El sector bancario está viviendo una profunda renovación a causa de distintos factores. En primer lugar, se enfrenta a la revolución tecnológica que está afectado a todas las organizaciones y áreas de actividad a nivel global. Pero, además, está notando los efectos de un cambio en el sistema financiero que se traduce en una creciente supervisión y regulación. Y queda un último factor, que no es otro que la crisis sanitaria que vivimos desde hace más de un año y que está teniendo un impacto generalizado en el funcionamiento de las organizaciones.

Transformación profunda del sector

En el caso concreto de la banca de Andorra esta transformación es más profunda aún porque a esta compleja ecuación se añaden otros dos elementos: los acuerdos firmados por el país con otros estados para el intercambio automático de información y la internacionalización de algunas de sus entidades. Crèdit Andorrá es una de las organizaciones que está afrontando todos estos nuevos retos y que ha encontrado en la analítica avanzada una gran aliada para darles respuesta.

Paso  a empresas tecnológicas

Como resultado de la transformación que están experimentando, las entidades financieras se han convertido en empresas tecnológicas y se están viendo obligadas a cambiar su modelo de negocio, avanzando en la digitalización de sus servicios y ofreciendo nuevos productos para obtener una mayor rentabilidad. El objetivo es ofrecer el mejor servicio a los clientes y satisfacer sus nuevas necesidades, tales como el pago por móvil o servicios de inversión totalmente digitalizados.

“Hay que tener en cuenta que estamos ante un cliente cada vez menos fiel y más exigente, por lo que es necesario ofrecerle lo que necesita, en el momento preciso y a través del canal más adecuado. Esto tiene como consecuencia avanzar hacia una oferta personalizada de productos. ¿Qué pasaría, por ejemplo, si a un cliente le ofrecemos un préstamo para comprar un coche y éste no dispone ni de carnet de conducir? Hoy ya no podemos permitirnos este tipo de cosas.”, explica Anna Cortés Besolí, Chief Marketing Officer de Crèdit Andorrá.

Tecnología para personalizar la oferta

Para poder responder a las necesidades de sus clientes mediante una oferta personalizada, las entidades bancarias cuentan ya con tecnología a su disposición. Es el caso de la analítica avanzada que, a través de la creación de modelos de machine learning e Inteligencia Artificial basados en datos propios y de otras fuentes externas, permite conocer mejor a los clientes y sus necesidades.

¿Qué necesitan los bancos para poder implantar esta tecnología? En primer lugar, profesionales que tengan el conocimiento necesario. En este sentido existen varias opciones, que van desde recurrir a empresas de analítica que se encarguen de desarrollar e implantar los modelos, incorporar a sus equipos nuevos perfiles de científicos de datos o incluso formar a sus propios empleados. Hay que tener en cuenta que las entidades andorranas se enfrentan además a otros retos, ya que, al tratarse de un país pequeño es complicado encontrar perfiles formados en analítica avanzada y rentabilizar las inversiones resulta más difícil.

A partir de ahí, el segundo paso para los bancos es la adquisición de herramientas que permitan crear los modelos analíticos.

“Hoy en día existen herramienta open source, pero éstas requieren personal formado y cualificado para su uso: un perfil de científico de datos, que tengan conocimiento en programar en Python o R. Y hay otro tipo de herramientas como SAS, que dispone de aplicaciones de creación de modelos con machine learning que ofrecen todas estas alternativas, tanto si lo usa un perfil Data Science como un perfil sin tantos conocimientos. Si además la entidad ya utiliza SAS, puede tener todo el ciclo de vida de los datos en el mismo entorno de forma integrada y puede ponerlo más fácilmente en producción, analizar el éxito de los modelos e incluso visualizar el resultado con informes o dashboards”, añade Anna Cortés Besolí.

Una vez contamos con el personal y las herramientas adecuadas, es el momento de decidir el tipo de modelos que se va a implantar. Las entidades bancarias disponen de distintas alternativas: modelos de abandono de cliente, modelos de propensión a la compra, modelos de credit scoring, modelos de up-selling o cross-selling, modelos de prevención de riesgos, etc. Las entidades deben priorizar y abordar un plan de implementación. Y, más importante aún, cada modelo debe llevar asociadas unas acciones de negocio para poner en práctica. ¿De qué sirve saber qué clientes tienen previsto abandonar el banco en los próximos meses si no hay previsto un plan de acción para ellos?

“La única forma de conocer a nuestros clientes es utilizando los datos con las herramientas de machine learning e Inteligencia Artificial de forma ordenada y teniendo claro el objetivo. Somos un país pequeño, con nuestras particularidades, por lo que es importante utilizar estos datos donde está la información específica de nuestro país y explotarlos para saber más de nuestros clientes para poder así ofrecerles productos y servicios cada vez más personalizados”, continúa Anna Cortés Besolí.

La transición desde un enfoque tradicional a un enfoque predictivo debe ser progresiva y seguir unos pasos determinados:  adquirir el personal y las herramientas necesarias, elaborar un plan a corto plazo, desarrollar un modelo, implantarlo y, por último, medir el resultado.

Conoce todas nuestras soluciones para el sector bancario