El «big data» facilita la toma de decisiones de los diferentes niveles gerenciales y operativos de la empresa.
Su valor radica en la posibilidad de combinar múltiples fuentes de información en grandes volúmenes con gran capacidad de procesamiento de manera de disponer del estado de sus clientes, su portfolio financiero, sus inversiones y de esa manera poder ofrecer servicios personalizados alineados con su perfil, por ejemplo, de consumo y/o de preferencias de inversión.
Es así como el «big data» es un componente esencial en la posibilidad de ofrecer una experiencia de usuario enriquecida.
Es importante destacar que las instituciones toman sus decisiones de cuatro maneras:
Análisis descriptivo
Permite responder a preguntas tales como, por ejemplo: ¿Qué sucursal tuvo más reclamos? ¿Cómo se distribuyeron las ventas este último mes?
Brinda básicamente un estado en un momento dado del tiempo sobre una o más variables del negocio.
Tiene baja complejidad de elaboración y su aporte, si bien puede ser clarificador, no es de gran valor para decisiones estratégicas.
Análisis de diagnóstico o de «espejo retrovisor»
Permite analizar los hechos pasados para ver qué acciones podemos tomar para mejorar en el futuro.
Por ejemplo, ¿por qué vendimos un 10% menos el mes pasado? ¿Cuáles son las razones por un éxodo masivo de clientes en la zona de mayor venta?
Trabajar con los datos en un análisis causa/efecto para decidir acciones de mejoras son actividades típicas de este estadio.
La elaboración de esta información es de nivel mayor de complejidad, pero tiene un aporte significativo de valor dado que permite mejorar a futuro evitando errores o situaciones no deseadas de manera recurrente.
Análisis predictivo
Cuando la empresa llega a este nivel de madurez puede decirse que ha transitado casi todo el camino y se encuentra con grandes ventajas competitivas frente a su competencia.
Al utilizar su información histórica es capaz de predecir un determinado comportamiento de sus consumidores o el grado de penetración de un nuevo producto.
Es capaz de identificar qué variables del negocio deberían ser ajustadas para lograr mejorar la performance organizacional en cada caso.
Desde el punto de vista de complejidad el análisis predictivo requiere de tecnología que soporte importantes volúmenes de información y complejos modelos estadísticos sumados a una estrategia robusta de gobierno de datos que asegure consistencia de la información en todo momento.
El valor que aporta al negocio es importante dado que le permite predecir los resultados y anticipar ajustes para alcanzar las metas deseadas.
Análisis prescriptivo
Si bien el análisis predictivo, permite responder a la pregunta «¿qué puede pasar?», el análisis prescriptivo nos permite definir qué es lo que queremos que pase.
Es el nivel más alto al que debe aspirar una organización que pretende llegar a una cultura guiada por los datos.
Este es el concepto de «analytics» que, aplicando complejos algoritmos tales como máquinas de aprendizaje e inteligencia artificial, el negocio puede definir un comportamiento esperado para un nuevo producto o anticipar determinados comportamientos de los clientes y ofrecer opciones para que cambien su percepción e intereses.
¿Pero cuál es el valor real que esto da a la empresa? En los dos primeros estadios la organización es reactiva, actúa sobre hechos consumados y eso implica mayores costos en toda la cadena de valor cada vez que debe resolver un problema o encarar un nuevo desarrollo de productos o servicios.
En los estadios tercero y cuarto la empresa tiene un cambio radical dado que es proactiva, anticipando y/o previendo soluciones y mejoras que le aportan mayores ventajas competitivas a bajo costo y en un clima de trabajo mucho menos estresante.
Un director general ejecutivo (CEO, sigla en inglés) debe entender esto para ver los beneficios que puede obtener cuando le llegan las bondades de la tecnología de «big data».
Algunos de los beneficios reales para el sector financiero, que se pueden desarrollar en el análisis predictivo y prescriptivo son los siguientes:
- Usar «big data» y «analytics» para análisis de fraude, de riesgo crediticio, análisis de comportamiento para identificar grupos candidatos para una nueva línea de préstamos.
- Motores de recomendación de productos financieros y de inversiones.
- Motores de simulación para que los clientes puedan armar su propia oferta crediticia.
- Máquinas de aprendizaje para análisis de sentimiento de clientes para anticipar la fuga a otras entidades.
Recorrer este camino no es solo cuestión de tecnología, se necesita una cultura de gestión basada en datos e información.
Al no ser un camino sencillo de recorrer, la incorporación de la tecnología debe ir en paralelo con un cambio cultural del negocio en donde el foco este puesto en gerenciar y tomar decisiones basadas en hechos objetivos.
Alejandro Bianchi 
Presidente de Liveware.
