Lo que el 'big data' financiero revela y cómo se usa en BBVA

En 2006, cuando Linkedin aún era una ‘startup’ con tan solo ocho millones de usuarios (hoy supera los 500), una pequeña idea revolucionaria cambió el rumbo de la compañía. La idea fue introducir algoritmos de ‘big data’ para sugerir a los usuarios nuevas conexiones a través del botón "personas que puede que conozcas" (PYMK, por sus siglas en inglés).

La funcionalidad generó millones de nuevas visitas y aumentó en un 30% la tasa de clics en nuevas páginas. Al poco tiempo fue imitada por otras compañías como Facebook o Yelp y el caso marcó un hito en el cambio de paradigma hacia un modelo de empresa que emplea los datos para ofrecer más y mejores servicios a los usuarios. “Las empresas ‘data-driven’ basan sus decisiones en algoritmos de inteligencia artificial que operan sobre grandes cantidades de datos, no sobre intuición”, afirmó Elena Alfaro, directora de Data y Open Innovation de BBVA, en un evento con analistas celebrado en Ciudad BBVA.

Bconomy: la app que te guía para tener tu colchón financiero

Alfaro explicó cómo los datos permiten a este tipo de empresas automatizar procesos y ofrecer experiencias cada vez más personalizadas. Por ejemplo, Amazon aumentó sus ventas un 30% al introducir el botón “otras personas también compraron estos productos” y en Netflix, el 85% de los contenidos que la gente ve se basa en recomendaciones, no en búsquedas. No obstante, no todos los datos son iguales: “Los algoritmos han existido hace mucho tiempo, pero en muchos casos no funcionan. Lo que marca la diferencia es disponer de los datos adecuados y de potencia de cálculo. Entonces es cuando sucede la magia de la inteligencia artificial”, apunta.

Del deseo a la acción

En el caso de BBVA, los datos de los que se disponen son distintos de algunos de los que alimentan los motores de inteligencia de empresas como, por ejemplo, Facebook. Mientras que los ‘likes’ de la compañía de Zuckerberg hablan de la “intención” de los usuarios, los datos con los que trabaja BBVA Data & Analytics muestran la evidencia de sus “acciones” financieras reales, distribuidas en el tiempo y el espacio, a partir de los datos de transacciones con tarjetas de crédito, lo que cambia completamente el paradigma.

Al estudiar estas acciones, los científicos de datos pueden crear distintos perfiles en función del comportamiento de los usuarios. Y al observar la evolución de estos perfiles en el tiempo, se crean patrones que permiten elaborar predicciones de futuro con las que se hacen recomendaciones personalizadas a los clientes para ayudarles a entender y a gestionar mejor sus finanzas.

Cómo se usa esta información

Sobre estas líneas dos imágenes permiten visualizar la información que puede obtenerse estudiando los datos de transacciones con tarjetas de crédito. A la izquierda, los puntos blancos representan los 710 millones de transacciones con tarjeta que están teniendo lugar en un millón de puntos de venta en España realizadas por un 53 millones de personas, lo que representa 43.000 millones de euros. A la derecha, al otro lado del Atlántico, México: en este caso los puntos blancos señalan a los 88 millones de personas que realizan 1.500 millones de transacciones con tarjeta de crédito en 1,1 millones de puntos de venta en el país por valor de 41.000 millones de euros.

“Combinando la información interna con datos externos, aplicando distintos niveles de ‘zoom’ y de agregación de conjuntos de datos, podemos ver cosas que antes eran invisibles y crear valor”, expone Alfaro. BBVA utiliza los datos en combinación con técnicas avanzadas de ‘machine learning’ en dos frentes: el externo, para personalizar la experiencia de usuario, escalar los servicios y crear relevancia para los usuarios; y en el interno, donde los datos están al servicio de la automatización de servicios, la eficiencia y la mejora de la toma de decisiones.

Al servicio de las decisiones

Un ejemplo de esto último es el programa desarrollado por BBVA Data & Analytics RedeX, que emplea diferentes tipos de datos —como transferencias bancarias, boletines oficiales y operaciones con otras instituciones— para mejorar el proceso de evaluación de riesgos en las solicitudes de crédito de clientes nuevos y actuales. El proyecto fue recientemente galardonado por la revista ‘The Banker’ con el premio al Proyecto Tecnológico del Año en la categoría de Gestión del Riesgo.

Por otro lado, de cara al usuario, BBVA es la primera entidad en España que ofrece un diagnóstico financiero digital basado en ‘big data’. Lo hace a través de la funcionalidad ‘BBVA Bconomy’ (¡Prueba la app!), que permite a los clientes conocer su salud financiera y acceder a planes a su medida para mejorarla. La herramienta mide la evolución de los ingresos y gastos, el nivel de ahorro, el gasto en vivienda, el nivel de endeudamiento, y califica con una nota media la salud financiera del cliente. Además, se nutre de otros datos externos para ofrecerle una comparativa sociodemográfica con otras personas de su entorno y de similares características.

Otra aplicación práctica de estos datos de cara al exterior es Commerce360, una herramienta para comercios basada en ‘big data’ que ya está disponible en México y España. Su valor es que convierte los datos de las transacciones con tarjeta en inteligencia comercial, lo que puede suponer una ventaja competitiva determinante. “Dada la gran cantidad de datos de los que disponemos, vimos que era posible utilizar esa capa de información sobre transacciones para ayudar a los pequeños comercios a conocer mejor lo que están haciendo sus competidores en el mismo contexto geográfico”, explica la responsable.

Los datos como servicio

Tanto Netflix como Amazon crean continuamente productos ‘data-based’ cuyas características responden al estudio de la información de la que disponen sobre los usuarios. Son sus gustos y hábitos los elementos que dan forma al siguiente servicio de forma que la garantía de éxito de su acogida, es mayor. Los usuarios, además, se acostumbran cada vez más a que los productos que consumen les ‘conozcan’ y sean acordes a sus expectativas.

Esta filosofía es ahora aplicable a un nuevo nivel gracias al uso de datos de operaciones financieras a través de APIs. BBVA ofrece en su API Market acceso a terceros a datos anónimos y agregados de operaciones financieras de ocho categorías distintas para crear nuevos servicios y productos a medida de los usuarios. La iniciativa (ya operativa en EEUU y España), es también fruto del trabajo de los científicos de datos de BBVA Data & Analytics y pone a disposición de terceros datos (previa autorización expresa) sobre clientes, tarjetas, notificaciones, cuentas, pagos y préstamos.

‘Data for good’

Saber cuántas personas, cuándo y dónde realizan operaciones financieras es una información de gran valor más allá del contexto estrictamente empresarial. Los movimientos financieros representan, al fin y al cabo, el movimiento de personas en el tiempo y el espacio e indican la evolución de su relación con entidades, comercios y otras personas en un contexto geográfico determinado.

A través de un proyecto de investigación junto con UN Global Pulse, BBVA Data & Analytics estudió cómo estos datos permiten analizar la capacidad de recuperación económica de una población tras una catástrofe natural. El proyecto, que estudió el impacto económico del huracán Odile en el estado mexicano de Baja California Sur en 2016, reveló que las personas gastaron un 50% más de lo habitual en productos como alimentos y gasolina como preparación para el huracán. También demostró que las mujeres gastaron el doble que los hombres en los días antes de que el huracán tocara tierra.