El mundo se está transformando, y lo hace a gran velocidad. Estamos siendo testigos de una revolución tecnológica de magnitudes nunca antes observadas.
Data Science
No se trata de un hecho coyuntural. El índice de cambio de paradigma (la velocidad de adopción de nuevas ideas) se está duplicando cada década: mientras que se tardó casi medio siglo en adoptar el teléfono, y aceptar la televisión y la radio llevó varias décadas, el ordenador, Internet y los teléfonos móviles se asumieron en menos de 10 años. En 2014, el número de teléfonos móviles ya se equiparaba al número de personas en el mundo, 7.000 millones, un tercio de ellos smartphones; y el número de usuarios de Internet casi alcanzó los 3.000 millones.
Las tecnologías de la información duplican cada año su capacidad y su relación calidad/precio, como predice la Ley de Moore, que ha demostrado cumplirse hasta la fecha.
La consecuencia es un crecimiento exponencial en la disponibilidad de la tecnología y una reducción equivalente en su coste, indiferente a las crisis vividas en los últimos años, que previsiblemente continuará su evolución en las próximas décadas.
Pero esta revolución tecnológica está adquiriendo una nueva dimensión en los últimos años: al aumentar las prestaciones técnicas, también está aumentando la capacidad de generar, almacenar y procesar información, y lo hace a una tasa también exponencial, lo que ha dado en llamarse el fenómeno «big data». Algunas evidencias al respecto son:
- El volumen total de datos en el mundo se duplica cada 18 meses.
- Más del 90% de los datos que hoy existen han sido creados en los dos últimos años.
- La capacidad per cápita de almacenar información se ha duplicado cada 40 meses desde 1980 y su coste se ha reducido en más de un 90%.
- La capacidad de procesamiento se ha multiplicado por 300 desde el año 2000, permitiendo procesar millones de transacciones por minuto.
El impacto de esta transformación tecnológica está siendo especialmente relevante en el sector financiero, por cuanto viene a sumarse a otras cuatro grandes tendencias que están marcando su evolución:
Una coyuntura macroeconómica caracterizada por un crecimiento débil, bajas tasas de inflación y reducidos tipos de interés, que ha penalizado los márgenes de beneficio de la industria bancaria en las economías maduras durante un prolongado periodo de tiempo; y un comportamiento dispar en los países emergentes, con una tendencia a la ralentización del crecimiento y el repunte de la morosidad.
Un entorno normativo más exigente e intrusivo, donde la regulación adquiere un carácter global en términos de gobierno corporativo, solvencia, liquidez, limitación del bail-out, protección del consumidor, prevención del fraude y requisitos de información y reporte, entre otros.
Un cambio profundo en el comportamiento del cliente, que ahora tiene una mayor cultura financiera, espera y exige excelencia en el servicio, al tiempo que manifiesta una creciente confusión ante la complejidad y disparidad de la oferta, lo que le hace más dependiente de los líderes de opinión.
La entrada de nuevos competidores en el mercado financiero, algunos de ellos con nuevos modelos de negocio que impactan en el statu quo.
El efecto combinado de estos cuatro factores, junto con la transformación tecnológica, está conduciendo, entre otras cuestiones, a poner el foco en el uso eficiente de la información, dando así entrada en el sector financiero a una disciplina hasta ahora más centrada en el sector tecnológico: data science.
Data science, o la ciencia de los datos, es el estudio de la extracción generalizable de conocimiento a partir de los datos mediante el uso combinado de técnicas de aprendizaje automático, inteligencia artificial, matemáticas, estadística, bases de datos y optimización, junto con una comprensión profunda del contexto de negocio.
Todas estas cuestiones ya se empleaban en el ámbito financiero en diferente medida, pero esta disciplina tiene características que la hacen indispensable para afrontar la transformación del sector que ya está ocurriendo.
En concreto, todos los elementos del complejo contexto antes mencionado al que se enfrenta el sector financiero exigen datos abundantes y técnicas analíticas complejas para afrontarlos, lo que es exactamente el campo de especialidad de data science. Además, data science es una disciplina que se ve potenciada como consecuencia del fenómeno big data, y por tanto los data scientists son profesionales cualificados para tratar cantidades masivas de datos desestructurados (como por ejemplo los provenientes de redes sociales), cada vez más relevantes para las entidades.
Por otra parte, esta explosión en la generación, el acceso, el procesamiento y el almacenamiento de los datos, y en la toma de decisiones basadas en ellos, sumada a los otros factores coyunturales descritos, no ha pasado inadvertida a los reguladores. En efecto, hay una tendencia global sustanciada, entre otros, por el Comité de Supervisión Bancaria de Basilea (a través de la norma BCBS 239), hacia la exigencia de un marco robusto de gobierno de datos, que garantice su calidad, integridad, trazabilidad, consistencia y replicabilidad para la toma de decisiones, especialmente (pero no solo) en el ámbito de Riesgos.
Esta tendencia se complementa con la impulsada por la Reserva Federal y la OCC estadounidenses, que requiere a las entidades un marco robusto de gobierno de los modelos, para controlar y mitigar el riesgo que se deriva de su utilización, conocido como «riesgo de modelo».
Las entidades financieras están avanzando de forma decisiva en el desarrollo de estos marcos de gobierno (datos y modelos), que conjuntamente conforman el gobierno de las capacidades de data science.
Ante este entorno cambiante, la transformación de las entidades financieras no es una posibilidad; es una necesidad para asegurar la supervivencia. Una transformación muy ligada a la inteligencia, que, en definitiva, es la capacidad de recibir, procesar y almacenar información para resolver problemas.
En este contexto, el presente estudio pretende describir de forma práctica el rol que desempeña la disciplina de data science, y más concretamente en el sector financiero. Para ello, el documento se estructura en tres secciones, que responden a tres objetivos:
- Describir la revolución tecnológica en la que está inmerso el sector financiero y sus consecuencias.
- Introducir la disciplina de data science, describir las características del data scientist y analizar las tendencias observadas a este respecto, así como su impacto en los marcos de gobierno de los datos y de los modelos en las entidades financieras.
- Exponer un caso de estudio para ilustrar la aplicación de data science en el sector financiero, consistente en el desarrollo de un modelo de scoring crediticio para particulares utilizando datos extraídos de redes sociales.
Para más información, accede al documento completo en PDF haciendo clic aquí. Documento también disponible en inglés y portugués.