Big data: tantos campos de aplicación profesional, pero ¿dónde queda el Contador?

El reto tecnológico ante el cual se enfrentan las profesiones es cada día mayor y la Contaduría no es ajena a esta exigencia, aún más si pretende mantenerse en el tiempo con oportunidades laborales de calidad y con una remuneración adecuada. Al respecto, encuesta realizada por el Instituto Americano de Contables Públicos Certificados AICPA por sus siglas en inglés (2015) señaló que el 92% de los CPA´s (Contadores Públicos Certificados) en EEUU declararon no estar listos para el reto tecnológico. Adicionalmente, los contadores tradicionales en especial de las economías en vías de desarrollo sienten que su profesión se encuentra amenazada por el continuo y agresivo reemplazo tecnológico de sus funciones más tradicionales en las organizaciones.

Sin embargo, no solo los contadores estadounidenses sino los contadores del resto del planeta deben tomar conciencia y ver no como amenaza sino como oportunidad la explosión del manejo de datos que representan fenómenos como Big Data, Data Analytics y Blockchain, entre otras herramientas, tanto para ellos como para las empresas en donde se desempeñan. En este sentido, McKinsey Global Institute (2015) publicó una investigación en la que estimó que el análisis de datos a gran escala en todas las organizaciones podría aumentar sus márgenes operativos de ganancias en más del 60 por ciento.

¿Pero qué es Big data y cuáles son sus dimensiones?

McKinsey (2011) lo define como un conjunto de datos cuyo tamaño está más allá de las capacidades de las herramientas típicas de software de bases de datos para capturar, almacenar, gestionar y analizar. De acuerdo con Moros, Ortiz y Borda (2018) los principales autores en el mundo sobre este campo señalan que se está frente a Big Data cuando se cumplen las siguientes cuatro dimensiones:

• Volumen: en función de la cantidad de datos que se genera cada segundo, minuto, hora y día. El crecimiento diario de los datos está aumentando de gigabytes a terabytes y luego a petabytes. Para el año 2020, IBM estima que se habrán creado 40 zettabytes de información. Se considera Big Data a la información contenida a partir de un Gigabyte. Para tener una idea sobre las dimensiones de almacenamiento. Jennifer Dutcher (2013) en publicación de la Universidad de Berkeley hace referencia a algunos de los siguientes ejemplos:

• Byte (100 bytes = 1 oración)
• Kilobyte (100 kilobytes = 1 página de palabras)
• Megabyte (600 megabytes es aproximadamente la cantidad de datos en un disco de CD-ROM).
• Gigabyte (100 gigabytes podrían contener un piso completo de la biblioteca de revistas académicas).
• Terabyte (11 terabytes que podrían referirse a lo que crea Twitter cada día sólo en el análisis de productos)
• Petabyte (1 petabyte 500 mil millones de páginas de texto impreso estándar).
• Exabyte (5 exabytes equivaldrían a todas las palabras habladas por la humanidad).
• Zettabyte (1 ZB es equivalente a aproximadamente 152 millones de años de video de alta definición).
• Yottabyte (Es difícil de calcular en este momento)

• Variedad: existen diferentes tipos de datos que están disponibles. Los datos pueden ser estructurados, desestructurados, de texto y multimedia. Lindell (2017) los define así:
  • Datos estructurados: son los datos contenidos en bases de datos relacionales y ordenados en archivos.
  • Datos no estructurados: es la información que no está contenida en bases de datos tradicionales ordenados en filas y columnas. Por ejemplo: emails, documentos en Word, videos, fotos, archivos de audio, presentaciones, web pages.

• Velocidad: resolución a la que se generan y se procesan los datos. Consiste en la capacidad de acceder a la transmisión de datos para realizar predicciones en segundos. Los ejemplos más palpables se observan en las redes sociales, por ejemplo, según Domo.com (2017) cada minuto en Facebook se comparten 216.302 fotos, otros datos reseñados por esta web indican que cada minuto en internet se generan:

• Los usuarios de YouTube suben 400 horas de nuevos videos.
• Los usuarios de Snapchat ven 6.944.444 videos.
• Los usuarios de Facebook comparten 216.302 fotos.
• Amazon hace $ 222,283 en ventas.
• Los usuarios de Instagram pinchan “me gusta” a 2.430.555 publicaciones.
• Siri responde a 99,206 peticiones.
• Los usuarios de Dropbox suben 833.333 archivos nuevos.
• Validez. Se refiere a la fiabilidad de los datos para la toma de decisiones.

Adicionalmente Pérez, M (2015) hace mención al Valor económico de los datos, el cual varía significativamente, por lo cual es necesario identificar la información valiosa, transformarla y extraer los datos más convenientes.

Chen y Wojcik (2016) agregan: Veracidad, Vigencia y Verosimilitud que se refiere a la congruencia de la información. Por su parte, el Instituto de Ingeniería del Conocimiento (2018) resume las 7V’s en: Volumen; Velocidad; Variedad de los datos; Veracidad de los datos; Viabilidad; Visualización de los datos; Valor de los datos.

En su artículo, también Moros, Ortiz y Borda. (2018) y apoyados en Lindell (2017) señalan que estos avances tecnológicos han tenido como consecuencia la necesidad de especializarse en el tratamiento de grandes cantidades de información y comprender términos como:

• Data analytics (DA): es la ciencia que examina los datos con el propósito de obtener conclusiones.

• Cloud computing: es un modelo para la prestación de servicios de TI (Tecnología de la información) en el que los recursos se recuperan de Internet a través de herramientas y aplicaciones basadas en la web en lugar de una conexión directa a un servidor. Los paquetes de datos y software se almacenan en servidores.  

• Dashboards: que se refiere a software BI (business intelligence) interfaz especializado que proporciona métricas, estadísticas y visualizaciones definidas por el cliente en datos actuales. Permite a los usuarios finales y avanzados del software ver los resultados instantáneos en rendimiento del negocio y hacer análisis de datos en tiempo real.

• Data mining: que es la práctica de buscar a través de grandes cantidades de datos computarizados para encontrar patrones o tendencias útiles.

• Data scientist: es el consultor de BI (business intelligence) que se destaca en el análisis de grandes cantidades de datos, para ayudar a una empresa a obtener una ventaja competitiva. Es recomendable que tenga conocimientos de estadística, computación y experticia en el tema específico donde se va a hacer análisis.

• Data visualization: Presentación de los datos en gráficos.

• Blockchain: significa cadena de bloques y es una tecnología creada para dotar de propiedad digital a las personas en el mundo online sin necesidad de ningún intermediario, ni ninguna autoridad central que controle a los usuarios que participan en una transacción y los bienes o servicios que adquieren.

• Hadoop: Como lo indica Pérez (2015) Hadoop se refiere a un sistema Open Data que opera bajo licencia Apache y permite desarrollar tareas intensivas de computación masiva, dividiéndola en pequeñas piezas y distribuyéndolas en un conjunto de máquinas todo lo grande que se quiera.

• OLAP (OnLine Analytical Processing): es una poderosa tecnología para descubrir datos. Se usa para presupuesto y pronóstico, entre otros usos.

• Predictive analytics: Práctica de extraer información de conjuntos de datos existentes para determinar patrones y predecir resultados y tendencias futuras.

• Prescriptive analytics: Análisis empresarial que se enfoca en encontrar el mejor curso de acción para una situación dada y pertenece a un portafolio de capacidades analíticas que incluyen análisis descriptivos y predictivos.

Estos nuevos conceptos y el manejo de grandes cantidades de datos, hace que nos hace que nos hagamos las siguientes preguntas:

1. ¿Hacia dónde vamos con tantos datos? ¿Qué debemos hacer para que los datos se transformen en información valiosa?

De acuerdo con Lindell (2017), la cantidad de datos sigue creciendo exponencialmente y no hay nada en el horizonte que sugiera que dicha expansión no continuará. Por ello, el desafío del contador consiste en gestionar este crecimiento en términos de recopilación, archivo, acceso e interpretación. El contador debe liderar la gerencia de datos estructurados y no estructurados para beneficio de las organizaciones y de la sociedad en general.

Esto no implica que el profesional de la contaduría desaparecerá, por el contrario, hoy más que nunca se realza la capacidad de análisis e integración de información financiera y no financiera que el contador tradicional ya poseía, pero que ahora que con mayor razón cobra vigencia para que se convierta en información que necesita tener un norte y un orden lógico para dar resultados positivos que maximicen el aprovechamiento de recursos y de datos en beneficio de las empresas y de los consumidores.

2. ¿Se podría sentir un contador obsoleto por usar solo herramientas básicas de manejo de datos como Excel?

Excel continuará siendo el caballito de batalla que ayudará a los distintos profesionales a resolver los problemas del día a día. Este software se ha preocupado por potenciar herramientas de visualización mediante Power BI Custom Visuals, sin embargo, tanto la contaduría como otras profesiones que gestionan datos en las organizaciones necesitan aprovechar esta tecnología de manera eficiente para poderse beneficiar de las aplicaciones y recursos del Big Data.

3. ¿Qué barreras han tenido los profesionales de las finanzas para aprovechar el Big Data?

De acuerdo con Lindell (2017) el Centro de Productividad y Calidad de los Estados Unidos, en un estudio realizado mediante encuestas, encontró que el personal del área financiera no ha estado al frente en la batalla de Big Data. Dos tercios de los encuestados señalaron que gastan demasiado tiempo en tareas básicas necesarias para la gestión y planificación financiera.

Según análisis de CFO.com (2017), la mayoría de ejecutivos no aprovechan el Big data porque están exclusivamente adiestrados en data estructurada, como tablas, hojas regulares de Excel, y pocos de ellos en data no estructurada (donde se encuentra la mayoría de los datos) que incluye: reconocimiento digital de fotos, sonidos, trazas de comportamiento de consumidores, artículos de prensa, entrevistas, textos en Reportes 10K y 10K, entre otros conjuntos de datos.

Sin embargo, los profesionales del área de finanzas, reconocen beneficios del Big data para las finanzas, como la mejora en el tratamiento de los riesgos, mejora del desempeño general, permite decisiones más acertadas y destacan que ellos mismos se pudieran concentrar más en actividades generadoras de valor, sin embargo, señalan como barrera para aprovechar el Big Data, el elevado costo de la inversión y que no es fácil encontrar personal entrenado en este campo.

4. ¿Conocemos los beneficios del Big Data para nuestra profesión?

Otras profesiones han sabido explotar y han tomado la iniciativa para el aprovechamiento del Big Data, abundan ejemplos de su uso cada vez más intensivo en el marketing y algunas ingenierías evidenciados en la cantidad de artículos de investigación y publicaciones en revistas especializadas, por eso los contadores deben entrar en esta dinámica de actualización y uso de las tecnologías para obtener ventajas competitivas en el ejercicio de la profesión. Al respecto, Lindell (2017) reflexiona sobre los principales retos de la contaduría en este campo y resalta los siguientes aspectos:

• El trabajo del contador se está transformando a diario, cada día encuentra mayores posibilidades automatizadas para realizar actividades que se realizaban antes de manera manual (cálculo y análisis de ratios, generación de estadísticas, pronósticos y presupuestos).

• El contador se debe mover desde la figura de “creador de datos, manipulador y archivista” a “científico de datos” y narrador.
• El contador debe estar dispuesto y preparado para pasar del análisis histórico al análisis predictivo y análisis prescriptivo.

Igualmente, Lindell (2018) presenta ejemplos muy específicos sobre los beneficios del Big Data en Contaduría que debemos tener en cuenta en el desarrollo de nuestra profesión:

• Permite realizar un mayor y mejor seguimiento de las cuentas por cobrar, generar alertas tempranas y desarrollar campañas de fidelización más acertadas.
• Permite tener control de las cuentas por pagar,  la detección más rápida de pagos duplicados y facilita la validación de pagos.
• Concede herramientas de muestreo estratificado de factores para un mejor análisis de datos.
• Facilita softwares especializados para bajar grandes cantidades de datos en poco tiempo, importar, extraer, y analizar los datos.
• Facilita la auditoría y seguimiento continuo, aumenta la cantidad de información disponible, cambia el paradigma de auditorías semestrales y anuales porque permite un seguimiento permanente y continuo.
• Para la detección de fraude y seguimiento: permite detectar de manera más rápida y efectiva cambio en patrones de consumo, análisis de tendencias y análisis conductual.
• En cuanto al control de nómina y tiempos laborales, pone a disposición herramientas más dinámicas y completas para la validación de información y aprovechamiento de la misma.
• Permite una mayor comparación, contraste y fusión de datos variados.

De esta forma podemos concluir que tenemos un camino muy apremiante por recorrer en la Contaduría para poder aprovechar las herramientas y ventajas del Big Data como potenciador de nuestra profesión y que permite realzar la capacidad de integración de la información para un mejor análisis, que solo el contador puede realizar de manera especial por la forma en que interactúa con distintas unidades organizacionales y le permite convertirse aún más en ese nodo conector de inter-relación y aprovechamiento de los datos estructurados y no estructurados en beneficio de la organización, de la profesión y de la comunidad en general ¿Estamos preparados para el reto?.

Bibliografía

AICPA (2015): “The CPA of the future studies”. Consultado el 9 de septiembre de 2018. Disponible en: https://www.cpa.com/whitepapers/welcome-fast-future-cpa-future-2015-study

CFO.com (2017): “Accounting´s Big Data Problem”, CFO, Marzo 4, 2014. Consultado el 10 de septiembre de 2018. Disponible en: https://www.cfo.com/ managementaccounting/2014/ 03/ accountings-big-data-problem/ , accessed 3/ 28/ 17

Chen, E. E., & Wojcik, S. P. (2016): “A practical guide to big data research in psychology”. Psychological Methods, 21(4), 458.

Dutcher, J (2013): “Data Size Matters”. Consultado el 9 de septiembre de 2018. Disponible en: https://datascience.berkeley.edu/big-data-infographic/

Pérez M, María (2015). “Big data: técnicas, herramientas y aplicaciones”. Alfaomega Grupo Editor.

McKinsey (2015): “Getting Big Impact with Big Data,” David McCourt, McKinsey Quarterly, January 2015. Consultado el 18 de septiembre de 2018. Disponible en: www.mckinsey.com/ insights/ business_technology/ getting_big_impact_from_big_data

Moros, A., Ortiz N. y Borda, D. (2018): “Data Analytics: Nuevo reto para los profesionales de los sectores productivos”. Revista Javeriana, Tecnología en los negocios, Septiembre, pág. 33-35.

Lindell, J. (2017): “Analytics and big data for accountants”. Durham, NC: Association of International Certified Professional Accountants. (2017). Recuperado en Octubre, 2018. Disponible en: http://apps.aicpa.org/secure/CPESurvey.aspx.