.
TECNOLOGÍA

Big Data y y grandes riesgos en el sector bancario

martes, 19 de septiembre de 2017

Créditos se están otorgando según bases de datos

Eric Crabtree

Los datos están jugando un papel cada vez más importante en la industria bancaria. Es la clave para desarrollar interacciones inteligentes con los clientes sin importar el canal, adaptadas para satisfacer la demanda de individuos y familias. Los datos también están impulsando nuevas tecnologías, como la inteligencia artificial y los bots, que están, a su vez, ayudando a aumentar la eficacia operativa y a reducir riesgos. Los datos están permitiendo incluso nuevos modelos de banca, como préstamos entre pares, financiación colectiva y economía compartida.

El impacto generado por los datos se ilustra mejor al observar los avances en el sector de crédito al consumidor. Tradicionalmente, los bancos usan calificación de crédito, que se basa en un estrecho rango de puntuación que cambia con poca frecuencia. Este enfoque presenta dos restricciones principales. En primer lugar, la toma de decisiones es lenta pues los bancos tienen una visión incompleta de la salud financiera del consumidor. En segundo lugar, esto genera ‘archivos pequeños’, especialmente sobre consumidores de la generación millennial que no tienen una historia financiera y tienen aversión a deudas. En muchos países, el crédito al consumidor ha sido negativo y usado por los bancos esencialmente para colocar en la lista negra personas con pagos atrasados.

Hoy en día, los bancos están basando sus decisiones de préstamo y gestión de riesgos en datos integrados. Información sobre amortización de deuda están combinándose con datos de transacciones y cuentas corrientes casi en tiempo real para desarrollar modelos completos de evaluación de riesgos. En lugar de depender de la puntualidad de los pagos o del porcentaje de crédito disponible utilizado, los bancos pueden evaluar patrones de riesgo a partir de comportamientos en el pasado.

Trabajando sobre datos
Muchas veces, volumen, velocidad y variedad de tipos de datos pueden técnicamente superar la capacidad de las tecnologías tradicionales. Datos no estructurados, como video, voz y texto, son especialmente poco adecuados para enfoques antiguos de TI y la primera generación de Big Data.

Para superar esas barreras, los bancos están adoptando recursos de aprendizaje automático que entrenan a los modelos predictivos continuamente basados en flujos de datos. El aprendizaje automático puede ayudar a identificar detalles sutiles y así obtener mejores resultados. Por ejemplo, los enfoques tradicionales de regresión o árbol de decisión pueden predecir las mayores probabilidades de pérdida de clientes basados en variables relevantes.

El éxito dependerá del cambio cultural. Debido a la circulación más rápida de los datos y de la rapidez del cambio de las expectativas, es necesario tener un enfoque mucho más iterativo de planificación.

El desafío para los bancos
Inevitablemente, el papel central de los datos trae nuevos riesgos. Las personas necesitan entender cómo gobernar y organizar un negocio orientado del punto de vista analítico. Por ejemplo, muchos bancos actualmente mantienen datos solo sobre personas cuyas solicitudes de crédito se aceptan. Por definición, mantener solamente este subconjunto de datos, y no de todos los que han solicitado crédito, significa que los bancos están en riesgo de reducir sus oportunidades de marketing.

Pero, los riesgos más graves pueden ser externos. Amenazas cibernéticas están perjudicando más que la reputación actualmente y están provocando la dimisión de directores generales, como en los caso de Target y de Sony. Del mismo modo, altos funcionarios del gobierno y del sector académico también están perdiendo sus empleos debido a la violación de datos. También ha cambiado la naturaleza de las amenazas, con hackers ahora buscando efectos físicos o tratando de minar la credibilidad de una organización al corromper sutilmente en el lugar de robar.

Conozca los beneficios exclusivos para
nuestros suscriptores

ACCEDA YA SUSCRÍBASE YA