Delineando estrategias
Delineando estrategias
Delineando estrategias

4 aspectos clave para asegurar la analítica confiable en la banca

Publicado por Hermes Castañón y Carlos López Santibáñez

enero, 2018

Puntos Destacados:

  • La analítica confiable debe demostrar más que una buena práctica básica en el desarrollo de soluciones y administración de datos
  • ¿Cuáles son las 4 dimensiones o anclas clave para ayudar a asegurar la analítica confiable en una empresa?
  • Estas cuatro anclas pueden ayudar a identificar dónde están las brechas de confianza tanto es su analítica como en su personal

Con la analítica desempeñando un papel cada vez más fuerte, las posibles consecuencias de los errores y rendimiento insuficiente del negocio aumentan. Pero creemos que la analítica confiable debe demostrar más que una buena práctica básica en el desarrollo de soluciones y administración de datos. Los bancos necesitan que sus empleados actúen con integridad, al igual que sus motores de decisiones y algoritmos.

 

Consulte la publicación Prevención de lavado de dinero. Gestión de Riesgos Latentes

 

De hecho, tal vez más: un prejuicio no intencionado codificado en un algoritmo se propagará rápidamente hasta que se descubra y se componga, lo que podría conducir a problemas significativos de desconfianza entre los bancos y los clientes. Parece que ya nos estamos moviendo a un punto en el que nosotros, como consumidores, cada vez nos sentimos más cómodos con que los robots realicen diversas actividades de alto nivel.

 

Parece probable que el nuevo mercado en 'bots' (programa informativo que imita el comportamiento humano) asuma sencillos servicios al cliente. Los empleados, las juntas y los clientes confían cada vez más en motores de decisiones y algoritmos para asuntos importantes.

 

blog - frase resaltada - 4 aspectos clave para asegurar la analítica confiable en la banca.png

 

 

La cuestión es que solo unos pocos bancos actualmente ponen tanta atención a la integridad de sus analíticas como a la de sus empleados. La analítica suele ser tratada como una ‘caja negra', mientras que, en realidad, las organizaciones tienen que empezar a pensar en sus analíticas como entidades independientes en sí mismas; como intermediarios críticos entre las partes interesadas y la organización.

 

Esto crea nuevos retos para los bancos y sus juntas de consejo, que se les pide esencialmente que entreguen la toma de decisiones a una "entidad" de terceros que un banco puede o no haber entendido plenamente.

 

Los bancos y sus reguladores necesitan tener los marcos adecuados implementados para poder confiar en los datos y la analítica que sustenten sus decisiones y acciones. De hecho, ayudar a asegurar la analítica confiable en una empresa puede abordarse a través de cuatro dimensiones o anclas clave:

1. Calidad: ¿son de alta calidad los datos subyacentes y la analítica?

La mayoría de los bancos están conscientes de la necesidad de datos confiables e innovadores, y los retos importantes que esto crea para los programas “conozca su cliente” (KYC), por ejemplo, de manera que surgen nuevas preguntas conforme la analítica cumple con un papel más importante en la organización.

 

¿Se está aplicando el modelo matemático adecuado? Y, ¿cómo mantiene la calidad de los datos y de la analítica cuando se trabaja con una amplia gama de proveedores y talento interno? ¿Cuáles capacidades, procedimientos y controles deben rodear la analítica en diferentes funciones de negocio?

2. Eficacia: ¿funciona como está previsto?

Los ejecutivos y reguladores quieren estar seguros de que la analítica funciona tanto en teoría, como en la práctica, que alcanza su propósito previsto en el contexto en el que opera en un momento dado. Esto no siempre es fácil.

 

A medida que las aplicaciones de aprendizaje por máquina e inteligencia artificial (AI) se extienden a sistemas cada vez más complejos del mundo real, es posible que no estemos seguros durante el desarrollo de si un uso específico de datos funcionará en la vida real o si un modelo entrenado en datos históricos será un reflejo justo de la realidad futura.

 

Los bancos tienen que asegurarse de que están utilizando la analítica adecuada (según lo determinado por expertos en la materia) para lograr el resultado previsto en cada situación. Ellos también tendrán que asegurarse que los empleados estén usando la analítica de una manera adecuada: apropiarse de un algoritmo (o sacarlo del sistema) para obtener beneficios personales, por ejemplo, podría suponer un riesgo significativo para los bancos.

3. Integridad: ¿se considera aceptable su uso?

El cumplimiento legal (por ejemplo, con las leyes de privacidad de datos) solo es una parte de la historia. En muchos sentidos, una extensión del debate de conducta y un marco claro para la integridad aumenta las posibilidades de que la analítica esté siendo utilizada en el mejor interés de los consumidores y será clave para la creación de la analítica confiable.

 

Los bancos tienen que entender el acuerdo implícito que tienen con sus clientes y tendrán que tener cuidado de no sobrepasar los límites acordados en la relación. El hecho de que usted tenga los datos y pueda hacer algo legalmente, no necesariamente significa que deba hacerlo. Por ejemplo, demasiada intrusión puede sobrepasar la ”línea de la frontera” con los clientes.

4: Control operativo: ¿se está optimizando la operación a largo plazo?

En un mundo que cambia rápidamente, muchas veces impulsado por los datos, el manejo de la analítica nunca se queda inerte. Los bancos están familiarizados con la vigilancia cibernética, los avances técnicos y los cambios normativos, pero están menos acostumbrados a los problemas de la moneda de datos y el algoritmo “retrasado”, donde (con el tiempo) la analítica se puede realizar de manera diferente y quedarse atrás de las mejores prácticas actuales en la toma de decisiones humanas. Los bancos necesitan estrategias de gobierno claras, no solo para los riesgos emergentes, sino también para optimizar el rendimiento y justificar las inversiones.

 

En definitiva, la confianza comienza por saber qué datos se tiene y cuál es el alcance del impacto de la analítica, a menudo compleja. Una de las cuestiones iniciales clave que los encargados de la toma de decisiones bancarias es que deben considerar, conforme aplican el marco de confianza es si ellos confían tanto en su analítica como confían en su personal. Si la respuesta es no, las cuatro anclas pueden ayudar a identificar dónde están las brechas.

 

Armados con una evaluación a través de estas cuatro anclas de confianza, la Alta Dirección no solo puede construir analíticas confiables, sino también aprovechar sus conocimientos para empezar a influir en esos “momentos de verdad” con mayor precisión y construir una confianza más fuerte con los clientes.

 

Opine: además de la banca, ¿en qué otras industrias considera que la integridad de la analítica debe ser prioritaria?

Temas: Administración de Riesgos

¡Opine!