{"id":47,"date":"2015-11-07T11:37:51","date_gmt":"2015-11-07T10:37:51","guid":{"rendered":"https:\/\/preblogs.deusto.es\/bigdata\/?p=47"},"modified":"2015-11-07T11:37:51","modified_gmt":"2015-11-07T10:37:51","slug":"el-scoring-bancario-en-los-tiempos-del-big-data","status":"publish","type":"post","link":"https:\/\/blogs.deusto.es\/bigdata\/el-scoring-bancario-en-los-tiempos-del-big-data\/","title":{"rendered":"El scoring bancario en los tiempos del Big Data"},"content":{"rendered":"

Con este art\u00edculo vamos a abrir una serie de cinco art\u00edculos donde expondremos las cinco ponencias y sus preguntas asociadas del pasado workshop celebrado el 27 de Octubre<\/a> en la Universidad de Deusto<\/a>.<\/p>\n

El workshop, titulado como \u00abAplicaci\u00f3n del Big Data en sectores econ\u00f3micos estrat\u00e9gicos<\/em>\u00ab, \u00a0ten\u00eda como principal objetivo mostrar la aplicaci\u00f3n del Big Data en varios sectores estrat\u00e9gicos para la econom\u00eda Espa\u00f1ola (finanzas, sector p\u00fablico, cultura, inversi\u00f3n y turismo). La primera de las intervenciones corri\u00f3 a cargo de Jorge Monge, de Management Solutions<\/a>, que nos expuso c\u00f3mo\u00a0elaborar un scoring financiero y su relevancia en la era del Big Data.<\/p>\n

La revoluci\u00f3n tecnol\u00f3gica se produce a magnitudes nunca antes observadas. El sector financiero no es ajeno a ese cambio, conjugando una reestructuraci\u00f3n sin precedentes, con un cambio de perfil de usuario muy acusado. As\u00ed, se est\u00e1 pasando de la Banca Digital 1.0 a la 4.0, una innovaci\u00f3n liderada por el cliente, y donde la anal\u00edtica omnicanal con datos estructurados y no estructurados se torna fundamental.<\/p>\n

\"La<\/a>
La Banca Digital 4.0 (Fuente: Management Solutions)<\/figcaption><\/figure>\n

Las entidades financieras, gracias a esta transformaci\u00f3n digital, disponen de gran cantidad de informaci\u00f3n p\u00fablica, con la que hacer perfiles detallados no solo a sus clientes actuales, sino tambi\u00e9n a sus clientes potenciales<\/strong>. Dado que la capacidad de procesamiento se ha visto multiplicado por las nuevas arquitecturas del Big Data, esto tampoco supone un problema. Los modelos de scoring (como el que Jorge expuso) pertenecen al \u00e1mbito de riesgos de las entidades bancarias, intentando clasificar a los clientes potenciales en funci\u00f3n de su probabilidad de impago<\/strong>. Nos cont\u00f3 un proyecto real en el que con datos anonimizados de una cartera de 72.000 clientes potenciales, se mezclaron datos tradicionales de transacciones, con datos de redes sociales, para\u00a0conformar un modelo anal\u00edtico. \u00c9ste, conformado por variables significativas de cara a evaluar el incumplimiento, permit\u00eda mejorar el poder precitivo del scoring bancario<\/strong>.<\/p>\n

El reto actual radica en la gran cantidad de datos. Jorge se\u00f1al\u00f3 c\u00f3mo aunque se genere gran cantidad de informaci\u00f3n, esta no ser\u00eda \u00fatil si no pudiera procesarse.\u00a0Sin embargo, la capacidad de procesamiento se ha visto multiplicada por las nuevas arquitecturas de Big Data. Destac\u00f3, aqu\u00ed, Hadoop<\/a>, Hive<\/a>, Pig<\/a>, Mahout<\/a>, R<\/a>, Python<\/a>, etc. Varias de las herramientas que ya comentamos en un post pasado<\/a>.<\/p>\n

Por \u00faltimo, destacaba, que el reto ya no es tecnol\u00f3gico. El reto es poder entender el procesamiento que hacen estas herramientas. As\u00ed, ha surgido un nuevo rol multidisciplinar para hacer frente a este problema: el data scientist<\/strong>, que integra conocimientos de tecnolog\u00eda, de programaci\u00f3n, de matem\u00e1ticas, de estad\u00edstica, de negocio, etc. Hablaremos de este perfil m\u00e1s adelante. Y, cerraba la\u00a0sesi\u00f3n, destacando la importancia de la calidad de la informaci\u00f3n, el reto que suponen las variables cualitativas y la desambiguaci\u00f3n.<\/p>\n

Os dejamos, para finalizar el art\u00edculo, la presentaci\u00f3n realizada por Jonge Monge. Aprovechamos este art\u00edculo para agradecerle nuevamente su participaci\u00f3n y\u00a0aportaciones de valor.<\/p>\n