¿Por qué la mayoría de las organizaciones evitan la evaluación cuantitativa de riesgos?

Ningún proceso de ERM que sea eficaz para ayudar a una empresa a comprender las amenazas y las oportunidades para alcanzar sus objetivos se limitará a crear una lista de riesgos. Si bien eso puede ser suficiente para un regulador, no significa absolutamente nada para ayudar a los ejecutivos a dirigir mejor la organización.

Después de la identificación, las empresas dan el paso vital de evaluar los riesgos para entender cuáles deben priorizar. Después de todo, ¿cómo sabrá que la empresa se está centrando en los riesgos y oportunidades correctos?

En términos generales, hay dos métodos para evaluar los riesgos: cualitativo y cuantitativo.

La evaluación cualitativa utiliza elementos descriptivos para clasificar un riesgo en particular, por lo general en forma de una escala de 1 a 5 o de alto, medio o bajo, mientras que la cuantitativa utiliza números duros como un impacto en dólares o alguna otra métrica.

Los métodos cualitativos son, con mucho, los más utilizados, pero, como sostienen muchos líderes de opinión de la gestión de riesgos, están plagados de sesgos y sólo proporcionan una visión estática del riesgo, por lo que no son útiles para la toma de decisiones. Los métodos cuantitativos se consideran más objetivos y proporcionan una mejor comprensión de cómo los riesgos afectan a la organización, pero requieren cierto nivel de análisis de datos y capacidades de modelado que muchas organizaciones simplemente no tienen.

Sin embargo, esta no es la razón principal por la que muchas organizaciones evitan los métodos cuantitativos de evaluación de riesgos.

Es una percepción común que sólo las industrias selectas, como los servicios financieros basados en números y las empresas de fabricación, están equipadas para aprovechar la evaluación cuantitativa de riesgos.

Los bancos tienen un tesoro de métricas para extraer datos como la tasa de incumplimiento de préstamos, los ingresos por intereses, los ratios de reserva, y más. En segundo lugar, la industria manufacturera tiene una variedad de métricas que utilizan para entender el rendimiento y la eficiencia, incluyendo el rendimiento, la utilización de la capacidad, los incidentes de salud y de seguridad que se pueden reportar, y mucho más.

Si bien las empresas financieras tienen la mayor experiencia con la evaluación cuantitativa, la verdad es que todas las organizaciones, independientemente de la industria o el sector, van a tener datos que pueden utilizar…

A menos que usted esté estrictamente basado en el papel (sinceramente espero que no lo esté en estos tiempos), todas las organizaciones en todos los sectores e industrias tendrán números. Esto puede incluir números en torno al rendimiento financiero (recaudación de fondos en el caso de una organización sin ánimo de lucro), la retención y la rotación de los empleados, y las métricas de servicio al cliente (como las llamadas por semana o lo que se conoce como Net Promoter Score).

Si se utilizan y comunican adecuadamente, estos números pueden contar una historia más sólida y procesable sobre los riesgos que cualquier clasificación cualitativa de 1 a 5 o baja-media-alta.

Déjeme elaborar…

En una típica evaluación cualitativa de riesgos, se pide a los ejecutivos y líderes de las unidades de negocio que clasifiquen el impacto y la probabilidad de un riesgo. Con estas puntuaciones estáticas en la mano, se puede desarrollar un mapa de calor, que según COSO, es simplemente «…una representación gráfica de la probabilidad y el impacto de uno o más riesgos».

El problema con los mapas de calor y otras representaciones gráficas similares es que asumen que los riesgos existen en un punto en un gráfico. Esto puede ser engañoso e incluso peligroso hasta cierto punto, ya que los impactos pueden cambiar en función de la probabilidad de un evento.

El objetivo final de cuantificar los riesgos es comprender la probabilidad de éxito…

En su último libro Decide para triunfar: Why and How to Apply Effective Decision Risk Management, Hans Læssøe explica:

El propósito de la gestión de riesgos de una decisión es mejorar el resultado y, por lo tanto, su enfoque no debe centrarse en la incertidumbre, el riesgo o la oportunidad en sí, sino en el parámetro de rendimiento de su decisión/proyecto.

Como explico en este post y repito a menudo, los profesionales del riesgo deben comunicarse en un lenguaje que los responsables de la toma de decisiones puedan apreciar y entender. Por lo tanto, la medición de los riesgos debe hacerse de una manera que importe a los ejecutivos. Cuando se utilizan correctamente y en el contexto adecuado, los datos pueden apoyar este proceso.

Así es como debería funcionar a grandes rasgos…

Su organización tiene una meta (por ejemplo, aumentar los ingresos) y diferentes objetivos para alcanzar esta meta (por ejemplo, desarrollar nuevos productos, reorientar los productos existentes a un nuevo mercado).

Usted, como profesional de riesgos, en coordinación con las partes interesadas pertinentes, puede desarrollar escenarios en torno a estos objetivos. Como explico en un post anterior sobre las preguntas esenciales para la planificación eficaz de escenarios, el propósito de alto nivel es asegurar que las metas y los objetivos sean los correctos.

Luego se pueden identificar los riesgos en torno a estos escenarios. Cualquier dato relevante puede utilizarse para desarrollar modelos o simulaciones de Monte Carlo que pueden determinar la probabilidad de que se cumpla un objetivo concreto.

Aquí hay un ejemplo del libro de Hans que proporciona algunas cifras concretas sobre la probabilidad de cumplir objetivos específicos de un proyecto:

A partir de este gráfico, podemos ver que hay un 57% de posibilidades de que un proyecto se termine en el plazo deseado y un 82% de posibilidades de que el proyecto se ajuste a los objetivos presupuestarios aceptables. Los ejecutivos pueden tomar esta información para determinar si el proyecto debe seguir adelante tal como está, modificarse o abandonarse.

¿Pero cómo puedo obtener datos?

Pero para que los modelos y las simulaciones funcionen, hay que tener datos, lo que nos lleva de nuevo al núcleo del tema de hoy.

Como he dicho antes, toda organización va a tener datos. Sin embargo, incluso sin números directos como los ingresos o la satisfacción del cliente, es posible asignar valores numéricos a una variedad de intangibles, incluyendo la reputación. Otros ejemplos de intangibles, además de la reputación, son la eficacia de la gestión, la productividad de la investigación, la incertidumbre política… la lista es interminable.

El libro (…y el cuaderno de trabajo que lo acompaña) How to Measure Anything: Finding the Value of «Intangibles» in Business (Cómo medir cualquier cosa: encontrar el valor de los «intangibles» en la empresa), de Douglas Hubbard, proporciona herramientas y métodos que las organizaciones pueden utilizar para poner números a una variedad de métricas.

Sin embargo, como explica su libro, el propósito de medir y analizar para la toma de decisiones no es producir un resultado perfecto, sino reducir la incertidumbre para que los ejecutivos puedan tomar la mejor decisión posible.

Aunque sería prudente no apresurarse a modelar, los métodos cuantitativos son cada vez más esenciales, especialmente a medida que el mundo sigue avanzando hacia una mayor automatización y la sociedad tiene menos tolerancia a los problemas o errores.

¿Cómo supera su organización el desafío de los datos para evaluar los riesgos para la toma de decisiones de los ejecutivos?