El Grupo BBVA ha celebrado 'BBVA Brainstorm: el poder de los datos', evento interno creado con el ánimo de explicar a todos los empleados del banco, la marcha de algunos de los proyectos más estratégicos y cómo se está trabajando en ellos.
En esta ocasión, Marco Bressan, Chief Data Scientist de BBVA, ha ejercido de maestro de ceremonias en un evento cuyo principal objetivo es explicar algunos ejemplos así como las ventajas, de hacer que el banco sea una entidad cada vez más “data-driven” o guiada por los datos. “Las empresas que trabajan de este modo, toman sus decisiones, diseñan sus procesos internos y, sobre todo, la experiencia de sus clientes basadas en datos. En general, son las máquinas las que toman estas decisiones y aprenden a tomarlas con datos”, ha explicado Bressan a modo de bienvenida.
El dato es lo que nos permitirá crear oportunidades para nuestros clientes, ajustadas a sus necesidades y circunstancias
Pero, ¿qué tienen en común las empresas data-driven? El experto en datos y analítica de BBVA ha explicado sus características básicas:
Entienden a la perfección qué pretende el cliente de ellas y ajustan sus experiencias a estas expectativas, es decir, usan el dato dentro de cada producto. Entienden el trade-off entre confianza y datos como determinante de la relación con los clientes. Usan los datos en todas sus decisiones y la mayoría de ellas se hacen de forma automática. Gracias a los datos, estas compañías y sus empleados aprenden y se adaptan de manera ágil.
Como primer ejemplo de la gestión de grandes volúmenes de datos, Elena Alfaro, CEO de BBVA Data&Analytics ha explicado la labor de su equipo, que se dedica a crear nuevos productos y servicios basados en los datos procedentes principalmente de la actividad transaccional. Además, éstos se pueden combinar con otros datos extraídos de fuentes externas (otras páginas web, redes sociales, etc.) de manera que se puede obtener información sobre la realidad de los clientes y crear productos de valor para ellos. Es en este punto donde cobran importancia las tecnologías de machine learning; Poder ofrecer un servicio personalizado a cada cliente sólo es posible si una máquina aprende del comportamiento de cada persona basándose en sus datos y le ofrece así, lo que ese cliente en concreto necesita.
Alfaro también ha explicado cómo se dieron cuenta de que los datos transaccionales con los que contaban podían tener una segunda vida; fue así que decidieron "devolver" a los clientes retail (comercios) los datos de la actividad de sus negocios, pero aportando además conocimiento y ayuda para tomar decisiones sobre su negocio. De esta manera nació Commerce360. Esta es una herramienta web que convierte los datos anónimos y agregados de compras de clientes con tarjetas de BBVA en TPVs físicos en información útil para los negocios de sus clientes. Ya está disponible tanto en España como en México.
Marco Bressan, Chief Data Scientist de BBVA durante su intervención.
Por su parte, Alejandro Valladares, responsable de Business Intelligence en BBVA España, ha comentado cómo está aplicando distintas metodologías en el banco con resultados muy positivos. Las necesidades de los clientes cambian con los nuevos tiempos y demandan nuevas capacidades:
- Más velocidad, dando respuesta en tiempo real ante sus eventos o necesidades
- Conocer todos sus datos internos, en cada interacción o contacto, para mejorar su experiencia de cliente
- Nuevos datos externos, ya sean públicos o cedidos por el cliente, que complementen la visión interna
Con el fin de dar el servicio esperado por los clientes, distintas unidades del Grupo están en pleno proceso de transformación para atender a las nuevas demandas de analítica, con nuevo talento y capacidades, nuevas plataformas tecnológicas y nuevas formas de trabajo (agile, organización por proyectos) para capturar el valor de negocio de los datos.
Casos de éxito
Juanjo Divassón de Madiva Soluciones, empresa que el banco adquirió hace dos años, ha explicado uno de los casos más exitosos de productos de BBVA basados en datos en cuyo desarrollo ha colaborado: BBVA Valora, una herramienta que permite a cualquier persona conocer el precio más adecuado para comprar o alquilar una casa. En este proyecto el banco ha puesto la tecnología y los datos al servicio de los clientes con el objetivo de ayudarles a tomar las mejores soluciones.
De la misma manera, Madiva ha colaborado en la renovación del sistema de Seguros de Hogar utilizado en las oficinas bancarias. El reto estaba en agilizar el proceso, lo que consiguen gestionando datos externos. El cliente sólo tiene que proporcionar su dirección completa al gestor de la oficina y el resto de datos los proporciona el catastro oficial. El proceso es muy sencillo y rápido. Estos ejemplos confirman que el banco es data driven, y que el uso de datos para mejorar procesos y experiencia ya está aquí.
Como colofón del evento, Marco Bressan ha querido matizar el significado de algunos términos muy relacionados con el uso de grandes volúmenes de datos por parte de compañías. Uno de ellos es la inteligencia artificial: para que una máquina desarrolle una inteligencia o, como mínimo, sea capaz de ejecutar tareas cognitivas, tiene que ser sobre todo capaz de aprender. La forma más eficiente que hemos desarrollado para que las máquinas aprendan es mostrándoles muchos datos, señaló. La disciplina que se ocupa de desarrollar técnicas para que las máquinas aprendan se llama, machine learning. Algunos algoritmos de aprendizaje ya son bastante famosos como las redes neuronales o el deep learning. Las técnicas de aprendizaje generalmente no son muy nuevas. Lo nuevo es el poder alimentar estos algoritmos con grandes cantidades de datos.
Bressan ha concluido el evento animando a los empleados de BBVA a seguir construyendo entre todos el data-driven bank de manera de hacer realidad el propósito del banco: poner al alcance de todos las oportunidades de esta nueva era.