¿Qué es Big Data? ¿Qué oportunidades abre en la banca retail?

Artículo original: thefinancialbrand.com, por Jim Marous, Traducción de Ebanking News.

Big Data… todos en la banca retail parecen estar hablando sobre esto, pero al parecer nadie está seguro de que significa. Subestimando reacciones, la confusión y la controversia envuelven el cómo se utilizará en aplicaciones prácticas, y la magnitud de la oportunidad que representa. ¿Transformará Big Data el futuro del marketing financiero? ¿o serán las instituciones financieras aplastadas por una ola agobiante de información?

Por años, las instituciones financieras se han apalancado en la visión interna que tienen de sus clientes para manejar el riesgo y los fraudes, como también para mejorar el desarrollo de productos y por supuesto las comunicaciones a clientes y el marketing en general. Hoy, sin embargo, nuevas y mejores tecnologías, junto a la disponibilidad de grandes piscinas de Big Data externos – estructurados y no – permiten tomar decisiones en tiempo real a través de los distintos canales y de esta manera ahorrar dinero e incrementar las utilidades… al menos eso dice la teoría.

La gran pregunta es: ¿Es hoy el momento de embarcarse con una estrategia Big Data?

¿Qué es Big Data?

Mucha de la confusión generada alrededor de Big Data es un malentendido acerca de su definición. En lugar de una sola características dominante, los resultados de una encuesta de IBM nos indica que los ejecutivos tienen distintas visiones con respecto a que representa Big Data, si grandes volúmenes de datos, nuevos tipos de análisis y datos, o los requerimientos por mejores análisis en tiempo real de la información, incluso uno de cada doce lo desestimaron como la última palabra de moda.

Si bien hay varias definiciones de Big Data, la referencia más común se enfoca en data que representa Volúmenes crecientes (terabytes, registros y transacciones), con una Variedad adicional (interna, externa, de comportamiento y social) y una Velocidad en aumento (cerca del tiempo real o definitivamente en tiempo real).

Entendiendo las “3 V’s del Big Data” (Volúmenes, Variedad y Velocidad) es importante, ya que comprender el valor de los datos que están siendo creados hoy permite a las instituciones financieras comprender su negocio, sus clientes, sus canales y sus dinámicas de mercado, incluyendo las oportunidades de nuevas ventas y servicios.

En la industria de los servicios financieros, si bien hay grandes discusiones con respecto a Big Data, muchos bancos recién están consolidando y utilizando mucha de su data interna como transacciones de débito y crédito, historial de compras, uso de canales, preferencias de comunicación, comportamiento del cliente, etc.

En el contexto de Big Data los bancos deben expandir sus actuales fuentes de información para obtener y analizar datos de otras fuentes, incluso algunas externas, como los clicks que realizan en el sitio web, interacciones sociales (Facebook y Twitter), información georeferenciada y otros nuevos tipos de información.

¿Cuáles son los potenciales beneficios de Big Data?

Las áreas que presentan las mejores oportunidades para obtener mejoras en el corto plazo son las de  riesgo, fraude, y marketing (principalmente comunicaciones y retención de clientes).

Riesgo y Fraude – Con las recientes crisis financieras, una correcta medición y gestión del riesgo y de fraude se volvieron las principales prioridades. Expandir la información disponible de canales alternativos y aumentar la velocidad de la captura y el uso de esta data que está “más allá del firewall” de la institución nos proveen de un mejor escenario sobre las finanzas de los hogares y el comportamiento de nuestros clientes.

Por ejemplo, al agregar las transacciones de los dispositivos alternativos y la habilidad de registrar los cambios en el comportamiento del cliente más allá de lo que ocurre con la transacción de sus productos los bancos pueden aislar nuevos detonantes de riesgos o fraudes, lo que provee nuevos puntos de vista y permitirá crear algoritmos mejorados para reducir el riesgo y manejar de mejor manera la exposición al crédito, permitiendo una intervención temprana si es necesario.

Segmentación – la habilidad de entender de mejor manera a los consumidores, contando con la habilidad de generar ofertas en tiempo real a nuestros clientes o prospectos permitirán a las instituciones financieras optimizar la administración de relaciones rentables de largo plazo con sus clientes. Al agregar nuevas fuentes de información no estructurada de su comportamiento online de nuestros clientes obtendremos una vista mejorada, mejorando la efectividad y la eficiencia de los esfuerzos de marketing.

Sobre esto tenemos la habilidad de generar ofertas georeferenciadas y oportunas en el momento en que el cliente se encuentra en el POS (ya sea en el banco o por una oferta entregada a través de un Smartphone) lo cual provee ventajas tanto desde el punto de vista de la oportunidad del marketing como desde el pago mismo que pocas industrias pueden igualar, junto a mejores utilidades y una mejor experiencia de compra.

Por ejemplo, si un cliente tiene el hábito de ir a un cierto lugar a realizar sus compras o a almorzar, analizar esta data nos puede entregar la base para entregarle ofertas con un alto grado de personalización, incluso sobre los tipos de comida que prefiere, teniendo también una probabilidad del uso de la oferta. La oferta podría ser entregada por un SMS para que el cliente tome mejores decisiones en tiempo real.

Otro ejemplo es la combinación de funcionalidades de Zillow, la cual mediante una app de realidad aumentada permite a los clientes utilizar sus smartphones para encontrar los valores de viviendas en un cierto barrio y aplicar a un préstamo desde la misma app. Esta información capturada en el proceso de compra, combinada con información de la situación crediticia del cliente le permitirían al banco entregar mejores mensajes sobre un potencial préstamos preaprobado.

Desde un nivel fundacional, Big Data provee los elementos necesarios para desarrollar estrategias de segmentación basadas en la transacción de clientes, su comportamiento y su información social, lo cual permitirá a las organizaciones proveer experiencias consistentes y con un alto grado de personalización, sin importar el canal seleccionado por el cliente.

¿Más Datos = Mejores Decisiones?

Tal como los cuestionamientos a los CRM en los 90’s y la media social más recientemente, muchos de los beneficios de Big Data son – en la actualidad – poco más que fantasías de los vendedores. Hay muy pocos casos de estudio, y los existentes se basan en una interpretación muy amplia y generalmente incorrecta de Big Data. Buscando por evidencia de su potencial, podrán encontrar que mucho se ha escrito sobre sus beneficios en la teoría, pero las historias de éxito son escasas.

No hay duda en que usar los datos de manera más eficiente puede derivar en beneficios importantes, incluyendo mejoras sustanciales en marketing y en la gestión del riesgo, pero no hay consenso sobre si esos beneficios tienen una ROI adecuado, al compararlos con la inversión requerida.

Pregunta clave: ¿Es mejor tener más data? ¿lleva a mejores decisiones? ¿o llevará sólo a más confusiones?

La mejor estrategia es partir de a poco

No es recomendable saltar de una al Big Data, sino entrar de a poco, priorizando inversiones y con una mentalidad de prueba y aprendizaje para determinar que tan rápido y que tan profundo llegar.

Según una nueva investigación realizada por Capco, un 62% de los bancos cree que administrar y analizar Big Data es importante para su éxito, sin embargo, sólo un 29% declara estar actualmente obteniendo algún valor comercial de esa data.

Estos desafíos son muy familiares para los ejecutivos de bancos, quienes deben convivir con sistemas legados y plataformas tecnológicas obsoletas que no cuentan con la capacidad para obtener información estructurada y realizar buenos análisis, por lo que  sólo pueden soportar enfoques más “tradicionales” para la utilización de los datos. Según el estudio, esta es la razón por la que la mayoría de las instituciones financieras no están preparadas para la transformación del Big Data.

Debes aprender a caminar antes que a correr con Big Data

Según un reporte reciente de Novantas, a la mayoría de los bancos les sirve más una estrategia de enfoques mediante acercamientos modulares, sumando una nueva capa de complejidad (e inversiones) sólo después de contar con una base sólida de datos. Esta filosofía se vuelve especialmente importante para aquellos bancos que no cuentan con una vista unificada del cliente; muchos bancos han creado  depósitos de datos sin ninguna conexión entre la data de cuentas corrientes, tarjetas de crédito, hipotecarios y consumos, por ejemplo.

La ilustración que aparece a continuación nos muestra como Novantas cree que los bancos deben construir un perfil mejorado del cliente.

Hacer nada no es una opción

Si bien moverse con cuidado en el mundo de Big Data es una estrategia viable, no hacer nada no es una opción. Con muchas instituciones construyendo una estrategia de Big Data la habilidad de perder un buen cliente a manos de la competencia es un riesgo en aumento. Además, hay muchas alternativas de varios proveedores que están construyendo estrategias de “pseudo bancos”, obteniendo grandes cantidades de datos que pueden ser utilizados en su contra en el futuro. Google, PayPal, Amazon y otras organizaciones están construyendo su riqueza sobre los patrones de compra de sus clientes.

Si bien la data al interior de los firewall provee ciertas ventajas competitivas, la información no estructurada disponible en línea, a través de canales móviles y a través de la media social son igual de valiosas. En el nuevo mundo, saber que una compra se realizó puede no ser suficiente; saber que se compró y donde puede ser la diferencia incremental que se necesita para crear lealtad en nuestros clientes.

Como con las mayores inversiones, una institución financiera necesita determinar si el volumen agregado, la variedad y la velocidad de los datos traerán mejores resultados medibles. Como Richards J. Heuer, Jr. argument en “Psychology of Intelligence Analysis” (1999), la principal falla en los análisis se debe a data insuficiente y no a pensamientos errados. Para tener éxito analíticamente, debemos invertir una gran cantidad de nuestros recursos en entrenar a las personas en pensar de manera eficiente y debemos equiparlos con las herramientas que soportan este esfuerzo.

La pregunta que surge es que los bancos ya están lidiando con grandes cantidades de datos y no son muy buenos en consolidar toda esta información. ¿Cuáles son las posibilidades de que seamos mejores en esto con más datos acumulándose?

Más data no soluciona malos análisis

Quizás las organizaciones financieras deberían centrarse en perfeccionar su “Small Data” en primer lugar.