Mientras que en las fases 3 y 4 se pierde la intuición que había detrás de los métodos de previsión, en esta fase ya no existe: se confía plenamente en la capacidad del sistema de RPA y hay que entrenarlo con precisión.
Con el sistema RPA a la cabeza del proceso de previsión, se necesitarán empleados para el desarrollo y la formación de la máquina de inteligencia artificial, pero aún se necesitará casi cero empleados para comprobar las cifras de previsión. El mayor desafío en esta etapa es dejar de lado el control. Y no para otro colega competente, sino para un producto de inteligencia artificial que sea capaz de ver más datos de lo que pueden ver todas las mentes más brillantes de la empresa juntas (con la formación suficiente). Como en la mayoría de las etapas, es posible ejecutar el proceso anterior y el nuevo en paralelo. Tras ejecutar este proceso durante unos meses y comparar las previsiones de los meses anteriores con los datos actuales dentro de un cierto margen de error, las empresas se sienten más cómodas al dejar que el sistema RPA controle el proceso y, a partir de ese momento, solo revise las hipótesis y las cifras de alto nivel. Mientras tanto, cada desviación de bajo nivel y los nuevos datos se incorporarán a la máquina para hacer una previsión aún mayor para el mes siguiente
Un verdadero desafío para esta hoja de ruta es pasar al siguiente paso solo cuando la empresa esté realmente preparada. Si se va demasiado rápido, las ineficiencias se volverán aún más ineficientes y conducirán a un entorno inestable. Realice las pruebas piloto adecuadas y deje que los desarrollos actuales y nuevos funcionen en paralelo para una parte de la empresa. Apoye a la empresa en la transformación porque no será fácil para ella. Guíelos en las cambiantes responsabilidades y en la forma de gestionar las expectativas de los planificadores convencionales. Como empresa, solo puede avanzar tan rápido como la parte más lenta de su negocio.
Vale la pena abordar otro desafío: dejar el control paso a paso. En este proceso, no se puede dejar que un sistema de RPA haga las previsiones si no hay un plan de juego o no se invierte tiempo en configurar la integración, limpiar los datos disponibles, conocer las técnicas de previsión, etc. Los expertos de la empresa deben tener los conocimientos necesarios para poder preparar la máquina de inteligencia artificial a su nivel para añadir más valor a la empresa.
Por último, será absolutamente necesario cambiar la forma de trabajar. Algunas funciones incluso desaparecerán en el proceso y es inevitable volver a capacitar a los empleados. No subestime el impacto de esto y sea honesto acerca del alcance de los cambios en los procedimientos y de lo que se necesita para dar el siguiente paso en la mejora del proceso de previsión.
Nunca es demasiado tarde para empezar e informarse sobre cómo obtener grandes beneficios en el actual proceso de previsión dentro de su empresa. Cree una hoja de ruta a largo plazo con el apoyo de toda la empresa y comience.
Accede a todos los detalles de esta jugada clave y llévala donde quieras. Disponible en formato PDF.
¿Tiene preguntas sobre nuestras soluciones de EPM? Nuestro equipo está listo para ayudarlo a encontrar el enfoque adecuado para su negocio.
