HPE entre los lÃderes de almacenamiento de Gartner
En los bancos los datos son clave; y a partir de internet y de los múltiples canales digitales que la banca fue incorporando resulta imposible pensar en el éxito de una entidad financiera sin una polÃtica de gestión de datos.
Por: ElÃas Bethencourt, Director de AIS Group Argentina
No hay dudas de que estamos viviendo en la era de los datos. La cantidad de información que se genera diariamente crece de forma exponencial con el correr del tiempo, y la posibilidad de recolectarla, almacenarla y analizarla que la tecnologÃa nos brinda ha llevado a los datos a convertirse en el activo más importante de las empresas. En el sector financiero los datos son clave; y a partir de internet y de los múltiples canales digitales que la banca fue incorporando resulta imposible pensar en el éxito de una entidad financiera sin una polÃtica de gestión de datos.
Pero los datos en sà mismos no le aportan valor al negocio. El paso fundamental tiene que ver con agregarles inteligencia para que puedan aportar a la toma de decisiones, a brindar una mejor atención a los clientes, a mejorar tiempos de respuesta, crear sistemas de predicción más adecuados, entre otros factores. ¿Pero qué debe hacer la banca argentina para lograrlo?
Como primera medida, los bancos deben avanzar en estructurar sus datos. Deben crear un gobierno de datos que implique gestionarlos como lo que realmente son: un activo de valor. Un correcto gobierno de datos, a grandes rasgos, implica asegurar la calidad de los datos, definir una estrategia para hacerlo e incorporar tecnologÃas que permitan estructurarlos.
Luego, para poder sacar el mayor provecho de toda la información es necesario recurrir a tecnologÃas como el Machine Learning; mucho más potentes que las técnicas tradicionales con las que vienen trabajando la banca y las empresas para elaborar sus sistemas de predicción.
Los modelos de Machine Learning permiten clasificar mejor el riesgo de las personas y empresas (clientes y no clientes) simplificando por ejemplo la concesión de un crédito, optimizar el seguimiento de las carteras detectando con antelación señales de un posible impago, tasar automáticamente inmuebles con un alto grado de éxito y en menor tiempo, prevenir el fraude y maximizar los resultados en el recupero de créditos. Otra ventaja de machine learning es que son sistemas que aprenden, por lo tanto, otorgan al sector una mayor automatización y la capacidad de estar siempre actualizados.
La realidad de los bancos está siendo definida por la transformación digital. Hoy necesitan contar con herramientas que les permitan ser más competitivos, tomar decisiones acertadas en menos tiempo y ser flexibles. A medida que vemos señales positivas del Banco Central para acelerar la transformación digital del sector, la tecnologÃa se presenta como una aliada para llevar la productividad y la atención al cliente al siguiente nivel.
