Aplicaciones de Big Data en Finanzas

Big data es una nueva y popular frase en el ámbito de la tecnología de la información y los métodos cuantitativos que se refieren a la recopilación y el análisis de cantidades masivas de información. Los avances en el poder de cómputo junto con la caída de los precios de los mismos están haciendo que los proyectos de big data sean cada vez más más técnicamente factibles y económicos. En particular, el advenimiento de la computación en la nube está poniendo el costo del análisis de datos grandes al alcance de muchas empresas más pequeñas, que ahora no necesitan realizar inversiones de capital significativas en su propia infraestructura informática.

Ha surgido una nueva categoría de carrera, ciencia de datos, en respuesta al crecimiento del big data.

Aplicaciones dentro de las finanzas:

Dentro de las finanzas, particularmente dentro de la industria de servicios financieros , el big data se está utilizando en un número creciente de aplicaciones, tales como:

  1. Vigilancia y vigilancia de empleados
  2. Modelos predictivos, como los que pueden usar los suscriptores de seguros para establecer primas y los oficiales de crédito para tomar decisiones de préstamos
  3. Desarrollar algoritmos para pronosticar la dirección de los mercados financieros
  4. Fijación de precios de activos ilíquidos como bienes inmuebles

Seguro de auto:

Ya en los años ochenta, el fundador de Progressive Insurance esperaba el día en que pudieran recopilarse y analizarse datos sólidos sobre los hábitos de manejo de los titulares de pólizas individuales. Esto conduciría a una medición más precisa del riesgo y a una evaluación de riesgos, y por lo tanto a un establecimiento de primas más preciso. Para 2010, ya estaba disponible la tecnología necesaria para la recolección de datos, y ahora más de un millón de clientes acordaron tener cajas negras instaladas en sus automóviles que rastrean, por ejemplo, qué tan rápido conducen y qué tan repentinamente suelen frenar.

El crédito al consumo:

LendUp complementa las calificaciones crediticias tradicionales de FICO con análisis de redes sociales extraídos de varias otras fuentes para tomar decisiones sobre préstamos. Por ejemplo, LendUp está interesado en saber si un posible prestatario ha cambiado los números de teléfonos celulares con frecuencia, lo que puede indicar un riesgo grave.

La compañía también cree que la forma en que las personas interactúan con sus amigos en línea ofrece fuertes pistas sobre su riesgo como prestatarios. Aquellos que muestran las conexiones sociales más fuertes y más activas y los lazos comunitarios parecen ser los mejores riesgos. Por lo tanto, se les pide a los prestatarios potenciales que pongan sus cuentas de Facebook a disposición de la empresa para su análisis.

El gigante de las tarjetas de crédito CapitalOne, mientras tanto, se convirtió en un gran jugador en la década de 1990 principalmente mediante el uso de técnicas avanzadas de recopilación y análisis de datos para identificar prospectos para sus tarjetas, robando una marcha sobre muchos de sus rivales más establecidos.

Préstamos para pequeñas empresas:

El nuevo participante Kabbage es una compañía con poco personal y tecnología cuyos modelos predictivos recurren a fuentes tan diversas como las redes sociales, eBay y UPS para evaluar la calidad de las relaciones entre los posibles prestatarios y sus propios clientes.

Seguro de cosecha:

Climate Corporation suscribe un seguro de cosechas para los agricultores. La firma ejecuta enormes simulaciones para predecir los patrones climáticos a largo plazo y establecer las primas.

Préstamo hipotecario:

JPMorgan Chase está utilizando el análisis de big data para determinar los precios de venta aceptables para viviendas y propiedades comerciales que han sido embargadas como resultado de hipotecas en mora.

La idea, de acuerdo con fuentes confidenciales, es evaluar las condiciones económicas locales y los mercados inmobiliarios para sugerir precios de venta razonables antes de que los préstamos hipotecarios entren en mora. Si estos precios de venta sugeridos se establecen con precisión, la interrupción del mercado inmobiliario local por defecto, recuperación y venta por parte del banco, en teoría, debería minimizarse. Además, se debe minimizar el período durante el cual el banco se ve obligado a mantener una propiedad antes de realizar una venta.

Mientras tanto, Quantfind, una firma que ha proporcionado a la CIA conocimientos técnicos para descubrir identidades falsas utilizadas por presuntos terroristas, ha reconocido conversaciones con JPMorgan Chase sobre cómo su tecnología puede ser aplicable al negocio de crédito, en áreas como la evaluación de crédito y márketing.

Fuentes: "Los datos abren puertas a la innovación financiera" y "JPMorgan usa herramientas antiterroristas para detectar el fraude entre los trabajadores", Financial Times , 14 de diciembre de 2012.