No se han encontrado resultados

Su búsqueda no coincide con ningún resultado.

Desinversión y modelos predictivos

Desinversión y modelos predictivos
Un caso para desinvertir de forma más estratégica

John Hagerty: vicepresidente, gestión de productos para el análisis de negocio en Oracle @jfhagerty


Motivos por los cuales la analítica es la clave de las mejores estrategias de desinversión

La vinculación que hay entre la horticultura y los negocios es más fuerte de lo que pensamos. Del mismo modo que el jardinero cuidadoso con sus plantas refuerza su rosal favorito recortando los tallos más débiles, las empresas mejoran su salud financiera al desprenderse de activos de bajo rendimiento.

A pesar de la recuperación, no todo es de color de rosa en el jardín de los negocios. Las continuas incertidumbres políticas y económicas dan lugar a una floración masiva de desinversiones. Este fenómeno se ha descrito en un informe reciente de E&Y, que reveló que cuatro de cada cinco empresas son más propensas a desprenderse de partes de sus negocios en el próximo año para gestionar la volatilidad macroeconómica.

 

“Las decisiones de desinversión son cruciales y deben basarse en 'las raíces y las ramas' del entendimiento del negocio.”

En cuanto a la jardinería, es importante saber qué hay que cortar. Nuestro instinto nos dice que hay que podar los tallos que parecen estar enfermos, pero a veces simplemente necesitan más aire y la luz del sol, mientras que la raíz de los tallos que presentan un aspecto más vigoroso en realidad se está muriendo. Del mismo modo, muchas empresas tienden a abandonar líneas de productos menos rentables o que se encuentran en fase inicial cuando lo que tienen que hacer es reducir costes. Esta opción, sin embargo, carece de previsión, porque con el tiempo estos valores atípicos son los que pueden ayudar a la empresa a mantenerse al día y en auge.

Las decisiones de desinversión son cruciales y deben basarse en “las raíces y las ramas” del entendimiento del negocio. Es importante entender cómo pueden afectar a todo el organismo los cambios en los productos, servicios u operaciones.

Un enfoque estratégico de los datos

Serie de webcasts de finanzas modernas

Serie de webcasts de finanzas modernas

Al igual que en la planificación más tradicional, las señales que ayudarán a las empresas a tomar las decisiones correctas para la desinversión están en sus datos. Las primeras aplicaciones para la analítica ofrecían una mejor comprensión de los clientes y las operaciones, y aún siguen vigentes para ofrecer grandes beneficios, pero ahora observamos un número creciente de empresas que confían en los datos para llevar a cabo su planificación.

En particular, los líderes financieros pueden modelar diferentes escenarios basados en una mezcla de datos históricos, datos acerca de los clientes y el mercado para poder predecir el impacto del cambio en el rendimiento del negocio. Esto significa que cualquier combinación de eventos, desde resultados electorales poco probables hasta una disminución de la demanda de los clientes o malas condiciones meteorológicas, se puede incluir en los modelos de desinversión. La aplicación de un análisis de estilo Monte Carlo a esta gran cantidad de puntos de datos permite a las empresas asignar resultados con mayor potencial y decidir la mejor manera de seguir.

 

“Esto significa que cualquier combinación de eventos, desde resultados electorales poco probables hasta una disminución de la demanda de los clientes o malas condiciones meteorológicas, se puede incluir en los modelos de desinversión.”

Cuanto más sólida sea la base de una empresa en torno a la analítica avanzada, más probable es que formule las preguntas correctas y detecte nuevos patrones para ofrecer mejoras continuas. La capacidad de comprender cómo afectará una desinversión a las relaciones con los clientes o transformar la prestación de servicios y la fabricación es muy valiosa.

Tres pasos para desarrollar modelos más completos

Serie de webcasts de finanzas modernas

Las finanzas digitales se imponen

En vista de las negociaciones entre el Reino Unido y la Unión Europea y la continua incertidumbre en torno a los derechos de importación en los Estados Unidos, no es de extrañar que las empresas estén reduciendo costes, y muchas estarán tentadas a desprenderse de los productos cuyos márgenes se vean amenazados por los altos gastos de expedición.

Es posible que este sea el enfoque más adecuado y que los modelos de planificación estén de acuerdo con esto. Sin embargo, una visión más a largo plazo de los futuros retos animará a las empresas a reconsiderar su enfoque y a tomar riesgos estratégicos que podrían conducir a oportunidades de crecimiento.

A continuación, se describen los tres pasos básicos para desarrollar un enfoque sólido para los modelos basados en análisis:

Demostración de finanzas modernas

¿Migración a la planificación, la creación de presupuestos y las previsiones en la nube?

Paso 1: reúna la mayor cantidad posible de datos acerca de su negocio, incluyendo datos operativos, humanos, de clientes y del sector, además de influencias externas. Cuanta más información tenga para trabajar, más completos serán sus modelos de escenarios.

Paso 2: después de recopilar los datos, haga preguntas para que le ayuden a comprender cómo se combinarán las diferentes decisiones y los escenarios externos para afectar a cada parte del negocio. También es importante estudiar la evolución de las conexiones entre las diferentes partes del modelo y realizar un seguimiento de los resultados específicos.

Paso 3: por último, utilice la información obtenida para diseñar modelos predictivos y prescriptivos. Mejórelos con algoritmos de aprendizaje automático que compilan los datos y haga predicciones inteligentes de eventos futuros. Combínelos con sus propias suposiciones estratégicas para decidir si la desinversión es la decisión correcta y cuál será su impacto.

 

“Cuanta más información tenga para trabajar, más completos serán sus modelos de escenarios.”

Si bien puede ser tentador reducir sus pérdidas temprano y ceder activos de la empresa con celeridad, es conveniente dar un paso atrás antes de tomar cualquier decisión importante. Para tener éxito en este mercado incierto, es esencial reaccionar rápidamente cuando se produzcan cambios. Por lo tanto, las empresas que cuentan con las herramientas necesarias para leer el futuro en sus datos estarán mejor preparadas para cualquier eventualidad.


Más información