Big Data en el sector financiero: casos de uso en riesgo, fraude, cumplimiento y trading

Deloitte Advisory
Big Data: de la investigación científica a la gestión
empresarial
Julio 2014
Experiencias en el sector financiero

- 2 -
©DeloitteAdvisory-2014
Contenidos
1. Big Data: Evolución, necesidades de negocio y fuentes de datos
2. Casos de uso en el sector financiero
3. Visión de Deloitte

1. Big Data: Evolución, necesidades de negocio y fuentes de datos

- 4 -
Big Data es el siguiente paso en la evolución de la gestión de la información a la
analítica avanzada
Data
Management
•Procesamiento y
estándares
•Integración de
datos
Reporting
•Procesos de
negocio
estandarizados
•Criterios de
evaluación de la
información
Data Analysis
•Foco en el “por
qué”
•Procesamiento
analítico en
línea (OLAP, On-
Line Analytical
Processing)
Modeling &
Predicting
•Empleo de
métodos
avanzados de
extracción de
datos
•Algoritmos
predictivos de
análisis
“Fast Data”
•Información
generada en
tiempo real
•Análisis en casi
tiempo real como
soporte a la
tomar de
decisiones
•Análisis de flujos
de información,
identificación de
eventos
significativos y
gestión de
alertas
“Big Data”
•Manejo de
grandes
volúmenes de
información
multi-
estructurada
•Métodos
específicos de
extracción de
datos
MADUREZ
Fuente: TDWI, HighPoint Solutions, DSSResources.com, Credit Suisse, Deloitte

- 5 -
Hoy la tecnología permite la monitorización en tiempo real de personas y mercados
generando nuevos modelos de negocio y una nueva forma de definir la estrategia
La banca tiene su foco puesto en la generación de ingresos a través del mejor conocimiento de sus
clientes y la búsqueda de nuevas oportunidades de crecimiento
Retail BancaSeguros TMTGobierno Fabric.- Utilit.
Conocimiento de
clientes
Salud
Cumplimiento
normativo
Innovación
Oportunidades de
crecimiento
Rendimiento
interno de la
compañía
Estudios de
mercado
Mejora de los
procesos de
negocio
3 4 2 1 1 1 1
4 5 2 1 4 4 1
3 4 1 2 1 3 2
3 3 2 1 1 1 1
1 2 2 4 3 3 3
1 2 2 3 1 2 2
2 3 1 3 2 2 3
Fuente: Gartner (Oct’2013)
4 531 2
máx mín
PRIORIDADES
POR
INDUSTRIA
Fuente: Gartner (Oct’2013)

- 6 -
La banca tiene a su disposición muchas fuentes de información que no explota actualmente
Transacciones
Datos de registro
M2M / sensores
Emails /
documentos
Redes sociales
Texto libre
Datos
geolocalizados
Fuente: Gartner (Sep’2013)
TIPOS DE
DATOS
EXPLOTADOS
CON BIG DATA
Imágenes
Video
Audio
Salud
1
3
3
4
5
2
5
4
5
5
Gobierno
2
2
3
3
4
3
4
4
5
5
Fabric.
1
3
2
4
3
4
4
4
5
4
Seguros
1
2
3
3
4
3
4
4
5
5
TMT
2
2
3
3
2
4
4
4
4
4
Retail
1
3
4
4
1
4
4
4
4
5
Banca
1
2
4
3
4
3
4
5
5
5
4 531 2
máx mín
Utilit.
1
3
2
4
5
3
3
5
5
5

2. Casos de uso en el sector financiero

- 8 -
Big Data permite al sector financiero el diseño y explotación real de una analítica de datos
rica en fuentes y volumen
Nuevas
fuentes de
ingresos
Mejora de
operativa de
venta
Riesgo, fraude y
seguridad
Compliance
Personalización
avanzada
Trading
BIG
DATA
01. Credit scoring
02. Fraude interno
03. Fraud rings
04. Proveedores y clientes
05. Ciberseguridad
01. Detención de abuso de
mercado
02. Prevención blanqueo de
capitales
03. DODD FRANK EMIR
01. Cajeros optimizados
02. Estrategia de pricing
03. Customer journeys
01. Cliente 360º
02. Offering adaptado
03. Gestión de eventos
04. Voice analysis
01. Ampliación del offering
02. Next best offer
03. M2M
01. Trading algorítmico
02. Posición intradía
03. HFT

- 9 -
Casos de Riesgo, fraude, seguridad y Compliance
Nuevas
fuentes de
ingresos
Mejora de
operativa de
venta
Riesgo, fraude y
seguridad
Compliance
Personalización
avanzada
Trading
BIG
DATA
01. Credit scoring
02. Fraude interno
03. Fraud rings
04. Proveedores y clientes
05. Ciberseguridad
01. Detención de abuso de
mercado
02. Prevención blanqueo de
capitales
03. DODD FRANK EMIR

- 10 -
Riesgo, fraude y seguridad
Big Data permite la construcción de modelos de credit risk assessment y credit scoring a
partir de miles de indicadores
La utilización masiva de información, tanto interna como externa al banco permite
identificar comportamientos de fraude llevados a cabo por los propios empleados
Establecer controles complejos en tiempo real permite no sólo identificarlos, sino
prevenirlos y llegar a interceptarlos
Los fraud rings, construidos a partir de analítica gráfica avanzada, permiten identificar las
relaciones existentes entre situaciones de fraude y cuáles son las variables
correladas (área, empleado o tipo de transacciones, por ejemplo)
El uso de herramientas de Big Data permite un profundo conocimiento de las empresas con
las que se entabla una relación comercial (y posibles fuentes de riesgo y fraude)
La banca es uno de los objetivos tradicionales de los ciberataques. El uso de herramientas
de Big Data permite correlacionar eventos en diferentes orígenes para identificar
ataques coordinados, intentos de robo o venta de información obtenida
irregularmente. El análisis de foros y la “deep web” permite identificar ataques durante su
gestación, incluso antes de que se cometan
01.
CREDIT
SCORING
02.
FRAUDE
INTERNO
03.
FRAUD RINGS
04.
PROVEEDORES
Y CLIENTES
05.
CIBERSEGURIDAD

- 11 -
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• La entidad tenía la necesidad de identificar patrones de fraude
tanto interno como externo en diferentes canales.
• También debían dar cobertura a varios requerimientos
normativos para los que no era suficiente con las herramientas
tradicionales de reporting regulatorio
• Implantar una solución tecnológica que permitiera almacenar
información transaccional de forma masiva en la entidad
• Esta solución permite el acceso de forma eficiente a otras fuentes
tales como datos de mercado intradía, información
desestructurada, gestores documentales, etc.
• Implementar motores de detección, perfilado y una gestión de
casos específica para cada una de las necesidades, siempre
sobre la misma plataforma tecnológica cross a diferentes funciones
en la entidad
• Además de los derivados de la mejora en la detección de fraude y
el cumplimiento de la regulación, el banco obtuvo una mejora en
los procesos operativos de revisión de casos que les permite
ampliar su alcance de revisión tanto en nuevos ámbitos como en
investigación proactiva
Identificación de patrones de fraude
(International Financial Services Firm)

- 12 -
La reducción de las pérdidas por fraude
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• VISA había cuantificado unas pérdidas de 6 céntimos (por de cada
100 dólares de transacción) asociadas a actividades fraudulentas
• La compañía buscaba redefinir su modelo analítico para incorporar
más y mejores métricas que permitieran reducir la tasa de fraude,
puesto que hasta la fecha sólo procesaba el 2% de los datos
• Se redefinió la arquitectura de datos de modo que estuviera
soportada por una solución Big Data
• Se seleccionaron 200 variables con información relevante
• Se sustituyó un único modelo analítico por dieciséis modelos que
además estaban diseñados para ser redefinidos con facilidad
• Reducción de las pérdidas por fraude en varios miles de millones
de dólares anuales
• VISA es una compañía que ofrece servicios de pagos a nivel global
(4,5 B$ en 2013) para consumidores, empresas, gobiernos y bancos
• Con presencia en más de 200 países, gestiona una red de 2,1
millones de cajeros y 2.200 millones de tarjetas de crédito

- 13 -
Reducción del riesgo por transacción
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• Con una cartera de millones de clientes en todo el mundo y una
media de 29 transacciones por segundo en 2013, la cantidad de
información disponible (de emisores y receptores) era enorme e
inexplotada
• Se buscaba diseñar un modelo predictivo en tiempo real que se
alimentara de la información procedente de múltiples canales
(web, móvil y fuerza de ventas directa), con el objetivo último de
reducir el riesgo y luchar contra el lavado de dinero
• Se diseñó un sistema predictivo de análisis sobre la información
almacenada y la capturable a través de los canales de la compañía
• Se implantó un hub de 64 procesadores que se alimentaba de
datos estructurados (de varias bases de datos, transaccional) e
información no estructurada (clic streams, datos de
comportamiento, registros, sentiment data, etc.)
• La gestión de las transacciones es más robusta gracias a la calidad
de la información capturada y a la analítica que le saca provecho
• Se ha reforzado la inteligencia embebida en la app para reducir el
fraude asociado a las transacciones
• Western Union ofrece servicios de envío de dinero entre particulares y
empresas. En 2013, las transacciones fueron superiores a 82.000 M$
• Con presencia en más de 200 países, gestiona una red de 100.000
puntos de servicio y 500.000 agentes locales

- 14 -
Compliance
La identificación de patrones de lavado de dinero es más eficiente si está soportada por
Big Data gracias a la incorporación de más información (como transacciones y redes de
contactos), el uso de analítica grafológica y el análisis en tiempo real
La diligencia debida sobre clientes y proveedores para la prevención del blanqueo de
capitales y financiación del terrorismo incluye la necesidad de ser conocedor de la existencia
de noticias negativas sobre las personas físicas y jurídicas
Se introduce en estas normativas entre otras muchas, la obligación de Trade
Reconstruction (. los Bancos deben ser capaces de recomponer un “trade”)
En cuestión de horas, el banco debe ser capaz de enviar la información relativa a una
transacción, incluyendo aquellas comunicaciones de mensajería por varios canales,
correo electrónico, y voz
Las entidades financieras que operan en mercados de capitales tienen la obligación
regulatoria de identificar y comunicar operaciones sospechosas de constituir abuso de
mercado por manipulación o uso de información privilegiada. Para ello es necesario
procesar transacciones, datos de mercado, noticias y relaciones entre personas. La
tecnología de Big Data permite a las soluciones más avanzadas correlacionar también esta
información con conversaciones de voz y de mensajería por diferentes canales
01.
DETECCIÓN DE
ABUSO DE MERCADO
02.
PREVENCIÓN
BLANQUEO DE
CAPITALES
03.
DODD FRANK
EMIR

- 15 -
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• Implantar tecnología de prevención y detección de blanqueo de
capitales
• Diligencia debida de clientes, filtrado de listas y sanciones y
monitorización transaccional
• AML Risk scoring de clientes basado en la información disponible de
los formularios KYC así como en la existencia de noticias negativas
• Gestor de casos con acceso a la información masiva a nivel de
usuario
• Filtrado de clientes, empleados y personas frente a información de
listas
• Monitorización transaccional de comportamientos complejos y
descubrimiento de relaciones
• Cumplimiento normativo (AML, OFAC, FINCEN 314, CTR, …)
• Mejor conocimiento de clientes, proveedores y empleados
Prevención de Blanqueo de Capitales
(International Financial Services Firm
Based in the US)

- 16 -
Velocidad
AlcanceProfundidad
Velocidad
AlcanceProfundidad
Sin tecnología
Con tecnología
 Actuación preventiva. Capacidad de trabajar en tiempo real
 Capacidad de abarcar más, gracias a la focalización de los
recursos en casos relevantes
 Bajo impacto en la profundidad del esfuerzo de investigación
 Actuación reactiva. El fraude ya se ha cometido
 El uso ineficiente de los recursos disponibles en casos
irrelevantes reduce el alcance
 Profundidad ilimitada en la investigación de los casos más
complejos
Financial Crime – Importancia de la Tecnología

- 17 -
Financial Crime – Importancia de la Tecnología
Enriquecimiento y contextualización de la información del evento
Mantenimiento de la seguridad y confidencialidad de datos sensibles
Filtrado de falsos positivos
Gestión agregada de documentación de casos
Consulta interactiva para investigación
Monitorización 24/7 en tiempo real

- 18 -
Financial Crime – Las líneas divisorias son cada vez menos claras…
 Solapamientos:
– Datos
– Infraestructura/Operaciones
– Software/Lógica
– Recursos/Habilidades
– Denuncia/Reporting
– Oportunidades de Detección
– Obligaciones regulatorias
– Implantación
Detección del
Fraude
Detección
del
blanqueo de
capitales
Detección de
la financiación
del terrorismo

- 19 -
Financial Crime y Big Data: Ejemplos de sinergias
 Solapamientos:
– Datos
– Infraestructura/Operaciones
– Software/Lógica
– Recursos/Habilidades
– Denuncia/Reporting
– Oportunidades de Detección
– Obligaciones regulatorias
– Implantación
FATCA Blanqueo
de Capitales
Abuso de
Mercado
Fraude
Interno
Todos los clientes de la entidad, cuentas asociadas, direcciones,
teléfonos, documentos, voz, mensajería…
Cálculo de Perfiles de Clientes, Customer Due Dilligence, Motores de
Reglas, Modelos Predictivos…
Análisis de casos, recopilación de evidencias...
Denuncia o Reporting al regulador
Ventajas derivadas de compartir datos y lógica, duplicidad de
información, extracción de sistemas host…
Bases de Datos, Información de Análisis, Equipos de Análisis de
Operaciones Sospechosas, Flujos de Trabajo…
Front Running, Rogue Trading,
Insider Trading…
Cusomer Due Dilligence /
Requisitos de Información
Reporting
Interno

- 20 -
Factores de éxito para una estrategia global
Añadir análisis lógico que beneficie a múltiples áreas a partir de información común
Comenzar con los departamentos más eficaces en el uso de tecnología analítica contra el fraude
Enfoque progresivo, evitando remplazo de las herramientas tecnológicas de detección, pero
sí agregando su resultados: Gestor de casos de fraude
Consolidar la información de inteligencia de distintos silos y canales para tomar decisiones
más informadas – mejora del servicio al cliente
Difundir las mejores prácticas entre distintas líneas de negocio y departamentos internos.

- 21 -
Casos de Personalización avanzada, Nuevas fuentes de Ingresos, Mejora de operativa de
venta y Trading
Nuevas
fuentes de
ingresos
Mejora de
operativa de
venta
Riesgo, fraude y
seguridad
Compliance
Personalización
avanzada
Trading
BIG
DATA
01. Cajeros optimizados
02. Estrategia de pricing
03. Customer journeys
01. Cliente 360º
02. Offering adaptado
03. Gestión de eventos
04. Voice analysis
01. Ampliación del offering
02. Next best offer
03. M2M
01. Trading algorítmico
02. Posición intradía
03. HFT

- 22 -
Personalización avanzada
La construcción de la visión 360º de un cliente sólo es posible incorporando información no
estructurada (procedente de redes sociales, medios de información, etc.) y análisis de
relación entre clientes. Así, como se hacía en el pasado, la concesión de un crédito a un
individuo puede verse afectada por el riesgo crediticio de su padre (por ejemplo)
La información generada en los puntos de venta, a partir del uso de una tarjeta de
crédito, permite alimentar el análisis de las necesidades, hábitos y eventos clave de los
clientes con el objetivo de adaptar productos/servicios actualmente comercializados
Big data permite sacar más partido a las técnicas de reconocimiento de voz,
extrayendo información más compleja a partir de una conversación telefónica. Para ello
se emplean diccionarios de palabras clave y es necesaria una gran capacidad de
computación
01.
CLIENTE 360º
02.
OFFERING
ADAPTADO
03.
GESTIÓN DE
EVENTOS
Las herramientas de Big Data permiten la identificación de eventos clave de la vida de los
clientes que guardan cierta correlación con productos / servicios ofrecidos por las
entidades financieras
04.
VOICE
ANALYSIS

- 23 -
Personalización avanzada a partir de los hábitos de compra analizados por
VISA y la cercanía a una tienda GAP
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• VISA y GAP buscaban generar ofertas altamente relevantes para
el público de las tiendas. El momento en el que se ofrecían a los
potenciales clientes también debía ser el adecuado
• El objetivo último era incrementar tanto el número de
transacciones así como el ticket medio de compra
• Se implementó un sistema de análisis en tiempo real de los
hábitos de compra que permitió generar ofertas personalizadas
para clientes que se encontraran cerca de una tienda GAP
• Los clientes debían ser usuarios de la app “Gap Mobile4U” y recibían
códigos que debían presentar en la caja de la tienda
• Ofertas más relevantes para el público objetivo (y presentadas en el
momento adecuado: en las inmediaciones de una tienda GAP)
• Incremento de la respuesta de los clientes a promociones
• Incremento (+109%) de las ventas sobre los usuarios de la app
• GAP es primera compañía textil en EE.UU. (y la segunda en el
mundo). Posee más de 3.500 tiendas y unos ingresos anuales
superiores a 15.000 M$
• El 39% de los ingresos de VISA (11.778 M$) proceden del
procesamiento de datos de los consumidores finales

- 24 -
Mejora de la calidad de la cartera y rediseño del offering crediticio
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• Reducir los indicadores relacionados con el impago y el fraude en
productos de crédito
• Revisar las características de los productos ofertados
• Citibank diseñó un modelo analítico sobre una arquitectura Big Data
que se alimentaba de condiciones de mercado, eventos clave de
la vida de los clientes, interacciones / registros de medios
sociales y elecciones pasadas
• Gracias a una mejor predicción de cuáles podrían ser los
potenciales clientes que generarían problemas en sus créditos /
préstamos, Citibank mejoró la calidad de su cartera
• Adicionalmente, el banco rediseñó su offering para adaptarse a
las necesidades reales de su público objetivo
• Citibank es líder mundial de servicios financieros para consumidores,
empresas, instituciones y gobiernos en todo el mundo. En 2013
registró unos ingresos de 72.000 M$
• Con presencia en más de 160 países, gestiona una red de 8.100
oficinas y 200 millones de cuentas de clientes

- 25 -
Nuevas fuentes de ingresos
La información generada en los puntos de venta, a partir del uso de una tarjeta de
crédito, permite alimentar el análisis de las necesidades, hábitos y eventos clave de los
clientes con el objetivo de diseñar (en combinación con otras variables como los
productos/servicios actualmente contratados) nuevas vías de obtención de ingresos
El análisis en tiempo real de correos electrónicos, operaciones de compra/venta,
precios de mercado, noticias , actividades de traders y otra información disponible
puede alimentar modelos de prevención del comportamiento de los mercados,
identificar prácticas ilegales / abusivas
Big Data permite extender el uso de next best offer al sector financiero, apoyándose en
fuentes de datos estructuradas y no estructuradas: navegación web previa, actividad en
redes sociales, etc.
Multitud de dispositivos permiten obtener el posicionamiento de los clientes en tiempo
real, posibilitando la generación de leads o la creación de nuevas fuentes de ingresos
para las compañías a partir del estudio de patrones de comportamiento
01.
AMPLIACIÓN
DEL OFFERING
02.
VIGILANCIA DE
MERCADOS
03.
NEXT BEST
OFFER
04.
M2M

- 26 -
• Pioneerwv Federal Credit Union ofrece servicios financieros locales a
sus 16.000 clientes en el estado de Virginia
• Posee activos valorados en más de 168 M$
Identificación acelerada y proactiva de oportunidades de negocio
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• La práctica de desarrollo de negocio era prácticamente inexistente
debido a las dificultades para identificar y tratar la información
necesaria
• Pioneer se descarga y analiza los estados financieros de 7.500
uniones crediticias
• El modelo implementado plantea escenarios combinando las
situaciones financieras de Pioneer y uno o varios agentes del
mercado
• Identificación de oportunidades de colaboración/fusión con otras
entidades de crédito, simulando todos los resultados de todos los
escenarios posibles a futuro
• Reducción de la carga de trabajo manual asignada a la búsqueda
y tratamiento de la información

- 27 -
Mejora de operativa de venta
Los servicios que dan los cajeros pueden mejorarse gracias a Big Data, combinando
información sobre el momento idóneo para recoger el dinero almacenado, la cantidad de
efectivo en caja, los patrones de comportamiento del público y ubicación geográfica, por
ejemplo.
Big Data permite incorporar nuevas fuentes de información en la definición en tiempo
real del precio de seguros, las comisiones de una tarjeta de crédito u otros productos
/ servicios financieros
La captura y el posterior tratamiento de información compleja sobre los eventos de la
vida de los clientes permite la definición de customer journeys que permiten la revisión
profunda de la estrategia de las entidades financieras
01.
CAJEROS
OPTIMIZADOS
02.
ESTRATEGIA
DE PRICING
03.
CUSTOMER
JOURNEYS

- 28 -
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• Bank of America no era capaz de analizar todos los datos
almacenados de sus 50 millones de clientes. Su analítica se había
limitado a hacer muestreos sobre sus bases de datos
• El banco quería, asimismo, analizar la información desestructurada
proveniente de múltiples fuentes, con el objetivo de relacionar el producto
adecuado a cada demanda del mercado
• Se definió una estrategia de muilticanalidad que asegurara la
integración de los datos de todos los canales y se implantó una
arquitectura Big Data, alimentada por información de transacciones, datos
almacenados de clientes e información desestructurada
• Se definieron modelos de correlación entre las características de los
microsegmentos, los productos contratados y la oferta de la
competencia
• Estructura organizativa consolidada y más eficiente, alineada con las
demandas de información y capacidades de análisis de Big Data
• Mayor conocimiento de su base de clientes a través de análisis más
profundos y más rápidos en su ejecución
• Redefinición de la estrategia del banco hacia un modelo en el que el
cliente es el centro (se han lanzado pilotos posteriores para simular
customer journeys)
Cincuenta millones de clientes y la redefinición estratégica
• Bank of America ofrece servicios y financieros principalmente en Estados
Unidos
• En 2012 registró unos ingresos de 100.000 M$ (situándose como la
quinta mayor compañía en EE.UU)

- 29 -
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• First Tennessee tenía dificultades en crear una estrategia de
venta apoyada en todos sus canales que a la vez fuera eficiente
• Los modelos analíticos implantados en el pasado eran demasiado
rígidos y carecían de la potencia suficiente para mejorar la
rentabilidad de la entidad financiera
• El modelo implementado se alimenta de constantes
actualizaciones en la información de sus clientes, detectando
cambios en preferencias y patrones de consumo
• A partir de parámetros de mercado, clientes y productos, el modelo
calculaba los umbrales de rentabilidad para cada tipo de producto
para cada segmento de cliente. Cada cliente es calificado (scored) y
se le asigna el offering que maximiza las posibilidades de venta
• +600% en rendimiento de las inversiones en marketing
• +3,1% en la respuesta a campañas de marketing gracias a una mejor
adaptación de la oferta a clientes en cartera o potenciales clientes
• -20% en costes de comunicaciones por correo y -17% en costes de
impresión debido a una mejor identificación de los clientes sensibles a
este tipo de comunicaciones
La gestión de los recursos de marketing orientados al ROI
• First Tennessee ofrece servicios financieros en Estados Unidos
• Tiene 17,2 M$ en depósitos y 16.300 M$ en préstamos

- 30 -
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• Con una media de 29 transacciones por segundo en 2013, la cantidad
de información disponible (de emisores y receptores) era enorme e
inexplotada
• Se buscaba ser más eficiente en la generación de leads, mejorando la
experiencia de cliente a través de los múltiples canales disponibles
(web, móvil y fuerza de ventas directa)
• Se diseñó un sistema integral de gestión de canales, eventos y su
información asociada que permitía explotar una visión 360º de los clientes
• Se implantó un hub de 64 procesadores que se alimentaba de datos
estructurados (de varias bases de datos, transaccional) e información
no estructurada (clic streams, datos de comportamiento, registros,
sentiment data, etc.)
• El sistema es capaz de analizar 100 TB de información almacenada
para dar una respuesta rápida a las necesidades cross-channel de los
clientes
• WU es capaz de facilitar productos específicos para cada segmento y
ubicación. Así, por ejemplo, tiene estrategias de comercialización
específicas para los clientes de origen asiático del Chinatown de San
Francisco, los filipinos residentes en Daly City y la comunidad mejicana de
Mission District
• Se han incluido funcionalidades en la app y se han mejorado otras,
reduciendo la complejidad de las transacciones y reforzando su seguridad
Desarrollo de una estrategia omni-canal soportada por Big Data
• Western Union ofrece servicios de envío de dinero entre particulares y
empresas. En 2013, las transacciones fueron superiores a 82.000 M$
• Con presencia en más de 200 países, gestiona una red de 100.000 puntos
de servicio y 500.000 agentes locales

- 31 -
Trading
01.
TRADING
ALGORÍTMICO
El trading algorítmico se ha refinado con el uso de Big Data, particularmente con la inclusión
de información no estructurada (generada, por ejemplo, en redes sociales). De este
modo, los eventos que pueden afectar a los mercados pueden incluirse inmediatamente
en el modelo de análisis predictivo
La gestión de la posición intradía es la monitorización de los movimientos de los
precios, en relación a ciertas posiciones, con el objetivo de hacer trading y redefinir
decisiones estratégicas
02.
POSICIÓN
INTRADÍA
03.
HFT
El uso y los beneficios del HFT ha decaído en los últimos años (en 2012, los traders sólo
movieron 1.600 millones de dólares al día, un 51% menos que el año anterior). Big Data
abre nuevas posibilidades de evolución y crecimiento sobre HFT

- 32 -
LA NECESIDAD
LA SOLUCIÓN
LOS BENEFICIOS
• NYSE analiza varios terabytes diarios en busca de patrones
sospechosos, anticiparse a cambios bruscos del mercado o
identificar deficiencia en el funcionamiento de los sistemas
• Los sistemas tradicionales requerían ventanas de ejecución de
casi 24h
• Se simplificó el almacenamiento y el análisis de la información
necesaria (proveniente de varios sistemas de NYSE) con una
arquitectura Big Data
• La agilidad en la recolección y computación permitió asimismo
mejorar los algoritmos (haciéndolos más flexibles)
• -99% de tiempo de ejecución de algoritmos de vigilancia del
mercado
• -35% de personal IT asignado a soporte de esta solución
• Reducción de potenciales daños a traders
Adaptación en casi tiempo real a los cambios del mercado
• NYSE es el mayor mercado de valores del mundo tanto en
volumen monetario como en el número de empresas cotizadas
• Gestiona un volumen de transacciones de 21.000 M$/año

3. Visión de Deloitte

- 34 -
Visión de Deloitte
Approach: No reinventar la rueda
• Big Data no deja de ser un tipo de problemática relacionada con el tratamiento de información
• Es clave comenzar por los “decision makers” y sus preocupaciones para entonces trabajar en la búsqueda de las fuentes de
datos apropiadas y las tecnologías necesarias
Conectar datos y valor
para la empresa
Alcanzar el mayor
entendimiento posible de los
datos así como identificar
sus enlaces con las palancas
de creación de valor es
critico antes de diseñar
cualquier solución Big Data
Establecer una gestión ágil
de los datos
Las soluciones Big Data
deben ser agiles, pero una
correcta gestión es clave
para obtener “insights” de
negocio de forma efectiva La
gestión tradicional de la
información debe evolucionar
para abarcar las fuentes de
datos no tradicionales
Diferenciar entre usuarios
de Big Data
Los “insights” obtenidos del
procesamiento y análisis de
los datos deben ser
comunicados a los decisores
en el momento, formato y
cantidad correctos de cara a
alcanzar los objetivos de
negocio
Gestionar arquitecturas
hibridas de información
Las tecnologías Big Data
complementan las
arquitecturas existentes. Las
organizaciones deben
comprender las capacidades
de integración de las
arquitecturas, de cara a
diseñar arquitecturas de
datos optimizadas enfocadas
a los objetivos de negocio y
escalables
Se deben consideras aspectos críticos del Big Data como…
“Big Data is still Data!”

- 35 -
Visión de Deloitte
Identificar
oportunidades
Evaluar actuales
capacidades y limitaciones
Identificar y definir
casos de uso
Implementar pilotos y
prototipos
“Quick wins” e iniciativas
estratégicas
 Identificar prioridades
estrategicas y preocupaciones
de los decisores
 Evaluación
 Fuentes de datos y ecosistema de aplicaciones existentes
 Capacidades de Analytics y BI incluyendo personal cualificado
 Capacidades de integración
 Estrategia de IT, prioridades, políticas y presupuestos
 Proyectos en desarrollo
 Problemáticas existentes con los datos y las capacidades de Analytics y BI
 Basándose en la evaluación de
prioridades y capacidades identificar,
definir y priorizar casos de uso
 Identificar herramientas, tecnologías,
procesos y posibles partners para el
desarrollo de pilotos. Definir métricas
Priorizar e implementar
iniciativas “quick win” así
como proyectos de
índole estratégica
1
2
3
4
5

Copyright © 2014 Deloitte Advisory. Todos los derechos reservados.
Disclaimer
El presente informe / documento es estrictamente confidencial y de uso interno
de la Sociedad y, no podrá ser entregado, ni permitir el acceso a terceros o
hacer referencia al mismo en comunicaciones sin nuestro consentimiento
previo por escrito.
El presente informe/documento ha sido preparado de conformidad con los
términos establecidos en el contrato de fecha XX de XXXX de XXXX que
incluye la Propuesta, posteriores documentos anexos y las Condiciones
Generales de Contratación [este último documento no aplica en los trabajos
para clientes del Sector Público]
El borrador de este informe/documento no se ha sometido aún a los
procedimientos habituales de revisión interna de nuestra firma y, por tanto, nos
reservamos el derecho de hacer las modificaciones, inserciones o supresiones
que consideremos convenientes que pudiesen resultar de dicho proceso de
revisión.
Deloitte no controla el funcionamiento, fiabilidad, disponibilidad o seguridad del
correo electrónico y por lo tanto no será responsable de ninguna pérdida, daño
o perjuicio que resulten de la pérdida, retraso, interceptación por parte de
terceros, corrupción, o alteración del contenido de este informe/documento. En
caso de contradicción o conflicto entre la versión electrónica y el documento
físico, prevalecerá el documento físico.
Sobre Deloitte
Deloitte se refiere a Deloitte Touche Tohmatsu Limited, (private company
limited by guarantee, de acuerdo con la legislación del Reino Unido) y a su red
de firmas miembro, cada una de las cuales es una entidad independiente. En
www.deloitte.com/about se ofrece una descripción detallada de la estructura
legal de Deloitte Touche Tohmatsu Limited y sus firmas miembro.

Big Data en el sector financiero: casos de uso en riesgo, fraude, cumplimiento y trading

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (15)

Similar to Big Data en el sector financiero: casos de uso en riesgo, fraude, cumplimiento y trading

Similar to Big Data en el sector financiero: casos de uso en riesgo, fraude, cumplimiento y trading (20)

More from Fundación Ramón Areces

More from Fundación Ramón Areces (20)

Recently uploaded

Recently uploaded (15)

Big Data en el sector financiero: casos de uso en riesgo, fraude, cumplimiento y trading