Aplicaciones de Big Data en Finanzas.

Big data es un nuevo eslogan popular en el ámbito de la tecnología de la información y los métodos cuantitativos que se refieren a la recopilación y análisis de grandes cantidades de información. Los avances en el poder de la computación junto con la caída de los precios de los mismos hacen que los proyectos de big data sean cada vez más técnicamente factibles y económicos. En particular, la llegada de la computación en la nube está poniendo el costo del análisis de big data al alcance de muchas empresas más pequeñas, que ahora no necesitan realizar inversiones de capital significativas en su propia infraestructura informática.

Ha surgido una nueva categoría de carrera, la ciencia de datos, en respuesta al crecimiento de big data.

Aplicaciones dentro de las finanzas

Dentro de las finanzas, particularmente dentro de la industria de servicios financieros, Big Data se está utilizando en un número creciente de aplicaciones, tales como:

1. Seguimiento y vigilancia de empleados.
2. Modelos predictivos, como los que pueden usar los suscriptores de seguros para establecer primas y los oficiales de crédito para tomar decisiones de préstamo.
3. Desarrollando algoritmos para pronosticar la dirección de los mercados financieros.
4. Tasación de activos ilíquidos como bienes inmuebles.

Seguro de auto

Ya en la década de 1980, el fundador de Progressive Insurance esperaba el día en que pudieran recopilarse y analizarse datos concretos sobre los hábitos de conducción de los asegurados individuales. Esto llevaría a una medición del riesgo y una evaluación del riesgo más precisas, y por lo tanto a un ajuste de la prima más preciso. Para el año 2010, la tecnología de recopilación de datos requerida se había hecho disponible, y ahora más de un millón de clientes han acordado tener cajas negras instaladas en sus autos para rastrear, por ejemplo, qué tan rápido manejan y qué tan repentinamente frenan.

El crédito al consumo

LendUp complementa las calificaciones de crédito FICO tradicionales con análisis de redes sociales extraídos de otras fuentes, para tomar decisiones de préstamo. Por ejemplo, LendUp está interesado en saber si un posible prestatario ha cambiado los números de teléfono con frecuencia, lo que puede indicar un riesgo grave. La compañía también cree que la forma en que las personas interactúan con sus amigos en línea ofrece pistas sólidas sobre su riesgo como prestatarios. Los que muestran las conexiones sociales y los lazos comunitarios más fuertes y activos parecen ser los mejores riesgos.

Por lo tanto, se les pide a los posibles prestatarios que pongan sus cuentas de Facebook a disposición de la firma para su análisis.

Mientras tanto, el gigante de las tarjetas de crédito CapitalOne se convirtió en un gran jugador en la década de 1990, principalmente mediante el uso de técnicas avanzadas de recolección y análisis de datos para identificar las perspectivas de sus tarjetas, robando una marcha en muchos de sus rivales más establecidos.

Préstamos para pequeñas empresas

El nuevo participante Kabbage es una compañía con poco personal y tecnología, cuyos modelos predictivos se basan en fuentes tan diversas como las redes sociales, eBay y UPS para evaluar la calidad de las relaciones entre los posibles prestatarios y sus propios clientes.

Seguro de cosechas

Climate Corporation suscribe seguros de cosechas para los agricultores. La empresa ejecuta enormes simulaciones para predecir patrones climáticos a largo plazo y establecer primas.

Préstamos hipotecarios

JPMorgan Chase está utilizando el análisis de big data para determinar los precios de venta aceptables para casas y propiedades comerciales que han sido recuperadas como resultado de hipotecas en mora. La idea, según fuentes confidenciales, es evaluar las condiciones económicas locales y los mercados inmobiliarios para sugerir precios de venta razonables antes de que los préstamos hipotecarios entren realmente en incumplimiento. Si estos precios de venta sugeridos se establecen con precisión, la interrupción teórica del banco de propiedad local debido a un incumplimiento, recuperación y venta teóricamente por parte del banco.

Además, se debe minimizar el período durante el cual el banco se ve obligado a mantener una propiedad antes de realizar una venta.

Mientras tanto, Quantfind, una firma que ha proporcionado a la CIA experiencia técnica para descubrir identidades falsas utilizadas por presuntos terroristas, ha reconocido participar en discusiones con JPMorgan Chase sobre cómo su tecnología puede ser aplicable al negocio crediticio, en áreas como la evaluación crediticia y márketing.