Manuel Machado - Big data, de la investigación científica a la gestión empresarial

877 views

Published on

El 3 de julio de 2014, organizamos en la Fundación Ramón Areces una jornada con el lema 'Big Data: de la investigación científica a la gestión empresarial'. En ella estudiamos los retos y oportunidades del Big data en las ciencias sociales, en la economía y en la gestión empresarial. Entre otros ponentes, acudieron expertos de la London School of Economics, BBVA, Deloite, Universidades de Valencia y Oviedo, el Centro Nacional de Supercomputación...

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
877
On SlideShare
0
From Embeds
0
Number of Embeds
7
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Manuel Machado - Big data, de la investigación científica a la gestión empresarial

  1. 1. Deloitte Advisory Big Data: de la investigación científica a la gestión empresarial Julio 2014 Experiencias en el sector financiero
  2. 2. - 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
  3. 3. ©DeloitteAdvisory-2014 1. Big Data: Evolución, necesidades de negocio y fuentes de datos
  4. 4. - 4 - ©DeloitteAdvisory-2014 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. 5. - 5 - ©DeloitteAdvisory-2014 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. 6. - 6 - ©DeloitteAdvisory-2014 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
  7. 7. ©DeloitteAdvisory-2014 2. Casos de uso en el sector financiero
  8. 8. - 8 - ©DeloitteAdvisory-2014 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. 9. - 9 - ©DeloitteAdvisory-2014 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. 10. - 10 - ©DeloitteAdvisory-2014 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. 11. - 11 - ©DeloitteAdvisory-2014 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. 12. - 12 - ©DeloitteAdvisory-2014 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. 13. - 13 - ©DeloitteAdvisory-2014 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. 14. - 14 - ©DeloitteAdvisory-2014 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. 15. - 15 - ©DeloitteAdvisory-2014 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. 16. - 16 - ©DeloitteAdvisory-2014 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. 17. - 17 - ©DeloitteAdvisory-2014 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. 18. - 18 - ©DeloitteAdvisory-2014 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. 19. - 19 - ©DeloitteAdvisory-2014 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. 20. - 20 - ©DeloitteAdvisory-2014 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. 21. - 21 - ©DeloitteAdvisory-2014 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. 22. - 22 - ©DeloitteAdvisory-2014 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. 23. - 23 - ©DeloitteAdvisory-2014 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$) proceden del procesamiento de datos de los consumidores finales
  24. 24. - 24 - ©DeloitteAdvisory-2014 Mejora de la calidad de la cartera y rediseño del offering crediticio LA NECESIDAD LA SOLUCIÓN LOS BENEFICIOS • Reducir los indicadores relacionados con el impago y el fraude en productos de crédito • Revisar las características de los productos ofertados • Citibank diseñó un modelo analítico sobre una arquitectura Big Data que se alimentaba de condiciones de mercado, eventos clave de la vida de los clientes, interacciones / registros de medios sociales y elecciones pasadas • Gracias a una mejor predicción de cuáles podrían ser los potenciales clientes que generarían problemas en sus créditos / préstamos, Citibank mejoró la calidad de su cartera • Adicionalmente, el banco rediseñó su offering para adaptarse a las necesidades reales de su público objetivo • Citibank es líder mundial de servicios financieros para consumidores, empresas, instituciones y gobiernos en todo el mundo. En 2013 registró unos ingresos de 72.000 M$ • Con presencia en más de 160 países, gestiona una red de 8.100 oficinas y 200 millones de cuentas de clientes
  25. 25. - 25 - ©DeloitteAdvisory-2014 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. 26. - 26 - ©DeloitteAdvisory-2014 • 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. 27. - 27 - ©DeloitteAdvisory-2014 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. 28. - 28 - ©DeloitteAdvisory-2014 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. 29. - 29 - ©DeloitteAdvisory-2014 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. 30. - 30 - ©DeloitteAdvisory-2014 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. 31. - 31 - ©DeloitteAdvisory-2014 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. 32. - 32 - ©DeloitteAdvisory-2014 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
  33. 33. ©DeloitteAdvisory-2014 3. Visión de Deloitte
  34. 34. - 34 - ©DeloitteAdvisory-2014 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. 35. - 35 - ©DeloitteAdvisory-2014 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
  36. 36. 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.

×