Utilizamos cookies propias y de terceros para mejorar nuestros servicios. ¿ Estas de acerdo en continuar ?

902 033 733
Área Privada

Canal Basics

El papel de big data en tres áreas críticas del sector bancario

0 comentarios
miércoles, 13 de julio de 2016
El papel de big data en tres áreas críticas del sector bancario

Mediante big data, los bancos y cajas de ahorro podrán mejorar áreas críticas para sus negocios como las siguientes:

 

1.- Visión de 360 grados de los clientes

 

Los bancos manejan muchísima información de sus clientes sobre sus cuentas, productos y servicios contratados, operaciones en cajeros, banca on line y móvil, compras con tarjetas…. Pero, ¿los conocen realmente bien? Posiblemente no lo suficiente, y esto es debido a que, por un lado, los datos que manejan residen en plataformas no interconectadas entre sí (sistemas transaccionales, CRM, contact center, medios de pago…) y, por otro, no están combinando esta información interna con datos externos procedentes por ejemplo de redes sociales, webs, o información pública procedente de plataformas open data.

 

En el momento en que puedan consolidar toda esta información interna y externa y gestionar los datos de forma única, las entidades financieras podrán tener una visión holística de sus clientes y serán capaces de recomendar y personalizar  ofertas comerciales ad hoc para cada cliente según sus necesidades y capacidades, y de esta forma mejorará la venta cruzada de productos financieros y el upselling. No sólo conseguirán un aumento considerable de ingresos, sino que lograrán tener a sus clientes satisfechos y fidelizados. Se trata de llevar el concepto de banca personal y privada sólo al alcance de los clientes VIP a cualquier cliente de la entidad.

 

Además, gracias a big data, las entidades podrán conocer las causas de abandono de clientes (churn) e identificar cuáles son los individuos más propensos a causar baja y cual será el momento en el que se producirá la misma. De esta forma, los bancos podrán optimizar los mecanismos de retención de sus clientes y enfocar sus esfuerzos y recursos en aquéllos que les resulten más valiosos. Hay que tener en cuenta que es mucho más rentable retener a un cliente que captar a uno nuevo.

 

2.- Gestión de riesgos

 

Al aceptar depósitos por un lado y ofrecer créditos por otro, los bancos y cajas de ahorro incurren en riesgos y aquí precisamente radica el beneficio del negocio bancario, por lo que banca y riesgos van de la mano.

 

Big data puede ser un gran aliado para las entidades financieras en la gestión y optimización de todos los riesgos implícitos en su negocio, entre los cuales destacan estos seis:

 

- Riesgo de crédito: Se trata del riesgo que asume un banco cuando concede un préstamo, aval o tarjeta de crédito a sus clientes. Mediante el uso de big data y gracias al conocimiento integral de los clientes (tanto particulares como empresas) los bancos van a poder mejorar sus modelos de rating y scoring, lo que  no sólo minimizará el riesgo de crédito sino su seguimiento y la gestión de la morosidad y recuperación de activos deteriorados. Las entidades podrán detectar de forma muy temprana cuándo un crédito corre el peligro de entrar en mora y podrá así conectar de forma inmediata con el cliente para intentar solucionar el problema por ejemplo renegociando la deuda y evitando en la medida de lo posible cualquier futuro trámite judicial.


- Riesgo de mercado: Es el riesgo que surge ante la eventualidad de incurrir en pérdidas por posibles variaciones adversas en los mercados (tipos de cambio de moneda, tipos de interés, cotizaciones de valores y títulos…). Las soluciones big data permitirán a las entidades financieras conocer en tiempo real todo lo que está aconteciendo en los mercados y predecir qué es lo que va a suceder en el futuro, optimizando así el riesgo de mercado y tomar  las decisiones oportunas en cada momento.

 

- Riesgo de liquidez: Se define como la eventual incapacidad de atender los compromisos de pago por parte de las entidades de crédito, aunque sea de forma temporal, por no disponer de activos líquidos o no poder acceder a los mercados para su refinanciación a un precio razonable. Big data ayudará a las organizaciones a optimizar la medición y supervisión del riesgo de liquidez implementando mejoras en la evaluación continua de entradas y salidas de fondos y facilitará la predicción de situaciones futuras que puedan suponer una necesidad inmediata de fondos.

 

- Riesgo exterior (o riesgo país): Se origina por la dificultad de los clientes de determinados países extranjeros de atender sus obligaciones de pago de deudas. A través de big data las entidades podrán llevar a cabo un diagnóstico claro de los riesgos derivados del comercio y la inversión en el exterior y  llegar a predecir tanto los riesgos políticos como comerciales en cada país.

 

- Riesgo operacional: Surge ante la posibilidad de sufrir pérdidas por fallos en procesos, sistemas internos, personal o bien por acontecimientos externos imprevistos, por lo que big data como gran recolector de toda la información que atañe a los procesos y a la propia actividad de la entidad será una pieza fundamental para analizar, predecir y ayudar a minimizar las pérdidas producidas por este tipo de fallos.

 

- Riesgo reputacional: Está asociado a la pérdida de imagen y credibilidad de las entidades financieras por parte de los clientes, accionistas y empleados y afecta adversamente a la capacidad de mantener las relaciones comerciales actuales o crear nuevas. La reputación posiblemente es el activo intangible más importante en una organización y gracias a big data las entidades financieras podrán mejorar la medición, gestión y predicción de dicho riesgo.

 

En general, una optimización del riesgo en una entidad financiera, independientemente del tipo que sea, significa una disminución de las provisiones necesarias en sus balances, lo que implica un mayor grado de confianza de los reguladores (Banco de España y la tan famosa Troika) y, sobre todo y más importante, un aumento inmediato de los beneficios en sus cuentas de resultados.

 

3.- Gestión de fraudes:

 

El sector financiero siempre ha sido propicio a fraudes e irregularidades, que han ocasionado importantes pérdidas económicas tanto a entidades como a inversores, así como pérdidas de imagen y de clientes. A través de big data, las entidades financieras podrán implementar medidas para la detección de actividades fraudulentas tanto internas como externas en tiempo real, lo que les permitirá reducir las pérdidas asociadas a dichos fraudes. Podríamos distinguir dos grandes grupos:

 

- Detección de fraude en los medios de pago: Los estafadores utilizan cada vez técnicas más refinadas y es preciso que los bancos y cajas de ahorros no escatimen en recursos para poder mitigar convenientemente este tipo de fraudes. Mediante soluciones big data, las entidades podrán detectar posibles patrones de comportamiento fraudulento mediante el análisis histórico de datos en determinadas operaciones llevadas a cabo a través de cajeros, comercios, banca móvil y on line o teléfono…

 

Prevención de blanqueo de capitales y financiación del terrorismo: Para que las redes criminales puedan usar los fondos generados por las actividades delictivas sin levantar sospechas tienen que distanciar el dinero de su origen mediante un proceso de blanqueo. Las entidades financieras podrán monitorizar en tiempo real  todas las operaciones sospechosas como por ejemplo cuando un cliente realiza múltiples transferencias de cantidades menores o deposita pequeños importes en múltiples cuentas bancarias. Con big data los bancos no sólo podrán rastrear las operaciones sospechosas, sino que podrán recurrir a fuentes externas y obtener así una información integral del individuo que está llevando a cabo dichos movimientos (por ejemplo, con información procedente de redes sociales o de bases de datos de cuerpos de seguridad nacionales e internacionales).

 

Fuente: blogthinkbig.com

Tu opinión nos interesa

Nombre:  *
Email:  * (No será publicado)
Comentario:  *

No hay ningún comentario, sé el primero en comentar!