"El objetivo de la reinvención basada en la data sigue siendo difícil de alcanzar para la mayoría, y la promesa de utilizar los datos para impulsar un cambio verdaderamente transformador está aún fuera de su alcance, dejando sin explotar las ricas vetas de datos transaccionales en tiempo real".

*Por Nicolás Deino, director ejecutivo para la Industria Financiera de Accenture Chile

Los bancos comerciales entienden que los datos, la analítica avanzada y la inteligencia artificial (IA) son instrumentos potencialmente poderosos para navegar por un panorama difícil que se caracteriza por márgenes comprimidos, altos costos de servicio y una competencia disruptiva en segmentos clave como las pequeñas y medianas empresas (PYMES). Sin embargo, para muchos, el camino hacia la realización del valor total de sus datos es más lento y difícil de lo previsto.

Muchos bancos comerciales han desarrollado focos de excelencia en materia de datos y análisis y han conseguido algunas victorias en el camino. Sin embargo, el objetivo de la reinvención basada en la data sigue siendo difícil de alcanzar para la mayoría, y la promesa de utilizar los datos para impulsar un cambio verdaderamente transformador está aún fuera de su alcance, dejando sin explotar las ricas vetas de datos transaccionales en tiempo real. De esa forma, un estudio reciente de Accenture mostró que 85% de los bancos a nivel mundial sigue estancado en la fase de "pruebas de concepto" de la madurez de los datos.

Los bancos comerciales que den la vuelta a esta situación obtendrán grandes recompensas: podrán descubrir importantes oportunidades para aumentar los ingresos, reducir los costos y frenar la pérdida de clientes. Y lo que es aún más importante, podrán competir de nuevas maneras con las fintechs, las empresas de comercio electrónico, las plataformas de pago y otros rivales que surjan de mercados adyacentes.

¿Cómo pueden los bancos competir más eficazmente con estos rivales de la nueva era? Aprovechando al máximo los enormes volúmenes de datos que tienen a su disposición para mejorar la toma de decisiones, capacitar a los gestores de relaciones, automatizar los procesos y añadir valor a sus clientes. Además de sus datos de origen y de los de terceros, esto incluye los "nuevos datos": el polvo digital que crean los consumidores y las empresas y que recogen las tecnologías de datos de nicho.

Con estos yacimientos de datos a su disposición, los bancos comerciales deberían tener acceso a información que les permita tomar decisiones ágiles. Sin embargo, a pesar de las inversiones que han realizado en datos, análisis e inteligencia artificial, muchos bancos comerciales tienen dificultades para ampliar la reinvención basada en datos más allá de las pruebas de concepto o los centros de excelencia aislados.

Hay tres barreras principales que impiden a los bancos comerciales obtener un rendimiento exponencial de sus datos. La primera es que los datos y los activos tecnológicos, los presupuestos, la propiedad intelectual y las prioridades están aislados en silos de productos y departamentos; la segunda, aunque se ha avanzado en la transformación digital de las organizaciones aún queda mucho por avanzar y, finalmente, capturar el valor de la data aún no es reconocida como una prioridad del C-Level.

La superación de estas barreras comienza con el reconocimiento de que la reinvención impulsada por los datos no es un proyecto departamental o tecnológico, sino que es un esfuerzo de toda la empresa que requiere el liderazgo del directorio. Las empresas que sobresalen en el aprovechamiento de los datos -Shopify, Stripe, Alphabet, Amazon y otras- tienen líderes que tratan los datos como un activo y las capacidades de la data como una competencia fundamental.

En la era de la banca abierta y las plataformas, los bancos comerciales ganadores serán los que desbloqueen el valor de los datos y pongan la información en las manos adecuadas en todo el negocio. El tiempo de la experimentación, las pruebas de concepto y los despliegues aislados ha terminado. Ahora es el momento de pasar la inversión en datos de un cambio incremental a una mejora exponencial.