Las entidades financieras, un modelo de empresa Data Driven

3 mayo, 2022

Los avances tecnológicos son sinónimo de la explosión de datos. El uso de estos datos, combinados con técnicas de aprendizaje automático e inteligencia artificial están transformando el funcionamiento de las entidades bancarias. Miembros de los Estudios de Informática, Multimedia y Telecomunicación de la Universitat Oberta de Catalunya (UOC) y la comunidad de talento y conocimiento del Grupo CaixaBank analizaron conjuntamente la revolución que ha supuesto la ciencia de datos en varios proyectos del ámbito financiero en el Webinar de Data Science: Proyectos de ciencia de datos del grupo CaixaBank.

La cita online, dirigida a alumnos de la universidad y profesionales interesados en el sector, sirvió para exponer cuatro proyectos que desarrolla el Grupo CaixaBank vertebrados por la data science. Josep Cobarsí Morales y David Merino Arranz, responsables de los Trabajos Finales del Máster de Inteligencia de Negocio y Big Data Analytics y del grado de Ciencia de Datos Aplicada de la Universitat Oberta de Catalunya (UOC), fueron los encargados de presentar esta jornada que sirvió a alumnos y profesores para seguir formándose en todo lo referido al Big Data, el gran volumen de datos – estructurados y no estructurados – que inundan el ámbito empresarial día a día.

People Xperience Hub

La transformación constante de negocio y organizativa que envuelve al Grupo CaixaBank le ha llevado a la creación de People Xperience Hub, una estrategia de employer branding que le acerca al mercado de talento de un modo distinto a como lo venía haciendo. La iniciativa trabaja y aglutina diferentes empresas del grupo con actividades y negocios distintos. “Ponemos el foco en las personas para tratar de crear un ecosistema de continuo aprendizaje. Queremos impulsar el talento interno para crear un ecosistema disruptivo de innovación, aprendizaje y talento alrededor de la marca. No sólo nuestros empleados son protagonistas, también creemos que lo pueden ser todas aquellas personas interesadas en lo que hacemos en el ámbito tecnológico y la transformación de negocios”, explicó durante su ponencia Marta Moreno, Talent & Development Partner del Grupo CaixaBank. 

La sociedad asiste a la Cuarta Revolución Industrial promovida por tecnologías como la inteligencia artificial, la robótica, Internet de las cosas (IoT) y Big Data. Los datos, materia prima de esta revolución, se han convertido en un activo para las empresas. “Sirven para tomar decisiones, pero la compañía debe tener una estrategia y cuidar de esos datos para que el valor de los mismos vaya incrementando”, comentó Alberto Iriarte, Estrategia y Herramientas Analíticas en CaixaBank, encargado de presentar el proyecto Big Data – CaixaBank.

Según detalló Iriarte, el camino que persigue la compañía para convertirse en Data-Driven no puede ser exclusivamente tecnológico. El grupo financiero basa el cambio, iniciado hace ya más de siete años, en cuatro pilares: democratizar la información, romper los silos y poder tratar grandes volúmenes y diferentes formatos de datos. “Era habitual que cada departamento funcionara de forma independiente, pero ahora el dato debe llegar a todos los niveles y hablar el mismo idioma. Cada departamento debe entender y dominar acerca de Data literacy. Es fundamental llegar al nivel ejecutivo superior, pero también a las propias oficinas”.

Nuevos roles y perfiles profesionales

Para hacer frente al modelo de empresa Data-Driven son cada vez más necesarios nuevos perfiles profesionales capaces de trabajar con datos. Nuevos roles, que se combinarán con los tradicionales, para alcanzar una plena y constante transformación digital. En este sentido, la formación de futuros profesionales se erige como un factor clave. “Con el equipo de la UOC estamos tratando de trazar posibles líneas de colaboración futuras”, ha adelantado Marta Moreno. 

El enorme volumen de datos con los que trabajan estas entidades y las características de los mismos ponen de manifiesto la necesidad de velar por la seguridad y el derecho de acceso a la información. El Data Governance es el encargado de velar por la calidad del mismo y debe estar presente en todo el ciclo de vida del dato. Se encarga, no solo de la parte técnica, sino también de toda la parte ética y de seguridad. “Podemos crear un modelo que funciona de forma precisa, pero si se basa en una variable que no es ética y que no cumple con la protección de datos, no tendrá  sentido porque no servirá para la toma de decisiones”, advirtió Alberto Iriarte. 

Además de ofrecer productos que se adaptan al perfil del cliente, la ciencia de datos también define actualmente el servicio que brindan los asistentes virtuales que guían y tratan de dar respuesta a las preguntas y peticiones de los usuarios. El proyecto Asistentes Virtuales, presentado por Rosa Martínez, miembro de Artifical Inlligence & Advanced Analytics CoE en CaixaBank Tech, durante el webinar organizado por la UOC, cuenta con 14 asistentes virtuales. El número de asistentes se traduce en más de dos millones de conversaciones mensuales. Según explicó Martínez, estas cifras se consiguen gracias a una arquitectura cognitiva que da servicio a todos los asistentes virtuales. 

Los contenidos que albergan los asistentes no son estáticos, se adaptan a nuevos productos y cambios ante los que el cliente puede tener nuevas dudas. Los datos sobre estas consultas, el clustering de texto y el análisis automático de tendencias sirven para la búsqueda de nuevas temáticas, periodicidades y recurrencias. “La segmentación y tipificación de los usuarios nos ayuda a entender mejor qué está pasando. Por ejemplo, un usuario que quiere cambiar su contraseña y es joven no necesitará la misma asistencia que otro perfil con mayor edad. Lo que buscamos es ofrecer que la experiencia sea lo más personalizada posible. Las tipificaciones nos sirven para definir experiencias y grupos conversacionales distintos”, relató Martínez.

Customer Life Time Value, un proyecto de VidaCaixa

Otro de los proyectos presentados en la cita promovida por la UOC fue el referido al Customer Life Time Value de la filial VidaCaixa. Tal y como explicó Christian Castells, analista experto de VidaCaixa, cada cliente recibe un número, resultado de una fórmula compleja, que permite relacionar las acciones de la entidad bancaria con los resultados. Esta métrica de valor cliente sirve para evaluar el comportamiento en un momento concreto y determinar acciones como el momento de la captación o simulacros de campaña. El cálculo se realiza hasta en tres fases. En la primera se mide el beneficio de la compañía para cada uno de sus productos. En una segunda fase, se proyecta a futuro el beneficio calculado anteriormente. Esta proyección se hace en función de modelos de predicción que permiten deducir el comportamiento del cliente. En una última fase, se puede pasar a modelizar comportamientos que pueden atribuirse al cliente. 

“Proyectamos cómo se va a comportar un cliente en un futuro. Hay momentos del año en los que la gente suele retirar más dinero, estos flujos son predecibles. También podemos someter los modelos a un estrés como, por ejemplo, una subida del interés”, explicó Christian Castells. Sin embargo, la privacidad de datos es uno de los aspectos que más preocupa al usuario. Cumplir con este aspecto condiciona el desarrollo de los modelos. En este sentido, no puede utilizarse, por ejemplo, la variable sexo en la determinación del valor de cliente con el objetivo de evitar discriminaciones. “Hay comités y departamentos de riesgo dedicados a la supervisión de estos modelos”, sentenció Castells al respecto. 

Recupera el Webinar de Data Science: Proyectos de ciencia de datos del grupo CaixaBank aquí:

 

(Visited 140 times, 1 visits today)
Autor / Autora
Periodista
Comentarios
Deja un comentario