Banca desplegando analítica en forma y tiempo adecuados. ¿Ingredientes?: ciencia de datos, big data, contenerización, y APIs

Dijo Chesterton “envejeceré para todo, menos para el asombro”, y cuánta razón tenía.

Mismo discurso en diferentes entidades financieras, y uno con un pie en negocio y otro en tecnología siempre escuchando palabras como “eso no se puede hacer, y si se pudiera sería muy costoso”, “limitantes con los mainframes o sistemas”, o “los sistemas son antiguos y estamos atados de manos”. Siempre han sido las mismas palabras limitantes para poder desarrollar analítica desde los datos dentro de las organizaciones. 

Todo eso ha cambiado, vamos a escribir unas líneas sobre los ingredientes que son agentes del cambio, dentro del proceso innovador que lidera en la industria financiera la ciencia de datos y los procesos de transformación digital y organizaciones datadriven.

Se incorpora la analítica avanzada a las finanzas cuantitativas de siempre, complementándolas y buscando nuevas formas de entender a los clientes y hacer negocios. Se le conoce como ciencia de datos, suena mucho mejor que analítica, y es ciertamente una ciencia que viene cargada de sorpresas e innovación.

Daría los siguientes ingredientes para que esta "salsa" de ciencia de datos, pueda realmente darle un nuevo "sabor" a tu organización, para que puedan innovar y sobretodo generar valor (antes inalcanzable sin estos ingredientes):

• La ciencia de datos: Modelos algorítmicos (de ayer y hoy) ya desarrollados y listos para consumir desde librerías ya pre-programadas en código open source: estadística descriptiva, machine learning o AI a la carta
• Big data: muchos datos, los de siempre junto con nuevos datos adicionales que puedas generar o recopilar, requieriendo de computación distribuida que nos permita sacarles el jugo a través de un procesamiento adecuado en tiempo y forma. Más datos que aportan nuevos insigths sobre los clientes o los productos que podemos ofrecerles
• Nuevas herramientas software de desarrollo o despliegue, listas para usarse en tu máquina o en máquinas en la nube: jupyter notebooks para desarrollo de soluciones, plataformas de desarrollo e integración contínua (GitHub, por ejemplo), tecnología de contenerización para despliegue de analítica con programas (docker, kubernetes, etc.) , APIs en la nube para que los programas hablen entre ellos y poder digitalizarnos... y un largo etcétera
• Nuevos perfiles de científicos de datos, un híbrido entre un desarrollador software y un estadista o matemático con espíritu de investigador

Un cóctel de todo lo anterior nos permite poder desplegar soluciones que generen rentabilidad medible, y realizar aquello que tan solo hace diez años era inimaginable. Estamos viendo que tenemos que integrar tecnología con investigadores, algo que aún rechina en estructuras anticuadas verticales del mundo tradicional financiero, y que requiere de visión organizacional y el liderazgo de personas con el conocimiento y el perfil tomando las decisiones de lo siguiente que vendrá.

"Nuevas formas de trabajo, nuevas mentalidades en juego y nuevos perfiles que surgen para quedarse"

Nuevas formas de trabajo traen resultados nuevos, con open source, o desarrollo abierto y colaborativo, donde equipos híbridos de ingenieros software, ingenieros de datos, científicos de datos y banqueros, estamos resultando en nuevas vías de hacer las cosas de forma más rápida y utilizando trabajo de comunidades absolutamente ajenas a la banca.

Resultado: nuevos modelos con redes neuronales que trabajan para detección de fraude, estimaciones de ingresos de clientes, preaprobados targeteados en base a lo que el cliente necesita realmente, ... etc. Nosotros ya tenemos productivos estos y otros ejemplos.

Dijo Seneca “no hay viento favorable para el que no sabe donde va”, así que termino devolviéndoles la pregunta: ¿tienen estos o algún ingrediente de los citados en su organización?.