Data Intelligence como principal impulsor de la innovación en la industria bancaria

Articuloeventos, gobierno del dato, 16 diciembre 2019 |
0
data-intelligence-databank
Mario de Francisco, CEO de Anjana Data, Antonio Font Pérez, Director de Analítica de Negocio de Grupo Cajamar, Unai Beato Iglesias, Chief Data Officer de MyInvestor, Juan José Pascual Fernández, Data Analyst de BNext y Andreea Niculcea, Directora de Transformación Digital de Banca March.

 

Anjana Data ha participado en la reciente edición del evento Data Bank para conversar junto a otros expertos del dato sobre Data Intelligence.

Una de las actividades en las que estuvo presente la Compañía fue en el panel de expertos “Data Intelligence = Business Intelligence” moderado por Andreea Niculcea, Directora de Transformación Digital de Banca March. Mario de Francisco Ruiz, CEO de Anjana Data también compartió mesa con Juan José Pascual Fernández, Data Analyst de BNext, Unai Beato Iglesias, Chief Data Officer de MyInvestor y Antonio Font Pérez, Director de Analítica de Negocio de Grupo Cajamar.

En este panel se resumieron ideas sobre el Data Intelligence aplicado a la práctica diaria de un profesional del dato y cómo éste consigue los objetivos de negocio junto a un equipo que debe estar igualmente capacitado, aplicando Business Intelligence y Big Data Analytics.

 

Data Intelligence = Business Intelligence

 

El Big Data en la banca está impactando en el uso de tecnologías que ayudan a analizar características de cada usuario y anticipar la demanda conociendo qué es lo que quieren y qué servicios se podrían ofrecer. Las herramientas de Big Data permiten determinar métricas y acciones enfocadas en captación y fidelización de clientes y son muy útiles para plantear proyectos de innovación donde se tome en cuenta el beneficio del cliente y el crecimiento del negocio.

En el espectro actual bancario y en relación con la adopción de estas tecnologías, existe una gran diferencia entre start-ups fintech como Bnext, y bancos tradicionales como Grupo Cajamar. Los primeros son empresas nativas digitales, por lo que han tenido a disposición los datos desde el principio y su mayor reto es utilizarlos correctamente para escalar su negocio mientras que los segundos han tenido que abordar una transformación completa en la forma de utilizar los datos. Para ello, han tenido que asumir retos de integración de datos muy ligados a la omnicanalidad, con el fin de hacerle llegar al cliente sus ofertas y servicios por diferentes canales de forma transparente o por ejemplo cambiar el nombre del área de Business Intelligence a Análitica de Negocio, para desde ahí crear modelos predictivos de analitica de riesgos.

A medio camino se encuentran empresas bancarias como MyInvestor, que son de reciente creación pero llegan a un negocio con una cultura más tradicional como la banca privada. En su caso, han tenido que construir desde cero toda la arquitectura de captación, almacenamiento y análisis de datos para alcanzar el reto de crecer convirtiéndose en un banco más automático y más eficiente.

Según Mario de Francisco, los objetivos que se tienen que plantear siempre para el uso de los datos en la industria bancaria pueden ser de dos tipos:

  • Aumento de la eficiencia y reducción de costes (objetivo interno)
  • Valor añadido al negocio y al cliente final (objetivo externo)

Para poder conseguir esos objetivos, uno  de los mayores retos que se ha encontrado Anjana Data como compañía ha sido identificar la falta de gobierno en sus clientes del sector banca, desde el punto de vista organizacional y de cultura del dato, con el fin de darle valor al mismo como un activo estratégico más.

Igualmente, es muy importante conocer el grado de madurez de la organización e ir paso a paso: no se puede intentar acometer iniciativas de Inteligencia Artificial con éxito si ni siquiera se tiene instaurado de forma transversal y habitual el uso de Business Intelligence.

 

CDO y departamentos de datos

 

En esta era del dato, el rol del CDO es uno de los más importantes ya que trata de cubrir la necesidad de impulsar una estrategia basada en el dato y cumplir al mismo tiempo las distintas normativas que implica su gestión. Este perfil debe lidiar entre la evangelización de su uso en el interior de la empresa y los riesgos que abre su gestión junto a un departamento relativamente nuevo en cualquier industria.

Los departamentos de datos suelen presentarse de forma transversal por estar al servicio de las demás áreas, ya sea negocio, tecnología, marketing, … En algunos casos, los departamentos de negocio y de tecnología son áreas distintas pero la idea es romper esa barrera y que hablen el mismo lenguaje y compartan los mismos objetivos. Lo ideal sería que no exista una oficina del dato más allá que para definir modelos de organización, de gobierno, estratégicos sino que los expertos del dato convivan dentro de cada área. 

Una vez que se ha conseguido la integración de los departamentos de datos dentro de la Compañía, los profesionales se enfrentan a grandes retos como la inmediatez (centrada en el real time, estar en el momento de la verdad) y la cercanía a los clientes mediante el servicio de análisis de comportamientos y la comparativa de datos. En este punto, se hace imprescindible hablar de funciones como la gestión de una inteligencia del dato que permita anticiparse a la demanda de los consumidores, predecir sus intenciones y tomar decisiones al momento. 

 

Casos de uso

 

Bnext. Una de las ventajas del uso de la analítica avanzada  es el desarrollo de modelos de aprendizaje automático que le permitirá al negocio detectar el churn enfocado en la detención de los potenciales clientes de valor. En esta fase, Bnext está aplicando Data Science y analítica predictiva con la intención de en el futuro utilizar analítica prescriptiva para poder tomar decisiones

MyInvestor. Las necesidades actuales de esta Compañía están muy enfocadas al reporting ya que aún se encuentran en una fase inicial de implementación de la cultura del dato. Sin embargo, este punto es muy importante para comenzar a trabajar en los retos de crear modelos de propensión que se puedan entender y que estén basados en el cliente.

Grupo Cajamar. Desde hace 17 años trabajan con el modelo clásico de machine learning  para evolucionar actualmente en un modelado que ayude a detectar la fuga de clientes, identificación de público potencial, segmentación de clientes, etc. Sin embargo, el principal foco de atención para la compañía no es tanto el algoritmo sino la disponibilidad de los datos, orientados a la regla de negocio de recoger datos en tiempo real.

Anjana Data. Las mismas técnicas matemáticas y estadísticas de la inteligencia artificial que se suelen aplicar para buscar un cliente o retenerlo, se pueden utilizar para conseguir un buen gobierno de los datos. De esta forma es posible conocer qué datos se están utilizando en diferentes bases de datos que no tienen ningún tipo de relación, detectar datos no gobernados, detectar datos personales en bases de datos de forma automática, o anticipar cuellos de botella dentro de procedimientos de gobierno, entre otros objetivos que harán que se consiga un ROI positivo para el negocio.

Anjana Data también recibió a los asistentes del Data Bank en un stand preparado para mostrar demos de la solución de Gobierno del dato y fue unos de los principales patrocinadores del Bootcamp, donde también compartió con otros expertos profesionales del sector.

Si queréis conocer en detalle las experiencias de todos los panelistas, os compartimos también un artículo de Big Data Magazine: El Business Intelligence no hace nada sin la inteligencia del dato.

Avatar
Sobre el Autor: Hetza Cadena
(Hetza)

Marketing Manager de Anjana Data

¡No esperes más! Solicita una demo