Transformación digital en el sector financiero

Otto Vargas M. / ovargas@ovama.co.cr

La banca tradicional enfrenta un reto crucial para su supervivencia: su transformación digital mediante estrategias innovadoras centradas en el cliente para ofrecerle una atención personalizada, advierte Javier Porras Castaño, científico de datos y experto en innovación.

“El sector bancario tradicional debe aprovechar, como ventaja competitiva, los datos que dispone de sus clientes para que, a través de Big Data y técnicas de Inteligencia Artificial (AI), extraiga el conocimiento oculto y ofrecer una banca privada y personalizada al cliente. La sinergia entre el Big Data y las técnicas de Inteligencia Artificial (AI) se le conoce como Big Data Analytics y permitirá esta nueva Banca 3.0”, enfatizó el investigador.

Big Data Analytics es la capacidad para almacenar y analizar grandes cantidades de información de forma ágil mientras que la Inteligencia Artificial (AI) es aquella que permite extraer el conocimiento oculto en esa ingente cantidad de información de la entidad financiera.

“Si los bancos son capaces de adquirir esta habilidad para manejar Big Data Analytics estarán a la vanguardia de los modelos digitales de negocio emergentes (Fintech). Y no solo eso, sino que cuentan con una ventaja competitiva: disponen de muchos más datos que sus competidores. La banca conoce los movimientos de sus clientes: qué hace, dónde y cuándo (información estructurada tradicional) y si además es capaz de agregarle información externa del cliente (no estructurada), como redes sociales, geo-localización, actividad en Internet o qué productos le interesan, compondrá una gran base de datos que le permitirá conocer con exactitud a cada uno de sus clientes.

“De esa forma estará integrando Big Data en la entidad y mediante Inteligencia Artificial (AI) podrá ofrecer a sus clientes una banca personalizada y privada para conseguir su satisfacción y fidelización”, puntualizó el científico.

Esa información es a lo que los expertos llaman “información 360° del cliente”, pues permite conocer, de forma integral, al usuario. El uso de Big Data Analytics ha dado paso a diversos usos en la banca, tal y como enumera Javier Porras:

1. Definición de productos personalizados para un cliente de la entidad: ​Conlleva la creación de un modelo predictivo con el cliente en el centro de la lógica de negocio para analizar su comportamiento, qué funcionalidad consume en cada canal y  así  aprender y ajustar modelos para ofrecerle productos personalizados de forma anticipada.

2. Nuevas oportunidades de negocio sobre clientes de la entidad​: Mediante el análisis de la información externa del cliente, la banca puede descubrir nuevas oportunidades de negocio. Por ejemplo, si analiza las redes sociales del cliente, puede detectar la intención del mismo para comprarse un vehículo o hacer un viaje. De esa manera,  la entidad puede anticiparse y ofrecerle el producto deseado.

3. Nuevas oportunidades de negocio para personas no clientes: ​Se trataría de nuevas oportunidades de negocio sobre clientes que no pertenecen a la entidad y el objetivo, a corto plazo, no sería la fidelización o siquiera abrirle una cuenta, sino ofrecerle un producto que cubra su necesidad actual.

4. Gestión de riesgos, Big Data Scoring​: ​Los métodos de scoring (testeo) de crédito tradicional usan una cantidad de datos relativamente limitada. Frente a lo tradicional, está apareciendo el fenómeno del Big Data Scoring en el ámbito de riesgos para las entidades bancarias. Su objetivo es clasificar a los clientes según sus posibilidades de impago a partir del análisis de datos, y no solo datos internos, sino también los externos, como por ejemplo de redes sociales.

5. Prevención del fraude: ​El sector bancario maneja dos tipos de activos sensibles de sus clientes: datos personales y dinero. Por ello la ciber-seguridad toma especial relevancia y supone un reto para prevenir el fraude bancario. La sinergía entre el Big Data e Inteligencia Artificial (AI) ofrece el soporte necesario para realizar una prevención eficaz del fraude, generando y aprendiendo patrones de comportamiento sobre los pagos del cliente.

6. Optimización de recursos de la entidad: ​La sinergia entre Big Data e Inteligencia Artificial (AI) no solo genera una banca personalizada y privada para el cliente, sino que también es posible optimizar procesos internos y recursos de la entidad para reducir costos. Mediante ese sistema es probable detectar datos solapados, por ejemplo, número de oficinas o de cajeros automáticos sin perjuicio para clientes y, por otro lado, analizar la vigencia de procesos para optimizar los tiempos de respuestas o predecir situaciones de error del sistema.