La banca sigue siendo un ecosistema que requiere una inteligencia fuerte y de calidad sin depender de una programación basada en reglas (estamos cansados de las reglas).
Ya es hora de que los departamentos de gestión del rendimiento estratégico deban desaparecer, ya que son un ejército de personas responsables de extraer datos (manualmente) y producir información (archivos de Excel). Muy ineficiente de hecho!
Pocos escenarios potenciales en la banca que creo que el aprendizaje automático puede contribuir en gran medida
- ¿Debería evaluarse un modelo de red neuronal en función del porcentaje de pronósticos que hacen una predicción correcta, en lugar de medidas basadas en términos de error?
- ¿Tendrán los humanoides del futuro variaciones en las características físicas como los humanos?
- ¿Cuál es la diferencia entre el reconocimiento de emociones y el análisis de sentimientos?
- Entre China e India, ¿cuál es más avanzada en computación en la nube, IA, Internet de las cosas, robótica y tecnologías sin conductor?
- ¿Hay alguna manera de usar la tecnología de realidad virtual para visualizar cómo aprende una red neuronal profunda?
Ingeniería de producto: saber qué vender, cuándo y a quién
Crear propuestas de valor perfectas combinando diferentes productos, comportamientos de los clientes y diversos canales es uno de los principales desafíos en la banca. Diseñar nuevos productos y ofertas de servicios para los clientes adecuados mediante una minería de datos adecuada que admita procesos flexibles e integrados para comprender los hábitos de compra de los clientes, los canales con los que el cliente se involucra y cuáles son los factores de influencia clave son muy críticos para que los bancos vendan
Aplicar el aprendizaje automático para producir una oferta personalizada de productos es clave para la banca de la próxima generación. La propensión a comprar un producto bancario es un KPI crítico para que un banquero venda sus productos y servicios
Gestión de riesgos: conocer la solvencia crediticia de un cliente
Identificar un puntaje de riesgo de un cliente en función de su nacionalidad, ocupación, rango de salario, experiencia, industria para la que trabaja, historial crediticio, etc. Es muy importante para los bancos incluso antes de ofrecer un producto o servicio al cliente. Este puntaje de riesgo es un KPI importante para que los bancos decidan sobre la tasa de interés y otros comportamientos del producto para el cliente.
La introducción de un mecanismo centralizado e integrado de financiamiento y riesgo ‘instantáneamente’ es un desafío importante en estos días. Incluso ahora, los bancos no logran obtener una aprobación financiera instantánea debido a su ineficiencia para pronosticar el puntaje de riesgo del cliente
Análisis de fraude
Otra área con la que los bancos enfrentan grandes desafíos es el fraude. Quizás, una de las mayores oportunidades radica aquí en detectar el fraude en línea y evitarlo mediante el análisis y el aprendizaje de máquinas para obtener una visión holística de los clientes. Identificar patrones en los datos, agrupar información y distinguir la actividad fraudulenta de la actividad normal.
Tesorería – CRM, transacciones al contado
CRM es muy prominente en el espacio de banca minorista. Cuando se trata del espacio del Tesoro dentro de la banca, la gestión de la relación con el cliente apenas existe. Treasury tiene una paleta de productos diversa, como FX, Opciones, Swaps, Forwards y, lo que es más importante, Spots. Tener una transacción en línea combinando la sofisticación del producto de estos, los aspectos de riesgo del comportamiento del cliente, el mercado y la economía y el historial crediticio es casi un sueño lejano para los bancos. Aprendizaje automático para combinar un precio de tipo de cambio robusto respaldado por un control instantáneo de la cordura del riesgo y luego hacer un trato en línea. ¡Voto, esto sería increíble!
Segmentación de clientes
En este mundo de Gen-X, Gen-Y, Millennials y nosotros (las tradiciones), los bancos realmente están luchando para agrupar a los clientes en diferentes segmentos para apoyar las campañas de ventas, promoción y marketing mediante la recopilación y el análisis de todos los datos disponibles y el uso de Big Data tecnología para extraer inteligencia de los datos subyacentes.
No importa qué nuevas ideas descubra el aprendizaje automático, solo los gerentes humanos pueden decidir las preguntas esenciales, como los problemas comerciales críticos que una empresa realmente está tratando de resolver.
Hola Banks, ya eres una casa de matemáticas. ¿Por qué no agregarle algo de aprendizaje automático?