En mi anterior artículo compartí algunos de los retos, beneficios y tendencias de Big Data en la industria de las telecomunicaciones.
En esta ocasión, me enfocaré en la industria de servicios financieros con base en estudios previos de IBM en esta industria y algunas experiencias personales.
Una Industria Sin Productos Físicos
La promesa de valor de Big Data en la industria de servicios financieros es particularmente diferenciadora. Sin productos físicos que ofrecer, los datos, la fuente de la información – es sin duda alguna uno de sus más importantes activos. El negocio de la banca y los servicios financieros está repleto de transacciones, cientos de millones de ellas al día, cada una añadiendo un nueva fila al enorme océano de datos de la industria. Así que la pregunta para muchas de las empresas del sector es como cultivar y aprovechar esta información para ganar una ventaja competitiva?
Las empresas del sector están teniendo que lidiar con con una base de clientes cada día más diversa y exigente la cual insiste en comunicarse de formas nuevas y variadas, a cualquier ora del día. A pesar de que los datos estructurados de la industria siguen creciendo en tamaño y alcance, es el mundo de los datos no estructurados el cual está emergiendo como una fuente de información cada día más grande e importante. Banqueros de inversión, asesores financieros, gerentes de cuenta, y otra cantidad de empleados deben tener información oportuna y relevante para tomar mejores decisiones, sin dejar a un lado los requerimientos regulatorios de la industria.
La industria de banca y servicios financieros no es inmune al crecimiento de las redes sociales a medida que su reputación y marcas son discutidas por sus clientes y su redes personales. La creación de datos útiles ahora se extiende más allá del control de los bancos.
Un enfoque práctico
La mayoría de estudios muestran que a pesar de que la industria de servicios financieros, es en general, una de las más avanzadas tecnológicamente, las iniciativas de Big Data aun se encuentran en etapas de planeación y desarrollo.
La industria está adoptando un enfoque pragmático y enfocado en resultados de negocio. Las estrategias más efectivas de Big Data identifican los requerimientos de negocio primero, y luego aprovechan la infraestructura, fuentes de datos y soluciones analíticas existentes para apoyar la oportunidad de negocio.
Los 4 enfoques predominantes
1. Análisis orientados a clientes domina las iniciativas de Big Data
Un alto porcentaje de las iniciativas del sector están enfocadas a objetivos centrados en clientes. Esto en consistente con lo que se está viendo el el mercado, donde los bancos están bajo una tremenda presión de transformarse de organizaciones centradas en producto a organizaciones centradas en clientes. Hoy en día, el cliente debe ser el principio organizacional principal alrededor del cual gira la información, las operaciones, la tecnología y los sistemas. Al mejorar su habilidad para anticipar condiciones cambiantes del mercado y preferencias de los clientes, los bancos y otras organizaciones de la industria pueden ofrecer productos y servicios orientados al cliente así como mejorar el servicio al cliente y la lealtad.
2. Big Data depende de una fundación escalable y extensible de información
La promesa de alcanzar valor para el negocio significativo y medible solo se puede lograr si las organizaciones implementan una fundación de información que apoye el rápido crecimiento, velocidad y variedad de los datos.
La habilidad de conectar silos de datos a lo largo de la organización ha sido un reto de Inteligencia de Negocios por años, especialmente en bancos donde las fusiones y adquisiciones han generados numerosos y costos silos de datos. Esta integración es aun más importante, pero mucho más compleja con Big Data. A pesar de que algunos bancos ya se encuentran desarrollando pilotos con Hadoop y otras tecnologías asociadas, aun queda mucho por recorrer.
3. Esfuerzos iniciales de Big Data están concentrados en obtener información de fuentes de datos internas
La mayoría de iniciativas están enfocadas en explotar y analizar datos internos. Esto sugiere que las organizaciones de la industria están adoptando un enfoque pragmático y que aun existe un potencial de valor enorme encerrado en estos sistemas internos.
Estudio recientes muestran que la principal fuente de información analizada actualmente en las iniciativas de Big Data siguen siendo las transacciones y logs. Estos son datos generados por los sistemas internos para registrar los detalles de cada transacción y operación automática y en muchos casos ha sido almacenada por años pero nunca analizada.
4. Big Data requiere de fuertes capacidades analíticas
Big Data por si sola no genera ningún valor hasta que no es utilizada para solucionar retos de negocio importantes. Esto requiere mayor acceso a una cantidad mayor y más diversa de datos, así como las capacidades analíticas que incluyen no solo las herramientas, sino las habilidades para utilizarlas.
En general, las organizaciones de la industria cuentan con fuertes capacidades analíticas orientadas a datos estructurados, tales como consultas básicas, modelamiento predictivo, optimización y simulación. Sin embargo, aun carecen de capacidades complementarias como análisis de texto y visualización de datos.
