Los bancos se "robotizan"
hay más bits almacenados que estrellas en el universo. La información es poder y los datos pueden considerarse el petróleo del siglo XXI. De hecho, hay quien asegura que la III Guerra Mundial será por controlarlos, y que ganará el que mejor los proteja. En 2020, el volumen de datos será 44 veces mayor que en 2010. Y el sector financiero puede sacar tajada.
Casi un 65% de los altos directivos piensa que el negocio bancario se transformará por completo durante los próximos años, lo que implicaría una metamorfosis de las bases del modelo de negocio de las entidades. Y si bien hablar de empleados robots puede parecer de ciencia ficción, el desembarco de las nuevas tecnologías en el sector financiero ayudará, sobre todo, a recuperar la confianza de los clientes, tan deteriorada durante los últimos años. No sólo es que el crecimiento futuro del negocio dependerá del incremento de la vinculación de los clientes actuales y, en gran medida, de la mejora de los canales, sino que la digitalización y la omnicanalidad resultarán claves para que las entidades puedan responder a las necesidades de un cliente cada vez más interconectado y ávido de información e inmediatez.
De un estudio elaborado por KPMG se desprende que el 85% de los consejeros delegados está preocupado por la inclusión de procesos de negocio automatizados en sus compañías, y el 20% admite que la tecnología cognitiva –que trata de funcionar como un cerebro humano– se encuentra entre las tres áreas prioritarias en las que invertir en el futuro. Y es que el 72% de los líderes empresariales considera que en los próximos tres años sus industrias experimentarán cambios más radicales que los que han sufrido en el último medio siglo.
Movimientos en las cuentas, contratos de inversión y de préstamo, transacciones con tarjetas… El sector financiero dispone de una enorme cantidad de información de cada cliente que puede proporcionar un valor adicional al banco por dos vías. Por un lado, el uso interno de los datos permite mejorar los servicios que ofrecen, dado que cuanto más se conoce al cliente más sencillo resultará mostrarle productos que satisfagan sus necesidades u ofrecerle servicios a la carta que mejoren la experiencia y contribuyan a fidelizarle. Pero, por otra parte, las entidades pueden utilizar la información como un activo.
El término «Big Data» lleva implícitos dos conceptos. Uno es el tratamiento de grandes volúmenes de información y el otro, la capacidad de análisis de los datos. Y para ello se utilizan técnicas matemáticas que detectan patrones en los datos, los clasifica y, en última instancia, hacen predicciones y recomendaciones sobre ellos. Gracias a esta tecnología se puede observar el comportamiento de los clientes, conocer sus hábitos, expectativas y necesidades, lo que constituye todo un filón para atraer a nuevos clientes y fidelizar a los existentes. Eva García San Luis, directora en el área de IT Advisory de KPMG en España, corrobora que las tecnologías de análisis permiten conocer al detalle a los clientes, y destaca que una parte fundamental es la clasificación de los mismos. Pero si tradicionalmente los clientes se clasificaban por atributos sencillos como la edad, los ingresos o el nivel de estudios, las nuevas tecnologías posibilitan tener en cuenta muchos más factores y manejar las relaciones complejas entre unos y otros. «Una segmentación más profunda permite tratar a cada cliente de una forma más cercana, así como diseñar productos personalizados que cubran sus necesidades específicas», agrega.
Pese a que actualmente hay más información que nunca sobre los clientes, también existe mucho ruido. Y «distinguir la información del ruido es precisamente la función fundamental del análisis de datos». García sostiene que todo análisis predictivo trata de ajustar los datos disponibles con algunas funciones, que se caracterizan por un determinado tipo de parámetro. Y aunque el sentido común pueda desvelar ciertas pistas, resulta más fiable usar técnicas estadísticas que relacionen unos atributos con otros y los atributos con la solución. «Los que no impacten en la solución serán básicamente ruido, lo que no quiere decir que los que estén relacionados con la misma estén carentes de ruido».
La calidad del dato permite tomar decisiones certeras, ya que, si la información que se tiene sobre un cliente no es correcta, la segmentación que se realice tendrá poco que ver con la realidad y el banco podría acabar ofreciendo a sus clientes productos que no respondan a sus requerimientos. Por ello, García destaca que la limpieza de los datos –ordenación, detección de errores, determinación de valores cuando están vacíos…– es una de las tareas más importantes y que más tiempo consumen en un proyecto de análisis.
Los datos se han convertido en el principal activo de este siglo. Sobre todo, en el caso de los bancos, que son empresas dedicadas a mover información y cuyas operaciones están hechas de datos. Y aunque esta «robotización» de las entidades puede destruir los empleos más tradicionales del sector, dentro del mundo financiero ya han aparecido otras profesiones. De hecho, el denominado «científico de datos» ha pasado a formar parte de las profesiones más demandadas por la industria. Sin embargo, García advierte de que son necesarios más perfiles capaces de combinar el conocimiento de las operaciones más complejas de un banco, como las inversiones en derivados financieros, con la capacidad para analizarlas desde el punto de vista matemático e informático. Y es que hay poca gente con esta formación en el mercado, y resulta complejo encontrar candidatos cualificados.
Source: The PPP Economy