HPE entre los líderes de almacenamiento de Gartner
La necesidad de mejorar los procesos de la banca pasa por la hiperpersonalización y ésta, a su vez, encuentra ventajas en el uso de Machine Learning.
Esto es uno de los hallazgos de la investigación conjunta entre FICO y Forrester Consulting.
La banca tradicional del mundo, en general y de América Latina, en particular, tiene el reto de dejar de perder usuarios frente a las fintechs, neobancos y opciines
Eso las ha llevado a apelar a la hiperpersonalización: a veces por convicción y otras por recomendación.
Y es que es una buena recomendación. Así lo indican los resultados del estudio “Unlocking Hyper-Personalization at Hyper-Scale”, llevado a cabo por Forrester Consulting en nombre de FICO.
Uno de los hallazgos críticos del estudio es que, aunque las empresas tienen conocimiento de las ventajas del aprovechamiento de datos para la hiperpersonalización, tienen problemas precisamente en el proceso de capitalizarnos.
Es allí donde la Inteligencia Artificial y, en especial, el Machine Learning se están incorporando segundo el estudio de FICO y Forrester. Y con usos muy específicos en donde la seguridad descolla.
Así, el reporte del estudio señala que, una vez que los bancos logran obtener una vista única del cliente a través de datos precisos y accesibles, el reto es generar insights. Este año:
- 34% de los bancos de los entrevistados planean tener una vista única y unificada de los clientes existentes
- El mismo número planea tener este tipo de visión de los solicitantes
Transformación necesaria
De esta manera las instituciones financieras esperan detectar comportamientos sospechosos y prevenir el fraude mediante el análisis de enlaces.
Por otro lado:
- 53% planea definir los problemas empresariales y calcular la mejor decisión posible para lograr los resultados deseados mediante la optimización.
- Menos de la mitad de los bancos de los entrevistados cuentan con generación de características y creación de perfiles
Esto impide calcular y alimentar los atributos de los datos derivados de todas las organizaciones así como maximizar el valor.
El informe de FICO y Forrester destaca que un número aun menor de organizaciones han evolucionado a los modelos analíticos y de machine learning para conocer y predecir el comportamiento del cliente.
La buena noticia es que se espera un cambio rápido en la adopción de estas prácticas.
La práctica se extendería incluso con los insights menos aprovechados, lo cual deja constancia del valor y la confianza que los consultados le atribuyen al Machine Learning.
Dicho esto, el informe señala que, una vez que un banco crea una vista única de los datos del cliente y reúne insights sobre segmentación, debe sacarlos del dominio de los científicos de datos y traducirlos en acciones.
No obstante, esto es más fácil de decir que de hacer:
- Cerca del 57% de los participantes afirmaron que su banco aprovecha las interacciones con el usuario
- Cuando se hace esto, la informacion n se usa para crear experiencias web y móviles para los clientes
- Generalmente a través de herramientas low-code,
- Sólo el 31% cuentan con capacidades de toma de decisiones para hacerlo de forma consistente e inteligentes
Es decir: en toda la empresa y manteniendo un control sobre la lógica de decisiones.
Los retos por venir
Pero no son estos los únicos desfioss que señala el informe que tienen las instituciones financieras por delante y que intentan resolver con Machine Learning y otras tecnologías de IA.
Después de implementar acciones basadas en insights, los bancos deben responder de manera exitosa a los resultados de esas acciones con base en sus resultados en el mercado.
En este sentido, el informe de FICO y Forrester destaca que la mitad de todos los líderes empresariales encuestados admiten que siguen enfrentando obstáculos debido a procesos e ideas aisladas.
Se trata de una tendencia prevalente en:
- La gestión de funciones
- El acceso a datos externos y flujo de datos
- El procesamiento contextual
- Y la toma de decisiones
Igualmente señala otras disciplinas predictivas más críticas como gobernabilidad, evaluación, visualización y simulación compiten como prioridad.
Notablemente, alrededor de tres cuartos (77%) de todas las compañías afirman que planean invertir e implementar:
- Gestión de funciones
- Acceso a datos externos y flujo de datos
- Y procesamiento contextual
Finalmente, Recordemos que investigación analizó la retroalimentación de:
- Más de 300 tomadores de decisiones a nivel ejecutivo responsables de la personalización de la experiencia del cliente
- En bancos en Estados Unidos, Brasil, Reino Unido, Tailandia y Sudáfrica
Los resultados revelaron las áreas donde es probable que se realicen inversiones críticas en los próximos 12 meses.
