La industria de los servicios financieros está inundada de datos. De todas las industrias, es la que captura más información sobre sus clientes. También es una de las industrias en línea para un gran cambio, ya que el ritmo acelerado del desarrollo tecnológico exige nuevos modelos comerciales y habilidades que impulsan la evolución de los servicios y productos entregados a los clientes.
Con todos estos datos al alcance de la mano, está bien posicionado para enfrentar este desafío de frente, ¿verdad? La realidad es que la industria está luchando por hacer el mejor uso posible de sus datos. Según nuestra investigación, poco más de la mitad de los empleados del Reino Unido que trabajan en servicios financieros (55%) creen que su empresa utiliza los datos de manera eficaz para aumentar su ventaja competitiva. Pero, ¿qué impide que las organizaciones de servicios financieros adopten las últimas innovaciones en datos y análisis? Falta de confianza y riesgos regulatorios.
La falta de confianza proviene tanto de los clientes como de los líderes de TI de las organizaciones de servicios financieros. La confianza de los clientes en los bancos es baja, hasta el punto de que solo el 14% de los consumidores buscaron ayuda de su banco cuando experimentaron un evento de vida con impacto financiero en los últimos cinco años. Para reconstruir la confianza, las organizaciones de servicios financieros deben demostrar a los consumidores que pueden tomar las decisiones más precisas y consistentes en todo momento. Esto puede ser un desafío cuando se introducen soluciones analíticas más avanzadas que mueven a los humanos un paso más allá del proceso de toma de decisiones, como el análisis predictivo y el aprendizaje automático.
Estas son preocupaciones que Richard Speigal , líder del Centro de Excelencia de BI de Nationwide Building Society , reconoce: “Si no puede explicar cómo se construyen los modelos y no puede explicar cómo funcionan, siempre habrá una pregunta de confianza.”
Trabajar dentro de una industria altamente regulada también trae complejidades adicionales, tanto que el 46% de los líderes de TI en servicios financieros sienten que la carga regulatoria de la analítica predictiva supera el beneficio.
Los desafíos en torno a la confianza y la regulación son comprensibles. Aún así, si las organizaciones financieras quieren avanzar utilizando los datos que poseen para obtener la mayor ventaja, tendrán que encontrar una manera de superarlos. Eso comienza con garantizar que estas soluciones no se dejen sin control. En última instancia, su producción debe ser gestionada por una contraparte humana, que pueda cuestionar y determinar cuál es el mejor enfoque basado en la información y su experiencia.
Pero, ¿cómo unimos esta máquina y la inteligencia humana para que no abrume a los empleados al agregar más pasos a su proceso de toma de decisiones? Una solución es integrar el análisis predictivo en las plataformas de inteligencia empresarial (BI) existentes que utilizan los empleados en todos los niveles en casi todas las organizaciones de servicios financieros. Esto ayudará a democratizar el acceso a su potente resultado analítico, junto con la gobernanza, asegurando un control constante de cada decisión que se tome. Decisiones en las que puede confiar el empleado, su dirección y, lo que es más importante, su cliente.
Por supuesto, lo estoy simplificando. La realidad de llevar a cabo esta integración es un poco más complicada. Entonces, ¿cuál es el secreto para hacerlo bien y aprovechar el potencial que ofrece? Bueno, hay dos factores clave a considerar:
1. Comience con su canalización de datos analíticos
Si desea mejorar la producción y el resultado de sus análisis, la construcción de canales de datos analíticos de alto rendimiento que brinden datos en tiempo real debería ser su primer puerto de escala. Consideremos el objetivo final de la analítica en una organización; empoderar a los empleados para que tomen medidas informadas. ¿Qué pasaría si pudiera permitir que se tomen medidas en el momento, basadas en análisis y alertas proactivas que se alimentan de datos hipercontextuales en tiempo real? Si puede lograr esto, es entonces cuando puede pasar de operar en un modo pasivo de consumo de datos con su inteligencia empresarial y pasar a un estado de inteligencia activa. Sin embargo, esto solo se puede lograr si la tubería es sólida. De lo contrario, ¿cómo puede confiar, volviendo a esa preocupación clave, que se están tomando medidas sobre los datos correctos?
Aquí es donde muchas empresas se están despegando. Están luchando por integrar los datos en la tubería y luego entregarlos en un estado lo suficientemente confiable como para alimentar sus programas de análisis predictivo. Esto está generando temores sobre su calidad, problemas de privacidad y la velocidad del proceso de integración.
Como dijo Nick Blewden , Lloyds of London , “Los datos en sí mismos no son la parte más valiosa; es lo que haces con él ”. Por lo tanto, es fundamental invertir en todo el proceso que ayudará a transformar los datos sin procesar en conocimientos confiables y listos para el negocio.
2. Empoderar a su gente
Naturalmente, nos sentimos más seguros de usar algo si lo entendemos. Por lo tanto, tal vez no sea sorprendente que la segunda consideración sea la alfabetización de datos.
El análisis predictivo permite a los usuarios tomar mejores decisiones que consideran lo que ha sucedido y lo que es probable que suceda según los datos disponibles. Y esas decisiones solo se pueden tomar si los empleados comprenden con qué están trabajando.
Necesitan buenas competencias de alfabetización de datos para comprender, desafiar y tomar acciones basadas en la información, con mayores habilidades para darse cuenta de las limitaciones y cuestionar el resultado de la analítica predictiva. Después de todo, la precisión de un pronóstico depende de los datos que lo alimentan, por lo que su rendimiento podría verse afectado durante un evento anormal o por un sesgo intrínseco en el conjunto de datos.
Los empleados deben tener confianza en su comprensión de los datos para cuestionar su salida. Esto es particularmente cierto cuando las decisiones podrían afectar directamente la vida de los clientes, en particular el impacto influyente de las que se toman en el sector financiero, desde aceptar un sobregiro y llegar al día de pago hasta aprobar una solicitud de hipoteca a tiempo. Y al comunicar decisiones potencialmente tensas emocionalmente tomadas mediante análisis predictivo, también es clave que se sientan cómodos al explicar a los clientes y otras partes interesadas cómo se tomaron esas decisiones.
Speigal volvió a resumir esto a la perfección: “Es fundamental ser capaz de comprender el funcionamiento detrás de la decisión, tener esa alfabetización de datos para garantizar que se tome la decisión correcta”.
Invertir en un futuro predictivo
Como dijo Malcolm X, “El futuro pertenece a quienes se preparan para él hoy”. Si bien es posible que no tengamos el poder de ver el futuro, el análisis predictivo ayudará a la industria de servicios financieros a predecir cómo se verá y a tomar decisiones que les permitirán prepararse, y preparar a sus clientes, para ese futuro.
Con una sólida canalización de datos y una fuerza laboral con conocimientos de datos, el análisis predictivo no es algo a lo que temer; más bien, es una herramienta que ayudará a las organizaciones de servicios financieros a recuperar la confianza de sus clientes y de su gente a medida que avanzan al potenciar una toma de decisiones cada vez más informada.
Fuente:
Choice, E. (2021). How financial services can invest in the future with predictive analytics. Retrieved 7 October 2021, from https://www.information-age.com/how-financial-services-can-invest-in-the-future-with-predictive-analytics-123497137/