Imaginen que van a tomarse una fotografía y el fotográfo les dice que deben esperar una semana para el revelado… Les parecería extraño, ¿verdad? La transformación digital de la fotografía trajo aparejados enormes beneficios y eliminó grandes problemas de la tecnología anterior, tanto para fotógrafos como para todas las personas que utilizan cámaras.
Seguramente muchos lectores (al menos los que como yo, hayan tenido la oportunidad de utilizar cámaras analógicas) habrán sufrido alguna vez un problema con un rollo de fotos: fotos que no salieron, que salieron mal, rollos que se velaron, y probablemente recibieron la mala noticia recién cuando fueron a buscar el revelado.
Hoy vemos la foto al instante en la pantalla y eso ya no nos sorprende. Esperar una semana para ver como salió parece impensable, pero ¿no suena parecido a lo que le decimos a una empresa cuando viene a solicitarnos un crédito? “Tráeme toda esta documentación y en dos semanas o en un mes te aviso…” ¿Y no pasa que quizás después de semanas de que nos haya entregado los datos, les decimos que nos faltó pedirle algo, que no le podemos dar el monto que solicitaron sino algo menor, o mucho peor, que no lo podemos atender…?
La transformación no se dio solo en el campo de la fotografía. La tecnología de la información y comunicación evolucionó de forma impactante, modificando nuestra forma de trabajar y de vivir, pero ¿qué sucedió en Banca Empresas?
Cuando vemos las herramientas con las que cuentan los analistas de las instituciones financieras para evaluar empresas, en general, pasaron de lápiz y calculadora a utilizar la PC, normalmente con plantillas de cálculo, un enorme cambio allá por el Windows 3.1 (año 92’). Sin embargo, todavía hoy, muchos bancos utilizan plantillas de cálculo para evaluar y resguardar los balances, proyecciones, ratios de clientes de la banca empresas.
El habernos quedado en el tiempo causa problemas a todos los niveles: largos tiempos de espera, clientes insatisfechos, baja eficiencia operacional, menor volumen de negocio, imposibilidad de aumentar la capacidad sin aumentar en forma importante la estructura, entre otros…
¿La solución? Transformarse digitalmente.
Ahora bien, hablar de transformación digital está un poco de moda, pero ¿qué entendemos por digitalización?
– Automatización de los procesos: un primer paso en la digitalización consiste en automatizar muchas tareas que todavía se realizan en forma manual, o de manera poco eficiente. Para mejorar los costos operacionales y los tiempos de respuesta.
– Almacenamiento de información: almacenar grandes volúmenes de información en un datamart, estructurada de manera que nos permita agregar valor, evolucionar modelos, explotarla, conocer mejor a los clientes, utilizando, por ejemplo, motores de decisión y aplicándole modelos de inteligencia artificial.
– Multicanalidad: poder utilizar herramientas web a través de PC y notebook, pero también de tablets y smartphones, dando gran flexibilidad y libertad a distintas metodologías de trabajo. Por ejemplo, el trabajo de oficiales en terreno o de fuerzas de ventas externas.
– Soluciones integrales y compatibles: vemos muchas instituciones que tienen multiplicidad de herramientas, que en general, no se comunican correctamente entre sí. Consideramos que la mayor potencia se encuentra en herramientas integrales, que permitan gestionar todos los segmentos de manera trasversal, pero a la vez especializada.
– Evolución de los modelos: las metodologías para construcción de modelos se encuentran tecnológicamente desactualizadas. El proceso de digitalización llevará de forma inevitable a la utilización de nuevas técnicas que permitan mejorar la competitividad, como el Machine Learning, que logra grandes mejores en los poderes de clasificación.
Hablamos de soluciones integrales y especializadas. Esto último es muy importante. Configurar la solución a las necesidades de los segmentos, tal como un fotógrafo configura la cámara para el tipo de fotografía que desea realizar.
El fotógrafo de los deportes
Para el segmento Pyme, la configuración se asemeja a la que utiliza un fotógrafo de deportes: pone la cámara en automático, modo de disparo en ráfaga, y cuando presiona el disparador saca 10 fotos por segundo. La cámara se encarga de exponer y enfocar correctamente, y el fotógrafo se ocupa de capturar el momento justo. Probablemente ni siquiera edite las fotos, las envíe directo a la redacción desde el campo de juego cuando encuentra una buena toma, mientras sigue sacando otras.
Entonces llevado al terreno Pyme, tenemos que evitar que haya personas gastando enormes cantidades de tiempo en operaciones que deben salir en forma automática. Y tenemos que permitir que el ejecutivo pueda evaluar en terreno y enviar la operación desde donde se encuentre, en lugar de tener que volver a la sucursal para cargar los datos en una PC.
El fotógrafo de paisajes:
Para empresas de mayor tamaño, se parece más a la configuración de un fotógrafo de paisaje, que pone la cámara en manual, utiliza un trípode, filtros, cable disparador, enfoca, expone y se concentra en la calidad de la toma. La tecnología le ayuda a exponer correctamente dándole información con indicadores digitales, a lograr un foco muy preciso a través de un sistema de múltiples puntos de enfoque, a ampliar el rango dinámico, es decir, agregar valor y a explotar plenamente su conocimiento.
Llevado al terreno de Grandes Empresas, debemos evitar que el analista pase días enteros armando los informes de propuestas, buscando la información, consultando otras fuentes, revisando propuestas anteriores, para que dedique su tiempo al análisis y a agregar valor a la evaluación para tomar la mejor decisión de financiamiento.
Así como en la actualidad, una única cámara profesional es capaz de brindar todas las soluciones (podemos sacar fotos deportivas o paisajes), la banca debe dotarse de herramientas que permitan a las instituciones gestionar todos los segmentos, desde grupos económicos hasta pequeñas empresas, de manera diferenciada. De este modo, las entidades serán capaces de llevar a cabo proyectos innovadores que favorecerán no sólo un mejor nivel de atención, sino un mayor control del riesgo y un aumento de la productividad.
Para poder plasmar mejor cómo estas herramientas suponen una diferencia sustancial en los resultados y en la manera de gestionar el segmento de banca a empresas, he seleccionado algunos ejemplos ilustrativos de proyectos en los que desde AIS Group hemos trabajado para llevar a la banca al siguiente nivel, a una transformación digital real orientada a lograr un aumento en la rentabilidad del negocio. Estos pasan por:
– Desarrollo de modelos de límites automáticos para PyMes: Se trata de modelos que permiten automatizar gran parte del volumen de las operaciones, dejando para los analistas o para instancias de comités, los casos que posean mayor nivel de complejidad, o los que requieren de un trato particular. No hablamos de otorgar montos de crédito por un “x” porcentaje de los meses de venta, sino de utilizar diferentes parámetros del balance, del rating y de las políticas de la institución a través de un modelo, para definir límites a medida por clientes y cubrir sus necesidades, siempre manteniendo el nivel de riesgo deseado (evitando provocar que por sub-financiar perdamos negocios y clientes).
Como resultados concretos, en un banco “Top 3” de Perú, hemos logrado con esta implementación pasar de 13 a 30 operaciones por mes por analista, reducir los tiempos de entrega promedio del segmento de 27 a 3 días y automatizar el 60% de las operaciones.
– Implementación de herramientas de tramitación de créditos especializadas para banca empresas: herramientas que permiten gestionar todos los segmentos de banca empresas, de forma integral pero a la vez especializada, otorgando una visión 360º de las empresas y de los grupos económicos. Al poseer funcionalidades especializadas por industrias (transporte, agro, construcción) permiten automatizar todos los informes (de clientes, de propuestas de crédito), facilitando la configuración de los modelos de rating y scoring, administrando todos los workflows y digitalizando la gestión de los Estados Financieros, entre otros procesos.
Como resultados concretos, la implementación de esta herramienta en uno de los principales bancos de Argentina y de los principales a nivel internacional, generará USD 1,1 millones de ingresos financieros adicionales por año, tomando el impacto solo del segmento Grandes Empresas.
– Modelos de Machine Learning: Los modelos Machine Learning despiertan en ocasiones suspicacias por la sensación de “caja negra” que transmitían hasta hace poco. No obstante, en AIS Group hemos logrado desarrollar, a través de una importante inversión en I+D, metodologías para documentar y transparentar su funcionamiento. Esto nos ha abierto las puertas para implementar estos modelos en el último tiempo dentro de ámbitos de riesgo y en bancos muy importantes en diferentes países del mundo.
¿Por qué tanto esfuerzo? Los modelos de machine learning, tienen la capacidad de auto-aprender y de funcionar en entornos de big data, administrando cientos de variables que mejoran sensiblemente los poderes de clasificación.
Hemos obtenido resultados en proyectos recientes revelan que el nivel de acierto mejora entre un 25% y un 50% al usar algoritmos de Machine Learning frente a las técnicas tradicionales, permitiendo clasificar mejor el riesgo de las personas y empresas (clientes y no clientes), optimizar el seguimiento de las carteras detectando con antelación señales de un posible impago, tasar automáticamente inmuebles con un alto grado de éxito, prevenir el fraude y maximizar los resultados en el recupero de créditos, entre otros grandes impactos en la gestión de Instituciones Financieras.
En síntesis, las entidades que busquen ser competitivas, deberán dejar de lado las viejas cámaras de rollo (que están muy bien para un museo) y adoptar nuevas tecnologías digitales para los segmentos de Banca Empresas. En nuestra visión, las que lo hagan en el corto plazo, tendrán sin dudas ventajas competitivas sobre el resto del mercado, recuperarán rápidamente la inversión, podrán llegar a más clientes sin ampliar estructura, mejorar la eficiencia operacional, aumentar la rentabilidad y sobre todo, serán más fuertes y flexibles frente a las irrupciones de los nuevos actores que empiezan a competir en la industria.
