Así utilizan los bancos tus datos

por Verónica Sánchez

Así utilizan los bancos tus datos 4

Cuando hablamos de Big Data, nos referimos al conjunto de datos o combinaciones de conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales.

Aunque el tamaño utilizado para determinar si un conjunto de datos determinado se considera Big Data no está firmemente definido y sigue cambiando con el tiempo, la mayoría de los analistas y profesionales actualmente se refieren a conjuntos de datos que van desde 30-50 Terabytes a varios Petabytes.

Pero lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera se habían formulado. En otras palabras, proporciona una cantidad tan grande de información que habilita a las organizaciones para identificar sus problemas de una forma más comprensible, permite identificar nuevas oportunidades de negocio, reducir costes,  ganar eficacia y detectar nuevas necesidades de sus clientes.

El mundo financiero, que en su último punto consiste en un proceso de pura venta de producto o servicio, no ha permanecido ajeno a la explosión de los datos y al utilizar el progreso digital a su favor para aumentar sus cada vez más escasos ingresos vía producto y cliente. Esto ha generado un cambio en las instituciones financieras, que ahora  se centran tanto en la gestión como en el análisis de datos. Históricamente, las dos disciplinas habían estado, en gran parte, separadas. El proceso de gestión de datos involucraba, típicamente, actividades como el abastecimiento de datos, la referencia cruzada y la solución de cualquier discrepancia a través de conciliaciones y procesos de limpieza de datos. 

Los procesos de análisis de datos generalmente se llevaban a cabo, posteriormente en una variedad de herramientas y bibliotecas a nivel de escritorio, cerca de los usuarios y generalmente operando en subconjuntos de datos almacenados por separado. Esto creaba problemas para muchas instituciones financieras,  pues  la separación afectaba al tiempo de comprensión y actuaba como freno en los procesos de toma de decisiones que deben impulsar el progreso empresarial, tanto a nivel servicio (que demande el cliente, a medida) como a nivel producto (nuevo y eficiente).

Por lo general, los datos se guardaban y, en muchos casos, se sigue haciendo, en almacenes de datos y sistemas heredados, de difícil acceso. Los metadatos que rodeaban los datos, a menudo no se actualizaban con frecuencia, lo que dificultaba la comprensión completa del linaje de los datos y la comprensión de los permisos relevantes sobre los datos. Juzgar si los datos eran adecuados para el propósito era complejo y, con frecuencia, los modelos obtenían resultados sub-óptimos porque se basaban en datos obsoletos, incompletos o inapropiados.

Hoy, sin embargo, esta situación está comenzando a cambiar. Muchas empresas de servicios financieros se han dado cuenta de que necesitan una mejor manera de proporcionar a sus científicos de datos y otros usuarios clave, precios limpios y datos de mercado. El papel de la analítica se ha vuelto mucho más omnipresente y arraigado en los procesos comerciales cotidianos. Aparte de esto, se ha elevado el listón con respecto al seguimiento de los flujos de datos y la gestión de los riesgos de los modelos.

Un cambio a la nube y la adopción de tecnologías nativas de la misma, están ayudando a las empresas a realizar la transición a un enfoque más integrado para la gestión y el análisis de datos. Apache Cassandra, por ejemplo, ha surgido como una base de datos distribuida de código abierto altamente escalable que facilita el almacenamiento y la administración de grandes volúmenes de datos financieros de series temporales de forma segura. Apache Spark es un motor de datos unificado para el procesamiento de macrodatos. En conjunto, los dos, junto con otras herramientas asociadas, ayudan a facilitar la integración de datos y análisis.

Al menos en parte, como resultado de esto, vemos que la gestión de datos y el análisis están cada vez más unidos en el universo Big Data. Esta integración también está difuminando la línea entre la fuente de datos primarios (la bolsa de valores, por ejemplo) y lo que se deriva y calcula (por ejemplo, curvas de tipos de interés, correlaciones o volatilidades). La gestión y el análisis de datos son hoy dos caras de la misma moneda en los flujos de trabajo de los usuarios.

Eso sí, todavía vemos analistas cuantitativos (quants) en los puntos finales de los flujos de datos, llevando a cabo modelos, pronósticos y precios de productos complejos. Pero, además, los procesos comerciales recurrentes en evaluación de riesgos, análisis e informes, así como otros modelos, se han vuelto más intensivos en datos.  Cada vez más, la atención se centra en llevar la analítica a los datos y no al revés. En otras palabras, se trata de trasladar la capacidad de análisis al lugar donde residen los datos en lugar de trasladar grandes almacenes de datos – a menudo agrupados en silos – a la función de análisis, lo que generalmente ha llevado a copias inconsistentes a lo largo del tiempo y mucho tiempo de analistas dedicados a verificar y recopilar datos, antes de que pudieran comenzar el análisis real.

Para que la analítica funcione de manera eficaz y eficiente, los datos que la impulsan deben ser de la más alta calidad. Los datos de entrada de buena calidad hacen que los análisis sean más fiables. Por el contrario, incluso el mejor modelo producirá resultados inútiles si se alimenta con datos de mala calidad. Este impulso hacia la eficiencia y la precisión a medida que las empresas buscan acelerar su función de análisis es una de las razones por las que la calidad de los datos es importante para el sector financiero actual. La otra es que los reguladores están examinando cada vez más la calidad de los datos y, en particular, la calidad de los datos que se incorporan a los modelos. 

Las empresas financieras a menudo necesitarán explicar los resultados, no solo las matemáticas del modelo en sí, sino también los datos que se incluyeron en él, cuáles fueron los problemas de calidad, cuáles fueron las fuentes y quién los tocó en el proceso. Eso puede resultar difícil si tratan la gestión de datos y el análisis como disciplinas independientes. Sin tener la capacidad de analizar los datos y la supervisión de su procedencia y destino, las empresas luchan por ganar transparencia sobre cómo están aprovisionando sus modelos con datos. También necesitan la capacidad de calidad de los datos para garantizar que sus datos sean coherentes y estén validados y que se reduzca la carga de la reconciliación.

Si bien los informes regulatorios han sido durante mucho tiempo una disciplina esencial para las organizaciones financieras, y la unión de datos y análisis lo ha respaldado, está lejos de ser el único beneficio que ofrece esta nueva tendencia. Como hemos visto, el papel de la analítica y los datos integrados para respaldar la habilitación del usuario y una mejor toma de decisiones es clave. A medida que el ciclo de administración y procesamiento de datos se extienda aún más para abarcar la analítica, los usuarios desearán cada vez más ser empoderados por el proceso y aprovechar estas nuevas capacidades para impulsar una toma de decisiones mejor informada. Este cambio a datos como servicio (DaaS o Data as a Service), cuando se combina con las últimas capacidades de análisis, está haciendo que las organizaciones financieras pueden obtener acceso a múltiples fuentes de datos y tipos de datos, desde precios y datos de referencia hasta curvas y datos de referencia, ESG (gobierno ambiental, social y corporativo) y datos alternativos. Con la ayuda de la última tecnología de código abierto como Python, los usuarios pueden compartir estos análisis en todas sus cadenas de suministro de datos y, gracias a la potencia del motor de análisis, desarrollar un enfoque común para la gestión de riesgos, la gestión del rendimiento y el cumplimiento. 

Los cuánticos y los científicos de datos se benefician de esto. Pero este enfoque también está ayudando a democratizar la analítica para los usuarios, poniéndola en la órbita de aquellos que no son expertos en datos. Hoy en día, gracias a la contextualización proporcionada junto con la analítica, no es solo el dominio exclusivo de los cuantitativos o del científico de datos, sino una herramienta clave que aquellos que siendo menos expertos en datos pueden usar para impulsar decisiones comerciales. 

Esto en sí mismo promueve la agilidad empresarial, pero la combinación de datos y análisis también puede ayudar a las empresas a optimizar los costes. Lo hace apoyando una mayor agilidad con los datos y seleccionando solo aquellos elementos estrictamente necesarios para ayudar a impulsar el negocio. Sin embargo, también se trata de centralizar los datos de manera más eficiente y eliminar la duplicación. 

De cara al futuro, nos encontramos en la cúspide de una nueva era en la gestión de datos financieros. Hoy en día, la tecnología, los procesos, los factores macroeconómicos y la conciencia empresarial unen fuerzas para unir el análisis y la gestión de datos. El resultado para las instituciones financieras es un nuevo mundo de oportunidades en el que pueden optimizar los costes, impulsar la habilitación del usuario y maximizar el valor que obtienen de la ingente masa de datos a la que tienen acceso.

Artículo redactado por Verónica Sánchez Medero (Business Manager en Optimissa) y Carlos de Fuenmayor (Especialista en Finanzas y asociado de EFPA España).

16 comentarios

Droblo 14 diciembre 2020 - 7:57 AM responder
Juanito Gonzale 14 diciembre 2020 - 10:19 AM

Sinceramente yo no creo que las empresas, sobre todo las grandes, busquen hoy día via Big Data las necesidades de la gente para crear productos y satisfacerlas…

Salieron hace unos 5 o mas años los pantalones “de pitillo” que ni entonces ni ahora gustan a mucha gente.. o para decirlo mas correctamente, hay un nicho enorme de clientes que no comprarían ese tipo de pantalones si tuvieran otra alternativa…

Y mira por donde la Big Big Big data no ha detectado ese hecho y ninguna big big big empresa lo esta aprovechando, porque te vas a buscar unos pantalones para tu hijo y casi todo lo que hay son de pitillo o en ese estilo…

Y ejemplos de esos, hay muchisimos…

Personalmente lo que veo es un enorme avance en eso de “colarnos” cosas que muy poca gente quiere en realidad… Consiguiendo presentarlo como que la gente que no se pronuncia esta a favor y consiguiendo ningunear los que están abiertamente en contra… Eso si lo hacen, aunque ignoro si eso es gracias a la Big Data o a la Big Cara Dura que tienen algunos…

responder
Juanito Gonzale 14 diciembre 2020 - 10:28 AM

la tecnología de la Big Data y la IA etc. hace posible y muy eficiente hoy, lo que ya se intentó hace décadas y hace siglos y no se pudo imponer por entonces.

Lo que ignoramos es que en el lote de nuevas posibilidades que se han abierto están también los abusos y atrocidades que antes no prosperaron, pero ahora si, pueden hacerlo…

En fin… Si es digital es bueno… el nuevo credo de los listos de hoy…

responder
Oscar 14 diciembre 2020 - 1:44 PM

BUeno siempre ha habido modas , gente con tendencia a seguirlas y gente que sólo ve lo”utilitario de los objetos sin más.
YO Prefiero que mi hijo vaya en chandal que con pantalones de piquillo al estilo setentero.
Pa gustos colores.
El crio de 9 años ha pedido una play5, aun me estoy riendo… de él y podría pagarla; habrá familias que “pasarán hambre” por comprarle al churumbel la PS5 porque no pierda la ilusión y no se que historias sobre la inocencia y la infancia; pues que cada uno haga lo que considere.

responder
oreidubic 14 diciembre 2020 - 2:44 PM

Esta parejita crean unos artículos que parecen de la guerra de las galaxias.

Y con la excusa del big data y otras ñoñerías nos dejan el camino expedito a los que nos basamos en el empirisimo, la observación y el trabajo de campo… que dure.

responder
Juanito Gonzale 14 diciembre 2020 - 3:49 PM

Sera que el Big Data que utiliza CL le ha dicho que tiene que publicar ese tipo de artículos para que el blog prospere…

O será que ha ido a un cursillo, donde le han dicho lo mismo sin necesidad de Big Data…
..

me acuerda a aquellos ponentes que indiferentemente si enseñan “como hacer negocios” a hoteleros familiares, a agricultores o al sector de venta de souvenirs, siempre dan como ejemplo de estrategia de éxito o Coca-Cola, o StarBugs, o FB…
Y con eso creen transmitir conocimientos útiles..

En fin…

Felices Fiestas y Prospero 2021 a todos los foreros, a las foreras y a les foreres , y foreretes igualmente :-)

responder
Chispas 14 diciembre 2020 - 4:41 PM

A ver… es cuestión de tamaño y objetivos.
No es lo mismo gestionar una oficina de reservas pequeña que Booking.

Es lo de siempre: el grande se dedica a las masas y el pequeño a los nichos.

Y en lo del Big data, el pequeño simplemente no tiene los datos suficientes (“tiny data” ;-)).

Un uso del Big data es el de las farmacéuticas. Para buscar nuevos medicamentos, analizan los efectos secundarios para buscar cosas útiles y potenciarlas. Un ejemplo de éxito es la Viagra.

responder
Juanito Gonzale 14 diciembre 2020 - 5:05 PM

Yo no niego la utilidad de la Big Data, que puede ser enorme, si la capacidad de analizar correctamente y sacar las conclusiones correctas es suficientemente alta…

Sin embargo creo que ese tema es mas bien para la gente que trabaja en ello y tiene los conocimientos de cierto nivel, etc…
Pero sacado de los circulos profesionales y utilizado como tema de tertulia para la peña, se convierte ya en una parodia de si mismo… es con lo que yo me suelo cachondear…

Al pepito le encanta leer que sus datos valen mucho y de allí montarse cualquier película…

responder
leopoldo 14 diciembre 2020 - 4:44 PM

Vendemos materias primas, vamos ingredientes, a nivel industrial para la alimentación. Y me acuerdo que un proveedor nuestro, hace unos años, en la reunión anual en Holanda, contrató a una especialista en marketing con no sé cuantos MBAs para hacernos un “coaching” sobre como mejorar las ventas.

Como claramente no entendia nada sobre ventas de materias primas B2B, intentaba convencernos que lo mejor sería crear un producto final propio, con una marca (pues se conoce que sin marca el marketing es complicado) y que con eso podríamos crear una identidad en el mercado y blah blah blah. Un compañero mio, escuchaba atentamente y despues subió la mano y le preguntó: ¿pero este producto final que nos dices de sacar no competiría con los productos finales de nuestros propios clientes de materias primas? Como afectaría las ventas que en vez de ser solo su proveedor, nos convertimos tambien en su competidor?

Tanto MBA no le ha valido para responder con más de un silencio prolongado e incómodo…

responder
Juanito Gonzale 14 diciembre 2020 - 4:58 PM

Podría haber sido peor… Podría haberos convencido de participar en el Black Friday con unos descuentos de hasta 80% :-) …

Una vez hecho esto, todos vuestros clientes esperarían ese día del año para compraros algo :-)

responder
Chispas 14 diciembre 2020 - 5:35 PM

Es como Reyes. La gente se priva de lo que necesita para comprarlo en una fecha determinada. No lo entiendo, pero la gente es así.

Hay una parte de incentivo que si no es por el truco de la oferta, la gente no compra. Pero si compro 36 rollos de papel higiénico al 50%, no voy a c.gar el doble. Otra cosa es que el Big data les diga que cada vez que sacan la oferta, voy y no sólo compro papel, sino que con el “pos ya que…” el 80% de los clientes compran ese chocolate que casualmente está al lado del papel y que tiene un margen más que generoso.

Juanito Gonzale 14 diciembre 2020 - 6:17 PM

eso es así, pero en B2B las cosas no son exactamente así.. allí se compra por lo general lo necesario y en el volumen necesario…
Les acostumbras a sacar ofertas y se amoldan para comprarte solo de oferta y la misma cantidad que antes, solo que con menos margen para ti…
Se puede, pero debe ser muy meditado y que tenga algún sentido la cosa…
Por “sentido ” me refiero fidelizar, desconcertar la competencia, captar nuevos clientes, tener los márgenes pensados para sacarte lo deseado vendiendo “de oferta” y ya si algún despistado te compra el resto del tiempo es lo que te llevas…

Pero por lo general, en B2B te miran calidad y te miran precio, lo comparan con tu competencia y eligen… juegan también cosas como ser fiable a la hora de suministrar y hasta puede jugar un papel importante una comercial buenorra, donde dos tetas tiran mas que dos caretas , uno buenorro también sirve :-)

Hace ya varios lustros conseguí firmar un contrato con la escudería de Ferrari… Era flipante porque la persona que llevaba el tema de su parte, hoy a lo mejor estaba en Italia, Mañana en Japon, dentro de 5 días en Brasil y vuelta a empezar… me acuerdo que me veía contestando emails a cualquier hora de la noche …
Gane yo el contrato porque me di cuenta que lo mas importante era ponérselo todo lo mas fácil posible, estaba muy sobrecargada la tia, hasta hacia un poco su trabajo y todo y también entendí que podía no tener el precio mas bajo, eso no pesaba tanto…
Eso con IA no se yo cuando se podrá conseguir.. con la obsoleta inteligencia de Juanito si que funcionó :-)

oreidubic 14 diciembre 2020 - 6:20 PM

jajajajaja… esta es otra….. tiran de cosas aprendidas con el método del “caso” y tiran millas….

Que ingredientes y sede en holanda no hay demasiadas empresas y las que yo sé tienen una posición en el mercado envidiable.

Que el B2C no es la panacea y si puedes ser importante en el B2B, pueden cambiar los clientes pero tú eres necesario para satisfacer la demanda del B2C sin tener que entrar en la segmentación del mercado final.

Lo que pasa que los grandes del B2B no tienen trascendencia social y en las reuniones de Ex-Alumnos de las privadas mola más ser un machaquilla de Danone o San Miguel, que facturar cientos de millones en levadura o envases…. tiene poco glamour… aunque el “líquido a percibir” sea bastante superior…

responder
efe 14 diciembre 2020 - 2:55 PM

Interesante artículo. No somos conscientes de que la privacidad es algo que se pierde muy fácilmente y cuesta mucho ganarla…

responder
Chispas 14 diciembre 2020 - 3:30 PM

Mira que me dedico un poco del tema y no he podido leer el artículo. Tl;DR? (Too long, didn’t read).

El Big data tiene su utilidad. Sobre todo para gestión de demanda. Eso sí, te hace falta IA en muchos casos y gente con bastantes neuronas para que la IA busque lo que debe.

responder
oreidubic 14 diciembre 2020 - 5:52 PM

Aquí está el tema…. ¿Quién tiene mejor big data en España?…. los bancos…. ¿que provecho le sacan?… escaso…

Porque se está primando la generación de datos pero no se potencia la gestión provechosa (para la empresa) de ellos.

Yo en las empresas que asesoro ni me miro los euros…. voy a partir de miles…. porque al final te pierdes en el detalle y lo importante es la “megatendencia”…. que en una empresa que factura 3 o 4 millones de euros tampoco es de millones…. es de una cantidad justa.

Y en estos momentos de globalización y grandes cantidades de datos, al final lo que prima es lo tradicional…. precio-calidad y distribución….. con la ventaja que la información del mercado y la competencia es más accesible…

Ahora, el dato como elemento de gestión es sí mismo no marca la diferencia…. la diferencia es en la interpretación… y vale más pocos datos bien interpretados que muchos y de mal interpretar.

Que ya me sé yo las letanías de los drivers que marquen las desviaciones de los presupuestos a traves de un CRM en entorno SAP con unos servidores de 1 o 2 millones de euros….. si los presupuestos están mal, los drivers ya se pueden tirar a la basura…..

Y este 2020 ha sido definitivo para que los artistas “ganemos” valor ante los teóricos….

responder

Deja un comentario