Mejora la gestión de riesgos a través del análisis de datos

Autores:

---

“Es un error capital teorizar antes de tener datos”, según el infame detective ficticio Sherlock Holmes. Pero lo que haga con los datos una vez que los tenga, es igualmente importante. Hoy en día, el análisis de datos va mucho más allá de una hoja de cálculo de Excel.

Hasta la fecha, la disciplina del análisis de datos ha estado tradicionalmente dominada por procesos manuales y no estructurados. Así como los seguros han tendido a rezagarse en sectores como la banca en su adopción de tecnología, la gestión de riesgos ha tendido a ir a la zaga de otras disciplinas como las finanzas en su adopción de análisis impulsado por la tecnología.

En consecuencia, la evaluación de riesgos históricamente ha sido básica, tratando de aprender de eventos y fallas pasadas, brindando una visión retrospectiva en lugar de una perspectiva.

Eso, sin embargo, está empezando a cambiar.

---

Requisitos y capacidades

Tres factores están impulsando esa transformación:

1) La primera es simplemente la creciente disponibilidad de datos tanto dentro como fuera de las organizaciones. La mayor sofisticación de los sistemas de planificación de recursos empresariales (ERP) facilita la captura y extracción de datos de los sistemas de origen. El aumento de las grandes fuentes de datos (tanto bases de datos públicas como privadas) y una gran cantidad de datos del Internet de las cosas (IoT) significan que el volumen de datos accesibles nunca ha sido mayor. Abordar los riesgos dentro de una organización con una cobertura de datos limitada casi con seguridad hará que se pasen por alto los riesgos.

2) El segundo es la mayor disponibilidad de herramientas tecnológicas para almacenar, estructurar, analizar y visualizar datos.

La tecnología de la nube, por ejemplo, ha eliminado las limitaciones de capacidad y los requisitos de hardware interno para almacenar grandes conjuntos de datos. Mientras tanto, herramientas como los servicios “Alteryx” permiten a los usuarios incorporar diferentes tipos de información, incluidos datos no estructurados, como texto. Y las herramientas analíticas y de visualización de datos están ayudando a las organizaciones a entender esto no solo para comprender el presente y el pasado, sino también para predecir el futuro.

Un ejemplo de esto se centra en un sistema proactivo de detección de fraudes, que usamos en un proyecto de cliente para predecir entradas de diario fraudulentas, en función de los datos de entrada históricos. Este sistema de detección de fraude basado en IA también se utilizó para indicar cualquier valor atípico en los datos, lo que facilitaría la detección reactiva del fraude. Esto no solo ayudó a nuestro cliente a abordar el riesgo de fraude, sino que también destacó otros controles pasados por alto que debían implementarse.

Dichas herramientas han demostrado ser invaluables en la gestión de la interrupción de las cadenas de suministro durante la pandemia y sus consecuencias, por ejemplo, brindando una mayor flexibilidad, resiliencia y visibilidad entre los proveedores. Por ejemplo, los requisitos para seleccionar nuevos proveedores potenciales (y sus proveedores) crean una carga de trabajo manual masiva. Sin embargo, el uso de tecnología para vincular a bases de datos externas, como listas de sanciones y archivos de la empresa, puede automatizar los procesos de selección para gestionar los riesgos mientras se incorporan rápidamente los proveedores.

3) Finalmente, la regulación ha ayudado a impulsar la necesidad de un mejor análisis de riesgos. Comenzando con los bancos y otras instituciones financieras, los requisitos de datos de riesgo agregados que proporcionen una medida única de la exposición total al riesgo han fomentado el uso de herramientas de análisis más sofisticadas.

Otro buen ejemplo de los próximos requisitos reglamentarios es la nueva Ley de Cadena de Suministro de Alemania (y próximamente de la UE). En esta ley, las empresas están obligadas a monitorear los derechos humanos y los riesgos ambientales en su cadena de suministro. Como puede imaginar, los procesos de la cadena de suministro son complejos y contienen grandes cantidades de datos. Sin analizar estos datos utilizando las herramientas correctas, es poco probable que las empresas cumplan con la nueva ley. En definitiva, ha aumentado el riesgo de no analizar adecuadamente el riesgo.

Sin embargo, si bien los impulsores para mejorar el análisis de datos en la gestión de riesgos son convincentes, las barreras, particularmente para las pequeñas y medianas empresas, aún pueden parecer significativas.

---

Un nuevo inicio

Lo más obvio es que el costo de herramientas más avanzadas, como el análisis predictivo, puede ser sustancial. Estar a la vanguardia de la tecnología requiere una inversión importante. Pero la adopción menos ambiciosa de una mejor gestión, análisis y visualización de datos aún puede generar beneficios a través de una mayor eficiencia de la automatización y una mejor visibilidad y comprensión de los riesgos históricos: mejorar la inteligencia comercial si no proporcionar análisis avanzados.

En segundo lugar, muchas empresas carecen de experiencia interna y, dada la escasez actual de habilidades, es difícil abordarlas. A fines de 2022, una investigación realizada por la empresa de capacitación Skillsoft descubrió que alrededor de las tres cuartas partes de los tomadores de decisiones de TI en todo el mundo enfrentaban brechas críticas de habilidades en sus departamentos de tecnología. La encuesta de más de 9000 especialistas globales en TI encontró que el 76 % tiene brechas de habilidades en sus departamentos, un aumento del 145 % desde 2016.

Además, los reclutadores, Harvey Nash, advirtieron que el crecimiento del sector tecnológico global está en peligro debido a una escasez masiva de habilidades. Una encuesta reciente encontró que más de dos tercios (67 %) de los líderes digitales a nivel mundial ahora no pueden seguir el ritmo del cambio porque tienen dificultades para atraer el talento adecuado.

Una vez más, sin embargo, el problema no es insuperable. Es probable que los servicios administrados y de suscripción sean soluciones más eficientes y efectivas para muchas empresas de todos modos, y hay un flujo continuo de nuevos proveedores.

---

Rompiendo las barreras

Sin embargo, las barreras clave para una mayor adopción de análisis de datos para la gestión de riesgos son internas. La primera es a menudo que las empresas no utilizan las capacidades internas que poseen. Todas las empresas recopilan al menos algunos indicadores clave de rendimiento y métricas de rendimiento comercial, pero la responsabilidad de estos a menudo se mantiene dentro de la gerencia.

Pasar esto a la función de análisis no solo hará que los informes sean más rápidos y precisos, sino que también liberará la gestión para planificar y delinear mejor una estrategia de análisis.

La segunda barrera clave es la calidad de los datos. La falta de datos rara vez es el problema clave: el desafío es capturarlos, procesarlos y almacenarlos correctamente. Sin estándares aceptados para formatos, contenido y precisión, la mayor parte del tiempo, el esfuerzo y los gastos de una organización se destinarán a limpiar los datos en lugar de analizarlos y extraer información de ellos.

Garantizar una calidad de datos aceptable requiere estrategias sólidas de gobernanza y gestión de datos. Sin embargo, para que sea eficaz, debe comenzar con la educación. Cuando la información se recopila manualmente, a los responsables no solo se les debe enseñar cómo se debe ingresar, sino también por qué, y las consecuencias para el análisis de la empresa si sale mal. Además, la eficacia de la estrategia de gobernanza debe ser monitoreada y revisada periódicamente.

Sin la calidad suficiente, ninguna cantidad de datos ayudará o, como dijo otro autor famoso, Mark Twain:

Los datos son como basura. Será mejor que sepas lo que vas a hacer con él antes de recogerlo”.

 

Enlace al artículo original: Better risk management through data analytics | RSM Global