Blog iuvity

Ciencia de datos: ¿cómo aporta al sector financiero?

Escrito por iuvity | septiembre 2023

¿Alguna vez te has preguntado por qué Netflix conoce tus preferencias cinematográficas mejor que tú?, ¿o por qué Amazon predice exactamente lo que quieres incluso antes de que lo busques? Detrás de esta asombrosa verdad tenemos la ciencia de datos. ¿Quieres saber de qué se trata y qué aporta al sector financiero?

El origen de la ciencia de datos

Es un campo interdisciplinario que emplea métodos científicos, procesos, algoritmos y sistemas con el fin de generar conocimientos e ideas de datos, estructurados o no estructurados. Es una combinación de áreas como:

  • Matemáticas y estadísticas.
  • Codificación experta.
  • Análisis profundo.
  • Inteligencia artificial (IA).
  • Aprendizaje automático.

Todo lo anterior es aplicado a un campo particular. El propósito es revelar conocimientos valiosos generados de diversa información por cada proceso.

De modo que esta ciencia podrá orientar la toma de decisiones y la planificación estratégica; esto, de acuerdo con los tipos de datos (IBM, s.f.).

Algo de historia de la ciencia de datos

A pesar de que el término ciencia de datos es algo reciente, su origen encuentra sus raíces en la tradición estadística que data de siglos. De forma tal que esta disciplina ha jugado un papel crucial en áreas como:

  • Ciencia.
  • Contabilidad
  • Logística.
  • De forma general en la organización de las sociedades humanas.

Fue así como en 1947, John Tukey, trabajando en Bell Labs y desarrollando métodos estadísticos para computadoras, introdujo el término bit. Así, su trabajo innovador le permitió concebir la estadística en una nueva perspectiva. (Lin & Lin, 2023).

Algunos hitos de la ciencia de datos refieren que, a partir de la década del 2000, varias publicaciones académicas la reconocen como una disciplina emergente (Universidad de Wisconsin, 2017).

Ciencia de datos y sector financiero

Esta ciencia permite a bancos y organizaciones financieras entender a profundidad las necesidades de los clientes, desarrollar productos a su medida y mejorar su experiencia (Management Solutions, 2015). Además, proporciona la capacidad de:

  • Detectar tendencias emergentes en el mercado.
  • Identificar posibles fraudes de manera anticipada.
  • Reconocer clientes de alto riesgo.
  • Valorar el impacto de las políticas económicas.

Mediante la ciencia de datos, los modelos convencionales se expanden y enriquecen todas las esferas de actividad de las instituciones financieras.

Nuevas posibilidades para el sector financiero

Actualmente, se destacan aplicaciones emergentes de la ciencia de datos basados en:

  • Datos de redes sociales.
  • Geolocalización.
  • Multimedia o registros, que anteriormente no eran tenidos en cuenta.

Los nuevos aportes contemplados en el área financiera en torno a esta disciplina en las políticas de Big data son:

En la capa transaccional

Surgen dispositivos y canales innovadores de interacción con el cliente. Hay nuevas plataformas para el desarrollo de aplicaciones para la entrega de servicios:

  • Aplicaciones móviles.
  • Tecnologías novedosas como el pago móvil.
  • Soluciones de Gestión de Procesos Empresariales (BPM) para la integración de plataformas y la automatización de procesos.
  • Las redes sociales ganan relevancia como nuevo canal de interacción con el cliente.



En la capa de almacenamiento

Hay nuevos sistemas de almacenamiento diseñados para operar en hardware económico, que ofrecen alta disponibilidad y tolerancia a fallos. La infraestructura como servicio ha surgido en formas de cloud computing. Igualmente, se ha desarrollado ampliamente el Application programming interfaces (API).

En la capa de procesamiento y modelado

Existen herramientas para:

  • Captura y procesamiento de información en tiempo real.
  • Procesamiento de datos no estructurados.
  • Nuevos motores de consulta para datos no estructurados, así como qué es SQL.

También, hay herramientas para implementar mecanismos en gobernanza de datos:

  • Trazabilidad.
  • Calidad.
  • Consistencia.
  • Control de acceso.
  • Reconocimiento de patrones en datos, análisis predictivo, implementación de modelos y aprendizaje automático.

En la capa de explotación

Existen nuevas herramientas de análisis y reporte con capacidades para acceder a grandes volúmenes de información en:

  • Memoria.
  • Soluciones específicas para el análisis de información de redes sociales.
  • Explotación de flujos de datos en línea para la toma de decisiones.
  • Activación en tiempo real de eventos como la detección de fraude, tanto la identificación como el lanzamiento de eventos comerciales y evaluación de riesgos, entre otros.

Un futuro prometedor para la ciencia de datos

La ciencia de datos tiene el potencial de transformar la economía al ayudar a predecir tendencias y automatizar servicios financieros. Por lo tanto, se cuenta con el análisis avanzado de riesgos y una mejor comprensión de los procesos económicos. Su plena implementación requiere inversión en capacitación, sistemas de datos e investigación.

En definitiva, esta ciencia transforma la economía y la industria financiera mediante el análisis predictivo o el servicio personalizado. Sin duda, este punto requiere que consideres las oportunidades que ofrece la tecnología de datos para impulsar el crecimiento y la innovación en el sector financiero.

 

 

Referencias bibliográficas

IBM. (s.f.). ¿Qué es la ciencia de datos? IBM: https://www.ibm.com/topics/data-science

Lin, H., & Lin, M. (2023). Guía del profesional de la ciencia de datos. CRC Press. https://scientistcafe.com/ids/IDS.pdf

Management Solutions. (2015). Data science and the transformation of the financial industry: https://www.managementsolutions.com/sites/default/files/publicaciones/eng/Data-Science.pdf

Universidad de Wisconsin. (2017). Una historia moderna de la ciencia de datos. https://uwex.wisconsin.edu/stories-news/history-of-data-science/