Juan Anaya, Chief Data Officer, Produbanco
El valor de los datos no depende de su volumen, sino de la capacidad de convertirlos en decisiones que respondan a la estrategia de cada institución. Gobierno, integración, analítica y priorización forman parte de ese camino para conocer mejor las necesidades del cliente.
Ejes de análisis
- Entender la necesidad detrás del producto
- Personalizar es hablar el lenguaje del cliente y para el cliente
- Priorizar sin perder el objetivo
- Gobierno e integración para convertir datos en decisiones
Históricamente, las instituciones financieras han utilizado los datos principalmente para gestionar riesgos, especialmente en crédito, fraude, seguridad y cumplimiento normativo, ámbitos en los que la banca ha desarrollado prácticas robustas. Con Big Data, la expansión de infraestructuras cloud y la transformación digital, su uso se amplió hacia otras áreas del negocio, la optimización de procesos y la experiencia del cliente.
Los datos también se convirtieron en habilitadores para desarrollar modelos que apoyan decisiones, permiten conocer mejor al cliente y anticipar algunas de sus necesidades. El dato deja de ser un insumo netamente operativo para convertirse en un activo estratégico y una fuente de ventaja competitiva.
En mi opinión, el sector financiero ecuatoriano se encuentra en un nivel intermedio de madurez en el uso de datos, aunque con una aceleración importante durante los últimos años. Las inversiones en transformación digital han impulsado el desarrollo de analítica avanzada y el uso de modelos de machine learning. Varias instituciones ya utilizan los datos para comprender mejor el comportamiento de sus clientes y anticipar algunas de sus necesidades.
La analítica descriptiva ha tenido mayor recorrido, mientras que las aproximaciones predictivas y prescriptivas se han fortalecido. A ellas se suman nuevas capacidades derivadas de la inteligencia artificial generativa y de la inteligencia artificial agéntica, con potencial para automatizar tareas, asistir decisiones y ampliar la capacidad de interacción con clientes y procesos internos.
Sin embargo, la ventaja competitiva no depende únicamente de disponer de más datos o de infraestructura para procesarlos. El verdadero desafío está en la velocidad y calidad con la que esos datos se convierten en decisiones que fortalezcan la estrategia de cada negocio, considerando sus prioridades, capacidades y particularidades.
Entender la necesidad detrás del producto
Profundizar en el conocimiento del cliente implica avanzar desde saber qué producto utiliza hacia comprender qué necesidad financiera busca resolver, en qué momento y bajo qué contexto.
Una institución puede identificar que una persona solicitó un crédito de libre destinación, pero ese dato no explica si los recursos serán utilizados para adquirir una vivienda para su familia o para invertir. Lo mismo ocurre con un crédito educativo: puede estar destinado a la formación del cliente, de sus hijos o a estudios de posgrado.
Ese conocimiento permite avanzar de una posición reactiva hacia una posición más proactiva. Los modelos y el uso de los datos pueden ayudar a anticipar necesidades individuales, situaciones asociadas a determinados procesos e incluso aquellas vinculadas con una coyuntura económica. El objetivo es comprender mejor qué necesita el cliente para orientar soluciones acordes con esa necesidad.
La tecnología otorga la posibilidad de alcanzar niveles de microsegmentación e incluso de conocimiento individual. Sin embargo, disponer de esa posibilidad no significa que la hiperpersonalización deba ser un objetivo universal para todas las instituciones financieras. Depende del foco estratégico de cada organización y del valor que esa personalización pueda generar para el cliente y para el negocio.
Personalizar es hablar el lenguaje del cliente y para el cliente
Cuando la personalización responde a la estrategia, el objetivo no debe ser aumentar la cantidad de interacciones. La prioridad es ofrecer, por medio de la comunicación, soluciones relevantes y alineadas con las necesidades financieras específicas en el momento en que el cliente las requiere. Los modelos analíticos y el uso de inteligencia artificial apoyan la elaboración de propuestas que, al generar valor, disminuyen la probabilidad de ser percibidas como invasivas.
Otro elemento fundamental para evitar una percepción invasiva es el consentimiento informado y el respeto a la normativa de protección de datos personales. El cliente necesita transparencia y control sobre qué información se utiliza, cómo se utiliza y con qué finalidad.
Priorizar sin perder el objetivo
Las buenas prácticas en el uso de datos parten de definir qué quiere lograr la institución. Profundizar en el conocimiento de las necesidades financieras del cliente forma parte de ese objetivo, pero debe responder al marco estratégico del banco.
Ese foco determina cómo aprovechar los datos, qué procesos simplificar y qué forma de trabajo adoptar para desarrollar servicios más ágiles y personalizados. Lo importante es mantener claridad sobre lo que la organización quiere lograr con los datos y el valor que busca generar para sus clientes.
Los datos también pueden apoyar la inclusión financiera. Con información no tradicional, autorizada por el cliente, es posible entender mejor a personas y empresas con dificultades para acceder al sistema financiero. En el caso de las pymes, esto puede facilitar el acceso al crédito, orientar sobre los requisitos necesarios y acompañarlas con educación financiera. Lo mismo puede aplicarse a trabajadores independientes.
Desde datos y tecnología, una práctica clave es implementar método en la priorización de proyectos. El auge tecnológico puede distraer a las organizaciones de sus objetivos estratégicos. La gestión de la demanda, la priorización de iniciativas, el entendimiento de las necesidades del mercado y el diseño de soluciones ayudan a decidir dónde concentrar los recursos para apoyar el crecimiento rentable de la entidad.
La experimentación forma parte de ese proceso: probar, aprender, reaprender y volver a intentar, manteniendo siempre la protección de los datos del cliente y el cumplimiento normativo. El riesgo está en “llenarse de juguetes” tecnológicos que no contribuyen de manera clara a la propuesta de valor frente a los clientes.
Gobierno e integración para convertir datos en decisiones
Avanzar hacia niveles más profundos de personalización demanda integración entre los sistemas y una arquitectura robusta. A ello se suman el gobierno de datos, el conocimiento analítico, la inteligencia artificial y el cumplimiento regulatorio, particularmente en materia de protección de datos personales.
El gobierno de datos es determinante para avanzar en proyectos de inteligencia artificial. No es posible desarrollar iniciativas sólidas de IA sin datos gobernados, integrados y de calidad. El propósito es transformar los datos en inteligencia accionable que contribuya a mejores decisiones para la organización y mejores experiencias para los clientes.
La inversión tecnológica debe partir de lo que la institución necesita construir y del valor que espera generar. Lo más caro no necesariamente es lo mejor, especialmente en un entorno donde las soluciones evolucionan con rapidez y pueden aparecer alternativas similares o superiores a menor costo. Por ello, antes de comprometer recursos, es clave definir con precisión la necesidad, evaluar las opciones disponibles y asegurar que la inversión responda al retorno esperado por la organización.
La mirada hacia el futuro en Ecuador también incorpora la relación de la banca con otros actores del ecosistema. Open banking y open finance forman parte de los temas que ya están en la agenda de las instituciones financieras, entre otros frentes de innovación y colaboración.
Estos modelos tienen un desarrollo importante en Asia y Europa, mientras que en América Latina países como México y Colombia ya registran avances significativos. Los datos serán determinantes para su evolución, junto con el talento de las personas y las tecnologías necesarias para implementar este tipo de soluciones.
