Una de las consecuencias de la creciente capacidad informática del mundo, la expansión del uso de las computadoras y la capacidad de estas para capturar y compartir diferentes tipos de información, es la generación de Big Data. El Big data es información que, debido a sus propiedades centrales, es difícil de analizar con técnicas y software de análisis de datos tradicionales.
A pesar de los desafíos de procesamiento analítico que plantea, se están desarrollando nuevas técnicas que permiten analizar el Big Data de manera más efectiva y permiten que sean utilizadas por individuos, empresas y gobiernos en muchos campos empresariales y científicos diferentes. Esto probablemente tendrá un impacto importante en muchas áreas de M&A, como en la definición de la estrategia de M&A, la validación del modelo de negocio y la valoración.
Este artículo proporcionará una visión general del Big Data, analizará algunas de sus técnicas analíticas y considerará el impacto potencial del análisis del Big data en las fusiones y adquisiciones (M&A).
Resumen de Big Data y Big Data Analysis
Si bien el Big Data puede tener muchas cualidades diferentes, sus atributos clave son:
Volumen
Big data se caracteriza por grandes volúmenes. Según una estimación general que se publicó en octubre de 2017, el pasado lejano en términos de crecimiento de datos globales, había 2,7 zettabytes de datos en el universo digital. Este número inimaginablemente grande es el equivalente a 1 billón de gigabytes.
Velocidad
Big data se caracteriza por el ritmo extremadamente rápido al que se genera. Según un informe, en 2012 se generaron 2.500 millones de gigabytes de datos. Con más de 3.000 millones de personas en línea, ahora se generan millones de búsquedas en Google y se cargan cientos de horas de videos por minuto .
Variedad
Big data también se caracteriza por su gran variedad. Además del texto, Big Data también incluye audio, vídeo y combinaciones cambiantes de métodos de transmisión de datos.
Los datos con estas propiedades a menudo son muy difíciles de procesar con las técnicas tradicionales de análisis de datos. Esto significa que se pierde una gran parte de la capacidad potencial para utilizar estos datos.
Debido a los desafíos del procesamiento de datos, se están desarrollando varias técnicas para procesar big data. Un ejemplo de esto es el sistema Apache Hadoop, un conjunto de programas de código abierto que incluye un componente llamado MapReduce que lee grandes cantidades de datos, lo reduce en una forma que lo hace adecuado para el análisis y luego ejecuta funciones matemáticas en los datos.
Apache Spark es otro marco de datos de código abierto para el análisis de datos. Apache Spark puede realizar algunas técnicas de análisis de datos 100 veces más rápido que MapReduce.
Un programa de Big Data usado en estadística es R. R es muy útil para la minería de datos y para la visualización de datos.
Big Data y M&A
Los datos masivos muy pronto tendrán un gran impacto en las fusiones y adquisiciones. Las siguientes son algunas formas clave en que los datos masivos pueden cambiar la manera en que se identifican y ejecutan las operaciones de M&A.
Desarrollo de estrategias
Existen numerosas estrategias potenciales de fusiones y adquisiciones, que van desde la realización de sinergias operativas, la creación de valor a largo plazo, los cambios de las empresas con bajo rendimiento y el arbitraje de riesgos. Si bien la selección de la estrategia se define por los objetivos particulares de la compañía que ejecuta una estrategia de M&A y los conjuntos de habilidades de los miembros del equipo de M&A, también está muy influenciada por numerosos factores del mercado que determinan si una estrategia debe lanzarse, cuándo debería lanzarse y la probabilidad de que sea exitoso si se lanza. Estos factores se podrán reducir cada vez más a los puntos de datos que las empresas pueden usar para tomar decisiones estratégicas.
Objetivos de adquisición
Encontrar objetivos para llevar a cabo una estrategia de fusiones y adquisiciones a menudo es un proceso que consume mucho tiempo y no permite identificar objetivos adecuados ni acuerdos cerrados. Los bajos índices de ejecución de M&A se deben a varios factores, que incluyen parámetros de búsqueda limitados, sesgos de búsqueda, desafíos de diligencia debida y desajustes en las expectativas de precios entre compradores y vendedores. Con Big Data será posible mejorar drásticamente las búsquedas de objetivos de M&A y los objetivos de preselección de manera más efectiva, lo que debería mejorar los porcentajes de cierre de negocios exitosos.
Validación del modelo de negocio
Un desafío importante en el análisis de un posible objetivo de adquisición es la validación del modelo de negocio central de una empresa. En particular, para los compradores que no están ubicados en el mismo mercado que la empresa objetivo, puede ser muy difícil obtener información del mercado en tiempo real y predecir lo que eso significa para las perspectivas comerciales de una empresa. Con Big Data será posible obtener análisis mucho más detallado de factores tales como lo rápido que está creciendo o disminuyendo el mercado de una empresa objetivo, cómo los patrones de mercado cíclicos se comparan con los patrones históricos, la cantidad de clientes que están en un mercado o están posicionados para entrar en un mercado y sus preferencias y cómo el mercado está reaccionando a los productos del objetivo o de la competencia.
Valoración
A menudo, un obstáculo importante para la ejecución de acuerdos de fusiones y adquisiciones es la valoración. Incluso estableciendo sesgos secundarios para que los compradores descuenten los valores de la empresa y los activos y los vendedores para inflarlos, la valoración es un gran desafío debido al hecho de que a menudo implica tratar de pronosticar el futuro. Al utilizar Big Data en relación con técnicas de valoración basadas en el mercado, como los múltiplos de EBITDA, será posible no solo extraer múltiplos de bases de datos de mercado mucho más amplias, sino también realizar comparaciones más rápidas y confiables entre una compañía objetivo y el conjunto de referencias de valoración de la compañía. Para realizar los ajustes adecuados de EBITDA. Para los modelos de valoración que se basan en análisis de flujos de efectivo descontados, será más fácil preparar flujos de efectivo.
El activismo de los accionistas
La existencia de datos en tiempo real sobre una compañía, la ejecución del modelo de negocios de la compañía y los competidores de la compañía probablemente cambiarán significativamente la relación entre los fundadores, ejecutivos e inversores externos de la compañía. En lugar de un activismo de los accionistas impulsado por la información financiera periódica, es probable que la información cada vez más disponible reduzca significativamente los intervalos entre los eventos del mercado, las acciones de la compañía y los intentos de los accionistas de influir en los pasos en el mercado que una compañía está tomando o planea tomar.
Conclusión
A medida que crece la cantidad de datos en el mundo, la tecnología intentará almacenar los datos, dividirlos en partes inteligibles y utilizar los datos para diferentes propósitos. Es probable que las técnicas analíticas de Big Data tengan un gran impacto en las fusiones y adquisiciones, dado que los puntos de datos que pueden extraerse del mercado tienen un gran impacto en ellos. A la luz de esto, tanto las empresas como los inversores deben tratar de mantenerse informados sobre los desarrollos del análisis de Big Data para poder incorporarlos en sus estrategias de M&A y aumentar la probabilidad de que los acuerdos de M&A creen un valor duradero para los accionistas.