La oportunidad de la analítica predictiva en finanzas - Calendae | Informática, Electrónica, CMS, Ciberseguridad

La oportunidad de la analítica predictiva en finanzas

Hola de nuevo. Soy Simón Sánchez y hoy te voy a hablar sobre La oportunidad de la analítica predictiva en finanzas

A menudo se dice que gestionar el riesgo empresarial y el micro-riesgo significa encontrar la aguja en el pajar. El análisis predictivo utiliza computadoras poderosas con amplia memoria y espacio de almacenamiento para eliminar el 90% del heno, esas decisiones «fáciles» que una computadora puede manejar sin esfuerzo. Luego, los sistemas de modelado puntúan el 10 por ciento restante, dando prioridad a las actividades de los analistas e investigadores humanos para hacer lo que mejor saben hacer: tomar la decisión óptima.

Esto implica cosas como encontrar las mejores compensaciones de riesgo / recompensa para nuevos clientes, evitar reclamos fraudulentos, identificar fraudes o abusos en programas gubernamentales, detener transacciones cuestionables y evaluar de manera óptima los activos en función del grado de riesgo.

El análisis predictivo es la disciplina que utiliza técnicas computacionales para buscar formas de optimizar las decisiones comerciales. Las aplicaciones en los servicios financieros incluyen análisis de adquisición de clientes front-end, selección de ofertas, gestión de relaciones, optimización de precios, gestión de riesgos, gestión de fraudes y análisis actuarial para seguros.

Procesamiento empresarial de alto rendimiento en los mercados financieros

Los servicios financieros son el segundo mercado vertical para la informática comercial de alto rendimiento (HPC), solo superado por la fabricación. También es uno de los modelos de más rápido crecimiento y, como resultado, es una parte clave de nuestra metodología de Computación empresarial de alto rendimiento (HPBC). Dentro de los servicios financieros, el comercio de alta frecuencia es la aplicación más conocida, pero hay muchas otras áreas en las que se utiliza HPC.

Intersect360 Research rastrea una variedad de amplias áreas de aplicación como parte de la vertical de servicios financieros. Estos incluyen el comercio, tanto el comercio de alta frecuencia como el comercio algorítmico; gestión de riesgos, a nivel de empresa, cartera o cliente, así como análisis actuarial para seguros; fijación de precios y valoración de valores individuales, derivados y derivados compuestos; y análisis económico y empresarial, incluido el modelado, la simulación y el apoyo a la toma de decisiones.

Las empresas de servicios financieros adoptan muchas formas, desde grandes organizaciones multinacionales y multilínea hasta boutiques regionales. Una sola empresa podría ejecutar todos o ninguno de estos tipos de aplicaciones. (No se puede garantizar que un banco determinado ejecute aplicaciones de gestión de riesgos de HPC, como tampoco se puede garantizar que cualquier fabricante ejecute simulaciones de ingeniería asistidas por computadora de HPC). Pero entre estos tipos de aplicaciones, la analítica, especialmente la El análisis predictivo es importante por su potencial. explotado de múltiples formas.

Se utilizan diferentes niveles de técnicas de análisis predictivo, con niveles crecientes de sofisticación. En el nivel más simple, se utilizan técnicas tradicionales como regresión, modelado lineal, algoritmos basados ​​en reglas y árboles de decisión. Las técnicas más complejas como las redes neuronales y el aprendizaje automático están en el siguiente nivel. Las técnicas más nuevas incluyen el análisis de texto (donde, por ejemplo, las notas ingresadas por un representante de servicio después de la llamada de un cliente se pueden extraer o el sentimiento se puede eliminar de los tweets) y el análisis de redes sociales ( buscando patrones en la relación entre un cliente y el proveedor, en el contexto de todos los demás clientes y proveedores).

Estas técnicas individuales se pueden combinar en motores compuestos como el modelado de levantamiento neto (o levantamiento), donde dos o más escenarios se analizan simultáneamente para trazar todos los resultados posibles y elegir el tratamiento correcto (o la falta de tratamiento) para una situación particular. También existe el modelado de conjuntos, donde se realiza un conjunto de modelos y la respuesta final proviene de una ponderación de los resultados de los modelos individuales, y donde la ponderación del modelo también se puede refinar en función de la situación.

Esperamos que la analítica sea un mercado en crecimiento para lo que llamamos Computación empresarial de alto rendimiento (HPBC), particularmente en servicios financieros y disciplinas relacionadas. Hay tres patas para el taburete que sostienen este aparador. Primero, hay una explosión de datos que están disponibles, tanto internos como externos, para las organizaciones. En segundo lugar, existen metodologías para analizar y dar sentido a esta gran cantidad de datos que se desarrollan y mejoran todos los días. La tercera pata del taburete es la disponibilidad de sistemas económicos y accesibles (en términos de velocidad de cómputo, almacenamiento de datos, memoria) para poder hacer algo útil con él. Junte estas tres patas y obtendrá una gran oportunidad potencial para HPBC.

Los sistemas necesarios para ejecutar análisis predictivos van desde Excel usando un conjunto de datos SAS en una computadora portátil hasta motores de autoajuste diseñados a medida que se ejecutan en grandes clústeres o en la base de datos y todo lo demás. En un extremo, la analítica predictiva utiliza claramente la informática de alto rendimiento. En el otro extremo, claramente no lo es. Dónde trazar esa línea en este momento es menos importante que la conclusión de que cada vez más empresas se están moviendo hacia estas técnicas sofisticadas.

Los líderes de la industria tienen sus propios equipos internos, y esta capacidad proporciona una ventaja competitiva diferenciadora. Aquellos que no han hecho el cambio valorarán estas técnicas y sistemas con mayor interés a medida que quienes utilizan análisis predictivo escriben más y más historias de éxito.

Las empresas que hacen la transición al análisis predictivo pueden lograrlo de dos maneras, creando equipos internos o contratando proveedores externos para que desarrollen sus sistemas para ellos. Estos terceros pueden utilizar los sistemas de la empresa matriz, o pueden realizar análisis en nombre de los directores, enviando puntuaciones y métricas para cargar en la base de datos interna de la empresa matriz.

Por qué el análisis predictivo

Las instituciones financieras no venden widgets, obtienen ingresos de esas ventas y pagan un costo para fabricar el activo que vendieron. Si bien las empresas de fabricación pueden construir un mejor producto (mejor calidad a mejor precio) utilizando la fabricación digital, los recursos de las instituciones financieras son de naturaleza monetaria. A diferencia de una organización de fabricación, las instituciones financieras ganan con el diferencial, o diferencia, entre lo que ganan con sus activos financieros y lo que pagan por sus pasivos. Este diferencial también debe ser suficiente para cubrir sus gastos operativos, que generalmente incluyen pérdidas crediticias, pérdidas por fraude y gestión del fraude.

Las actividades, en este sentido, son pólizas de seguros que proporcionan primas cobradas. Pueden ser préstamos que proporcionan tarifas de origen, gastos financieros y tarifas de servicio. Pueden ser carteras de inversión que proporcionan comisiones de gestión o ingresos comerciales. Los pasivos pueden ser depósitos o deudas en los que la institución paga una tasa de interés por el uso del dinero del depositante o del inversionista.

Una entidad financiera maximiza este cálculo de beneficios a través de dos mecanismos: gestión de riesgos y optimización de precios. La gestión de riesgos incluye la decisión inicial de la institución de crear un préstamo o una póliza de seguro, su análisis de comportamiento continuo (por ejemplo, fraude, insolvencia, pagos atrasados, aumento de reclamaciones) y gestión de exposiciones, como la falta de renovación de una póliza o la implementación de reducciones de línea. Por otro lado, está la optimización de precios, que incluye la decisión de precios inicial, si hacer ofertas especiales u ofrecer descuentos para atraer a clientes rentables a quedarse o profundizar su relación, y la implementación de la penalización de precio (p. Ej. ejemplo, si el cliente supera su límite o paga tarde).

Las empresas de análisis de élite tienen este tipo de análisis como parte de su ADN. Cargan constantemente nuevos datos de transacciones o comportamientos, evalúan hipótesis, calibran modelos, reequilibran metodologías, vuelven a ponderar los resultados en las infraestructuras generales. «Constantemente» significaba mensual no hace mucho tiempo. Significa cada vez más semanalmente, todos los días o incluso cuando se inician transacciones.

Análisis predictivo más allá de los bancos

Aunque las instituciones de servicios financieros se encuentran entre los usuarios más avanzados, los beneficios potenciales están disponibles para muchas áreas comerciales. La analítica predictiva ya está marcando la diferencia incluso en los mercados no financieros. Por ejemplo, en el ámbito gubernamental, se utiliza para reducir el despilfarro, identificar el fraude en los programas gubernamentales y descubrir el fraude fiscal. En el sector sanitario, se utiliza para la gestión de costes, el fraude del sistema y diagnósticos más precisos o rápidos. Finalmente, en telecomunicaciones, la analítica predictiva se utiliza para minimizar el abandono de la base de clientes.

En este último punto, prácticamente cualquier empresa tiene grupos de clientes que les gustaría administrar, tanto en términos de cuestiones de gestión de relaciones con los clientes (CRM), como la adquisición de clientes y los ingresos, como para personalizar las carteras de productos y precios para diferentes categorías de clientes.

Debido a su amplia aplicabilidad potencial, la analítica predictiva debería seguir siendo un motor de crecimiento significativo para los mercados de HPBC. La gran cantidad de datos recopilados por las empresas prácticamente garantiza que hay algunas valiosas pepitas de información esperando ser desenterradas que pueden tener un impacto material en la rentabilidad. Encontrar estas agujas en el pajar es un desafío, pero el análisis predictivo ofrece a las empresas una forma de aprovecharlas.

Acerca de

Sue Korn es analista senior de Intersect360 Research especializada en aplicaciones de Computación empresarial de alto rendimiento (HPBC) y una veterana de 20 años en la industria de servicios financieros. En su puesto en Intersect360 Research, Korn lidera el análisis de la empresa sobre los impulsores y las barreras de la adopción de HPC en entornos empresariales y el creciente papel de las aplicaciones HPBC.

Puedes compartir en tus redes sociales para que tus colegas lo lean

??? ? ? ???

Comparte