Este tipo de información permite a las entidades seguir determinadas estrategias de negocio, por lo que su uso es una tendencia en alza. De hecho, el Banco Santander y la Universidad Carlos III de Madrid (España) acaban de crear el Instituto Mixto de Investigación en Big Data Financiero con el objetivo de dominar este tipo de datos y la semana pasada BBVA dedicó una semana a la divulgación de esta nueva ciencia en su Centro de Innovación en Madrid (España).
Hasta hace pocos años, para dar un crédito a una persona, un banco podía mirar el historial financiero, la nómina y posesiones como la casa y el coche. Ahora, gracias a las técnicas de big data y al rastro digital que los usuarios dejan en su actividad diaria, las entidades financieras pueden conocer mucho mejor a sus clientes.
"A los bancos no les importa cuándo, dónde o cómo consiguen un dato y tampoco importa si lo utilizarán más adelante, la cuestión es no dejar escapar ninguno", explica el catedrático de Matemáticas de la Universidad Carlos III, Javier Prieto. Por eso, no es raro que el 92% de ellos esté considerando implementar estrategias de big data, según un informe sobre big data financiero publicado en septiembre de 2014 por GFT que ha recogido datos de España, Alemania, Reino Unido y Brasil. Esta cifra es un 43,4% superior al del resto de sectores industriales, donde la media es del 40%.
Parte de los datos que recogen los bancos se utiliza para encontrar información de contexto que les permita conocer mejor a sus clientes. Para hacerlo, las máquinas de big data realizan búsquedas en redes sociales con los nombres de sus clientes. Perfiles en redes sociales como LinkedIn se convierten así en un historial que "muestra si esta persona se ha mantenido mucho en los trabajos anteriores y si es fiable para un crédito o si ha durado poco y es inestable", explica el miembro del Instituto Mixto de Investigación en Big Data Financiero y profesor de matemáticas de la Universidad Carlos III, Esteban Moro.
Pero estos datos no sólo sirven para comprobar la solvencia de un cliente, también sirven para hacer campañas de marketing personalizadas. "Una persona que ha estado buscando casas por la web y que ha mirado el comparador de hipotecas estará más receptiva a escuchar ofertas para un crédito", explica el socio de la empresa de big data M2C, que entre otros clientes trabaja con BBVA, Javier de Miguel.
Para establecer estos patrones de comportamiento, el big data utiliza los datos que genera un usuario y predice sus acciones según el comportamiento de usuarios anteriores con el mismo perfil. Moro explica: "El big data se basa en que los humanos somos muy repetitivos, si fuéramos completamente aleatorios no habría ninguna información".
Estos patrones sirven para hacer saltar la alarma cuando un comportamiento se sale de la norma. Si, de repente, se empiezan a realizar muchas compras con una cuenta en zonas donde su usuario habitualmente no lo hace, los sistemas de big data avisan de que puede estar sufriendo un fraude.
En estos casos es fundamental que los equipos ofrezcan respuestas rápidas. De Miguel señala que en los últimos años todo el proceso se ha agilizado: "Estamos procesando una gran cantidad de PDF de fondos de inversión y, un proceso que antes tardaba 18 horas, ahora se hace en ocho minutos".
Vender los datos
Además de analizar los datos para uso propio, los bancos pueden vender la información que generan a terceros como hace BBVA. De Miguel da un ejemplo: "Si quiero montar una tienda en un barrio, el banco me puede facilitar los datos de los terminales de esa zona y ver si la gente gasta mucho, cuándo hacen la compra y si ya hay otros negocios como el mío".
Estas tendencias también sirven para detectar patrones al cruzar los datos del banco con los de otras empresas. En mayo de 2014 BBVA facilitó los datos de sus terminales para un proyecto de gestión turística que, al cruzarlos con datos del roaming de Telefónica, permitió conocer los itinerarios y hábitos de los visitantes de Madrid y Barcelona (España).
Para que un banco pueda utilizar y vender estos datos debe conocer muy bien dónde están los límites de la privacidad. En el caso del análisis de tendencias como las recogidas en sus datáfonos, los bancos no acceden a datos personales sino que únicamente observan los patrones generales sin entrar en detalle. "Si acceden a redes sociales como Facebook o LinkedIn deben recoger únicamente la información pública sin usar plugins que permitan acceder a datos privados", explica el abogado de Abanlex, Pablo Fernández.
Pero el big data no lo puede todo. Siempre hará falta un ser humano que interprete los datos. "Sistemas como Watson (el superordenador de IBM) y otras herramientas de big data pueden establecer patrones complejos y hacer análisis exhaustivos, pero siempre hará falta que un humano tome las decisiones", explica Moro.
El rastro digital de una persona puede definir su importancia para una entidad y convertirse incluso en una oportunidad de negocio. Dónde te vas de vacaciones, si tienes hijos, qué coche usas y la música que escuchas ya no son sólo parte de tu vida cotidiana: se han convertido en un activo financiero muy valioso para los bancos.