Lorenzo Escobar,
Gerente de la Comisión de Working Capital
-
El pasado 28 de junio se celebró la segunda reunión de la Comisión de Working Capital, que versó sobre “Cash management y la elaboración de Modelos de Previsión”, acorde al interés mostrado por los integrantes de la misma en respuesta a una encuesta enviada previamente para priorizar los asuntos de interés a desarrollar por la Comisión.
En primer lugar, desde la consultaría especializada de EY en Gestión de Circulante se hizo una presentación del escenario actual, de cómo la crisis sanitaria dio lugar a una serie de retos que las compañías han ido afrontado de manera sucesiva y de cómo ha contribuido la función financiera al logro de estos retos. Los dos principales:
La liberación de caja y el incremento de los niveles de eficiencia y control, incorporando mayor agilidad operativa y orientación al negocio han sido las bases de la actuación financiera que están permitiendo a las compañías recuperarse de la crisis y afrontar el futuro con garantías.
Como primera gran palanca de actuación, la gestión de la liquidez se ha tornado en absoluta protagonista en la gestión de la pandemia, consolidándose definitivamente como uno de los protagonistas en el desempeño financiero en todo momento. Como aliado para su gestión se han puesto a disposición de las empresas diferentes soluciones que permiten la integración y gestión automatizada e inteligente de los datos de tesorería, y que además incorporan capacidad de previsión y forecasting avanzados basadas en las nuevas tecnologías y facilitadores digitales (Advanced Analytics -Big Data & Visual Analytics-, RPA, Machine Learning/IA, Crowd Knowledge...)
SAGE, KYRIBA o SAP son un buen ejemplo de los proveedores de software financiero que han desarrollado herramientas para facilitar la labor de los departamentos financieros en aras a gestionar con éxito y eficiencia los retos planteados.
Por ello se les invitó a contar y desarrollar casos de éxito en la gestión de la tesorería y modelización de previsiones tesoreras en diferentes compañías.
Los problemas que se han encontrado a la hora de implementar soluciones de previsión son bastante similares aún para diferente tipología de empresa:
Limitadas y diferentes fuentes de información con estructuras diferentes; previsiones basadas únicamente en balance y hechos contables con mucha certeza a corto plazo pero sin visibilidad alguna más allá de los contratos formalizados; previsiones a medio y largo plazo influenciadas por factores del entorno que cambian con rapidez y en muchos casos difíciles de anticipar por la empresa; y, por último, el uso masivo de hojas de cálculo tratadas de manera manual e individual limitando la gestión agregada.
Frente a ello, los desarrolladores tecnológicos han ido incorporando diferentes aportaciones con puntos de vista complementarios, y soluciones de gestión más integradas que han dado lugar a mejores prácticas:
En relación a los citados casos de éxito, en primer lugar, Cristina Álvarez, Country Manager de KYRIBA para España y Portugal, desarrolló los casos prácticos de Equatorial Coca Cola, uno de los distribuidores principales de Coca Cola en África, y de la start-up Glovo.
En el caso de Equatorial Coca Cola el reto principal en relación con los modelos de previsión era agregar información de diferentes ERPs e incluso otra externa a los mismos, proveniente además de casi una veintena de países con diferente grado de desarrollo tecnológico. Para ello Kyriba implementó un hub de comunicaciones que permitía integrar todo tipo de información y ficheros, incluso desde APIs, bien certificadas por terceros, bien desarrolladas de manera interna. A la par se implementó un Centro de Servicios Compartidos con lo que la configuración finalmente conseguida les ha permitido dotar de cierta autonomía local, mayor de la que disponían hasta entonces, pero siempre con la supervisión desde la base central en España logrando en su conjunto una mayor eficiencia. En la actualidad una vez consolidada la herramienta de comunicación y compartición de datos se está trabajando en modelización basada por un lado en datos históricos, pero también en modelos de Rolling Forecast para generar una herramienta más funcional en términos de simulación y denominada Advance Forecasting.
Como segundo caso de éxito, Cristina contó su experiencia en la empresa GLOVO, una empresa con perfil totalmente diferente, de reciente creación pero con crecimientos muy notables y en pleno proceso también de internacionalización. Por la tipología del negocio la gestión de la caja se hace sumamente compleja ante la cantidad ingente de transacciones en cada momento, por lo que requiere de una tecnología avanzada para tener una visibilidad del negocio que les permitiera controlar y gestiona el negocio prácticamente en tiempo real. La falta de histórico y el uso masivo de Excel dificultaban también el proyecto. La implementación del TMS (Treasury Management System) ha sido un paso decisivo y la base para la preparación de modelos de previsión y simulación avanzada frente al presupuesto de tesorería tradicional que ha quedado totalmente desfasado y superado por las circunstancias..
A continuación, Fernando Merino, Product Marketing Manager XRT & Banking de Sage Spain, desarrolló el caso de HERO ESPAÑA, filial del importante grupo internacional suizo de alimentación infantil, en el que trabajaron en la mejora y optimización de los modelos de previsión de tesorería.
La aportación diferencial de Sage fue integrar bidireccionalmente y de manera transparente toda la información de tesorería entre el ERP de la compañía (SAP) y el TMS de Sage. En relación a las previsiones se usó un conector específico con SAP que extrae de manera configurable toda la información necesaria para incorporar al presupuesto de tesorería, compatible además también con otras fuentes de uso generalizado como es el EXCEL.
La agregación y gestión automatizada de los datos les permite, además de tener una visibilidad diaria de la posición de tesorería y de la posición financiera (financiaciones, avales, confirmings, etc.), disponer también de informes dinámicos de posición a corto, medio y largo plazo actualizados diariamente.
Aparte de la eficiencia lograda por la automatización de la contabilización y gestión bancaria, esto les ha permitido optimizar la liquidez, vital como anticipamos en el escenario sobrevenido.
En segundo lugar, Fernando desarrolló un caso de éxito en una empresa española de carácter multinacional, líder en Europa y uno de las mayores empresas del mundo en su sector.
La principal complejidad precisamente es ese carácter multinacional y la dificultad que conlleva para agregar información y poder establecer un sistema de control eficiente.
Como en el primer caso, XRT se ha integrado dentro del ERP, aportando además como uno de los beneficios más importantes la visibilidad de liquidez a nivel Global/País/Empresa/Banco que les ha permitido racionalizar el pool bancario.
En ambos casos la gestión e integración de las diferentes divisas ha sido también una demanda del cliente que la herramienta de SAGE resolvía con solvencia actualizando diariamente los cambios de divisa e incorporándolas tanto a XRT como al ERP.
Por último, Alfonso Zurdo, Finance Senior Presales de SAP España, aportó su experiencia en diferentes casos de éxito en empresas de muy diferente tipología y casuística: REWE (empresa retail que se dedica al comercio de alimentos y al negocio de viajes y turismo en todo el mundo); GOOGLE; ZALANDO (Outlet online de ropa); la farmacéutica ROCHE y la alianza de vacunas GAVI.
En general se trata de empresas de gran tamaño con múltiples sistemas, procesos y herramientas dispares que no siempre estaban integrados, con excesiva manuales en el apartado de tesorería, y en un escenario en algún caso de crecimientos exponencial. Con el fin de garantizar que puedan seguir creciendo y seguir siendo ágiles, necesitaban crear procesos más optimizados y altamente automatizados, con integraciones perfectas, menos herramientas y un modelo de operaciones más inteligente. La aportación de información relevante desde tesorería para la toma de decisiones de carácter estratégico fue también una motivación importante e impulsora de la transformación.
En todas ellas, en colaboración con SAP, se han implementado soluciones de Gestión de Tesorería y de Circulante a diferentes niveles. Desde el más básico pero no menos importante al ser el punto de partida y base para el resto de desarrollo, como es el obtener la posición diaria de tesorería y otros ratios de Gestión, como el análisis del Cash Flow y del DSO (Ctas. a cobrar) y DPO (Ctas. a pagar), hasta la Planificación de Tesorería a Largo plazo, incorporando en este desarrollo el Análisis Predictivo de Liquidez.
A la hora de realizar simulaciones en escenarios multidimensionales y con múltiples escenarios, el Machine Learning ha sido la herramienta clave para realizar la predicción de los Cash Flows, y todo ello en un contexto de integración en una plataforma innovadora y colaborativa frente al mosaico de sistemas que normalmente se encuentran en las compañías que inician sus procesos de transformación digital.
Tras la exposición de SAP se abrió el debate en el que surgieron cuestiones como:
La razonabilidad y aplicabilidad de los algoritmos a la hora de realizar modelos predictivos, para lo cual la disposición ágil de datos históricos puede acortar enormemente los tiempos de los proyectos.
La integración con fuentes de bases externas (mercados de divisas, cotizaciones y trading en general, bases de datos de clientes), para lo cual en general ya existen conectores o Apis públicas para realizar las citadas integraciones.
Los tiempos de implementación de un proyecto para disponer de modelos de predicción, muy condicionado por la disponibilidad o no de datos históricos. Un plazo de entre 6 y 9 meses puede ser una referencia en empresas de tamaño medio/grande.
El consenso generalizado de la dificultad y complejidad de realizar previsiones por la heterogeneidad de la información y fuentes de datos, por lo que de momento es muy complicado realizar estimaciones fiables a más de dos, tres meses de plazo.
Los siguientes pasos ampliando la visión estratégica hacia el Supply Chain Finance y la modelización también de estados financieros que permitan mejorar la gestión financiera en global, algo en lo que todavía se consensuó que queda mucho por desarrollar.
Precisamente, el Supply Chain Finance podría ser el tema a desarrollar en la próxima sesión.
Imagen: pch.vector / Freepik
