{"id":67250,"date":"2022-06-08T14:49:24","date_gmt":"2022-06-08T13:49:24","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=67250"},"modified":"2024-09-20T17:45:49","modified_gmt":"2024-09-20T16:45:49","slug":"data-maturity-climbing-the-scale-in-financial-institutions","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/es\/blog\/data-maturity-climbing-the-scale-in-financial-institutions\/","title":{"rendered":"Data madurez: Escalando posiciones en las instituciones financieras"},"content":{"rendered":"

Autor<\/h2><\/div>\"Image\"

Athena Sharma - Artefact<\/h3><\/div>

Director consultor<\/p>\n

L\u00edder mundial de servicios financieros<\/p>\n<\/div><\/div><\/div>

Autor<\/h2><\/div>\"Image\"

Chris Bannocks - QBE Seguros<\/h3><\/div>

Oficial Jefe del Grupo Data<\/p>\n<\/div><\/div><\/div><\/div><\/div>

Athena Sharma, Directora de Consultor\u00eda y Responsable Global de Servicios Financieros de Artefact, y Chris Bannocks, Jefe de Grupo de Data en QBE Insurance debaten sobre la madurez de data: qu\u00e9 es, qu\u00e9 papel desempe\u00f1a en las empresas hoy en d\u00eda y por qu\u00e9 es un reto particular para bancos, aseguradoras, casas de bolsa, cooperativas de cr\u00e9dito y otras empresas del sector de los servicios financieros.<\/p>\n<\/div><\/div><\/div><\/div><\/div>

\u00bfA qu\u00e9 nos referimos cuando hablamos de madurez data?<\/h2><\/div>

En t\u00e9rminos generales, la madurez data mide el nivel de capacidad de una organizaci\u00f3n para crear valor a partir de su data. Para alcanzar un alto nivel de madurez, la data debe estar profundamente arraigada en toda la organizaci\u00f3n y plenamente integrada en cada una de sus decisiones y actividades. Es un factor clave para el \u00e9xito de la transformaci\u00f3n digital. Cuanto mayor sea su nivel de madurez, m\u00e1s ventajas competitivas tendr\u00e1 una empresa.<\/p>\n<\/div>

Para medir la madurez data, se utiliza un modelo de madurez para evaluar las distintas capacidades data y digitales de una empresa. \u201cExisten muchos modelos de madurez diferentes, pero todos utilizan un conjunto de preguntas para calificar el nivel de madurez de una empresa en muchas dimensiones distintas\u201d, explica Chris Bannocks<\/a>. \u201cEstos incluyen las capacidades de una empresa -o madurez- en su arquitectura, personal, an\u00e1lisis, \u00e9tica, privacidad, etc. Se trata de una medida objetiva que puede realizarse mediante una revisi\u00f3n independiente o una autoevaluaci\u00f3n.<\/p>\n<\/div>

\u201cEl resultado es una agregaci\u00f3n, por lo que las empresas deben decidir d\u00f3nde quieren adquirir m\u00e1s madurez data y d\u00f3nde es aceptable menos. No es necesario estar al m\u00e1ximo nivel en todas las dimensiones. Hay que preguntarse: \u2018\u00bfMadurez para qu\u00e9?\u2019.\u201d<\/div>\n<\/div>
dice Chris Bannocks.<\/div>\n<\/div>

\u00bfPor qu\u00e9 la madurez data es especialmente importante para las instituciones financieras?<\/h2><\/div>

Dado que la regulaci\u00f3n es una cuesti\u00f3n crucial en el mundo de las finanzas, cuanto mayor sea el nivel de madurez de un banco o una compa\u00f1\u00eda de seguros, m\u00e1s probable ser\u00e1 que est\u00e9n bien controlados, bien gestionados, bien gobernados y seguros.<\/p>\n<\/div>

\u201cData como las m\u00e9tricas de riesgo, las declaraciones de los clientes o los informes financieros pueden considerarse m\u00e1s precisos como resultado de la madurez de data en esas \u00e1reas\u201d, afirma Chris Bannocks.<\/p>\n<\/div>

Pero la regulaci\u00f3n no es el \u00fanico motor de la madurez data. Una instituci\u00f3n financiera (IF) madura en data puede aprovechar todo el espectro de soluciones que ofrecen los grandes an\u00e1lisis data y la IA, lo que conduce a una mejor toma de decisiones, un negocio m\u00e1s conectado y una mayor ventaja competitiva. Por ejemplo, una compa\u00f1\u00eda de seguros m\u00e1s data madura podr\u00eda utilizar mejor la IA para determinar el riesgo de seguro personalizado para cada cliente, lo que dar\u00eda lugar a p\u00f3lizas mejor adaptadas y a importantes beneficios empresariales.<\/p>\n<\/div>

\u201cAprovechar la IA y los grandes an\u00e1lisis data para la toma de decisiones impulsada por data, permitiendo una mayor personalizaci\u00f3n y optimizando los procesos es un factor cr\u00edtico de \u00e9xito para los bancos y las compa\u00f1\u00edas de seguros. Pero superar los retos de madurez data heredados sigue siendo un bloqueador principal\u201d.\u201d<\/div>\n<\/div>
dice Athena Sharma.<\/div>\n<\/div>

\u00bfD\u00f3nde se sit\u00faan actualmente las instituciones financieras en la escala de madurez data?<\/h2><\/div>

Muchas IF siguen enfocando la madurez data como un juego de suma cero: o se es maduro data o no se es. En lugar de ello, la madurez data deber\u00eda verse como un espectro con diversos grados de madurez apropiados para diferentes partes del negocio, afirma Athena. \u201cEsta visi\u00f3n segmentada de la madurez hace que el reto data sea m\u00e1s digerible para las IF, permiti\u00e9ndoles centrarse primero en las \u00e1reas prioritarias y renunciando a la madurez en \u00e1reas que pueden no ser tan importantes para el negocio, o que pueden generar un menor retorno de la inversi\u00f3n.\u201d<\/p>\n

Seg\u00fan Chris, en una escala de madurez data del 1 al 5, la mayor\u00eda de las instituciones financieras se sit\u00faan entre el 3 y el 4. \u201cLas IF han hecho grandes progresos porque llevan unos 15 a\u00f1os trabajando duro en el espacio de la madurez y la capacidad. Pero si nos sumergimos y miramos la calidad data o la arquitectura o la \u00e9tica, veremos distintos niveles de madurez seg\u00fan el sector.\u201d<\/p>\n<\/div>

\u00bfA qu\u00e9 retos se enfrentan las instituciones financieras en el camino hacia la madurez data?<\/h2><\/div>

La complejidad y la antig\u00fcedad de la arquitectura y los sistemas heredados siguen siendo uno de los principales retos a los que se enfrentan las empresas bancarias y de seguros. De los 100 principales bancos del mundo, 92 siguen confiando en el mainframe de IBM para sus operaciones. Utilizar un sistema anticuado supone una falta de agilidad y una arquitectura que no es capaz de hacer frente a las crecientes cargas de trabajo, especialmente cuando se trata de Big Data.<\/p>\n<\/div>

\u201cComo resultado de estos retos, las IF necesitan aumentar su capacidad de procesamiento o reconstruir su arquitectura existente, soluciones ambas que requieren mucho esfuerzo y tiempo. Esto contrasta fuertemente con las \u00e1giles FinTech, que pueden mantenerse \u00e1giles y centradas en el cliente desde el primer momento,\u201d<\/div>\n<\/div>
dice Athena Sharma.<\/div>\n<\/div>

El segundo reto clave est\u00e1 relacionado con las personas y la complejidad organizativa. El cambio de comportamiento y la adopci\u00f3n son dif\u00edciles de lograr en todas las industrias, no s\u00f3lo en las instituciones financieras. Pero la complejidad organizativa de las IF hace m\u00e1s dif\u00edcil impulsar la responsabilidad y la apropiaci\u00f3n data y aportar valor empresarial.<\/p>\n

Seg\u00fan Chris, \u201cpuede ser m\u00e1s f\u00e1cil para la gente de los grupos bancarios y de seguros cambiar de comportamiento, ya que est\u00e1n acostumbrados a entornos regulados y pueden adoptar cosas como el data governance con m\u00e1s facilidad de lo que podr\u00edan hacerlo los de otros sectores. Pero el tama\u00f1o y la complejidad de las propias estructuras organizativas pueden presentar exigencias diferentes desde el punto de vista de la madurez data: un banco minorista tiene una necesidad de madurez diferente a la de un banco de inversi\u00f3n. La diferencia puede ser menor, pero exige que la respuesta a cada proyecto se adapte a cada caso en t\u00e9rminos de valor empresarial, no s\u00f3lo de valor normativo.\u201d<\/p>\n<\/div>

\u00bfQu\u00e9 pasos pueden dar las instituciones financieras para ser m\u00e1s data maduras?<\/h2><\/div>

La respuesta general es acelerar hacia la anal\u00edtica. He aqu\u00ed algunos pasos que las IF pueden dar para lograrlo:<\/p>\n<\/div>

  • <\/i><\/span>
    \n

    Eval\u00fae los cimientos: <\/b>Las IF deben comenzar con una auditor\u00eda exhaustiva de su data foundations, no s\u00f3lo evaluando las capacidades t\u00e9cnicas, sino tambi\u00e9n formulando las preguntas empresariales adecuadas. \u201cEn la mayor\u00eda de los casos, los cimientos existentes son suficientemente buenos. Una vez que las instituciones financieras empiecen a poner medidas de madurez data a su alrededor, ir\u00e1n mejorando paulatinamente\u201d, afirma Chris.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Pilote los casos de uso adecuados: <\/b>Las IF necesitan adoptar un enfoque \u00e1gil en el que \u201ccambien actuando ahora, en lugar de actuar despu\u00e9s de que se haya producido el cambio\u201d, afirma Athena. En la pr\u00e1ctica, esto significa seleccionar casos de uso que aborden cuestiones empresariales espec\u00edficas, esbozar los requisitos para habilitar estos casos de uso y cambiar los par\u00e1metros de madurez data de acuerdo con estos requisitos. Esto hace que el cambio sea m\u00e1s manejable y eficaz.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Obtenga valor pronto para mantener el impulso: <\/b>Un contratiempo clave es que los proyectos de transformaci\u00f3n a gran escala pierden impulso con el tiempo y la realizaci\u00f3n del valor tarda demasiado o a veces no llega a producirse. Un enfoque \u00e1gil basado en casos de uso para la madurez data permite una pronta realizaci\u00f3n del valor y, por tanto, una mayor aceptaci\u00f3n por parte de la empresa.<\/p>\n<\/div><\/li>

  • <\/i><\/span>
    \n

    Mantenga a las personas en el centro del cambio: <\/b>Seg\u00fan Chris, \u201cla madurez Data tiene que incluir y comprender el componente humano, as\u00ed como el consumo y el uso de data dentro del modelo, no s\u00f3lo la forma de gestionarlo hasta su punto final. Para obtener un valor real de un modelo de madurez data, deben incluirse todos estos componentes.\u201d<\/p>\n<\/div><\/li><\/ul><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"

    Athena Sharma, directora y responsable global de servicios financieros de Artefact, y Chris Bannocks, director digital del grupo (CDO) de QBE Insurance, analizan el vencimiento de data.<\/p>","protected":false},"featured_media":62904,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035,21930],"blog-language":[2991],"class_list":["post-67250","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog\/67250","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media\/62904"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/media?parent=67250"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-category?post=67250"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/es\/wp-json\/wp\/v2\/blog-language?post=67250"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}