ixblog | ixpantia

Banca en Latam: Datos para generar impacto e innovación.

Escrito por Diego May | Jul 18, 2024 3:09:00 PM

A lo largo de los años de ejecutar proyectos de distintos tipos y en múltiples sectores, uno de los verticales con que más nos ha tocado trabajar ha sido el de banca. En particular, me tocó ser CEO de una Fintech por más de 4 años, parte de un banco regional en Centroamérica, y en esos años pude aprender sobre este ecosistema, para luego poder apoyar desde fuera y con la perspectiva de innovación con datos.

Sin duda, este sector es de los más avanzados en su interés en innovar con datos para mantener su competitividad y adaptarse a cambios en la demanda del mercado. La banca está bajo constante presión de hacer uso de sus datos y analítica para responder preguntas importantes del negocio y de esta manera proveer las mejores soluciones a sus clientes. Con la constante evolución tecnológica y nuevas oportunidades de extraer valor y aprovechar de los datos, las consecuencias de no anticiparse en esta carrera de innovación pueden ser enormes.

En este sector hemos trabajado más de 50 proyectos con grandes bancos regionales, bancos medianos operando en un país, financieras enfocadas en diferentes mercados y fintechs e incluso startups operando en las adyacencias y consumiendo servicios o infraestructura de banca para generar valor.

En este blog post buscamos resumir algunos de los aprendizajes que hemos acumulado en estos años, con el objetivo de promover el aprendizaje colectivo que vamos generando en la región, y esperando que esto genere intercambios de ideas. Para ello cubriremos:

  1. Breve caracterización del sector
  2. Tipos de proyectos
  3. Algunos aprendizajes

Los 10 factores que aceleran la innovación con datos en el sector Banca-Finanzas

De más está decir que por efectos de regulación y buenos niveles de rentabilidad, este es un sector de tan alta transaccionalidad que fue de los primeros en ir tras iniciativas de transformación digital. Partiendo de los AS400 de hace unas cuantas décadas, y con el push internacional de innovación por parte de Visa, Mastercard y Amex (por nombrar algunos en este ecosistema tan desarrollado), es claro que se cuenta con mucha información histórica lo cual es una base muy sólida para generar impacto con analítica.

Esto ha llevado a estas organizaciones a pensar en aspectos clave del negocio, tales como transición a omnicanalidad y experiencia del cliente, por nombrar algunos. Aquí un resumen de los 10 factores que aceleran esta necesidad de hacer más con los datos, son:

Es un sector tremendamente dinámico, con mayores niveles de competitividad, y con un flujo cada vez mayor de ofertas de soluciones y servicios. Pero la gran cantidad de datos existentes abren oportunidades en múltiples direcciones y es cosa de definir una estrategia de datos alineada a la estrategia de las instituciones, y ejecutar de forma ordenada asegurando que en el proceso se incorporan conocimientos y databetismo.

Con base en esta descripción, surgen diferentes tipos de proyectos.

El rango de proyectos en los que hemos trabajado va desde lo fundamental (organizar infraestructura básica e integración de datos, generar dashboards y reportes, automatizar entrega de información) hasta proyectos intermedios (definición de arquitecturas más escalables, incorporar mejores prácticas de datos, diagnósticos, databetismo) y de analítica avanzada (soluciones complejas de ML, asegurar y medir impacto, gobernanza).

Agrupando este tipo de proyectos, los podemos ver de esta manera:

Banca y finanzas es un sector que nos gusta y que conocemos bien, con una dinámica particular dadas las características antes nombradas, y con mucha sed de innovación para generar impacto a corto y largo plazo. 

Para ixpantia ha sido un vertical en el cual hemos aprendido mucho y generado mucho impacto medible.
Estos casos que hemos desarrollado en Latam están alineados con tendencias globales y aceleran estructuralmente la capacidad competitiva de los que se animan a innovar. Existe impacto medido en casos globales identificando clientes activos con riesgo de irse (reducción de rotación en 15% mediante campañas), usando ML para identificar descuentos innecesarios (aumento de ingresos en 8%), y ofreciendo próximos productos a ofrecer a clientes analizando similitud (3x probabilidad de compra) 1.

Bienvenidas las diferentes perspectivas sobre este artículo y con gusto podemos agendar una reunión para compartir conocimiento que nos permita avanzar en innovación con datos en la región. 

Referencias

  1.  Analytics in banking: Time to realize the value, McKinsey & Co., 2017