El sector financiero es de los más avanzados en el uso de las herramientas de analítica, en función del modelo analítico puede evaluarse el riesgo de crédito y cartera, cumplir con las regulaciones gubernamentales, determinar qué productos financieros ofrecer, entre muchas otras aplicaciones. Sin embargo, los bancos enfrentan el reto de obtener todos los beneficios de su inversión. (https://balonlatino.net/)
¿Cómo han logrado las organizaciones superar el desafío de poner en marcha sus modelos con el fin de obtener información que ayude a tomar decisiones eficientes y efectivas? ¿Qué tienen en común las organizaciones que han avanzado en implementar exitosamente la analítica?
La principal razón de no llevar el modelado de datos a su máximo potencial es la ausencia de un proceso repetible para lograr que los nuevos modelos analíticos entren en producción y se monitoree su rendimiento a lo largo del tiempo. De acuerdo con Gartner, menos del 50% de los mejores modelos se implementan y se requiere un trimestre para poner en funcionamiento el 90% de los modelos, lo que ocasiona frustración en los analistas, desperdicio de datos valiosos e inexistencia de apoyo para la toma de decisiones estratégicas.
Los bancos que han conquistado una aplicación plena para sacar el máximo potencial de sus soluciones analíticas han implementado procesos estructurados para coordinar los recursos entre análisis avanzado de datos, la Tecnología de Información (TI) y sus áreas de negocio. Mediante la puesta en marcha de las soluciones más robustas del mercado, las de SAS, han activado modelos rápidamente y han implementado soluciones de analítica en todas sus áreas de negocio, logrando así una mejor y más rápida toma de decisiones en toda la organización.
Uno de sus retos más importantes es la adopción de la norma financiera NIIF 9: adoptar este estándar internacional implica enormes cargas de trabajo y complejidad adicional para el personal de los bancos, requiriendo modelos de aprovisionamiento imparciales y con visión de futuro para todos los activos financieros que no se valoren razonablemente a través de ganancias y pérdidas.
Uno de los bancos líderes a nivel global enfrentó este desafío utilizando la aplicación SAS® Platform para desarrollar una solución estratégica integral para construir, implementar y administrar más de 200 modelos que se construyeron en paralelo para cumplir con las regulaciones de la NIIF 9 y establecer mecanismos de informes para manejar grandes cantidades de datos de todo el mundo.
Si bien la implementación de SAS y el lanzamiento del programa IFRS 9 del banco fueron complejos, requirieron datos de origen provenientes de más de 60 sistemas distintos, así como una multiplidad de modelos que cubren todos los activos financieros del banco. Con SAS, en dos meses, el banco ya había comenzado a poner en funcionamiento modelos y componentes analíticos y para el tercer mes, ya había implementado un proceso ágil para la entrega de nuevos modelos cada dos semanas con SAS brindando soporte permanente en la configuración de cada iniciativa.
Con lo anterior, la organización obtuvo un entorno centralizado, flexible y de alto rendimiento para enfrentar los retos del modelado de pérdidas esperadas, a la vez que avanzó en la gestión de riesgos y la información financiera.
Muchas instituciones financieras en Latinoamérica siguen en la búsqueda de su transformación digital, para llegar a ser organizaciones capaces de ofrecer experiencias omnicanal de primer nivel. Para lograrlo, las empresas del primer mundo implementan plataformas unificadas y ágiles de ciencia de datos de extremo a extremo en la nube para poder agregar fácilmente nuevas capacidades. Ello les otorga el beneficio de minimizar el movimiento y la replicación de datos costosos e ineficientes.
Con una infraestructura de nube como la que se logra con SAS Viya, los bancos pueden modelar y analizar rápidamente grandes datos para mejorar la experiencia del cliente y generar valor comercial. Click To Tweet
SAS Viya permite construir nuevos canales para llegar a los clientes y lograr una comunicación con ellos en su canal preferido. Con el procesamiento en memoria y en base de datos, es completamente factible reducir el tiempo de procesamiento a la mitad y dotar a todos los usuarios (independientemente de la preferencia de lenguaje de codificación) la visualización del proceso analítico.
Otros beneficios de la mayor precisión y consistencia de los análisis de riesgo de crédito utilizando datos mejorados fue el incremento en la precisión de los puntajes de riesgo, mejorar la gestión del riesgo de crédito y ofrecer precios flexibles que los posicionaron mejor al tener la capacidad para introducir rápidamente nuevos productos.
El sector financiero está preparado para sacar el máximo provecho de las soluciones de analítica: son múltiples los beneficios que pueden lograr en todas sus líneas de negocio, para ello las organizaciones de la industria deben enfocarse en desarrollar una estrategia de analítica unificada que incorpore análisis en las áreas de la organización para impulsar la toma de decisiones.
