La nómina es con frecuencia la parte más olvidada de los sistemas internos de tecnología: mientras funcione, el resto de la empresa la ignora. Pero si surge algún problema... ¡vaya! Y, por supuesto, conseguir que esta funcione requiere mucho esfuerzo, procesamiento, comprobación y elaboración de informes por parte de personas y equipos de nómina, los cuales están sumamente preparados.
A aquellos trabajadores que no tienen la responsabilidad de llevar a cabo la nómina o de asegurarse de que se calcula correctamente, lógicamente lo que más les interesa es el resultado, es decir, que el dinero ganado se deposite en su cuenta bancaria cuando corresponde.
Sin embargo, para los responsables de la organización, es fundamental garantizar el éxito de la exactitud y la puntualidad de la nómina.
¿Qué puede fallar en una nómina?
En cualquier tecnología existen tres tipos de fallos:
- Entorno
- Errores humanos
- Errores tecnológicos
Entorno:
Estos tipos de errores están casi siempre relacionados con la energía. La tecnología requiere energía para funcionar, y es necesaria una fuente de energía ininterrumpida. Los terremotos o cualquier incidente meteorológico grave pueden provocar una interrupción del suministro eléctrico. En este sentido, las empresas suelen tener sistemas redundantes, sistemas de energía de reserva y planes de recuperación ante desastres.
Errores humanos:
Estos son los más habituales. El término error humano se refiere a algo que "...no pretendía la parte implicada; no era lo previsto por una serie de normas o un observador externo; o bien que ha provocado que la tarea o el sistema se salgan de sus límites aceptables. En resumen, es una disrupción de la intención, la expectativa o la conveniencia. En el mundo de la tecnología, a menudo también se denomina "dedo gordo", que indica que se ha pulsado el botón incorrecto en el teclado. Entre los casos de precaución comunes en los que los empleadores tuvieron grandes consecuencias financieras, se encuentran las siguientes:
- Errores en las nóminas: los errores cuestan dinero
- Citigroup admite un error de "dedo gordo" que ha provocado una alteración del mercado
- Error de "dedo gordo": un error de cálculo en Samsung Securities por valor de 105.000 millones de dólares
- Un agente vendió de manera accidental 5 millones de acciones del presidente de la compañía en un caso clásico de "dedo gordo"
Errores tecnológicos:
En este caso existe cierta lógica circular, ya que los ordenadores son creados por humanos, pero hay errores que son cometidos por el código, la IA, etc. Esta categoría incluye cualquier error que se produzca al ejecutar la tecnología.
"El error humano se señala como el principal factor que contribuye a las grandes catástrofes y accidentes en las industrias. De hecho, las investigaciones sugieren que, independientemente de la actividad o tarea, los humanos cometen de 3 a 6 errores por hora y una media de 50 errores al día (o al menos, "por turno de trabajo"). En comparación, los fallos técnicos o de las máquinas solo suponen un pequeño porcentaje".
Extracto de ¿Por qué toleramos más los errores humanos que los de las máquinas? de Melanie Thomson
Independientemente del tipo de error, es preciso detectarlo
En lo que respecta a las nóminas, sea cual sea el origen del error, hay que identificarlo y solucionarlo lo antes posible para que el empleado pueda cobrar a tiempo. Es interesante añadir que los plazos de las nóminas también están cambiando. Históricamente, muchos empleados que trabajan por horas reciben su salario semanalmente, mientras que el resto de empleados suelen cobrar de manera quincenal o mensual. Existe también una nueva categoría, normalmente conocida como pago bajo demanda o acceso al salario ganado (EWA) para representar a aquellos empleados que reciben el pago bajo demanda (por ejemplo, los conductores de Uber). Independientemente de la frecuencia de pago de una persona, hay que comprobarla y validarla, y volver a comprobar que los datos son correctos antes de realizar el pago.
Al trabajar en el departamento de nóminas, estoy seguro de que ya realiza informes manuales para comprobar y revisar las diferencias entre los datos. Pero, ¿qué ocurre con esos datos que se escapan? Quizá no fallan en la validación, pero siguen sin ser correctos... Tal vez sea una entrada de 100 horas extras en lugar de 10, por ejemplo, o un aumento salarial del 5 % cuando se sabe que la empresa no concede más del 2 % en este momento. La comparación con períodos de pago anteriores es otra forma de detectar esas anomalías, pueden contribuir a evitar esos errores de introducción de datos.
El reto es, no obstante, que la comparación de datos en SAP® o SAP SuccessFactors® Employee Central Payroll, ya sea entre períodos de pago o sistemas, no es fácil. Con frecuencia se trata de un proceso manual que requiere mucho tiempo, lo que da lugar a un mayor margen de error.
Tal vez recuerde los famosos juegos del tipo "Encuentra la diferencia", como el que se muestra en la imagen anterior. Solo después de observar las dos imágenes y compararlas manualmente te das cuenta de que falta una farola en la imagen de la derecha, por ejemplo.
El hecho de contemplar algo para ver las diferencias es, en realidad, solo una parte del proceso. ¿Cómo se puede averiguar a qué se debe una diferencia mayor a la prevista en el salario neto? Identificar las diferencias es un buen comienzo, pero ¿qué origina la diferencia? Ahora hay que comprobarlo manualmente, o ejecutar algunas versiones de Wage Type Reporter en esos empleados en particular y profundizar en la investigación. Lo cual es un proceso que lleva mucho tiempo y es propenso a errores, y, además, un riesgo potencial para la seguridad de los datos salariales confidenciales que se extraen de SAP o SuccessFactors y se procesan en Microsoft Excel, por ejemplo.
Todo lo que debe comprobarse
A lo largo de mi carrera en HCM, la persona encargada de las nóminas de cada empleador tenía una lista de comprobación. Antes, se trataba de una lista de comprobación en papel en la que se tachaban los elementos de forma manual a medida que avanzaban. Con el tiempo, se volvió más sofisticada, como este ejemplo de Microsoft Excel que se muestra a continuación.
En ella, se elaboraban listas de todas las cosas que debían comprobarse, desde los datos que faltaban (por ejemplo, el número de la Seguridad Social o los datos bancarios), hasta los datos duplicados, pasando por una bonificación registrada dos veces o los errores de "dedo gordo" con un 0 de más. Esos son los más evidentes, pero también hay decenas de auditorías que requieren comprobaciones varias y que no son tan obvias.
En una gran empresa en la que estuve trabajando, alguien con acceso al sistema de nóminas creó un montón de empleados falsos. ¿Cómo lo descubrieron? Todos los depósitos directos iban a la misma cuenta bancaria... No quiero dar ideas perversas, pero hay muchas artimañas fraudulentas que pueden descubrirse si la lista de comprobación de la nómina tiene todos los puntos de control correctos.
Desechar la lista de comprobación
¿Qué pasaría si no fuese necesario hacer todo eso? ¿Y si no hubiera que empezar por el primer paso de una lista y luego ejecutar manualmente cada informe, comprobarlo, descargarlo, compararlo con otro informe, compararlo en una búsqueda, volver a comprobarlo, y así sucesivamente? ¿Y si existiera una forma automatizada de comprobar su nómina antes de que se ejecute, cada vez, simplemente estableciendo algunas reglas para lo que se desea comprobar?
Identificar las desviaciones en los datos es algo que los profesionales de HCM y Nómina deben hacer constantemente. Por ejemplo, con cada cambio de configuración, cada paquete de soporte, implementaciones nuevas, conversiones de datos, siempre que cargamos datos desde una fuente de datos externa, validaciones diarias y copias de clientes. ¿Y si esto se pudiera hacer no solo antes de ejecutar la nómina, sino en cualquier momento que se desee validar los datos, ya que estos pueden verse afectados por cualquier cambio en el sistema? Esto incluye los siguientes ejemplos:
- Aplicación de HRSP
- Adición de una nueva unidad de negocio
- Creación de una filial de la empresa
- Comparar los datos de SAP HCM con una fuente externa (por ejemplo, un sistema de RR. HH. distinto de SAP o Active Directory)
Existe una solución: Variance Monitor
Hay una forma mejor: Variance Monitor™ (VM) de EPI-USE Labs y lo utilizan a diario miles de usuarios de todo el mundo. Variance Monitor le ofrece la capacidad de comparar datos de RR. HH. y nóminas entre sistemas y períodos. Esto es excelente ya que SAP no proporciona una solución para ello y es una tarea compleja que requiere mucho tiempo y recursos con muchas probabilidades de cometer errores manuales.
El aspecto positivo es que está automatizado y es fácil de usar, simplemente hay que definir los niveles de tolerancia o especifique tablas y campos, y las comparaciones para nómina, tiempo, datos maestros y contabilizaciones financieras serán fáciles.
Además las comparaciones entre períodos y las pruebas de los paquetes de soporte son fáciles y absolutamente precisas. Variance Monitor también puede detectar valores "nulos" e incluye comparaciones de muestras gratuitas para su uso desde el primer día.
Variance Monitor se ha diseñado para que pueda usarlo cualquier persona que trabaje habitualmente con datos en SAP HCM. Esto incluye a profesionales de nóminas, usuarios de recursos humanos, beneficios, tiempo, etc. También puede incluir a profesionales de HRIS y TI que tengan que validar datos para identificar diferencias.
Tenga en cuenta que sus datos de SAP HCM están en riesgo cada vez que se introducen cambios, ya sean cambios de configuración, empresariales, técnicos o de landscape. Variance Monitor le brinda la potencia y el control que necesita para identificar las variaciones en los datos de SAP HCM.
Para obtener más información sobre EPI-USE Labs consulte nuestra página web o póngase con nosotros.
Leave a Comment: