Multiplica habla para OpenFinance sobre cómo el Machine Learning está revolucionando el mundo de las finanzas tanto en la interacción y conocimiento del cliente, como en la evaluación de riesgos.
Nuevamente, Multiplica impartió un webinar para la audiencia de OpenFinance, en el que Jordi Navarro, Head of Customer Intelligence, expuso una interesante charla sobre modelos predictivos aplicados a la industria financiera.
De acuerdo con Gartner, el 70% de los proyectos de tecnología en la industria de servicios financieros, estarán utilizando Inteligencia artificial para el 2024.
El uso de machine learning será una herramienta cada vez más habitual que permitirá optimizar procesos para generar mejores experiencias en los usuarios y por tanto, mejores resultados de negocio.
Machine learning en la industria financiera
“Machine learning es una disciplina científica del ámbito de la inteligencia Artificial que crea sistemas que aprenden automáticamente”
Para entender la importancia del uso de algoritmos en la industria financiera, Jordi comentó que estos se clasifican en función de su complejidad y de la aportación de valor que tienen para el negocio.
El Business Intelligence o analítica descriptiva, nos permite entender qué es lo que ha pasado anteriormente, sin embargo, para entrar en un análisis más profundo, el machine learning nos permite entrar con mayor profundidad a tres tipos de analítica:
- Diagnóstica: Nos permite conocer las causas y el peso de las mismas cuando vemos las consecuencias y el efecto que provocan.
- Predictiva: Nos indica probabilidades de que algo pueda suceder o no.
- Prescriptiva: Nos ayuda a conocer cuáles son las recomendaciones que se pueden hacer, en función de las características y preferencias del usuario.
Todo lo anterior nos dará la pauta para llegar a un último estado de deep learning en el que a través de analítica cognitiva podremos determinar el verdadero valor que una situación o cliente tienen para el negocio.
Casos de uso en el sector financiero
Durante la charla, el experto señaló algunos casos en los que podemos hacer uso del machine learning en la industria financiera:
- Personalización: Todo lo referente a mejorar la experiencia de cliente, ofertas y precios personalizados y recomendación de productos.
- Scoring: Se refiere a dar un valor para entender temas de riesgo crediticio, probabilidad de morosidad y Customer LifeTime Value.
- Detección de fraude: Ayuda a detectar actividades como lavado de dinero, financiamiento de actividades ilícitas y vigilancia de abuso de mercado.
Conclusiones
De acuerdo a lo comentado durante la charla, los proyectos que consiguen mejores resultados, son aquellos que ponen foco en automatizar micro decisiones repetitivas, contribuyen de forma clara a la generación de revenue y demuestran un ROI claro sobre las iniciativas de Data & Analytics.
Te invitamos a ver los diferentes ejemplos y casos de éxito presentados durante la charla en este video: