Foros

Creado el 23 Abr. 2018
0Comentarios

Gran parte de la industria con años de tradición en la formación de sus equipos, el diseño de sus estrategias o la explotación de sus nichos de negocio, de forma voluntaria o forzosa, se está viendo obligada a adaptarse a las nuevas condiciones de los mercados. Uno de los movimientos más frecuentes en esta industria, incluida la banca comercial y de inversión, es cómo la inteligencia artificial puede servir de ventaja competitiva para ganar dinero al viejo y nuevo estilo.

Métodos como el aprendizaje automático o el aprendizaje profundo están ayudando a las entidades en numerosos campos operativos. Y lógicamente, las APIs especializadas en machine learning y deep learning son el punto de partida de cualquier transformación. Gracias a ellas los bancos pueden crear productos finalistas que aporten valor a la entidad y sus clientes: permiten extraer datos relevantes de Big Data, búsqueda de patrones que faciliten ofertas más personalizadas, ajustes de precios o detección de procesos de fraude bancario.

Hoy en día existen interfaces de desarrollo de aplicaciones con características de procesamiento de lenguaje natural o reconocimiento de imágenes y voz (aprendizaje profundo) o la elaboración de modelos predictivos para establecer proyecciones (aprendizaje automático). Esto tiene algunas aplicaciones prácticas: definición de producto y clientes (saber qué servicios le interesan a cada tipo de usuario mediante la segmentación de clientes); gestión de riesgos (la concesión de préstamos siempre va asociada al posible impago); y técnicas contra el fraude.

Todo esto es posible por la evolución natural de los equipos de datos dentro de los bancos: de inteligencia de negocio (herramientas SAS, Excel y PowerPoint) a equipos de ciencia de datos (programación en lenguajes como R, Python o Scala); visualización de datos con librerías JavaScript como D3 o herramientas de cuadros de mando como Tableau; la plataforma de computación distribuida de código abierto Apache Spark; o el sistema de almacenaje de datos Apache Hive, con Apache Hadoop, para la realización de consultas y análisis de los datos con HiveQL

Definición de producto

Las tres preguntas clave en el uso de aprendizaje automático para la definición de productos y servicios y la necesaria segmentación de los clientes es de dónde vienen, dónde están y hacia dónde van los usuarios de banca. Para ello es obligada la creación de un modelo predictivo que sea interpretable por los equipos de operaciones, con el cliente en el centro de la lógica de negocio y que motive acciones concretas. La idea es definir servicios que se ajusten a las necesidades e intereses de los clientes, tanto en el estudio de los hábitos de consumo como de los canales donde los usuarios de banca muestran un mayor compromiso.

Gestión de riesgos

La crisis internacional de 2007 tuvo consecuencias importantes en la forma en la que las entidades financieras, de inversión o comerciales, medían el riesgo en sus operaciones de negocio. Un informe reciente de MacKinsey&Company establece un cambio de concepto interesante: mientras que a día de hoy sólo un 15% del control de riesgo bancario recae en la analítica, en 2025 ese porcentaje crecerá hasta el 40%. Esos cambios siempre son progresivos, y como indica el análisis, los bancos no tienen que esperar y pueden aplicar ya procesos de machine learning

Ese movimiento de competencias en la gestión de riesgo se ve bien en este gráfico, que explica cómo los bancos modificarán estructuras para asumir los retos del nuevo modelo, basadas en tecnología de Big Data como el aprendizaje de máquina:

No sólo se dedicarán más recursos a la detección temprana del riesgo y no tanto a la solución de problemas. Esto es una decisión estratégica de mucho calado. También los equipos recibirán formación o se buscará talento externo para combatir las nuevas formas de riesgo bancario, fundamentalmente los ataques cibernéticos. La ciberseguridad se ha convertido en un objetivo estratégico en las empresas y dentro del sector financiero es un departamento de enorme interés.

Técnicas contra el fraude

El uso del aprendizaje automático para evitar el fraude financiero se cimenta en métodos que se pueden separar en dos grandes grupos generales: aprendizaje supervisado y aprendizaje no supervisado. En los métodos de aprendizaje automático, la máquina aprende a detectar comportamientos anómalos a partir de una submuestra aleatoria de datos, la cual es clasificada como fraudulenta o no. Con la repetición sucesiva de este procesamiento de información, la máquina mejora su capacidad predictora y es capaz de prever posibles fraudes.

Los métodos de aprendizaje supervisado más utilizados en este caso son las redes neuronales supervisadas y redes neuronales difusas para evitar tanto el fraude telefónico como las estafas con tarjetas de crédito y débito.

El aprendizaje no supervisado, a diferencia del que sí lo es, no cuenta con la existencia de un conjunto de datos de muestra que permite el aprendizaje de máquina, sino que el método tiene como objetivo la identificación de patrones o características similares que permiten hacer subgrupos del volumen total de los datos. Son habituales métodos como las redes bayesianas o los Modelos Ocultos de Markov para establecer probabilidades y reducir la incertidumbre sobre si realmente se ha producido un fraude financiero en un comportamiento.

Esto es importante porque, a día de hoy, la mayoría de bancos del mundo fundamentan su lucha contra el fraude en la elaboración de modelos de patrones derivados de subconjuntos de transacciones históricas. Por tanto, la capacidad de las entidades para evitar el fraude que se comete por primera vez y en tiempo real es muy reducida. Además, esos modelos históricos no tienen la actualización debida por razones de costes. Otro elemento importante es la balanza de satisfacción del cliente: las entidades financieras siempre miden la cancelación de operaciones supuestamente fraudulentas por miedo al enfado del cliente que, a diferencia de lo establecido por el modelo predictivo, hizo una operación legal.

Algunas empresas del mercado financiero se han especializado en solucionar estos problemas. Brighterion es una de las fintech que hoy en día destacan por sus servicios de aprendizaje automático para la prevención del fraude bancario asociado a tarjetas de crédito, por poner un ejemplo. Los productos de la compañía combinan hasta 10 tecnologías de inteligencia artificial, con las que la máquina es capaz de aprender, predecir y tomar decisiones en tiempo real. Es una plataforma de computación cognitiva. Brighterion dispone de cuatro productos antifraude:

● iPrevent: la plataforma es capaz de registrar y aprender los hábitos de comportamiento y consumo de los titulares de cada una de las tarjetas expedidas por una entidad bancaria. El objetivo: establecer líneas rojas que detecten posibles comportamientos anómalos en el uso de esas tarjetas.

● iDetect: herramienta capaz de detectar violaciones de datos personales o de seguridad relacionados con tarjetas de crédito y transacciones irregulares.

● iPredict: herramienta de prevención de riesgos para créditos bancarios.

● iComply: uso de procesos de aprendizaje no supervisado para detectar comportamientos de lavado de dinero internacional. La plataforma recibe datos de numerosas fuentes, siempre en tiempo real, analiza los datos y sigue el flujo de dinero entre clientes y organizaciones para evitar el lavado.

Si quieres probar las APIs de BBVA, testéalas aquí.

Creado el 02 Ene. 2018
0Comentarios


Banca digital

No es un nuevo concepto bajo ninguna definición, pero para muchos 2018 será el primer año en el que prueben a tener online sus ahorros o una cuenta alternativa. Mientras los bancos tradicionales giran hacia un futuro con menos oficinas físicas, otras entidades financieras han nacido y nacen con esta limitación como bandera.

PwC publicaba hace unos meses los resultados de una encuesta  a clientes de banca. En ella se exponía que el 46% de los encuestados utilizan la banca online de forma prioritaria, una cifra que aumentaba desde un 27% tan solo cinco años antes. Para los nacidos después de 1990, la cifra sube hasta el 82%. La banca "omni-canal" (online + oficinas) se cierra 2017 a su vez como la elección del 45% de los clientes, quedando por primera vez por detrás de las preferencias de los consumidores en general. Y tan solo una de cada diez personas afirmaron que gestionaban sus ahorros a través de oficinas presenciales.

"Afecta a todos los niveles de ingresos", afirma el white paper. "Sabemos que los clientes no van a las sucursales de la misma forma que lo hacían antes." "Ha pasado de ' algunas veces al mes ' a ' algunas veces al año'". Esta tendencia no está siendo cubierta suficientemente por los bancos, y muchos optan por banca-nativa digital. "Solo un 25% de los productos de banca de consumo están disponibles online" de media, según PwC, demostrando que hay un hueco que cubrir por parte de los productos ofrecidos por la banca online.
 

Ofertas públicas de criptomoneda (ICOs)

A pesar de que permanece un mercado volátil, muchas compañías jóvenes optan por esta forma de recaudar financiación en vez de por los canales tradicionales. En noviembre de 2017, 743 millones de dólares fueron levantados en diversas ICOs según Coindesk. Los inversores han aportado más 87.000 millones de dólares a través de ICOs en los últimos años, y el número de acuerdos no deja de crecer.

"El precio del ETH (Ether) y BTC (Bitcoin) serán las dos grandes preguntas" a considerar para hacer un ICO, "y si hay disponible algún método alternativo especial para ejecutar y comerciar con tokens seguros". Coindesk espera que para el tercer trimestre de 2018 se hayan establecido múltiples de estos sistemas alternativos, y que reciban parte del portafolio que hoy se mantiene en BTC o ETH, añadiendo diversidad al mercado y añadiendo pequeños oasis de estabilidad.
 

Robo-consejeros

Poder invertir desde la comodidad desde tu teléfono es atractivo y sugerente. Poder hacerlo con indicaciones personalizadas de un algoritmo de aprendizaje automático que vaya aprendiendo de tus acciones y esté alerta mientras duermes, más aún.

Simon Roy, CEO de Jemstep, una firma de robo advisors, declaraba que "no vale con poner un logo". "Estamos viendo un cambio en la industria en el que compañías de consultoría dejan atrás las soluciones automatizadas que ofrecen recomendaciones estándar y automatizadas". Si se consigue que el mercado adopte este tipo de herramientas que dan consejos con las APIs de Open Banking que a su vez dan acceso a balances y opciones de créditos, se puede crear un gran ecosistema donde cualquier inversor o ahorrador tenga acceso a unos conocimientos o estrategias hasta ahora solo reservadas a brokers o entidades financieras.

La experiencia de usuario será clave. Estas firmas "se centrarán de forma continuada en la estabilidad de sus plataformas de recomendaciones digitales para asegurarse de que trabajan a largo plazo". Esto aumentará la consolidación. Centrar las decisiones tomadas por los consejeros digitales en múltiples objetivos será la norma según Roy.
 

Consolidación de la banca móvil

En 2018, los pagos móviles generarán 930.000 millones de dólares a nivel mundial, y la cifra superará el billón en 2019 según cifras de TrendForce y NFCWorld. Con la adopción del móvil para los pagos, los usuarios verán con mejor ojo la banca totalmente móvil. En Estados Unidos, la cifra de usuarios de banca móvil ya superó la mitad de la población adulta con un smartphone.

En China, un análisis reciente de Forrester concluía que "los bancos más exitosos comparten un enfoque hacia la banca móvil similar e iterativo". "Todos han construido relaciones fuertes entre su estrategia de negocios digital y sus equipos de gestión tecnológica"creando sistemas, aplicaciones o plataformas que eran "más exitosas con los clientes y generando más beneficios para los bancos".

"La banca móvil seguirá acelerando por encima de la banca tradicional como preferencia del consumidor a medida que sus experiencia digital, como usuario y como cliente se enriquecen y parten de una base más informada". Es la conclusión de Kirk D. Borne, Principal Data Scientist en Booz Allen Hamilton. "Esto incluirá banda digital sin fricción entre consumidores y negocios, pagos con un clic de consumidor a consumidor, nuevas oportunidades para criptomonedas, registros biométricos que eviten contraseñas, interfaces conversaciones y ofertas y servicios localizados". 

 

Si quieres conocer más sobre las APIs financieras de BBVA, visita esta web.

Creado el 27 Dic. 2017
0Comentarios
Creado el 09 Ene. 2017
0Comentarios

Hoy en día algunos expertos señalan que los chatbots conversacionales serán las futuras aplicaciones, con un grado de intimidad aún más elevado en su relación con los usuarios. La banca es uno de los sectores que está explorando poco a poco cómo los bots pueden ayudar a mejorar la experiencia financiera con sus clientes y cómo esa relación puede llevarles a dar un mejor servicio y obtener una ventaja competitiva con respecto a sus rivales. Hay algunos casos reseñables.

Hay tres datos que avalan esta tesis:

1) La penetración de los teléfonos inteligentes en el mercado mundial es imparable: aún existen países donde la incorporación de los dispositivos está siendo más lenta, pero en el resto está acelerada. En 2016 se espera cerrar la cifra de usuarios de teléfonos inteligentes en los 2.100 millones. Este es un gráfico con su evolución:

2) El crecimiento de las aplicaciones de mensajería instantánea es enorme: hoy en día las curvas de uso y crecimiento de las aplicaciones de mensajería instantánea y las aplicaciones de redes sociales ya se ha cruzado. La gente empieza a dejar de estar en las redes sociales y comienza a estar en otros productos como WhatsApp, Telegram, Facebook Messenger, WeChat, Snapchat… La oportunidad es evidente. WhatsApp tiene más de 1.000 millones de usuarios activos al mes. WeChat algo menos. Aquí hay un par de gráficos de Statista: para WhatsApp y para WeChat

3) El volumen de mensajes en este tipo de aplicaciones no deja de crecer: si uno observa las cifras de aumento del número de usuarios activos al mes y el volumen total de mensajes en ese tipo de aplicaciones, el futuro podría ser prometedor.

Al final hay dos reglas que suelen ser bastante habituales en el mercado de la tecnología: es necesario crecer en horizontal y alcanzar cierto volumen para monetizar, y es imposible hacerlo si no estás donde se encuentran los usuarios. Las aplicaciones de mensajería instantánea, detrás de las que hay algunas grandes redes sociales, han lanzado herramientas gratuitas a la espera de monetizar.

Qué pueden hacer los bots para la banca

Hay varios tipos de operaciones que ya no es necesario que se realicen por un usuario a través de una aplicación y, mucho menos, desplazándose hasta la sucursal. De hecho, ni siquiera con la intervención de un empleado. Qué acciones puede hacer un bot para cualquier banco sin que la experiencia pierda valor:

● Alertas y notificaciones: las entidades pueden utilizar los bots para enviar alertas y notificaciones a sus usuarios sobre operaciones de todo tipo. Pueden notificar el ingreso de un cobro o la nómina, el pago de un producto o servicio a través de la tarjeta, el cobro de alguno de los recibos domiciliados… Pero incluso en cuestiones menores, pero importante para la experiencia como el soporte: usuarios que necesitan cancelar, consultar el saldo o pedir un nuevo PIN de su tarjeta de débito o crédito… Un bot asistente 24/7/365.

● Personalización de la oferta: los bots son un elemento muy útil para interactuar con el usuario y conocerlo, sin que resulte excesivamente invasivo, sobre todo si se utilizan mecanismos de gamificación para conseguirlo. Es un paso previo a la personalización de ofertas ajustadas a los gustos, valores y personalidad del cliente, al que con frecuencia se le conoce bastante poco.

● Depósito de cheques: hoy en día existen grandes empresas como IBM con Watson y Microsoft con Azure que disponen de servicios que permiten ya el reconocimiento de imágenes aplicado a operaciones financieras. Es tan sencillo como hacer una foto del cheque donde se vea la cifra del depósito.

● Pagos móviles persona a persona: los bots se han convertido también en una oportunidad para pagos rápidos entre amigos, sin muchas complicaciones y sin necesidad de la intervención de ninguna entidad financiera. Ya existen algunos casos prometedores de este tipo de propuestas: un ejemplo es Mypoolin ChatBot, una UPI (Interfaz de Pagos Unificado) o sistema de pago instantáneo desarrollado por la Corporación Nacional de Pagos de India. Cada UPI está desarrollada sobre la base de una infraestructura IMPS (Immediate Payment Service) para la transferencia de dinero entre cuentas bancarias mediante el uso de identificadores únicos como el número de teléfono móvil o un VPA (una dirección de pago única), sin la necesidad de usar número de cuenta, un elemento que genera incertidumbre en el usuario.

Cómo pueden ayudar los bots a la banca

Existen algunos otros ejemplos interesantes de bots bancarios que son una muestra de lo que estos prototipos pueden darle a la banca como sector productivo. MyKai es un chatbot desarrollado por la startup Kasisto, la cual es conocida en todo el mundo por su plataforma conversacional de inteligencia artificial KAI. Al final, KAI es un asistente virtual e inteligente que interactúa con los usuarios a través de dispositivos móviles, aplicaciones de mensajería instantánea, wearables… La integración con plataformas de terceros se produce a través de su API y sus SDKs. Todas sus ventajas se basan en un motor de procesamiento del lenguaje natural.

Una de las aplicaciones que con más fuerza apuesta por la integración de procesos vinculados a cliente a través de chatbots convesacionales es WeChat, sobre todo el mercado que mejor conoce esta herramienta de mensajería instantánea: China. Empresas como Facebook, WhatsApp o Telegram se están fijando especialmente en cómo WeChat tuvo éxito en el mercado asiático, en gran medida en la creación de pequeños bots que facilitan servicios a los usuarios como compra de comida a domicilio, petición de un taxi, transferencia de dinero entre cuentas bancarias… 

Al final, los bancos obtienen varias ventajas interesantes con la llegar de los chatbots:

● Reducción de costes e incremento de los ingresos: a media que se mejora la experiencia de los usuarios y se facilitan los procesos con los que están vinculados, las fricciones se reducen y las operaciones aumentan. Las comisiones vinculadas a toda esa operativa hacen crecer los ingresos y, además, los costes asociados a la misma se reducen a la mínima expresión.

● Mayor eficiencia: los clientes pueden acceder a las respuestas que necesitan de forma directa, sin necesidad de esperas. Se ahorra mucho tiempo.

¿Te interesan las APIs financieras? Descubre todas las que te ofrece BBVA

 

 

 

Creado el 02 Ene. 2017
0Comentarios

Uno de los retos de la plataforma abierta de APIs de BBVA es “hacer la vida más fácil tanto al desarrollador como al responsable de negocio”. Y esto se consigue gracias a la integración de las APIs financieras en soluciones de diferentes sectores empresariales, subraya Martín Eizaga, product owner de Open Platform en BBVA España.

La seguridad es una de las premisas del equipo de Open APIs de BBVA. Eizaga incide en el proceso que se sigue en la integración de la API BBVA Cards: “el usuario final siempre tendrá que introducir sus credenciales de la banca online para ceder el acceso al desarrollador” y, además, BBVA sigue siendo el que gestiona y almacena esas credenciales.

Existe un segundo factor de seguridad que implica que se le manda un sms al móvil del cliente final para que autorice esta operación. Esta autorización no es indefinida, sino que tiene un periodo de caducidad y se ceden unos permisos específicos.

Si te interesan las APIs financieras abiertas, puedes testar aquí las de BBVA.

Creado el 08 Sep. 2016
0Comentarios

Los móviles inteligentes se han convertido en el dispositivo más utilizado y más íntimo, no sólo como herramienta para contactar con los demás, también para hacer fotos, grabar vídeos, escuchar música, escribirnos con amigos o familiares mediante aplicaciones de mensajería instantánea, para trabajar… Y también para pagar. Los pagos móviles son una realidad que llega con timidez a nuestras vidas, en gran medida por la enorme penetración del pago en efectivo y con tarjeta. Pero casi todos los expertos avanzan que será la forma de pago habitual en el futuro.

Total Retail 2016 es uno de los últimos informes en facilitar algunos datos interesantes sobre la penetración de los pagos móviles en 25 países de todo el mundo, uno de ellos España. En el caso concreto de nuestro país, el 77% suele pagar de forma mayoritaria con dinero en efectivo, el 56% con tarjetas de débito, el 51% con tarjetas de crédito, el 43% con transferencia y sólo un 8% con el smartphone. De hecho, el 58% de los españoles asegura no haber comprado nunca a través de la tableta y un 55% no haber usado nunca su teléfono móvil. Otros métodos nuevos tienen mejor acogida entre los consumidores nacionales como el uso de PayPal o las tarjetas virtuales para realizar compras por internet.

Esto pretende ser un resumen del estado de los pagos móviles en algunos de los principales países del planeta, incluidos lógicamente los consumidores españoles: 

1.    M-Pesa, un caso de éxito procedente de Kenia

El único caso de éxito masivo de uso del teléfono móvil para el pago de mercancías o servicios tiene su origen en Kenia. M-Pesa (M de móvil y Pesa de dinero en swahili) es un producto de telefonía móvil de Safaricom, la filial de Vodafone en el país africano. M-Pesa permite pagar y recargar el saldo del teléfono móvil, enviar dinero a usuarios o no usuarios del servicio, retirar dinero en cajeros automáticos… El gran éxito se debe a que es un sistema que permite la bancarización de la población sin necesidad de ninguna sucursal. La idea es que termine por colonizar el continente a través de Uganda, Tanzania, Sudáfrica, República Democrática del Congo, Mozambique, Lesotho o Ghana. También están presentes en el continente asiático en Egipto y en el europeo en Rumanía.

Gracias a procesadores de pagos como M-Pesa, casi el 60% de la población de Kenia utiliza el móvil para realizar pagos y cobros de todo tipo. Se les ha facilitado un servicio que reclamaban a través de un dispositivo que ya conocían como el teléfono móvil. Ha incorporado a personas que estaban fuera de cualquier circuito financiero. En marzo de 2016, M-Pesa registró un crecimiento del 27,1% del número de usuarios activos no sólo en África, también en Asia o en Europa, hasta alcanzar una masa total de consumidores que rondaría los 25 millones

             2.   China, ejemplo de la evolución de los pagos móviles

Los expertos siempre dicen que si existe un país que ejemplifica a la perfección el comportamiento evolutivo que tendrán los pagos móviles en los usuarios a nivel mundial, ese país es China. De alguna forma es el microclima que anticipa la evolución natural de los hábitos de consumo con respecto a los pagos móviles. En este gráfico se puede observar el crecimiento casi calcado entre China y el mundo en la elección del teléfono móvil como principal dispositivo de pago de productos o en la predisposición del consumidor a cargar crédito en el smartphone

3. ¿Pagos móviles? Tienda física y online a través del PC

Un buen gráfico para detectar la penetración real que tienen los pagos móviles son las respuestas sobre el método de pago favorito a la hora de comprar productos y servicios. Lo de menos es el tipo de mercancías, y lo realmente interesante es la tendencia en los porcentajes. En el gráfico de abajo, con datos de Total Retail 2016, el método de pago favorito es la tienda física, seguido de la compra online a través del ordenador. La vía con peor acogida es la más reciente, el uso de wearables (dispositivos ponibles) como relojes o gafas inteligentes, seguido del pago online mediante el teléfono móvil. Los pagos móviles no están, todavía, entre los canales que mejores sensaciones generan entre los consumidores. 

En el caso de España, el estudio ‘Los medios de pago, un paisaje en movimiento’, del Centro del Sector Financiero de PricewaterhouseCoopers y el IE Business School de junio de 2015, sitúa a los pagos móviles (con wallet en el smartphone) en una situación retrasada con respecto a otros métodos de pago: efectivo, tarjetas, transferencias, cheques o aplicaciones. Este es un gráfico de barras especialmente revelador porque también existe una categorización por franjas de edad. 

4. La frecuencia: un aspecto interesante

Un dato interesante para medir la evolución en los hábitos de consumo y el espacio que los pagos móviles encuentran poco a poco entre las vías escogidas por los consumidores es la frecuencia con la que utilizan este método de pago. Frente a las cifras totales y porcentuales del uso de los pagos móviles, la frecuencia con la que se usan los smartphones para comprar productos y servicios ofrece una métrica de calidad, no tanto de cantidad. El informe Total Retail 2016 ofrece una evolución importante: en 2012, el 70% de los consumidores reconocían que nunca utilizaban sus dispositivos móviles para comprar, mientras que en 2015 bajó hasta el 46%.

Las previsiones de los expertos señalan que, a comienzos de 2019, el 80% de los consumidores usará el teléfono móvil al menos una vez al año para hacer algún tipo de compra. Ejemplo de esta evolución natural es la tipología de tráfico que reciben los grandes retailers online en sus plataformas: en su mayoría es móvil. 

 

5. Otra métrica de calidad: cantidad de dinero por método

Otro aspecto para medir la evolución de los pagos móviles es la cantidad de dinero que los consumidores están dispuestos a pagar en función del sistema de pago. En este caso, los pagos móviles siguen siendo una vía que ofrece pocas garantías a los usuarios, aunque esto no vaya asociado tanto a la sensación de falta de seguridad, sino a la novedad y la falta de costumbre. Aquí un gráfico con la cantidad de dinero que los usuarios están dispuesto a pagar por método, según PWC. 

Páginas