Big data en el sector financiero

Inicio » Big data en el sector financiero

Ejemplos de big data

La analítica de big data puede ayudar a los bancos a comprender el comportamiento de los clientes a partir de los datos recibidos de diversas perspectivas, como los patrones de inversión, las tendencias de compra, la motivación para invertir y los antecedentes personales o financieros. Con la mejora de la analítica de big data, los bancos pueden analizar las tendencias del mercado y tomar decisiones relacionadas con la reducción o el aumento de los tipos de interés para diferentes individuos en varias regiones. Con la ayuda de la analítica de big data, a medida que aumenta el número de registros electrónicos, los servicios financieros la utilizan activamente para almacenar datos, obtener información comercial y mejorar la escalabilidad.

El mercado de análisis de big data en la banca está bastante fragmentado debido a la presencia de muchos actores internacionales que ofrecen una variedad de soluciones de análisis de big data para los bancos para diversas aplicaciones, incluyendo la detección y gestión de fraudes, análisis de clientes, análisis de medios sociales, etc. Algunos de los principales actores del mercado son SAP SE, IBM Corporation y Oracle Corporation.

Dominio de las finanzas y del big data

Las tecnologías de big data tienen un fuerte impacto en diferentes industrias, a partir de la última década, que continúa en la actualidad, con tendencia a hacerse omnipresente. El sector financiero, al igual que la mayoría de los demás sectores, concentraba sus actividades operativas principalmente en la investigación de datos estructurados. Sin embargo, con el apoyo de las tecnologías de big data, se puede cosechar la información almacenada en diversas fuentes de datos semiestructurados y no estructurados. La investigación y la práctica recientes indican que dicha información puede ser interesante para el proceso de toma de decisiones. La cuestión de cómo y hasta qué punto se ha desarrollado la investigación sobre la minería de datos en el sector financiero y qué herramientas se utilizan para estos fines sigue estando en gran medida inexplorada. Este estudio pretende responder a tres preguntas de investigación: (i) ¿Cuál es el núcleo intelectual de este campo? (ii) ¿Qué técnicas se utilizan en el sector financiero para la minería textual, especialmente en la era de Internet, los big data y los medios sociales? (iii) ¿Qué fuentes de datos son las más utilizadas para la minería textual en el sector financiero, y con qué fines? Para responder a estas preguntas, se lleva a cabo un análisis cualitativo de la literatura mediante una revisión sistemática de la misma y un análisis de citas y co-citaciones.

Analítica: el uso del big data en el mundo real

El sector financiero está experimentando una transformación tecnológica como no se había visto desde la aparición de Internet. La banca y los pagos móviles, las transferencias instantáneas de dinero entre pares a través de SMS, los préstamos en línea entre pares, el robo-asesoramiento, los chatbots basados en la IA y los pagos interbancarios basados en la cadena de bloques, por nombrar algunos, son todas innovaciones financieras que han surgido en la última década.

El término “big data” se refiere a conjuntos de datos estructurados y no estructurados que son demasiado grandes y complejos para ser procesados mediante aplicaciones tradicionales de gestión de bases de datos. Sin embargo, más recientemente el significado del término ha cambiado para incorporar también nuevas herramientas de análisis predictivo de datos que son capaces de hacer uso de estos grandes conjuntos de datos para producir una valiosa visión del comportamiento de los usuarios.

En otras palabras, el big data permite a las empresas conocer mejor el comportamiento de sus clientes, pero también predecir su comportamiento futuro con mayor precisión. El big data, por tanto, puede utilizarse para una serie de aplicaciones en la industria financiera, dado lo intensivo en datos que es el sector financiero.

Datos financieros

Los siguientes tres grupos de principios pueden ayudar a los miembros de los consejos de administración, a los directivos y a quienes trabajan en y con los bancos, las aseguradoras y la gestión de inversiones a identificar, prevenir y resolver las tensiones éticas. También pueden contribuir a la reflexión y al debate sobre la reglamentación. Hemos proporcionado ejemplos ilustrativos para cada principio.

Habrá ganadores y perdedores de los cambios fundamentales en la banca, las aseguradoras y la gestión de inversiones que han provocado los macrodatos. El aumento de la competencia, la destrucción de conceptos tradicionales como la agrupación de riesgos y la desagregación amenazan los negocios que vemos hoy en día.

Los clientes pueden beneficiarse de mejores servicios y productos más adecuados, y las empresas pueden gestionar mejor los riesgos y ser más eficientes. Sin embargo, los clientes pueden verse injustamente excluidos o excluidos de los mercados vitales, y las empresas experimentarán nuevos riesgos.

En la primera parte de esta serie, el ICAEW exploró cómo la banca, los seguros, la gestión de inversiones y los pagos han cambiado debido a la disponibilidad y capacidad de procesar mayores volúmenes y tipos de datos.

Ir arriba