Retos de la analítica en entidades financieras y aseguradores
Un análisis muy concluyente sobre la situación que vive la analítica en este tipo organizaciones y sobre su futura tendencia hacia el departamento de operaciones.
Pure Storage ha desarrollado un informe sobre los principales retos de la analítica en entidades financieras y aseguradoras.
Una de las claves para mejorar las decisiones de gestión y planificación de las organizaciones es una base analítica consolidada. Para justificar la inversión y poder lanzar nuevos proyectos, las empresas han buscado un retorno rápido por medio del ahorro de costes o de la mejora de la experiencia del cliente. Por ejemplo, el sector de los seguros ha desarrollado capacidades predictivas sobre la demanda de urgencias en hospitales para reducir los tiempos de espera, mientras que por su parte el sector bancario ha trabajado para evitar errores en las etapas de tramitación de productos financieros. Para ello ha sido necesario el óptimo manejo de grandes volúmenes de información para sacar el máximo partido a analíticas robustas.
"La demanda de inmediatez proviene de los clientes, en particular de las nuevas generaciones, que están acostumbradas a interacciones rápidas. En estos casos, no es tan importante la precisión de la decisión como el hecho de que los insights lleguen a tiempo a la persona que los necesita; por ejemplo, en el departamento comercial o en atención al cliente", señala Marco Blanco, Country Manager de Pure Storage. "Es necesario combinar los motores de analíticas tradicionales, robustos pero rígidos, con los datos contextuales y de usuario, que tienen otra naturaleza no estructurada".
Las nuevas necesidades del negocio apuntan hacia el traslado de las analíticas hacia las operaciones de la empresa. Esto conlleva que nuevos perfiles incorporen las analíticas a sus decisiones diarias, para lo que las operaciones deben evolucionar en 3 direcciones:
Mayor agilidad
• Necesidad de acelerar las analíticas para llevarlas al tiempo real.
• Para ello, hay que limpiar y preparar los datos con rapidez y combinar datos estructurados con datos de usuario y contextuales.
Democratizar el uso
• Contar con nuevos usuarios con requerimientos dispares.
• Habrá que adaptarse a cada usuario conociendo claramente los requisitos del cliente interno, traduciendo el lenguaje de TI a negocio y viceversa y gestionando las expectativas tecnologías entre TI y operaciones.
Innovación continua
• Innovar en el modelo analítico pone sobre la mesa que los algoritmos con los que se trabaja actualmente, en un futuro serán distintos.
• Para gestionar estos cambios habrá que contar con un personal cualificado, controlar la evolución de las herramientas y tener en cuenta el riesgo de la innovación, todo ello de acuerdo a la regulación.
Entre las recomendaciones principales para llevar a cabo esta transición se encuentran:
- Crear puentes entre TI y operaciones.
- Involucrar al cliente interno en el proceso.
- Buscar la simplicidad para facilitar la integración de las soluciones.
- Formar al usuario previamente a la adopción de las herramientas.
- Buscar soluciones sostenibles que permitan incorporar la innovación a lo largo del tiempo.
"Las empresas necesitan un rol de traductor entre el negocio y la analítica. Este puede ayudar, por ejemplo, a los científicos de datos a comprender los problemas y las prioridades comerciales, así como su lenguaje. También permite a las unidades de negocio transmitir sus objetivos y entender lo que la tecnología puede hacer por ellos", explica Blanco. "Dado el fuerte ritmo de innovación al que van a estar sometidas las analíticas hay que evitar que los cambios supongan reinventar las herramientas desde cero. Por ello, deben buscarse soluciones que permitan incorporar la innovación a lo largo del tiempo".
