Con el contexto tan difícil que la pandemia generó en temas de liquidez, lograr mejorar el capital de trabajo neto es una prioridad, por ello, se recomienda adoptar una metodología bottom-up que se base en análisis de datos con el fin de liberar el potencial de liquidez. Tal metodología puede ser enfocada en tres áreas dentro de las empresas:

Elaboración propia

Redacción INCP a partir de artículo publicado por Semana

Para más información consulte el artículo titulado “Alternativas para mejorar el capital de trabajo: un enfoque basado en datos” publicado por Semana.

Alternativas para mejorar el capital de trabajo: un enfoque basado en datos

La pandemia de covid-19 generó una necesidad inmediata de liquidez y de optimización del capital de trabajo para la mayoría de las empresas en casi todas las industrias a nivel global. La crisis ha puesto de relieve la importancia de la optimización de las operaciones para la generación de efectivo, donde una de las mayores oportunidades consiste en enfocarse en el capital de trabajo neto. En tiempos de crisis, la liquidez extra generada por la optimización del capital de trabajo puede evitar la quiebra. Administrar el ciclo de efectivo en forma adecuada, además de desarrollar resiliencia, permite financiar el crecimiento (orgánico e inorgánico), financiar iniciativas de transformación holísticas y mejorar los retornos sobre el capital.

Si bien el valor potencial de mejorar el capital de trabajo neto es significativo, un cambio sostenible en este sentido no es fácil. El desempeño del capital de trabajo es el producto colectivo de cientos de decisiones individuales en el desarrollo del negocio: el comprador que acepta términos no estándar, el gerente de inventarios que decide hacer un pedido mayor del necesario para evitar agotamientos de existencias, el ejecutivo de cuenta que decide retrasar el cobro de una factura vencida para evitar dañar una relación comercial establecida, y así sucesivamente. Es importante entonces tener en cuenta la complejidad granular de los pagos individuales, de los miles de clientes, de referencias (SKU) y de los cientos de proveedores que, en última instancia, determinan el capital de trabajo neto de la compañía para abordar el reto de manera efectiva.

Una política corporativa para definir días de pago, rotación de inventarios y pago a proveedores puede no ser la respuesta adecuada, ya que no suscita la tan necesaria colaboración entre funciones, ni aborda las mentalidades y conductas de los involucrados. Para lograr una mejora significativa en el capital de trabajo neto, las organizaciones pueden promover un cambio en la mentalidad y asegurar que los procesos de toma de decisiones sigan un conducto estándar. Adoptar una aproximación bottom-up al capital de trabajo basada en análisis de datos es necesaria para liberar el potencial de liquidez. También es importante definir pasos específicos que mejoren el desempeño y creen una cultura de manejo de caja enfocada en evidencias (insights).

Un primer paso para mejorar el desempeño del capital de trabajo neto de las organizaciones en la metodología bottom-up es utilizar analítica de datos, enfocada en tres áreas:

1. Configurar su infraestructura de datos

La mayoría de las organizaciones han implementado uno o más sistemas de planificación de recursos empresariales (ERP) para almacenar los detalles de pedidos, facturas, pagos y volúmenes de SKU, entre otra información. Sin embargo, con frecuencia se desarrollan varios sistemas independientes, principalmente para hacer seguimiento de transacciones para una parte específica del negocio o función. En este caso, los datos se consolidan manualmente en hojas de cálculo en forma aislada para soportar la toma de decisiones. Este esfuerzo puede ser lento, intensivo en mano de obra y propenso al error humano. Debido a las diferencias en la calidad y la cobertura de los datos para los distintos propósitos en el proceso de toma decisión que afectan el capital de trabajo, los análisis resultantes de este esfuerzo son insuficientes y rara vez exponen el panorama completo.

Las empresas que le dan prioridad a la analítica configuran su infraestructura de datos (y, en consecuencia, la estructura organizacional) de manera en que puedan consolidar fácilmente la información. A partir del análisis consolidado de datos es posible detectar situaciones como, por ejemplo, otorgar una amplia gama de términos comerciales para el mismo producto a un mismo cliente en distintos países que afectan el recaudo de cartera. Romper esos silos de datos históricos es difícil, pero crítico para gestionar el capital de trabajo neto de manera adecuada y sostenible.

2. Priorizar los indicadores relevantes y tenerlos disponibles permanentemente

Proporcionar a los empleados acceso a los datos es solo el comienzo. También es importante definir indicadores clave de desempeño (KPI) de manera clara, medible y granular, y definir una estructura de gobierno para que los responsables de cada proceso puedan analizar claramente dónde están los puntos de optimización. Por ejemplo, establecer una torre de control de inventarios en tiempo real para identificar posibles cuellos de botella en la cadena de suministro previene el incumplimiento de entregas que afecten el capital de trabajo.

3. Pasar de reportes históricos a una mentalidad prospectiva

El verdadero poder de los datos alcanza su máximo potencial cuando las organizaciones trasladan sus ideas más allá del diagnóstico y seguimiento de indicadores y se concentran en una mentalidad prospectiva. Los datos y la analítica pueden utilizarse para identificar potenciales problemas y tomar acciones concretas. Por ejemplo, es posible analizar el riesgo crediticio de los clientes con base en indicadores que van más allá de los típicos basados en estados financieros y reportes de las centrales de riesgo: el volumen de datos disponibles sobre el historial de consumo y hábitos de pago por tipo de cliente permite clasificarlos de acuerdo con segmentos más precisos como predictores de comportamiento de pago. Con base en la nueva segmentación es posible diseñar e implementar políticas de cartera que reducen el riesgo de mora como ofrecer bonos de devolución de efectivo por altos consumos o esquemas de pago en cuotas de acuerdo con la estacionalidad.

En segundo lugar, McKinsey ha identificado cuatro factores de éxito que permiten a las organizaciones transformar mentalidades y alcanzar la excelencia en la gestión del capital de trabajo neto, cuando utilizan un enfoque basado en datos y hechos:

• Transparencia para comprender qué pasos, entidades e individuos pueden maximizar el impacto de las iniciativas digitales en el capital de trabajo neto. Dado que la gestión eficiente del capital de trabajo neto requiere medidas granulares y detalladas, adoptar una perspectiva bottom-up basada en datos es fundamental.

• Perspectiva a largo plazo. La consolidación manual de datos es un esfuerzo engorroso, ineficiente e impreciso. La configuración de la infraestructura de datos de fácil acceso, en tiempo real y consolidado es un paso crítico para poder tomar decisiones y anticiparse al futuro.

• Definición y monitoreo de KPI. Para sostener el cambio es necesario separar las señales y tendencias del ruido, lo que se hace mediante la configuración de KPI granulares y medibles. Estos KPI son monitoreados constantemente y permiten tomar decisiones.

• Análisis de datos granular para entender cómo administrar el capital de trabajo neto al abordar de manera preventiva los problemas emergentes.

La necesidad inmediata de liquidez generada por la covid-19 priorizó la gestión del capital de trabajo en la agenda de las organizaciones. Sin embargo, con más de un año de iniciada la crisis, vale la pena seguir invirtiendo en la gestión de capital de trabajo neto para garantizar la sostenibilidad y permanencia de estos esfuerzos en el tiempo, abriendo espacio para financiar el crecimiento y mejorar los retornos sobre el capital de las organizaciones. Estos resultados se pueden obtener cuando se involucra a toda la organización para generar un cambio en las capacidades y mentalidades, apalancado en una sólida base tecnológica y de analítica avanzada.

Fuente: Semana