5 retos en materia de datos a los que se enfrenta el sector financiero

Desde las fuentes de datos dispares hasta la falta de integración, los servicios financieros deben superar muchos retos al pasar de los datos oscuros a la información valiosa.

El sector financiero genera una cantidad ingente de datos, las grandes empresas se enfrentan a conjuntos de datos en la escala de los petabytes. La gran mayoría de estos datos no se utilizan para el análisis, sino que se guardan en sistemas antiguos y silos de datos a los que no se puede acceder fácilmente para tomar decisiones informadas.

Con los miles de millones de euros que se mueven cada día en los mercados mundiales, los analistas financieros se enfrentan a un enorme desafío cuando se trata de supervisar y comprender los datos a escala para aprovechar su verdadero valor. Sin embargo, si los líderes comprenden los desafíos y adoptan nuevos modelos de negocio, podrán crear una fuerte ventaja competitiva.

Estos son algunos de los retos más urgentes que deben superar primero:

#1. Requisitos reglamentarios

El éxito y la sostenibilidad del sector de los servicios financieros gira en torno a la confianza. Sin confianza, no tienen nada. Para conseguir y mantener esa confianza, las empresas de servicios financieros deben esforzarse por cumplir los requisitos normativos externos y las políticas internas, como la responsabilidad social corporativa (RSC).

La rápida proliferación de datos, combinada con la evolución del panorama normativo, ha sometido a las empresas a una enorme presión para modernizar sus sistemas. Al fin y al cabo, es mucho más difícil cumplir con las exigencias de las normas de retención de datos y de privacidad cuando la información se encuentra dispersa en sistemas dispares sin un modelo de gobernanza centralizado.

Dado el laberinto de normativas sobre el acceso y el uso de los datos financieros, las empresas deben esforzarse por consolidar sus flujos de datos para ampliar la gestión del riesgo de una manera que sea rentable pero lo suficientemente flexible como para aprovechar esos datos para el análisis.

#2. Integridad y calidad de los datos

Tener muchos datos suele considerarse algo bueno, pero también es importante recordar que no todos los datos son útiles. Cuando los datos proceden de muchas fuentes diferentes, es sólo cuestión de tiempo que empiecen a surgir conflictos. Cuando eso ocurre, la mala calidad de los datos se convierte en un serio problema que conduce a un análisis inadecuado.

Cuando la integridad de los datos se ve comprometida, suele ser el resultado de un error humano. Dicho esto, un algoritmo de aprendizaje automático utilizado para analizar datos a escala solo será tan eficaz como los datos utilizados para entrenarlo. Si las propias fuentes de datos están cargadas de información obsoleta o contradictoria, es probable que los resultados también sean problemáticos.

Para superar los retos en torno a la integridad y la calidad de los datos, las empresas de servicios financieros deben trabajar para podar e integrar sus flujos de datos. El objetivo final es tener una única fuente de verdad (Single Source Of Truth), en lugar de flujos de datos contradictorios que dan lugar a diferentes perspectivas.

#3. Seguridad y privacidad de la información

La mayor parte de los datos del mundo son los llamados datos oscuros, que se refieren a cualquier dato que no se utiliza para el análisis y que no se gestiona de forma exhaustiva. En el caso de las finanzas, los datos oscuros pueden representar un grave riesgo, simplemente porque es imposible proteger adecuadamente lo que no se conoce. Los datos oscuros a menudo quedan también fuera de los controles de seguridad, privacidad y cumplimiento normativo de la organización.

El sector de los servicios financieros es, como es lógico, uno de los objetivos favoritos de los hackers. Además, los atacantes van casi siempre a por los objetivos más fáciles. Los datos oscuros son intrínsecamente más vulnerables a los ataques que los datos recogidos y almacenados por los sistemas en producción, pero aún así pueden tener un gran valor para que los atacantes se apropien de ellos.

La seguridad y la privacidad de la información no pueden añadirse simplemente a posteriori. Por el contrario, deben ser incorporadas por diseño en cualquier estrategia de gobernanza de datos y en las herramientas utilizadas para facilitarla.

#4. Datos y silos organizativos

Los tres retos mencionados se ven agravados por el hecho de que muchas empresas tienen los datos ampliamente distribuidos en sistemas antiguos. Esto se da especialmente en el caso de las empresas de servicios financieros bien establecidas, muchas de las cuales han existido durante décadas.

Los bancos suelen tener enormes cantidades de datos en sistemas antiguos que no se interconectan bien, si es que lo hacen, con los nuevos sistemas basados en la nube. No se trata de un reto fácil ni barato de abordar, ya que requiere tiempo e inversión para extraer los datos de los sistemas antiguos y traducirlos a un formato que esté listo para los análisis modernos.

Si bien la modernización de los sistemas de datos debe ser el objetivo principal, las empresas de servicios financieros también deben adoptar un enfoque realista mediante la revisión y sustitución recurrente de sus sistemas para integrar sus flujos de datos.

#5. Falta de talento y experiencia

La analítica de grandes datos es un área relativamente nueva y emergente nacida de la proliferación rápida y sin precedentes de activos digitales. De hecho, la tecnología ha evolucionado tan rápidamente que las empresas han tenido dificultades para seguir el ritmo de los avances. Por ello, cada vez hay más escasez de personas con las habilidades y la experiencia necesarias para abordar la big data de manera eficaz.

Aunque la pandemia de coronavirus ha provocado un aumento del interés por las competencias de alta tecnología, como el análisis de grandes datos y la seguridad de la información, muchas empresas todavía tienen que recorrer un largo camino para cubrir todas las carencias de competencias.

Para mitigar estos problemas, deben adoptar la combinación óptima de formación y desarrollo profesional de los empleados, subcontratación y automatización.

Recursos Relacionados