Uno de los principales retos de quienes se encargan del control interno de las compañías es transformar los datos de sus empresas en información útil y relevante para sus propósitos de control y monitoreo. Esto implica por lo menos tres desafíos que generalmente se ignoran o no se les da la debida atención:
Desafío 1
Es necesario contar con una arquitectura de sistemas mínima que permita producir, resguardar y extraer datos de los procesos de negocio de las compañías. Parece obvio, pero en la realidad muchas empresas, de todos los sectores e industrias, hoy día siguen trabajando con procedimientos rudimentario.
Sea por ignorancia o por una percepción errada del costo-beneficio, la verdad es que muchas empresas, en pleno siglo XXI, siguen operando con técnicas de trabajo de antes de la revolución de la información; imposibilitando así el uso de nuevas metodologías para, por ejemplo, la detección de fraudes. De acuerdo con el Global Technology Adoption Index, elaborado por Dell, el 63% de las empresas mexicanas no sabe cómo acercarse a la tecnología del Big Data y el 11% la considera irrelevante para su negocio. Para este tipo de empresas el Big Data y sus beneficios son historias de ciencia ficción, no una realidad; y ni siquiera, una aspiración a mediano plazo.
Desafío 2
Es necesario contar con una arquitectura de datos que permita un mínimo de calidad en los datos que se generan. Contar con datos no es suficiente. Es necesario, además, que los datos sean generados y resguardados de tal manera que sean confiables y útiles para analizar. En muchas compañías, los procedimientos asociados con la alimentación de los sistemas de información se realizan de manera descuidada: sin el debido control de calidad y disciplina.
Así, los sistemas suelen recibir datos basura y, por tanto, el nivel de análisis que se logra es limitado. Si basura entra, basura sale.
Desafío 3
Es necesario hacer que los datos hablen. Los datos por sí solos no dicen mucho: no son dinámicos, ni inteligentes; son más bien estáticos. Son necesarias las preguntas correctas para hacerlos dinámicos. Y para que esto suceda es necesario saber qué se espera de la información que se dispone. Los datos comienzan hablar cuando se hacen preguntas relevantes. Por eso, a lado de Big Data surge un nuevo y sutil concepto: el Smart Data. Si el Big Data gravita sobre cuatro V (de volumen de datos, de velocidad con la que se toman y transfieren, de la variedad de fuentes que los generan y de la veracidad que tienen), el Smart Data añade una nueva V: el valor que producen para tomar decisiones y ejecutar acciones en consecuencia.
Si el Big Data tiene que ver con la manipulación de grandes cantidades de datos, el Smart Data no implica tener esta cantidad, ni múltiples fuentes, sino que se focaliza en el uso inteligente de los datos necesarios para un fin específico. Dicho de otra manera: hoy en día existe la tecnología necesaria para recopilar gran número de datos, pero para resolver ciertos problemas basta con unos pocos. El Smart Data pone el acento en utilizar los datos necesarios con cabeza: lo importante no es la cantidad de datos, sino la calidad de su análisis, que se pueda ver reflejado en los resultados que se busca.
Con el boom del Big Data (hace apenas diez años) áreas de auditoría interna de muchas empresas apostaron por estas técnicas sin mucho sentido. Hoy día se han dado cuenta que han invertido mucho dinero y que pocos resultados tangibles han logrado: sigue habiendo fraudes sin que se detecten a tiempo, la exposición a riesgos de corrupción no se ha mitigado y el número de juicios e investigaciones por incumplimiento regulatorio sigue en aumento. Y esto se debe en gran medida porque el Big Data tuvo muy poco de Smart Data.
Por esta razón, es posible predecir que en el futuro los equipos de auditoría interna o de investigaciones forenses serán equipos pequeños, pero con personas altamente curiosas e inteligentes: personas que les guste preguntar y husmear entre datos; no repitiendo rutinas sin sentido o sin un criterio crítico de qué se está analizando. Lo importante en este tipo de trabajo es ser curioso y tener espíritu científico: plantear hipótesis y comprobarlas.
Los avances que está haciendo la Inteligencia Artificial permiten que las herramientas para el análisis de datos estén siendo cada vez más sencillas de manejar a un nivel técnico. En consecuencia, los equipos de auditoría interna y control de fraudes de las compañías tenderán a incorporar gente que, además de sus conocimientos técnico contables, sepa hacer preguntas pertinentes, quizá como psicólogos o filósofos, dejando de lado mentalidades poco inquisitivas.
Y aquí uno de los principales retos de las universidades: formar gente multidisciplinaria con capacidad de pensar por sí misma; educados para que, a partir de preguntas, lleguen a respuestas relevantes. Solo así el Big Data será Smart Data, es decir, realmente se aprovecharan los avances tecnológicos para prevenir, detectar y responder a tiempo al fraude corporativo.