El deber del CFO: tecnología de última generación impulsora de la optimización de costes

ntt-data-cost-optimization-featured-image

Un desafío permanente para los CFO [directores financieros] es encontrar el equilibrio adecuado entre el gasto y la inversión sin inhibir la productividad y la competitividad. En la era de la movilidad, este acto de equilibrio es más importante que nunca si las empresas quieren estar un paso por delante de los agentes disruptivos. “En la era de los negocios digitales, la optimización de costes adquiere nuevas dimensiones. La presión para mantener la competitividad e invertir en iniciativas digitales ha ido en aumento en todos los segmentos”, según un informe de febrero de 2016 de Gartner [Cost Optimization in the Age of Digital Business].

Las estrategias de optimización de costes deberían incluir la tecnología de la información y las iniciativas empresariales para asegurar que las inversiones se maximizan teniendo en cuenta el crecimiento de largo plazo y los beneficios. En este esfuerzo, las tecnologías de última generación, tales como el aprendizaje automático, se convierten en socios clave. “Hay un antiguo dicho que dice: ‘no ahorre en nimiedades y gaste a espuertas'”, dice Steven Kimbrough, profesor de Operaciones, Información y Decisiones de Wharton. En lugar de centrarse en reducir costes, “lo que hace con la optimización es llevarla a un escenario más grande. Buscamos una perspectiva más amplia, más general”. Este punto de vista es esencial si una empresa quiere seguir creciendo, ya que acciones miopes como los recortes generalizados podrían poner en peligro el futuro de la compañía si esto significa la pérdida de trabajadores experimentados y terminar con las unidades operacionales.

En la optimización del coste, “el papel de la tecnología es claro”, añade Kimbrough. Proporciona a los gestores más datos y análisis, por lo que los ejecutivos pueden tomar las mejores decisiones posibles para un crecimiento sostenible. Esta perspectiva más amplia y más larga también fomenta la experimentación, ya que da a la compañía más tiempo, los recursos necesarios y el espacio organizativo para probar cosas nuevas, ya que no todas las iniciativas tienen éxito. “Lo importante es configurar la cartera apropiada, desde donde pueda surgir alguna cosa nueva”.

Suprio Sengupta, vicepresidente senior y director de entregas globales, infraestructura y computación en la nube de NTT Data Services, dice que la optimización de costes también requiere que usted entienda cómo puede hacer más con lo que ya tiene. A medida que la empresa maximiza el uso de sus activos, gana eficiencia y productividad. “Un resultado obvio de optimización de costes es que uno se vuelve más competitivo”.

Entre las formas de optimización con la ayuda de la tecnología se incluye los procesos de automatización, tales como el uso de la robótica en la industria manufacturera. Las mejoras en los procesos también pueden incluir plataformas en la nube donde las empresas se benefician de la eficiencia y escalabilidad. Por ejemplo, un ingeniero que gestiona 200 servidores puede extender su alcance a 20.000 servidores con herramientas de software en la nube. “En un entorno de software bien definido, no se administra cada elemento de forma individual, todos ellos son gestionados por un conjunto de herramientas definidas por el software”, dice Sengupta. El dice que es fundamental ampliar la “cultura consciente” en una empresa que analiza y actualiza periódicamente los procesos con vistas a la optimización.

La analítica de datos es otra herramienta que ayuda en la optimización de costes. Por ejemplo, puede ayudar a las empresas a determinar dónde cortar costes y personal, así como la identificación de áreas maduras para la inversión. El aprendizaje automático, como un aspecto de la inteligencia artificial, también mejora la optimización al detectar y realizar automáticamente reparaciones en el software en puntos de ineficiencia en las operaciones, reduciendo el error humano y la necesidad de intervención humana.

Mientras que las generaciones anteriores de estas soluciones, como las tecnologías de auto-sanación, también desencadenasen reparación automática de problemas sin necesitar la intervención humana, operaban en un entorno en que “la lógica de negocio es estática”, dice Sengupta. Por ejemplo, pueden detectar y reparar una avería en el navegador de un ordenador, por lo que el usuario no necesita recurrir al centro de llamadas de la empresa. Sin embargo, la intervención generalmente sólo llega hasta ahí.

A diferencia de esto, las soluciones de aprendizaje automático están en constante evolución. Comienzan con un conjunto predeterminado de reglas de negocio y monitorean los cambios en el entorno operativo con el fin de proporcionar soluciones de última generación. Estas herramientas de software utilizan el análisis de datos para identificar las ineficiencias operativas y reparar los patrones recurrentes de errores o enlaces frágiles actualizando de forma continua el aprendizaje procedente de los datos operativos.

Aprendizaje automático y ahorro de energía

El aprendizaje automático utiliza los datos para hacer “predicciones e inferencias sobre los aspectos que contribuyen a los resultados”, dice Rahul Mangharam, profesor del departamento de Ingeniería eléctrica y Sistemas de la Universidad de Pennsylvania. “La gente está tratando de entender las relaciones entre los diferentes factores que contribuyen a los costes y el rendimiento, y cómo se puede mantener el mismo rendimiento a la vez que se reducen los costes”.

Mangharam utiliza la máquina de aprendizaje como un medio para lograr el ahorro de energía en 185 edificios de la universidad. Estos edificios pagan facturas por valor de US$ 28 millones al año mediante el uso de 70 megavatios al día de promedio, suficientes para llevar energía a casi un millar de hogares. Él trabaja con la herramienta DR-Advisor, un sistema de recomendación de respuesta a demanda impulsado por datos que él y otros han creado para la universidad. El DR-Advisor analiza los datos de uso de energía de cada edificio superponiéndolos a otros datos, tales como los patrones climáticos o actividades llevadas a cabo dentro de estos edificios. La herramienta de seguimiento tiene más de 220.000 “botones”, o puntos de control que miden indicadores tales como la temperatura y la presión en los edificios del campus.

Ese ejercicio permite al DR-Advisor anticipar el uso de energía por hora en cada edificio e informar a los gestores de las instalaciones al respecto de los botones que deberían ser manipulados para aumentar la eficiencia. En las pruebas piloto en un edificio de la universidad el pasado verano, las herramientas DR-Advisor ayudaron a reducir la factura de energía trimestral de US$ 125.000 en más de un 1/3, o US$ 45.000. El plan es ampliar las pruebas a otros edificios de la universidad en un futuro próximo, dice Mangharam.

El DR-Advisor también considera el uso de su tecnología en entornos industriales tales como refinerías y calderas. La herramienta podría ayudar, por ejemplo, a una empresa de energía a comprender en qué medida se podría utilizar el combustible de baja calidad, que expulsa más dióxido de carbono, antes de comenzar a recibir multas por parte de las agencias reguladoras e incurrir en mayores costes, dice Mangharam. Honeywell, un conglomerado de productos industriales y de consumo, ha estado hablando con DR-Advisor con el fin de utilizar sus herramientas de aprendizaje automático en edificios industriales.

Al ser una tecnología en desarrollo, el aprendizaje automático tiene su parte de limitaciones. La investigación actual se centra en los principales retos de la “interpretabilidad” y “procedencia”, dice Mangharam. La interpretabilidad consiste en entender por qué las herramientas de aprendizaje automático toman ciertas decisiones, mirando hacia atrás en los resultados generados. La procedencia es el registro histórico de los datos y sus orígenes. Esto es debido al hecho de que el aprendizaje de las máquinas, en cierto modo, es como una “caja negra”, en que no se sabe con certeza por qué toma las decisiones que toma para optimizar los costes, como en la experiencia de la Universidad de Pennsylvania, dice Mangharam.

Gestión de crisis global

Los CFO actuales están dando la bienvenida a la optimización de costes como objetivo formal que se busca todo el tiempo. Por ejemplo, en lugar de “recortar costes mecánicamente” reduciendo el número de empleados, un proveedor de servicios de tecnología podría utilizar medios “no lineales” para mejorar la productividad, dice Sengupta. Forman parte de estos medios la automatización de ciertos procesos y la revalorización de la mezcla existente de ingenieros onshore tradicionalmente más caros y empleados offshore más baratos para una máxima eficiencia de costes. “A menudo, encontramos más personas caras que prestan servicios relativamente simples”, dice Sengupta.

Sin embargo, a medida que las empresas utilizan la tecnología para controlar los costos, no deberían permitir que esto debilite su competitividad. Por ejemplo, los despidos masivos pueden dejar la empresa sin el número necesario de empleados en situaciones de crisis. Aquí, los equipos centralizados de gestión de crisis globales podrían ayudar a las empresas a prepararse, aconseja Sengupta.

Em otras áreas, las intervenciones tecnológicas pueden tener como resultado consecuencias no deseadas. La analítica de datos, por ejemplo, sin duda, permite a las compañías realizar mejoras relacionadas con los procesos, pero no necesariamente innovaciones totalmente inéditas. Esta fue la principal conclusión de un reciente estudio de Lynn Wu y Lorin Hitt, ambos profesores del departamento de Operaciones, Información y Decisiones de Wharton.

La investigación hace un seguimiento de cómo el análisis de datos y las capacidades de TI influyeron en las innovaciones y las prácticas centradas en los procesos de 330 grandes empresas de 1987 a 2007. “Si se analizan los datos sobre los procesos existentes de manera eficiente, esto puede ayudar a mejorar la productividad de la empresa”, dice Wu. Sin embargo, la investigación no ha detectado un efecto positivo similar del análisis de datos en materia de innovación.

Por otra parte, los profesores de Wharton observaron los registros de patentes de las empresas estudiadas y encontraron que los datos analíticos podrían tener un “efecto negativo” en la búsqueda de vías de innovación de mayor riesgo. “Si una empresa considera que es más fácil generar innovación relacionada con los datos, puede centrarse en eso en lugar de buscar una innovación realmente inédita o arriesgada, ya que eso es más difícil y los retornos son inciertos”, dice Wu.

La tecnología trae beneficios significativos de optimización de costes, pero no pretende sustituir el juicio humano, al menos por ahora”. Las cosas realmente creativas ocurren sólo a través de razonamientos únicos”, dice Wu. “Son precisos los saltos de la imaginación”. Ella cita la invención del avión de los hermanos Wright después de observar los pájaros volando”. Tal vez un día, las máquinas y la inteligencia artificial puedan hacer esto”.

En resumen: La tecnología juega un papel importante a medida que las empresas tratan de gestionar los costes, mientras se esfuerzan por mejorar la competitividad. Las tecnologías emergentes, tales como el aprendizaje automático, prometen agilidad, escalabilidad y oportunidades para reducir costes, pero su adopción todavía está en su infancia. Para obtener los beneficios completos de la optimización de costes, las empresas deben establecer también la cultura y las disciplinas apropiadas del proceso.

Las conclusiones clave

  • Cree la estructura correcta: una estructura corporativa que permita el monitoreo constante de los costes a optimizar puede canalizar de manera más competente el capital para satisfacer las nuevas necesidades de la empresa sin el sacrificio de los objetivos estratégicos a largo plazo.
  • Actualice los procesos: incorpore procesos para la continuidad del negocio. Es esencial crear una “cultura consciente” más profunda en una empresa que examine y actualice periódicamente los procesos con miras a la optimización.
  • Mantenga su ventaja competitiva: A medida que las empresas reducen costes, no deben permitir que esto obstaculice su competitividad. Por ejemplo, los recortes masivos de empleados pueden dejar a la empresa sin el número necesario de empleados en situaciones de crisis. Una perspectiva más amplia y de más largo plazo tiene como resultado reducciones estratégicas sin afectar a la competitividad.

Cómo citar a Universia Knowledge@Wharton

Close


Para uso personal:

Por favor, utilice las siguientes citas para las referencias de uso personal:

MLA

"El deber del CFO: tecnología de última generación impulsora de la optimización de costes." Universia Knowledge@Wharton. The Wharton School, University of Pennsylvania, [27 febrero, 2017]. Web. [21 November, 2017] <http://www.knowledgeatwharton.com.es/article/deber-del-cfo-tecnologia-ultima-generacion-impulsora-la-optimizacion-costes/>

APA

El deber del CFO: tecnología de última generación impulsora de la optimización de costes. Universia Knowledge@Wharton (2017, febrero 27). Retrieved from http://www.knowledgeatwharton.com.es/article/deber-del-cfo-tecnologia-ultima-generacion-impulsora-la-optimizacion-costes/

Chicago

"El deber del CFO: tecnología de última generación impulsora de la optimización de costes" Universia Knowledge@Wharton, [febrero 27, 2017].
Accessed [November 21, 2017]. [http://www.knowledgeatwharton.com.es/article/deber-del-cfo-tecnologia-ultima-generacion-impulsora-la-optimizacion-costes/]


Para fines educativos/empresariales, utilice:

Por favor, póngase en contacto con nosotros para utilizar con otros propósitos artículos, podcast o videos a través de nuestro formulario de contacto para licencia de uso de contenido .

 

Join The Discussion

No Comments So Far