DATA Y ANALYTICS: CONSTRUYENDO RELACIONES DE CONFIANZA EN LA BANCA

26 de octubre del 2016 | por Hermes Castañón y Carlos López Santibáñez

La confianza siempre ha sido un aspecto central en la relación entre un banco y sus clientes. Desde la crisis financiera mundial de 2008, el sector bancario ha estado muy enfocado en recuperar la confianza del público, consciente de que un solo error o el mal comportamiento de algunos individuos podría destruir la confianza de un momento a otro.

La analítica tiene un potencial inherente para crear valor y ayudar a construir la confianza. La analítica puede ayudar sin duda alguna a crear servicios a la medida para los clientes, detectar fraudes, evaluar la exposición al riesgo, garantizar la coherencia del servicio y predecir los riesgos de mercado, entre otras características. El sector bancario tiene grandes cantidades de datos para impulsar esta analítica y un historial robusto en la adopción de nuevas tecnologías.

Pero esta oportunidad tiene otra cara. Hoy, el sector financiero está expandiendo los límites con la difusión del aprendizaje a través de máquinas y el uso de algoritmos cada vez más complejos que, en muchas áreas, están reemplazando las relaciones tradicionales con los clientes y la toma de decisiones. ¿Qué pasa cuando la base de la confianza del cliente está construida en función de recomendaciones automatizadas? Y, sobre todo, ¿debemos mirar dentro de ‘la caja negra’ de la analítica para entender las oportunidades y los riesgos ocultos que pudieran existir?

Conforme los bancos se vuelven cada vez más impulsados por los datos, la fiabilidad de sus datos y analítica (D&A, por su acrónimo en inglés) serán la base de la confianza en las relaciones con los consumidores y los reguladores. Mientras vemos cómo los algoritmos van de un papel secundario a uno primario, los bancos deben ayudar a asegurar la confianza a través de su analítica.

La tecnología, los nuevos modelos de negocio y la confianza
La conexión entre la confianza y la analítica se entiende bien dentro del sector de tecnología (por ejemplo, considere las oportunidades y los retos asociados con vehículos autónomos). Hay algo similar que tiene lugar en el sector bancario, conforme lidia con problemas de confianza.

De acuerdo con el Barómetro de Confianza de Edelman (2016), los consumidores ahora confían en las empresas de tecnología mucho más que en los bancos. Aunque las clasificaciones de Edelman muestran mejoría en la confianza de las organizaciones de servicios financieros en los últimos años, la industria todavía ocupa el último lugar, detrás de la industria farmacéutica.

Entonces, ¿cómo confía un cliente en que un banco haga lo correcto? ¿Cómo confía un banco en que sus empleados hagan lo correcto para la propia institución y para sus clientes? ¿Cómo saben los miembros del Consejo que pueden confiar en la información de la que disponen? Algunos de los desafíos específicos de datos ya son prioridad en la mente de la banca, tales como la seguridad cibernética y protección de datos.

Las nuevas tecnologías, como la tecnología distribuida de registro de cadena de bloqueo (blockchain), tienen un enorme potencial para transformar el sector mediante el uso de un mecanismo fundamentalmente diferente para ayudar a asegurar la confianza.

Sin embargo, existen múltiples riesgos y oportunidades mientras la analítica asume más funciones en el proceso de toma de decisiones. En el futuro, la analítica de diversos tipos desempeñará un papel central en diversas relaciones de confianza dentro de la banca (entre la junta del Consejo, los accionistas y el personal; entre los clientes y la marca; entre los reguladores y el sector financiero en su conjunto).

Ejemplos acerca de las tendencias en analítica
El primero es el rápido crecimiento en el sector de Tecnología Financiera (FinTech). La tecnología financiera y las nuevas plataformas digitales reconocen la tremenda oportunidad que trae la analítica: se han beneficiado de la brecha de confianza entre los bancos y sus clientes. De hecho, creemos que una de las mayores razones por las que las empresas FinTech han tenido tanta influencia para los bancos es que se aprovechan de la confianza inherente del consumidor en la tecnología con ofertas de conveniencia y la innovación en un sector que, en gran medida, ha estado privado de nuevos modelos tecnológicos durante décadas. En el caso de la Unión Europea, la brecha de la confianza se está formalizando en un dramático cambio estructural en el mercado de servicios de pago.

La directriz revisada sobre Servicios de Pago (PSD2) construirá el camino para el acceso directo de terceros a cuentas bancarias. El elemento por excelencia de esta disposición es que los bancos tendrán la obligación de permitir el acceso a los datos de pago a terceros (no bancarios), que pueden marginalizar los modelos de negocio bancario tradicional. Esto pone a la banca en el centro de una “tormenta perfecta”. Los nuevos jugadores impulsados por la tecnología crean una promesa de mayor confiabilidad, así como una mejor experiencia para el usuario.

Los bancos tradicionales están compitiendo agresivamente. A medida que las nuevas organizaciones FinTech y otros agentes disruptores no tradicionales lo demuestran claramente, la analítica avanzada puede aprovecharse para predecir las necesidades y demandas de los clientes con eficacia. Si demuestra que conoce a su cliente y entiende sus necesidades, usted podrá construir rápidamente relaciones de confianza, especialmente entre el grupo emergente de los millennials, que probablemente carezca de cualquier apego arraigado a métodos más tradicionales de banca.

Paralelamente, una segunda tendencia que está uniendo más a la analítica y la confianza del cliente es el rápido desarrollo de la analítica de riesgo, que está creando nuevos problemas de confianza. La analítica de riesgo es relativamente madura, con un amplio uso en la predicción y evaluación de la conducta del empleado, el fraude y la exposición al riesgo. La analítica predictiva para la conducta de los empleados está estrechamente asociada con la construcción de la confianza del consumidor, y ha sido altamente eficaz en la identificación y la reducción de un comportamiento poco ético. Sin embargo, el área de ‘analítica de conducta’ es aquella en la que encontramos preocupaciones crecientes acerca del abuso de confianza entre el banco y el empleado, ya que demasiada intrusión puede sobrepasar la ‘línea de frontera’ y conclusiones erróneas pueden dañar la reputación.

En términos generales, los riesgos van en aumento. La analítica de riesgo predictivo ha demostrado funcionar bien para los riesgos cotidianos comunes, pero siguen estando en gran parte sin probar en los riesgos de gran magnitud y menos comunes. Si no hay una historia clara de eventos o escenarios futuros acordados, que puedan actuar como un punto de referencia para la evaluación de riesgos automatizados, entonces es fácil que la confianza se pierda en las matemáticas complejas, no probadas, como se demostró al no predecir los riesgos críticos de mercado durante la crisis financiera global anteriormente mencionada.

Acerca de los autores: Hermes Castañón, Socio Líder de Servicios Financieros y Carlos López Santibáñez, Socio de Asesoría en Tecnologías de la Información de KPMG en México

Ligas de interés:

asesoria@kpmg.com.mx
www.delineandoestrategias.com