El poder del data science para extraer valor del open banking

Acceder a los datos financieros a través de APIs de open banking ya es una realidad en Latinoamérica. En México este modelo ya es viable y operativo, ya que está amparado bajo las distintas legislaciones alrededor de la protección de datos personales. Y tiene el potencial de impulsar el crecimiento de las empresas financieras en la región de manera exponencial.

Sin embargo, el acceso a los datos no basta, las empresas necesitan sacar valor de esta información para poder crecer y lanzar productos y servicios de calidad para los usuarios. Según un informe de Deloitte: “A pesar de la cantidad de datos, muchas organizaciones descubren que no están capturando los atributos de datos adecuados para desarrollar un análisis profundo”. En este contexto, elegir qué conjunto específico de datos es relevante para actuar, entre la gran cantidad de información que procesan las empresas financieras cada día, es uno de los mayores retos a los que se enfrentan estas instituciones.

Ahí es donde entra el enriquecimiento de datos.

“Tareas como extraer sin esfuerzo las calificaciones crediticias de los datos bancarios, traducir las transacciones en bruto en fuentes de información limpias y ofrecer a los clientes más formas de entender su comportamiento financiero, pueden ser más fáciles que nunca a medida que los modelos de análisis de datos se vuelven más disponibles, más ricos y más precisos”, explica Pablo Viguera, cofundador de Belvo, la plataforma de APIs de open banking líder en Latinoamérica. 

La compañía ha desarrollado una serie de soluciones de enriquecimiento de datos que emplean modelos de predicción, agregación y ciencia de datos entrenados con millones de transacciones para proporcionar información útil e insights extraídos de los datos financieros a través del open banking. 

Este tipo de productos se centran en resolver problemas específicos de las empresas financieras proporcionando acceso instantáneo a un conjunto de información de alto valor a través de una única llamada a la API.

Pero, ¿qué aplicaciones tienen?

Conoce ejemplos de enriquecimiento de datos:

• Verificación de los ingresos: dirigido a las empresas de crédito, este producto utiliza la analítica de datos para ayudar a identificar y predecir los ingresos, de modo que las empresas puedan comprender con precisión la estabilidad financiera y la capacidad de pago de sus usuarios.
• Gastos recurrentes: esta solución aprovecha el análisis de datos para identificar y supervisar con precisión los pagos regulares de los consumidores por servicios de suscripción como Netflix o membresías de gimnasio, así como otros pagos periódicos como las facturas de electricidad o teléfono.
• Indicadores de riesgo: esta herramienta muestra un conjunto de métricas de alta calidad construidas a partir de los datos transaccionales históricos en diferentes productos (cuentas de débito, créditos, préstamos, etc.). Ayuda a las instituciones financieras a comprender mejor el perfil de sus usuarios y a ayudarles a mejorar su scoring crediticio.
• Categorización de datos: con esto, las empresas pueden convertir los datos transaccionales brutos y desestructurados de los clientes en una fuente de elementos limpios y procesables que están listos para ser mostrados directamente y alimentados en soluciones financieras.
  
  “Por ejemplo: plataformas de contabilidad, prestamistas, gestores de fondos, así como  instituciones financieras tradicionales. Y estas capacidades seguirán mejorando y ampliándose a medida que más consumidores adopten productos y servicios relacionados con el open banking”, añade Pablo Viguera.

Ser capaz de tomar decisiones a partir de datos financieros enriquecidos marcará una verdadera diferencia para muchos tipos de empresas de rápido crecimiento en México.

Emprendedor Advertorial