La tecnología debe servir para tener una banca de desarrollo y un ecosistema financiero más humanos.
En conversación con MIT Sloan Management Review México, Juan Pablo de Botton, director general de Nafin y Bancomext, recalca que la difusión de los conceptos necesarios para hablar sobre innovación en el sector financiero es necesaria, pero insuficiente.
“Por ejemplo”, explica, “siento que, a veces, no se entiende qué es ciencia de datos y que no está claro que se trata de algo distinto a big data o a infraestructura como código o a la nube. Por lo tanto, considero que es importante explicar estos conceptos”.
MIT SMR México: ¿Cuál es la definición de nube, big data y ciencia de datos?
La nube es como un café internet, es decir, pagas por lo que usas. No tienes que comprar el local o las computadoras, simplemente pagas por el tiempo que utilizas un equipo o si necesitas imprimir algo o si se te antoja un café. Las nubes públicas, en particular, han permitido que haya muchos más actores dentro del ecosistema, así como acceso a costos más reducidos para poder utilizar infraestructura de cómputo.
Dentro de la nube hay cientos de servicios, que cambian entre distintas nubes. Si bien puedes encontrar similitudes entre ellas –todas tienen un object storage–, no funcionan de la misma forma.
En cuanto a la parte de big data, creo que es otra de las tendencias que nos ha ayudado a llegar hasta donde estamos hoy. Sin embargo, muchas personas piensan que únicamente son muchos datos.
Pero en realidad de donde nace el big data es de paralelizar el cómputo. Antes el crecimiento era vertical, es decir, necesitabas una máquina con gran capacidad, aunque es lo que todavía algunos bancos utilizan.
El problema es que, si consideramos que los servicios financieros son altamente transaccionales, el resultado es que esto se hace muy caro y se vuelve inaccesible. Hoy, además de que lo puedes rentar, también puedes paralelizar el cómputo. Esto es básicamente el gran cambio que hace el big data: creces en horizontal, en forma lineal y no exponencial.
Esa capacidad de procesamiento adicional que te da la parte de big data te permite, por supuesto, manejar volumen; pero, sobre todo, poder procesar variedad de datos, es decir, incluso datos semiestructurados.
La velocidad también es relevante para temas de big data, porque paralelizas para procesar más rápido. Luego, hay un tema de variedad, los temas semiestructurados, por ejemplo, los hmls, populares por su uso en el Sistema de Administración Tributaria (SAT), la voz o el análisis de imágenes o de video.
En el análisis de texto importa no solamente las palabras, ya que tienes que guardar en la memoria todo el texto para entender qué significa en ese contexto. Por eso la variedad implica estos temas, mientras que la veracidad es una cuestión de que no por el hecho de tener muchos datos –pues eso es valioso per sé– se nos olvide que es importante también qué es lo que están midiendo esos datos y que efectivamente sea una medición veraz.
Big data es como el músculo: te permite recibir y tener capacidad de procesamiento, y en la parte de ciencia de datos, tiene que ver mucho más con el cerebro, es decir, con la parte analítica.
Si hacemos una analogía: tienes un procedimiento –que es el método científico–, en el cual tienes una hipótesis y, a partir de ella, estableces cuáles son las fuentes de datos que vas a tener que conectar; de ahí realizas un análisis exploratorio, que puede ser tanto estadístico como visual. Y luego, haces un proceso de limpieza de datos, que toma como el 80% del tiempo. Finalmente, modelas, y puede ser un modelo muy sencillo o uno muy complejo.
Son tres skills los que se necesitan para hacer ciencia de datos, lo cual me parece bastante correcto en términos de poder comprenderlo.
También es cierto que nadie conoce absolutamente todo lo que hay conocer sobre un dominio. Por ejemplo, nunca el que es el más experto en derivados va a serlo en crédito o en ventas. Más bien, se requieren equipos multidisciplinarios. Así que volvemos al principio de los equipos horizontales, en donde se comparten las ideas y en los que nunca vas a tener a una ‘súper persona’ que conozca absolutamente todo de todas las tecnologías, de todo el dominio y de toda la estadística.
Entonces, concluyo que lo más importante es el equipo; es cómo colocas a las personas correctas en el ambiente correcto y permites que la cultura genere esta innovación –por supuesto, con la capacitación correcta–. Esto es un poco la fórmula, que se dice fácil, pero que a muchas empresas les cuesta trabajo implementarla.
MIT SMR México: ¿Cómo estos elementos pueden ayudar a transformar la industria de los servicios financieros?
JPBF: A veces, la gente en tecnología considera que puede haber una cuestión utópica, en donde las máquinas hacen absolutamente todo y todo es maravilloso. También hay quienes ven una cuestión distópica, es decir, que se van a terminar los trabajos.
Pienso que son esferas de verdad; no obstante, también estas dos cuestiones a veces obvian que todas las personas tenemos una posición sobre qué es lo que queremos hacer con la tecnología, es decir, ¿qué queremos que nos haga capaces de lograr? Se trata de potenciar el talento que uno tiene en los diferentes centros de trabajo y no de sustituirlo o de vulnerarlo.
La tecnología debe servir para acompañar más de cerca a las personas, en nuestro caso, a tener una banca de desarrollo más humana. Siento que podemos tener cercanía por medio de la digitalización y vivimos en una época en la que todo eso es accesible gracias a las tecnologías disponibles –como big data y cómputo en la nube–. Esto nos permite empoderar a la gente, no sólo a la institución, sino a las personas a quienes el banco pueda atender.
Lee también: Especial Fintech: La complicada promesa de criptomonedas en México
Es esencial la percepción que podamos generar de cercanía. Además, no necesitamos de recursos adicionales para tener este contacto más directo e inclusive, generar una mejor relación y comunicación o partnership con los actores.
Una versión de este artículo se publicó en la edición trimestral digital de MIT Sloan Management Review México Verano 2021.