Verónica Sánchez

3d rendering humanoid robot analyze stock market

Vivimos tiempos interesantes. Hoy en día, la banca es más compleja, competitiva y dinámica que nunca; requiere afrontar con éxito desafíos extraordinarios, algunos de los cuales no tienen precedentes históricos. Sin embargo, esos desafíos también vienen acompañados de extraordinarias posibilidades de crecimiento para organizaciones lo suficientemente inteligentes y ágiles como para hacerles frente.

El desafío fundamental no ha cambiado: cómo evaluar y protegerse contra el riesgo en la medida necesaria y, al mismo tiempo, buscar las mejores oportunidades de inversión disponibles.

Esta es una pregunta con una larga historia de análisis por parte de las mentes más brillantes del mundo, y en estos días, cada vez encuentra más respuestas no solo de las comunidades académica y bancaria, sino también del mundo de la tecnología. Específicamente, las soluciones de inteligencia artificial (IA) pueden, al desarrollar y perfeccionar modelos sofisticados, en constante evolución y basados ​​en datos de ecosistemas financieros complejos, informar y guiar con precisión a los profesionales de la inversión en un momento en que la información y la orientación precisas son más esenciales que nunca.

¿Por qué es eso necesario? ¿Qué ha cambiado para impulsar lo que ahora es un mandato casi universal en la comunidad bancaria para aprovechar la IA para obtener el mejor efecto?

Entre otros factores a considerar, encontramos la nueva complejidad del mercado, las nuevas restricciones regulatorias y un nivel histórico de competencia.

 Más allá incluso de factores como la presión regulatoria o la competencia por sí misma, ahora hay simplemente más variables, que interactúan de más formas e implican más riesgos y oportunidades que nunca. Cada variable, a medida que cambia dinámicamente a un ritmo acelerado, se traduce en una ventana de tiempo cada vez más pequeña para actuar. En resumen, el mercado está cambiando más rápido, y las organizaciones que aún dependen de correlaciones estándar entre variables cambiantes necesitan actualizar sus soluciones y estrategias porque esas correlaciones simplemente ya no siempre se aplican como antes.

La regulación, a su vez, juega un papel principal en este tema y, cuando el impulso hacia un modelo de negocio neutral al riesgo (y un modelo impulsado por el cliente) tiene la fuerza del gobierno detrás, se hace necesario demostrar que el inventario de inversión completo está adecuadamente cubierto. Desafortunadamente, demasiada cobertura contra el riesgo puede ser en sí misma riesgosa en el sentido de que reduce los ingresos y márgenes potenciales e introduce la abrumadora posibilidad de perder clientes ante jugadores más ágiles y capaces.

Por lo que respecta a la competencia, cuando más jugadores ingresan a un juego determinado, lograr y mantener una ventaja competitiva inevitablemente se vuelve más difícil para todos, tanto para los viejos actores como para los nuevos. Hoy en día, la gama de servicios de inversión disponibles, tanto nacionales como extranjeros, es más grande que nunca por un amplio margen, y aumenta día a día. Esta situación cada vez más competitiva, a su vez, significa que los profesionales de la inversión tienen menos tiempo total para responder a los cambios repentinos del mercado. Una respuesta que podría haber sido lo suficientemente rápida en el antiguo milenio puede no ser suficiente en el nuevo, ni siquiera aproximadamente.

Algunas organizaciones han implementado y aprovechado al máximo las mejores soluciones de inteligencia artificial disponibles para evaluar los riesgos y oportunidades del mercado, predecir y cuantificar los desarrollos emergentes y, por lo tanto, brindar un mejor servicio a sus clientes. Otras, si bien pueden haber desarrollado o desplegado un tipo limitado de IA, carecen de capacidades clave. Algunas, incluso, carecen por completo de IA. La brecha entre los que tienen tecnología y los que no tienen está creciendo rápidamente hasta el punto en que se convierte en un abismo para los que no tienen. Es, si no una amenaza mortal, un obstáculo que obstaculiza enormemente su progreso mientras se esfuerzan por construir y mantener modelos comerciales más inteligentes y eficaces en el ámbito de las inversiones modernas.

Cuando llega una solicitud de alta de un cliente o posible cliente, ¿con qué rapidez puede responder la organización? Los retrasos pueden tener un huella negativo en la confiabilidad de la marca y podrían resultar en que el cliente se dirija a otro competidor que es, o al menos se percibe que es, más ágil, y moderno en sus facilidades digitales.

Tan importante como la velocidad es la precisión. Una solicitud de presupuesto increíblemente rápida también debe estar informada por el alcance completo de los datos disponibles (lago de datos) y las tendencias y patrones detectables pero ocultos que implican los datos para agudizar los precios y cerrar el trato sin introducir un riesgo inaceptable en el proceso.

Muchos bancos, en el pasado, han recurrido al análisis estadístico para tratar de lidiar con tales complejidades. Las herramientas de este tipo manejan tareas que incluyen análisis de reversión de medias, reducción de varianza de medias para optimizar la asignación de activos, arbitraje estadístico y otros.

Sin embargo, su misma popularidad ha disminuido su poder para crear una ventaja competitiva duradera. Dado que se han implementado ampliamente, sus limitaciones a menudo se han revelado bajo la presión del mercado y, como se han convertido en un lugar común, ofrecen cada vez menos ventajas competitivas.

El arbitraje estadístico, por ejemplo, no se adapta a sí mismo. El hecho de no aprender de las dinámicas cambiantes se traduce no solo en una menor precisión como estrategia de toma de decisiones, sino, con el tiempo, en mayores riesgos y eventualmente en mayores costos.

Las estrategias estadísticas también adolecen de una relativa falta de agilidad debido al tiempo de demora típico entre la obtención de una nueva información y la acción de esa información. Mientras tanto, la agilidad es fundamental en un mercado híper competitivo caracterizado por pequeñas ventanas de oportunidad a través de las cuales cada día es más difícil aprovechar las estrategias de coberturas óptimas y, al mismo tiempo, maximizar la retención de márgenes.

Es por eso que las organizaciones que buscan crear y beneficiarse de una ventaja competitiva sostenible, es decir, todas ellas, están aumentando cada vez más, o en algunos casos, alejándose de los enfoques puramente estadísticos. En cambio, están recurriendo a capacidades más sofisticadas impulsadas por la inteligencia artificial, como la detección de grupos, la automatización basada en el aprendizaje por refuerzo, la modificación del modelo adaptativo y la detección de dislocaciones. Todos ellos pueden desempeñar un papel clave en el proceso de ajuste de la ecuación de inversión según sea necesario, en tiempo real o casi en tiempo real, para brindar una ventaja competitiva y, al mismo tiempo, reducir los costos y riesgos tanto como sea posible.

Esto se debe, en parte, a que las soluciones de inteligencia artificial de primer nivel están diseñadas desde el principio para ser altamente adaptables. Como resultado, permiten el tipo de agilidad que las organizaciones necesitan para superar a la competencia. Pueden ingerir y evaluar los volúmenes de datos entrantes de cualquier tamaño, correlacionar los cambios en esos datos para validar las oportunidades de arbitraje y luego actuar (o aconsejar a los profesionales de la inversión que actúen) de forma más rápida y precisa que cualquier clase alternativa de tecnología.

Las soluciones de inteligencia artificial también pueden ayudar a la organización a orquestar sus políticas y comportamientos al llevar a cabo diversas tareas en diferentes niveles lógicos, uniéndolos a todos en la búsqueda de objetivos más amplios, como un director unifica una orquesta. Para hacer esto, pueden agregar y analizar datos extraídos de muchos departamentos o servicios comerciales diferentes, cada uno con objetivos y tipos de datos únicos, que van desde el comercio de voz hasta la gestión de riesgos, el comercio electrónico y el aprovechamiento de la plataforma en la nube de SalesForce. Luego, según el análisis adaptativo, la IA puede proporcionar diferentes tipos de información adaptada a necesidades específicas.

Quizás, por ejemplo, la organización desea evaluar el desempeño de diferentes clases de operaciones en diferentes condiciones, determinar la toxicidad de los activos, cuantificar la asignación cruzada de activos en tiempo real o establecer si las políticas y la infraestructura de la empresa cumplen con las regulaciones aplicables. Todas estas posibilidades y muchas más se pueden realizar hoy utilizando la tecnología actual.

El resultado es una visión integral y completa del negocio y de todo lo que hace, en la que la IA se ha convertido efectivamente en un socio colaborativo al servicio de los objetivos priorizados, no simplemente en una herramienta limitada aplicada en una dimensión para una tarea en particular.

Para finalizar, pero no por ello menos importante, destacar que todas las capacidades descritas anteriormente ayudan a asesorar a los profesionales de inversión individuales que, lejos de ser reemplazados por la IA, encontrarán en ella una fuente esencial de información que pueden aprovechar para tomar decisiones más inteligentes con mayor rapidez. Con el tiempo, a medida que la IA se base en más y más datos para mejorar su modelado y pronóstico, los empoderará cada vez más para crear un valor más cuantificado, reflejándose favorablemente tanto en las posturas competitivas de sus organizaciones como en sus carteras de clientes, así como, por supuesto, en sus propias carreras.

Todo esto ayuda a explicar por qué, en el futuro, deberíamos confiar en que las soluciones bancarias impulsadas por la inteligencia artificial no solo continúen implementándose a una escala creciente, sino que se vuelvan cada vez más poderosas y versátiles y se integren más estrechamente en el tejido mismo del modelo de negocio.

En ese momento, la IA creará y entregará valor tanto a los bancos como a sus clientes, que es mucho más amplio y profundo que el valor ya extraordinario que reciben de ella hoy.

Artículo redactado por Verónica Sánchez Medero (Business Manager en Optimissa) y Carlos de Fuenmayor (Especialista en Finanzas/ Asociado de EFPA España).

Si el huella económico de la crisis generada por el Covid19 ha tenido el efecto de acelerar la transformación digital de las organizaciones, su incidencia en la salud ha puesto de relieve la necesidad de una soberanía europea, especialmente en términos de tecnología. Pero frente a compañías como Amazon que se ofrecen como una autopista abierta para el mercado del comercio electrónico, Huawei que se autoproclama líder del 5G o incluso los GAFAM que se desarrollan exponencialmente con una ausencia casi total de regulación, ¿qué lugar nos queda a los jugadores europeos? ¿Cómo combinamos el crecimiento económico y ético en un mundo donde los datos omnipresentes afectan nuestras preferencias de consumo tanto como nuestra salud? La respuesta podría estar en la recuperación de la soberanía digital europea.

Además de las terribles consecuencias sanitarias, el virus también ha puesto de relieve nuestra dependencia de las grandes potencias industriales y digitales, con Estados Unidos y China a la cabeza. Si bien la competitividad de la industria europea se ha visto minada, la crisis también ha tenido el efecto de revelar nuestra soberanía digital como posible tercera vía para tratar, almacenar y proteger nuestros datos; un concepto que ha sido fundamental desde la década de 2000.

De hecho, durante los últimos 20 años, el control de dichos datos – a menudo sensibles, siempre personales – se ha confiado a actores que operaban fuera de nuestro territorio, por lo que ahora urge y es necesario tomar acciones concretas para recuperar el control. Si el mercado de Big data alcanzó los 68.000 millones de dólares en 2020, es porque efectivamente, los datos son uno de los recursos imprescindibles de un mundo digitalizado.

El concepto de soberanía digital, cuyas virtudes y beneficios ya no están por demostrar, debe abordarse en este tiempo. Se trata de devolver a la empresa, al consumidor, el control total de sus datos, desde su tratamiento hasta su uso final por parte de los actores que los manipulan, en línea con los valores de ética y responsabilidad europeos.

En este contexto, Europa está repleta de empresas innovadoras, capaces de ofrecer una visión alternativa, ética y ganadora en sectores como la gestión de proyectos de datos, la telefonía avanzada o las soluciones financieras digitales, aunque algunas historias de éxito europeas se estén escribiendo desde otro lado del Atlántico.

Si los datos representan el corazón del reactor capaz de transformar el viejo continente en un nuevo El Dorado digital, el proyecto europeo Gaia-X muestra que nuestro ideal de independencia ya no es una utopía. Ya sea en el campo de la salud, las telecomunicaciones, los objetos conectados o la robótica, la soberanía es fundamental y sus apuestas económicas colosales. El dominio de los datos y la IA parece esencial para el surgimiento de un camino digital europeo.

Europa debe movilizarse de nuevo y acelerar, tanto para preservar y modernizar un tejido industrial existente, como para conquistar nuevas posiciones económicas sobre tecnologías emergentes en un contexto de especialización internacional. Pero unirse a la carrera global por la innovación también significa ofrecer alternativas, comenzando con IA ética y datos controlados. Para ello, nuestros gobiernos podrían, por ejemplo, iniciar una política industrial común y fortalecer el ecosistema de datos europeo, gracias a un modelo de producción y gobernanza basado en la reciprocidad, el intercambio y la colaboración entre actores privados del mismo sector. En el sector industrial, por ejemplo, la producción de “oleoductos” de gas y petróleo requiere el intercambio de información entre los productores del tubo y los productores de petróleo basado en un modelo de datos abiertos.

En cualquier caso, solo con el apoyo de actores europeos de confianza, capaces de procesar y controlar datos de un extremo a otro, las empresas podrán ganar seguridad, agilidad y tomar decisiones bien pensadas, sostenibles e innovadoras.

Para ofrecer soluciones de alcance internacional, debemos demostrar el valor de uso de la IA en salud, defensa, gestión energética y robótica. Nuestra legitimidad en estos sectores facilitará la adopción de tecnologías de IA integradas y confiables dentro de los territorios. Por ejemplo, la IA está demostrando su eficacia en términos de salud (detección de enfermedades, logística o más recientemente gestión de crisis con CovidTracker). En cuanto al sector de la energía, los datos son igualmente esenciales en una distribución de energía más eficiente e inteligente, por ejemplo.

Si bien la soberanía digital parece entrar en conflicto con las nociones de competitividad y cooperación internacional, debemos pensar en un enfoque nuevo y más abierto que beneficie a las personas y organizaciones de todo el mundo. Para ello, debemos adaptarnos a las normas y estándares internacionales y avanzar respondiendo a los desafíos de la interoperabilidad. Este enfoque pragmático y realista es clave para facilitar el desarrollo, el intercambio y el uso de datos y servicios, en un marco estructurado y para permitir que los jugadores nacionales se beneficien de las mejores tecnologías del mercado y aprovechen al máximo sus datos.

Por compleja que sea, la era de “todos los datos” ofrece la posibilidad de redistribuir las cartas para que España, junto con Europa, ocupe su lugar en el laboratorio internacional de innovación de datos e IA. El Reglamento General de Protección de Datos (RGPD), que impuso nuevas responsabilidades y una nueva visión ética, visible a escala global, es el mejor ejemplo de ello. Esto demostró que era posible combinar la protección de datos para las personas, por un lado, y la competitividad y el atractivo de las empresas europeas y no europeas, por otro, en un marco seguro.

La batalla ahora se libra en la estandarización de datos públicos, parámetros de protección, ubicación, portabilidad y reversibilidad. El intercambio de datos dentro de un marco definido y controlado es lo que permite. por poner un ejemplo, a IQVIA (líder mundial en el mercado de datos de salud) asociarse con empresas privadas europeas, para proporcionar datos de ventas para pruebas Antígenos Covid en farmacias, fortaleciendo la trazabilidad de los datos y asegurándolos para respaldar nuestros valores éticos como un nuevo activo esencial para la economía del mañana.

La próxima década de innovación y tratamiento de los datos de los europeos, no debería ser foránea, debe ser nuestra. Debe ser el símbolo de un camino abierto por España y Europa, que conducirá a la combinación perfecta de soberanía, respeto por las normas internacionales y competitividad global. 

 Artículo redactado por Verónica Sánchez Medero (Business Manager en Optimissa) y Carlos de Fuenmayor (Especialista en Finanzas/ Asociado de EFPA España).

Uno de los temas más controvertidos de los últimos años ha sido el de si los robots van a sustituir a la fuerza laboral como la entendemos en la actualidad. Un asunto de futuro y un fenómeno que aparece siempre en el trasfondo del ecosistema laboral pero que sigue postergado a una fecha de inicio cierta que nadie sabe establecer categóricamente. 

Hasta que eso sea un hecho, multitud de institutos, organismos internacionales y consultoras están realizando diversas estimaciones sobre la importancia que tendrá la automatización en la fuerza laboral existente. McKinsey, por ejemplo, calcula que alrededor de la mitad de las actividades por las que se paga a las personas a nivel mundial, podrían en teoría automatizarse utilizando tecnologías actualmente probadas.  Aunque menos del 5% de los trabajos podrían ser completamente automatizados, alrededor del 60% verán al menos un tercio de sus actividades potencialmente automatizadas, lo que implica transformaciones sustanciales en el lugar de trabajo.

A su vez, un estudio del mes de Junio de 2019 de Oxford Economics sobre lo que realmente significa la automatización para los trabajos y la productividad, sugiere que los robots podrían asumir más de 20 millones de trabajos fabriles en todo el mundo para 2030, con 14 millones de robots en proceso de implementación. 

Pero, sin robots copando aún el mercado laboral, lo cierto y actual es que la automatización de segundo nivel (por detrás de la robótica) y la fabricación avanzada están integrando tecnologías nuevas e innovadoras en el proceso de producción, así como en los productos finales y, por lo tanto, haciendo emerger tantas o más preguntas existenciales similares sobre la utilidad y la naturaleza del capital humano, sin robots de por medio.

Al margen de la tecnología pura y dura, otros fenómenos recientes ya han trastornado por completo el mutable, de por sí, marco de relaciones laborales. El más destacable, sin duda, ha sido el de la generalización de la denominada como “economía colaborativa” que ha transformado los fundamentos de lo que significa ser un trabajador en el mercado laboral actual. El nacimiento de formas de trabajo tan radicalmente novedosas y de consecuencias tan amplias, cambiarán la naturaleza del trabajo durante los próximos años, pero también el que los trabajadores de prácticamente todas las industrias tendrán que prepararse en consecuencia.

Volviendo a lo tecnológico, sus diferentes desarrollos, como, el uso de los datos, la inteligencia artificial o el aprendizaje automático- precedentes de una futura robotización y más cercanos a una realidad inmediata- ya están mediatizando nuestra comprensión de lo que es y será el trabajo en paralelo a una contribución primordial de la sensibilidad, eficiencia y productividad de la automatización laboral. 

Pero, además de las nuevas formas de trabajo y de los avances en la inteligencia artificial y en el aprendizaje automático, tanto las Naciones Unidas como la Oficina Internacional del Trabajo han definido una serie de dimensiones adicionales que influirán, en gran medida, sobre el futuro del trabajo.

Esas previsiones nos avisan sobre la destrucción de puestos de trabajo que inexorablemente se acelerará con el ritmo actual de cambios tecnológicos y que también, con el aumento de las formas atípicas de empleo en todo el mundo (temporal, trabajo a tiempo parcial, trabajo agencial a corto plazo o el autoempleo) generarán serias preocupaciones sobre la seguridad laboral y la calidad de las condiciones laborales. Sin embargo, esto podría beneficiar a los empleadores a corto plazo a través de una mayor flexibilidad de los trabajadores y ahorros de costes, particularmente si dichos acuerdos laborales están exentos de las contribuciones a la seguridad social y otros beneficios para los empleados.

Por otra parte, el crecimiento de los trabajadores de la economía colaborativa también podría enturbiar las definiciones tradicionales de lo que constituye empleo. A su vez, la falta de seguridad, protección y certeza jurídica asociada con el trabajo por encargo seguirá siendo un área gris durante algún tiempo y provocará un temor creciente de que la desigualdad continúe empeorando a medida que los hogares de ingresos más bajos puedan terminar teniendo más dificultades para adaptarse al nuevo mundo del trabajo y perpetuar un círculo vicioso de desigualdades cada vez mayores.

Respecto a protección de los trabajadores, el uso cada vez mayor de máquinas industriales y la globalización han hecho y harán cada vez más difícil para los sindicatos regular el trabajo. Todo ello en un marco, según la OIT, de intensa migración y envejecimiento de la mano de obra, avances tecnológicos a través de la economía colaborativa y la digitalización y el huella de la transición a la economía verde en el empleo como desafíos específicos para el diálogo social y las relaciones laborales en el futuro.

A todo esto, se le ha sumado la aparición del Covid19 que ha obligado a las empresas y los consumidores a transformar sus hábitos de rutina y, como tal, favorecer la aceleración algunas tendencias cambiantes de la fuerza laboral, como la digitalización, la automatización y la creciente demanda de trabajadores flexibles y remotos. Pero la pandemia no solo ha dejado sin trabajo a millones de personas, sino que la combinación de trabajos que han surgido de esta crisis probablemente sea marcadamente diferente de la composición de los que se perdieron. Las personas con los ingresos y el nivel educativo más bajos se han visto afectadas de manera desproporcionada, lo que dificulta el logro de un crecimiento inclusivo y aumenta potencialmente la desigualdad de ingresos, como afirmó recientemente la consultora McKinsey.

Entre los cambios más profundos, como resultado de la pandemia, se encuentra el trabajo híbrido, que otorga más autonomía y flexibilidad a los trabajadores con respecto a dónde y cuándo prefieren trabajar, en lugar de la rutina típicamente reglamentada de trabajar en el país. La mayoría de las empresas ya han adoptado algún tipo de política de trabajo remoto y todas las encuestas empresariales apuntan hacia tasas superiores al 50% de empleados trabajando de forma remota a tiempo completo, en un futuro inmediato. 

Entre los empleados, de manera similar, existe una percepción creciente de que el trabajo híbrido se convertirá en una forma permanente de trabajar, con más del 50% que creen que trabajarán desde casa más que en el pasado incluso una vez que las cosas comiencen a regresar a la normalidad después del Coronavirus. De hecho, ya estamos viendo que las empresas adoptan el modelo híbrido durante la pandemia al designar días específicos durante los cuales los empleados deben estar en la oficina, por ejemplo, para reuniones en persona y otros ejercicios de colaboración y creación de equipos, mientras que, durante el resto de la semana, pueden trabajar desde casa.

Sin duda, la tecnología desempeñará un papel fundamental para hacer que estos retos laborales sean aceptables tanto para el empleador como para el empleado. Desde una perspectiva de productividad, es probable que haya una gran demanda de hardware informático suficientemente potente, programas de comunicación eficaces relacionados con la mensajería y las videollamadas y, especialmente adaptaciones irreversibles de los trabajadores en alfabetización digital, programación, pensamiento crítico y sintonía con una cultura de aprendizaje y mejora permanente de sus habilidades. 

En cuanto a los empleadores, tendrán que pensar en realizar las mejores inversiones para garantizar que los empleados no solo sean altamente productivos y receptivos, sino que también estén lo suficientemente cómodos y satisfechos con sus nuevos entornos de trabajo.

A la espera de la llegada masiva de los robots, lo indudable es que el marco laboral futuro va a requerir de grandes dosis de resiliencia por parte de empresas y trabajadores, de capacidad de adaptación a una nueva normalidad laboral, en cambio permanente, pero en el que como siempre, podrán seguir adelante, no los más resistentes, sino los más adaptables.  

Artículo redactado por Verónica Sánchez Medero (Business Manager en Optimissa) y Carlos de Fuenmayor (Especialista en Finanzas/ Asociado de EFPA España).

Cuando hablamos de Big Data, nos referimos al conjunto de datos o combinaciones de conjuntos de datos cuyo tamaño (volumen), complejidad (variabilidad) y velocidad de crecimiento (velocidad) dificultan su captura, gestión, procesamiento o análisis mediante tecnologías y herramientas convencionales.

Aunque el tamaño utilizado para determinar si un conjunto de datos determinado se considera Big Data no está firmemente definido y sigue cambiando con el tiempo, la mayoría de los analistas y profesionales actualmente se refieren a conjuntos de datos que van desde 30-50 Terabytes a varios Petabytes.

Pero lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera se habían formulado. En otras palabras, proporciona una cantidad tan grande de información que habilita a las organizaciones para identificar sus problemas de una forma más comprensible, permite identificar nuevas oportunidades de negocio, reducir costes,  ganar eficacia y detectar nuevas necesidades de sus clientes.

El mundo financiero, que en su último punto consiste en un proceso de pura venta de producto o servicio, no ha permanecido ajeno a la explosión de los datos y al utilizar el progreso digital a su favor para aumentar sus cada vez más escasos ingresos vía producto y cliente. Esto ha generado un cambio en las instituciones financieras, que ahora  se centran tanto en la gestión como en el análisis de datos. Históricamente, las dos disciplinas habían estado, en gran parte, separadas. El proceso de gestión de datos involucraba, típicamente, actividades como el abastecimiento de datos, la referencia cruzada y la solución de cualquier discrepancia a través de conciliaciones y procesos de limpieza de datos. 

Los procesos de análisis de datos generalmente se llevaban a cabo, posteriormente en una variedad de herramientas y bibliotecas a nivel de escritorio, cerca de los usuarios y generalmente operando en subconjuntos de datos almacenados por separado. Esto creaba problemas para muchas instituciones financieras,  pues  la separación afectaba al tiempo de comprensión y actuaba como freno en los procesos de toma de decisiones que deben impulsar el progreso empresarial, tanto a nivel servicio (que demande el cliente, a medida) como a nivel producto (nuevo y eficiente).

Por lo general, los datos se guardaban y, en muchos casos, se sigue haciendo, en almacenes de datos y sistemas heredados, de difícil acceso. Los metadatos que rodeaban los datos, a menudo no se actualizaban con frecuencia, lo que dificultaba la comprensión completa del linaje de los datos y la comprensión de los permisos relevantes sobre los datos. Juzgar si los datos eran adecuados para el propósito era complejo y, con frecuencia, los modelos obtenían resultados sub-óptimos porque se basaban en datos obsoletos, incompletos o inapropiados.

Hoy, sin embargo, esta situación está comenzando a cambiar. Muchas empresas de servicios financieros se han dado cuenta de que necesitan una mejor manera de proporcionar a sus científicos de datos y otros usuarios clave, precios limpios y datos de mercado. El papel de la analítica se ha vuelto mucho más omnipresente y arraigado en los procesos comerciales cotidianos. Aparte de esto, se ha elevado el listón con respecto al seguimiento de los flujos de datos y la gestión de los riesgos de los modelos.

Un cambio a la nube y la adopción de tecnologías nativas de la misma, están ayudando a las empresas a realizar la transición a un enfoque más integrado para la gestión y el análisis de datos. Apache Cassandra, por ejemplo, ha surgido como una base de datos distribuida de código abierto altamente escalable que facilita el almacenamiento y la administración de grandes volúmenes de datos financieros de series temporales de forma segura. Apache Spark es un motor de datos unificado para el procesamiento de macrodatos. En conjunto, los dos, junto con otras herramientas asociadas, ayudan a facilitar la integración de datos y análisis.

Al menos en parte, como resultado de esto, vemos que la gestión de datos y el análisis están cada vez más unidos en el universo Big Data. Esta integración también está difuminando la línea entre la fuente de datos primarios (la bolsa de valores, por ejemplo) y lo que se deriva y calcula (por ejemplo, curvas de tipos de interés, correlaciones o volatilidades). La gestión y el análisis de datos son hoy dos caras de la misma moneda en los flujos de trabajo de los usuarios.

Eso sí, todavía vemos analistas cuantitativos (quants) en los puntos finales de los flujos de datos, llevando a cabo modelos, pronósticos y precios de productos complejos. Pero, además, los procesos comerciales recurrentes en evaluación de riesgos, análisis e informes, así como otros modelos, se han vuelto más intensivos en datos.  Cada vez más, la atención se centra en llevar la analítica a los datos y no al revés. En otras palabras, se trata de trasladar la capacidad de análisis al lugar donde residen los datos en lugar de trasladar grandes almacenes de datos – a menudo agrupados en silos – a la función de análisis, lo que generalmente ha llevado a copias inconsistentes a lo largo del tiempo y mucho tiempo de analistas dedicados a verificar y recopilar datos, antes de que pudieran comenzar el análisis real.

Para que la analítica funcione de manera eficaz y eficiente, los datos que la impulsan deben ser de la más alta calidad. Los datos de entrada de buena calidad hacen que los análisis sean más fiables. Por el contrario, incluso el mejor modelo producirá resultados inútiles si se alimenta con datos de mala calidad. Este impulso hacia la eficiencia y la precisión a medida que las empresas buscan acelerar su función de análisis es una de las razones por las que la calidad de los datos es importante para el sector financiero actual. La otra es que los reguladores están examinando cada vez más la calidad de los datos y, en particular, la calidad de los datos que se incorporan a los modelos. 

Las empresas financieras a menudo necesitarán explicar los resultados, no solo las matemáticas del modelo en sí, sino también los datos que se incluyeron en él, cuáles fueron los problemas de calidad, cuáles fueron las fuentes y quién los tocó en el proceso. Eso puede resultar difícil si tratan la gestión de datos y el análisis como disciplinas independientes. Sin tener la capacidad de analizar los datos y la supervisión de su procedencia y destino, las empresas luchan por ganar transparencia sobre cómo están aprovisionando sus modelos con datos. También necesitan la capacidad de calidad de los datos para garantizar que sus datos sean coherentes y estén validados y que se reduzca la carga de la reconciliación.

Si bien los informes regulatorios han sido durante mucho tiempo una disciplina esencial para las organizaciones financieras, y la unión de datos y análisis lo ha respaldado, está lejos de ser el único beneficio que ofrece esta nueva tendencia. Como hemos visto, el papel de la analítica y los datos integrados para respaldar la habilitación del usuario y una mejor toma de decisiones es clave. A medida que el ciclo de administración y procesamiento de datos se extienda aún más para abarcar la analítica, los usuarios desearán cada vez más ser empoderados por el proceso y aprovechar estas nuevas capacidades para impulsar una toma de decisiones mejor informada. Este cambio a datos como servicio (DaaS o Data as a Service), cuando se combina con las últimas capacidades de análisis, está haciendo que las organizaciones financieras pueden obtener acceso a múltiples fuentes de datos y tipos de datos, desde precios y datos de referencia hasta curvas y datos de referencia, ESG (gobierno ambiental, social y corporativo) y datos alternativos. Con la ayuda de la última tecnología de código abierto como Python, los usuarios pueden compartir estos análisis en todas sus cadenas de suministro de datos y, gracias a la potencia del motor de análisis, desarrollar un enfoque común para la gestión de riesgos, la gestión del rendimiento y el cumplimiento. 

Los cuánticos y los científicos de datos se benefician de esto. Pero este enfoque también está ayudando a democratizar la analítica para los usuarios, poniéndola en la órbita de aquellos que no son expertos en datos. Hoy en día, gracias a la contextualización proporcionada junto con la analítica, no es solo el dominio exclusivo de los cuantitativos o del científico de datos, sino una herramienta clave que aquellos que siendo menos expertos en datos pueden usar para impulsar decisiones comerciales. 

Esto en sí mismo promueve la agilidad empresarial, pero la combinación de datos y análisis también puede ayudar a las empresas a optimizar los costes. Lo hace apoyando una mayor agilidad con los datos y seleccionando solo aquellos elementos estrictamente necesarios para ayudar a impulsar el negocio. Sin embargo, también se trata de centralizar los datos de manera más eficiente y eliminar la duplicación. 

De cara al futuro, nos encontramos en la cúspide de una nueva era en la gestión de datos financieros. Hoy en día, la tecnología, los procesos, los factores macroeconómicos y la conciencia empresarial unen fuerzas para unir el análisis y la gestión de datos. El resultado para las instituciones financieras es un nuevo mundo de oportunidades en el que pueden optimizar los costes, impulsar la habilitación del usuario y maximizar el valor que obtienen de la ingente masa de datos a la que tienen acceso.

Artículo redactado por Verónica Sánchez Medero (Business Manager en Optimissa) y Carlos de Fuenmayor (Especialista en Finanzas y asociado de EFPA España).

Desde que el Coronavirus se extendió a nivel mundial, sus consecuencias económicas han producido miles de análisis en relación sobre sus efectos económicos en la macroeconomía de los países afectados.

Una visión que ha ocupado las grandes cifras, las ratios globales y el trazo grueso de la producción y actividad de las macro finanzas, descuidando la de aquellos países que, por su pequeñez, en términos de sumar al PIB mundial, son recurrentemente olvidados. 

Teniendo claro que la pandemia mundial del coronavirus y los cierres económicos por mandato de los gobiernos han tenido un huella sin precedentes en la economía global, no se ha esclarecido lo suficiente hasta la fecha, cuán crítica se ha vuelto la situación para los grupos con mayor riesgo de esta recesión sin precedentes.

En concreto, respecto a los grupos de ingresos más bajos en los países en desarrollo y para las economías emergentes que enfrentan no solo la perspectiva de la pobreza extrema en muchos casos, sino también la probabilidad de que sus sistemas financieros no sean lo suficientemente robustos para ayudarlos en estos tiempos oscuros.

Entre los componentes más importantees de dichos sistemas se encuentra las microfinanzas, un sector que normalmente se dedica a proporcionar préstamos para pequeñas empresas, cuentas de ahorro y apoyos no financieros para ayudar a impulsar la inclusión financiera y el espíritu empresarial en las comunidades de bajos ingresos. En los últimos 15 años aproximadamente, las instituciones de microfinanzas han recibido un reconocimiento considerable al llegar a comunidades que han sido ignoradas en gran medida por el sistema financiero tradicional, así como al centrarse en el empoderamiento financiero de las mujeres, alrededor del 80% de los 140 millones de clientes de microfinanzas globales que se calculan actualmente con una cartera de préstamos bruta pendiente de 124.000 millones de dólares, son mujeres.

En la actualidad, el sector de las microfinanzas cubre una amplia gama de servicios financieros, cada uno de los cuales tiende a tener un grado diferente de popularidad según factores como la región geográfica. Pero en las últimas semanas han presentado informes que sugieren que las instituciones de microfinanzas se encuentran bajo una presión cada vez mayor a medida que la pandemia continúa reduciendo las oportunidades comerciales para las micro, pequeñas y medianas empresas. Viéndose obligados a adaptarse para seguir apoyando a sus clientes de la forma más eficaz posible. El Grupo Consultivo para Ayudar a los Pobres (CGAP), grupo de expertos independiente para la inclusión financiera que involucra a más de 30 organizaciones de desarrollo líderes, por ejemplo.

Esto implica que las carteras de las instituciones de microfinanzas están sometidas a una presión cada vez mayor por la actual recesión. 

Curiosamente el estudio del grupo consultivo para ayudar a pobres, fundaciones privadas y otros organismos vinculados a estas instituciones, han puesto de relieve tanto su fortaleza capeando las consecuencias de la pandemia,  como su férrea voluntad de – en una situación que parecería afectar sin remedio su vulnerabilidad y hacer peligrar su existencia – acrecentar su compromiso de ofrecer a sus clientes servicios no financieros para ayudarlos a afrontar la situación y continuar desarrollando estos servicios en el futuro.

Las microfinanzas en algunas regiones y países también parecen verse más afectadas que en otros. Camboya, por ejemplo, afirma tener el promedio de préstamos de microfinanzas per cápita más alto del mundo, pero existen muy pocas medidas de protección al consumidor para aquellos que no han podido pagar sus préstamos, y su gobierno está abogando por confiscaciones de propiedad en casos de impago de micro préstamos. Un caso paradigmático sobre el que los organismos internacionales deberían actuar y forzar a sus autoridades para ordenar de inmediato una congelación del cobro de deudas y la acumulación de intereses de los perjudicados por la pandemia, y responsabilizar a las instituciones financieras que no cumplan.

En India, cuna del nacimiento de las microfinanzas, y donde el sector registra una cartera de préstamos de 1.7 billones de dólares y, por lo tanto, uno de los puntos críticos de microfinanzas más prósperos del mundo, datos recientes del banco central muestran que han surgido serios problemas en los últimos meses, particularmente con el cobro de los préstamos.

Si en los países desarrollados del primer mundo, las interrupciones en la cadena de suministro y las operaciones comerciales, la probabilidad de pérdida de medios de vida y la consiguiente caída de los ingresos familiares es alta, en estos países de economías sujetas con pinzas, las instituciones de micro finanzas, al ser instituciones especializadas que otorgan préstamos sin garantía a grupos de bajos ingresos, están particularmente expuestas a riesgos crediticios en estos escenarios.

Está claro que estos países por sí solos no van a poder resistir el golpe, por lo que cabe preguntarse ¿qué están haciendo las economías “pudientes” al respecto de proteger a las microfinanzas?.

En Europa, por ejemplo, existen programas específicos de empleo e Innovación Social  que se han activado para apoyar las iniciativas de microfinanzas durante la pandemia. Normalmente, la misión de estos programas es impulsar el acceso a las microfinanzas para grupos en riesgo que quieran desarrollar ideas de negocio, y reciben ayuda en este sentido de la Unión Europea a través del esquema EaSI Guarantee Instrument, que facilita las conexiones entre intermediarios financieros, microempresas y empresas sociales.

En el marco del Instrumento de Garantía, dotado con 400 millones de euros, se anunció en el mes de Julio, que el Fondo Europeo de Inversiones y la Comisión Europea lanzarían nuevas medidas de apoyo Covid19 para mejorar el acceso a la financiación para micro prestatarios y micro empresas, así como para empresas sociales afectadas por las consecuencias socioeconómicas de la pandemia.

El objetivo de las nuevas medidas Covid19 es incentivar aún más a los intermediarios financieros para que presten dinero a las pequeñas empresas, mitigando el aumento repentino en el riesgo percibido provocado por la pandemia de coronavirus y aliviando las limitaciones de capital de trabajo y liquidez de los beneficiarios finales. Las características clave de estas nuevas medidas incluyen una mayor cobertura de riesgo y la ampliación de ciertos parámetros.

Las instituciones de microfinanzas han respondido al zarpazo del Covid19 en varios frentes: ofreciendo moratorias o reestructurando préstamos para brindar un respiro a los prestatarios que sufren de declives de ingresos, reduciendo los préstamos y los desembolsos de estos, flexibilizando el trabajo de sus empleados con licencias remuneradas o teletrabajo y utilizando, en la medida de sus pequeñas posibilidades, canales digitales para con sus prestatarios.

Se ha hablado mucho de la digitalización forzada por el estado de las cosas, pues en este caso y, para las instituciones de microfinanzas, estamos ante una oportunidad que les debería hacer avanzar hacia enfoques más digitales para sus pequeños clientes y a su vez para ampliar y facilitar su capacidad para otorgar más crédito a los más desatendidos.

Las microfinanzas son el último bastión para la existencia en condiciones dignas de millones de personas en los países más desfavorecidos y el Covid19 no debería ser su verdugo, sino un aviso y una oportunidad para que los países más desarrollados los acompañen y los asistan con mayor énfasis, haciendo suyos los nuevos desafíos que la pandemia les obliga a enfrentar. 

Artículo redactado por Verónica Sánchez Medero (Business Manager en Optimissa) y Carlos de Fuenmayor (Especialista en Finanzas y asociado de EFPA España).